CN110428894A - 分布式监控系统及方法 - Google Patents
分布式监控系统及方法 Download PDFInfo
- Publication number
- CN110428894A CN110428894A CN201910707212.6A CN201910707212A CN110428894A CN 110428894 A CN110428894 A CN 110428894A CN 201910707212 A CN201910707212 A CN 201910707212A CN 110428894 A CN110428894 A CN 110428894A
- Authority
- CN
- China
- Prior art keywords
- data
- cloud server
- ftp
- medical
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000007246 mechanism Effects 0.000 claims abstract description 25
- 241001269238 Data Species 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 8
- 230000002996 emotional effect Effects 0.000 claims description 18
- 238000013528 artificial neural network Methods 0.000 claims description 17
- 206010011224 Cough Diseases 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 12
- 230000001575 pathological effect Effects 0.000 claims description 11
- 238000013135 deep learning Methods 0.000 claims description 7
- 230000008901 benefit Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 4
- 210000005036 nerve Anatomy 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000036772 blood pressure Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 238000002377 Fourier profilometry Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000028399 Critical Illness Diseases 0.000 description 1
- 208000020401 Depressive disease Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003001 depressive effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009429 distress Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 208000024714 major depressive disease Diseases 0.000 description 1
- 201000003995 melancholia Diseases 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000036578 sleeping time Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提出一种分布式监控系统及方法。分布式监控系统包括：云端服务器、客户端系统、医疗系统以及第三方验证机构。云端服务器自医疗系统接收经过运算与加密后的多笔医疗数据，并且自客户端系统接收监控数据。在云端服务器自客户端系统接收到监控数据之后，传送对应监控数据的识别密钥至客户端系统。第三方验证机构自云端服务器下载监控数据以及医疗数据，并基于医疗数据来判断监控数据是否异常而产生判断结果，之后传送判断结果至云端服务器。而云端服务器在自客户端系统接收到识别密钥之后，传送对应识别密钥的判断结果至客户端系统。
Description
技术领域
本发明涉及一种人工智能监控系统及方法，且特别是有关于一种分布式监控系统及方法。
背景技术
随着整体人口结构快速趋向高龄化，使得长期照顾需求的人数也越来越多。高龄状态的变化其实牵涉到很多复杂的元素，可能是一般慢性疾病，可能是失能、失智等身心功能衰退，也可能受到家庭社会资源的影响。因此，造成个人与家庭的照顾压力日益加重，进而衍生社会与经济问题。此外，不仅高龄者的建康问题值得关注，现代人工作压力大，亦容易在未注意的情况下自身健康已亮起红灯却不自知。因此，需要利用科技的力量来协助监控使用者的建康问题。
发明内容
本发明提供一种分布式监控系统及方法，将加密后的医疗数据上传至云端服务器，并提供第三方验证机构来进一步判断客户端系统的监控数据是否异常，由此可确保医疗数据的隐私权。
本发明的分布式监控系统，包括：云端服务器、客户端系统、医疗系统以及第三方验证机构。客户端系统耦接至云端服务器，其用以上传使用者的监控数据至云端服务器。医疗系统耦接至云端服务器，其基于类神经网络将多个患者的多笔病理数据运算与加密后而获得多笔医疗数据，并上传这些医疗数据至云端服务器。经运算与加密后的医疗数据不包括患者的身份数据而包括多个阈值与多个权重。第三方验证机构耦接至云端服务器，其自云端服务器下载监控数据以及经运算与加密后的医疗数据，并基于经运算与加密后的医疗数据来判断监控数据是否异常而产生判断结果，之后传送判断结果至云端服务器。在云端服务器自客户端装置接收到监控数据之后，云端服务器传送对应监控数据的识别密钥至客户端系统。在云端服务器自客户端系统接收到识别密钥之后，云端服务器传送对应识别密钥的判断结果至客户端系统。
在本发明的一实施例中，上述医疗系统将患者各自的性别、病症程度以及年龄作为类神经网络的多个输入节点，并将各患者的诊断结果作为类神经网络的输出结点，进而自类神经网络的多个隐藏节点获得所述阈值与所述权重。
在本发明的一实施例中，上述客户端系统包括至少一传感器，其用以检测生理信息，以生理信息作为监控数据。
在本发明的一实施例中，上述至少一传感器更用以检测脸部特征，利用脸部特征来识别使用者，并且利用脸部特征来获得情绪信息，并将情绪信息搭配生理信息来作为监控数据。
在本发明的一实施例中，上述至少一传感器更用以检测声音特征，利用声音特征来识别使用者，并且利用声音特征来识别咳嗽信息，并将咳嗽信息搭配生理信息来作为监控数据。
在本发明的一实施例中，上述至少一传感器更用以检测环境信息。
在本发明的一实施例中，上述至少一传感器设置在穿戴式装置或家电中。
在本发明的一实施例中，上述第三方验证机构利用深度学习来判断该监控数据是否异常。
本发明的分布式监控方法，包括：于云端服务器中，自医疗系统接收经过运算与加密后的多笔医疗数据，并且自客户端系统接收监控数据，其中医疗系统基于类神经网络将多个患者的多笔病理数据运算与加密后而获得所述医疗数据，经运算与加密后的医疗数据不包括患者的身份数据而包括多个阈值与多个权重；在云端服务器自客户端系统接收到监控数据之后，透过云端服务器传送对应监控数据的识别密钥至客户端系统；由第三方验证机构自云端服务器下载监控数据以及经运算与加密后的医疗数据，并基于经运算与加密后的医疗数据来判断监控数据是否异常而产生判断结果，之后传送判断结果至云端服务器；在云端服务器自客户端系统接收到识别密钥之后，透过云端服务器传送对应识别密钥的判断结果至客户端系统。
基于上述，于云端服务器中所储存的医疗数据为运算过后的数据，而非原始数据，因此即便第三方验证机构自云端服务器中取得了医疗数据，也无法得知这些医疗数据背后的隐私数据，可确保医疗隐私问题。另外，只有收到识别密钥的客户端系统才能获得最后的判断结果，因此也可确保使用者的隐私。
附图说明
图1是依照本发明一实施例的分布式监控系统的框图；
图2是依照本发明一实施例的客户端系统的框图；
图3是依照本发明一实施例的分布式监控方法的流程图；
图4是依照本发明一实施例的量测位置的示意图。
符号说明：
100：分布式监控系统；
110：医疗系统；
120：云端服务器；
130：客户端系统；
140：第三方验证机构；
210：生理信息取得模块；
220：环境信息取得模块；
230：身份识别模块；
240：医疗沟通模块；
S301～S307：分布式监控方法各步骤；
401、402：非穿戴式装置；
403：穿戴式装置。
具体实施方式
为让本发明的上述特征和效果能阐述的更明确易懂，下文特举实施例，并配合说明书附图作详细说明如下。
图1是依照本发明一实施例的分布式监控系统的框图。请参照图1，分布式监控系统100包括医疗系统110、云端服务器120、客户端系统130以及第三方验证机构140。医疗系统110、客户端系统130以及第三方验证机构140分别耦接至云端服务器120。
在本实施例中，医疗系统110例如为诊所、医院、医疗中心等所使用的服务器，其用以储存多个患者的医疗数据。医疗系统110基于类神经网络将多个患者的多笔病理数据运算与加密后而获得多笔医疗数据，之后，将经运算与加密后的医疗数据上传至云端服务器120。而加密后的医疗数据只会存在被打散的数据，而不会包括患者的身份数据。例如，医疗系统110会对病理数据进行训练，而学习过后的数据已非是原始数据。
因此，上传至云端服务器120的医疗数据已经是被处理过，而不会包括患者的个人信息，因此可充分确保患者的隐私。也就是说，医疗数据并不是直接上传患者的病理数据，而是对这些病理数据进行运算，将这些病理数据转换成数字的数值(例如为由0、1组成的数值串)，由此将去除患者的个人信息。并且，可进一步将这些病历数据经过统整运算，依照病症、性别、年龄等来对医疗数据进行分类。医疗数据包括各种病症的特征数据。
举例来说，医疗系统110将多个患者的性别、病症程度(例如忧郁症具有不同的严重程度)以及年龄作为类神经网络的多个输入节点，并将每一个患者的诊断结果作为类神经网络的输出结点，进而自类神经网络的多个隐藏节点获得多个阈值与多个权重，而以这些阈值与权重来作为医疗数据。举例来说，包括了如面部中的五官情绪特征、一天当中不同时间记录到的说话频率与次数，透过例如类神经网络的深度计算，将该记录的特征作为输入层中的输入结点，加入适当的隐藏层与结点，将医疗系统110的诊断结果当作输出层的结果值，进而去计算与训练得到较佳的输入结点连结至隐藏层中的隐藏节点以及隐藏层中的隐藏节点与输出层的结果之间的阀值与权重。医疗系统110将上述三个维度(年龄、病症程度以及性别)对应的脸部五官情绪特征、严重程度以及性别透过计算与训练得到较佳的输入节点连结至隐藏层中的隐藏节点以及隐藏层中的隐藏节点与输出层的结果之间的阈值与权重，视为一个计算后的结果，将隐藏层中合适的隐藏节点与输入层以及输出层之间的阈值与权重经过加密上传至云端服务器120。
前述只是举一个例子，医疗系统能将不同的病理特征、不同的数据以及不同的患者分布都依照前述所举的例子，在加密之后上传至云端服务器120前进行计算与训练，取得的对应结果可以称为一个特征函数，是否有疾病的比较可以透过取得使用者的特征加以比较就能得到结果。如此一来医疗系统110先经过计算，已经去除了患者的隐私数据，即便在上传至云端服务器120的过程中数据外泄，取得的数值也无法还原回是属于哪一位特定患者的病理数据。
云端服务器120例如为采用采用分布式的加密技术。云端服务器120包括多台主机，上传至云端服务器120的数据会同时被储存至每一台主机上。并且，这些被上传的数据是不可被窜改的。随着时间的经过，云端服务器120中的数据会不断地被复制。这些数据会分散在不同的主机中，其机制类似于区块链技术。例如，有三台主机A～C，主机A～C中皆储存有数据n、数据n+1、数据n+2。在进行验证时，倘若发现主机A的数据与主机B、C的数据不同，便判定主机A的数据被窜改。
而数据被上传至云端服务器120之后，会先被加密。因此，当黑客侵入云端服务器120时，由于黑客不知道加密密钥，因此无法获得这些数据。另外，由于上传至云端服务器120的数据皆是经过运算后的一组数值串，即便黑客获得加密密钥，也仅能获得一组数值串，其并无法得知数值串所代表的意义。
客户端系统130包括至少一传感器。透过传感器来检测生理信息、脸部特征、声音特征、环境信息等监控数据。底下举例来说明。
图2是依照本发明一实施例的客户端系统的框图。请参照图2，客户端系统130包括生理信息取得模块210、环境信息取得模块220、身份识别模块230以及医疗沟通模块240。
在此，生理信息取得模块210、环境信息取得模块220以及身份识别模块230可采用传感器来实施。医疗沟通模块240是针对云端服务器120用来收发数据，例如为网卡等通讯设备。
生理信息取得模块210例如为生理信息传感器，用以检测使用者的心跳、血压、情绪、体温以及睡眠时间等生理信息。生理信息取得模块210可以配置在手表、手环、颈环、头盔等穿戴式装置中，也可以配置在家电等非穿戴式装置中。
环境信息取得模块220例如为温度传感器、湿度传感器等，用以检测室内的温度、湿度等。另外，环境信息取得模块220也可利用互联网来取得室外的环境信息，例如今天的气温、湿度、空污指数等。可以进一步判断室内、室外的环境信息是否会影响使用者的生理信息。
身份识别模块230例如为影像采集装置、收音装置等，用以检测使用者的脸部特征以及声音特征至少其中一个。可利用脸部特征以及声音特征至少其中一个来识别使用者。随着使用者处于不同的位置，透过特征的分析与学习，可以准确地识别使用者的身份。
举例来说，通过影像采集装置扫描脸部特征，利用机器学习与大数据记录来区分特定的使用者。例如，每秒采集5次脸部的影像，在取得脸部特征后进行运算。例如，利用类神经网络将心跳、血压、脸部特征等参数当作输入节点，隐藏层使用输入节点的1.3-3倍，将所有的脸部特征的记录累积成大数据。反覆将大数据的数据放入类神经深度学习模块中，直到准确率到达阈值(99.9％准确)，之后将脸部特征对应的使用者加以记录。
另外，还可利用收音装置收录声音(不需预分类不同的使用者)，并且将音频进行处理为数字档案，适当将上述数字档案高频区域增强。之后，将增强高频区域的数字档案切分为多个帧(frame)，每个帧可以是20-50ms，且每一个帧重叠区域可以为1/5～1/2。接着，对每个帧的端点进行处理，以利与前后帧连接。然后，进行傅立叶转换，取得频域信号，再利用梅尔滤波器来获得梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficient，MFCC)，由此获得声音特征。
在获得声音特征之后，利用类神经网络声音特征当作输入节点，隐藏层使用输入节点的1.3-3倍，将所有的声音特征的记录累积成大数据，反覆将大数据的数据放入类神经深度学习模块当中直到准确率到达阈值(99.9％准确)，将声音特征对应的使用者连结，以利用在获得多人声音的情况下区别出特定的使用者的声音。
另外，还可利用脸部特征来获得情绪信息，利用声音特征来识别咳嗽信息。例如，事先获得具有各种情绪的大量脸部特征，由此来训练出各种情绪对应的特征模型。并且，透过数据收集、训练来获得咳嗽模型。由此，可利用这些训练后获得的模型来判断后续检测到的脸部特征或声音特征是否包括特定的情绪信息或咳嗽信息。所述动作可在第三方验证机构140中执行，亦可在客户端系统130中执行。即，在一实施例中，由客户端系统130来判断脸部特征或声音特征是否包括特定的情绪信息或咳嗽信息，之后再将情绪信息或咳嗽信息作为是监控数据传送至云端服务器120。而在另一实施例中，客户端系统130也可以仅收集信息(脸部特征、声音特征)，而由第三方验证机构140来判断脸部特征或声音特征是否包括特定的情绪信息或咳嗽信息。
医疗沟通模块240是利用分布式加密技术将数据上传至云端服务器120与自云端服务器120下载数据。
另外，客户端系统130上传的监控数据并不会被传送到医疗系统110，只有在使用者前往医疗机构进行诊疗，其诊疗相关的病历数据才会增加至医疗系统110中。因此，可确保客户端系统130的使用者的隐私权。
图3是依照本发明一实施例的分布式监控方法的流程图。请参照图1及图3，在步骤S301、步骤S303中，云端服务器120自医疗系统110接收经过运算与加密后的多笔医疗数据，并且自客户端系统130接收监控数据。在此，并不限定步骤S301、步骤S303的执行顺序。监控数据包括生理信息、情绪信息、咳嗽信息、环境信息等。在云端服务器120自客户端系统130接收到监控数据之后，在步骤S302中，云端服务器120传送对应监控数据的识别密钥至客户端系统130。
在步骤S304中，第三方验证机构140自云端服务器120下载监控数据以及医疗数据。并且，第三方验证机构140基于医疗数据来判断监控数据是否异常而产生判断结果。之后，在步骤S305中，第三方验证机构140传送判断结果至云端服务器120。
在步骤S306中，客户端系统130传送识别密钥至云端服务器120，据以要求云端服务器120回传对应于监控数据的判断结果。在云端服务器120自客户端系统130接收到识别密钥之后，在步骤S307中，云端服务器120传送对应识别密钥的判断结果至客户端系统130。
云端服务器120可同时接收不同的客户端系统所传送的监控数据，并且据以传送不同的识别密钥给各个客户端系统。而不同的客户端系统便能够通过识别密钥来获得对应的判断结果。
另外，客户端系统130也可以同时上传不同使用者的监控数据至云端服务器120。例如，于客户端系统130中包括多个穿戴式装置，这些穿戴式装置分别配戴在不同的使用者身上。而云端服务器120会针对由不同的穿戴式装置所发送的监控数据来产生多个不同的识别密钥，由此使不同的穿戴式装置能够通过识别密钥来获得对应的判断结果。
而客户端系统130中设置穿戴式装置与非穿戴式装置能互相辅助达到数据的去除噪音的效果。图4是依照本发明一实施例的量测位置的示意图。在图4中，使用者配戴着穿戴式装置403，而在此实施例中分别设置了非穿戴式装置401、402。例如，假设使用者配戴着穿戴式装置403与非穿戴式装置401之间存在有障碍物，可以利用非穿戴式装置402来计算出穿戴式装置403的位置。而较佳的是，同时利用非穿戴式装置401、402，可更准确地获得穿戴式装置403的所在位置。
底下举例说明上述实施例的实际应用情形。
当使用者早上起床刷牙时，客户端系统130可透过设置在镜子上的影像采集装置来获得使用者的脸部特征，并且自脸部特征来获得情绪信息，之后将情绪信息加密后上传至云端服务器120。第三方验证机构140在自云端服务器120中下载了情绪信息之后，利用大数据的深度学习来判断情绪信息与忧郁症特征是否相符。之后，将判断结果透过云端服务器120传送给客户端系统130。
另外，假设使用者于客厅中，客户端系统130可透过设置在客厅内的收音装置来获得使用者的声音特征，并将声音特征透过云端服务器120传送至第三方验证机构140。倘若使用者的声音特征出现非常规的高频信号且存在喘不过气的特征时，经由第三方验证机构140的比对后，便能够透过云端服务器120来发出警告信息至客户端系统130。
又例如，客户端系统130可利用穿戴式装置来检测使用者的生理信息(心跳、血压等)、利用收音装置来检测使用者的声音信息，之后，将生理信息与声音信息透过云端服务器120传送至第三方验证机构140。经由第三方验证机构140的比对后，发现使用者的静止心率(Resting Heart Rate)异常飙高且整天未说话，其代表使用者可能出现重度忧郁的症状，因而透过云端服务器120来发出警告信息至客户端系统130。
在此，基于使用者的隐私，云端服务器120不会主动去通知医疗机构。然，在其他实施例中，亦可在云端服务器120中设定一主动求救机制，当使用者处于命危情形时，可由云端服务器120主动发出求救信息至医疗机构，例如，主动拨打求救电话等。
综上所述，上述实施例利用分布式的加密技术来达成保密。并且，上述实施例可应用于远端居家照护，减少人员看护，不仅适用于疗养院、医院等，亦适用于一般家庭。而上述实施例可以透过大数据与深度学习使得各种特殊对应特定人的特殊问题，能得到精准的结果。并且，利用上述实施例可以减少人力定时去取得使用者的生理信息。另外，利用识别密钥可确保自己的判断结果只会回传给自己，可充分确保隐私问题。
虽然本发明以上述实施例公开，但具体实施例仅用以解释本发明，并不用于限定本发明，任何本技术领域技术人员，在不脱离本发明的构思和范围内，可作一些的变更和完善，故本发明的权利保护范围以权利要求书及其均等范围者为准。
Claims (15)
1.一种分布式监控系统，其特征在于，包括：
云端服务器；
客户端系统，耦接至该云端服务器，上传使用者的监控数据至该云端服务器；
医疗系统，耦接至该云端服务器，基于类神经网络将多个患者的多笔病理数据运算与加密后而获得多笔医疗数据，并上传该医疗数据至该云端服务器，其中经运算与加密后的该医疗数据不包括该患者的身份数据而包括多个阈值与多个权重；
第三方验证机构，耦接至该云端服务器，自该云端服务器下载该监控数据以及经运算与加密后的该医疗数据，并基于经运算与加密后的该医疗数据来判断该监控数据是否异常而产生判断结果，之后传送该判断结果至该云端服务器；
其中，在该云端服务器自该客户端装置接收到该监控数据之后，该云端服务器传送对应该监控数据的识别密钥至该客户端系统；
在该云端服务器自该客户端系统接收到该识别密钥之后，该云端服务器传送对应该识别密钥的该判断结果至该客户端系统。
2.如权利要求1所述的分布式监控系统，其中该医疗系统将该患者各自的性别、病症程度以及年龄作为该类神经网络的多个输入节点，并将每一该患者的诊断结果作为该类神经网络的输出结点，进而自该类神经网络的多个隐藏节点获得该阈值与该权重。
3.如权利要求1所述的分布式监控系统，其中该客户端系统包括：
至少一传感器，检测生理信息，以该生理信息作为该监控数据。
4.如权利要求3所述的分布式监控系统，其中该至少一传感器更用以检测脸部特征，利用该脸部特征来识别该使用者，并且利用该脸部特征来获得情绪信息，并将该情绪信息搭配该生理信息来作为该监控数据。
5.如权利要求3所述的分布式监控系统，其中该至少一传感器更用以检测声音特征，利用该声音特征来识别该使用者，并且利用该声音特征来识别咳嗽信息，并将该咳嗽信息搭配该生理信息来作为该监控数据。
6.如权利要求3所述的分布式监控系统，其中该至少一传感器更用以检测环境信息。
7.如权利要求3所述的分布式监控系统，其中该至少一传感器设置在穿戴式装置或家电中。
8.如权利要求1所述的分布式监控系统，其中该第三方验证机构利用深度学习来判断该监控数据是否异常。
9.一种分布式监控方法，其特征在于，包括：
于云端服务器中，自医疗系统接收经过运算与加密后的多笔医疗数据，并且自客户端系统接收监控数据，其中该医疗系统基于一类神经网络将多个患者的多笔病理数据运算与加密后而获得该医疗数据，经运算与加密后的该医疗数据不包括该患者的身份数据而包括多个阈值与多个权重；
在该云端服务器自该客户端系统接收到该监控数据之后，透过该云端服务器传送对应该监控数据的识别密钥至该客户端系统；
由第三方验证机构自该云端服务器下载该监控数据以及经运算与加密后的该医疗数据，并基于经运算与加密后的该医疗数据来判断该监控数据是否异常而产生判断结果，之后传送该判断结果至该云端服务器；以及
在该云端服务器自该客户端系统接收到该识别密钥之后，透过该云端服务器传送对应该识别密钥的该判断结果至该客户端系统。
10.如权利要求9所述的分布式监控方法，其中该医疗系统将该患者各自的性别、病症程度以及年龄作为该类神经网络的多个输入节点，并将每一该患者的诊断结果作为该类神经网络的输出结点，进而自该类神经网络的多个隐藏节点获得该阈值与该权重。
11.如权利要求9所述的分布式监控方法，更包括：
在该客户端系统中，透过至少一传感器来检测生理信息，以该生理信息作为该监控数据。
12.如权利要求11所述的分布式监控方法，更包括：
在该客户端系统中，透过该至少一传感器检测脸部特征，利用该脸部特征来识别该使用者，并且利用该脸部特征来获得情绪信息，并将该情绪信息搭配该生理信息来作为该监控数据。
13.如权利要求11所述的分布式监控方法，更包括：
在该客户端系统中，透过至少一传感器来检测声音特征，利用该声音特征来识别该使用者，并且利用该声音特征来识别咳嗽信息，并将该咳嗽信息搭配该生理信息来作为该监控数据。
14.如权利要求11所述的分布式监控方法，更包括：
在该客户端系统中，透过至少一传感器来检测环境信息。
15.如权利要求11所述的分布式监控方法，其中该至少一传感器设置在穿戴式装置或家电中。
如申请专利范围第9所述的分布式监控方法，其中该第三方验证机构利用深度学习来判断该监控数据是否异常。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108101948A TWI679653B (zh) | 2019-01-18 | 2019-01-18 | 分散式監控系統及方法 |
| TW108101948 | 2019-01-18 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110428894A true CN110428894A (zh) | 2019-11-08 |
| CN110428894B CN110428894B (zh) | 2022-03-29 |
Family
ID=68412072
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910707212.6A Active CN110428894B (zh) | 2019-01-18 | 2019-08-01 | 分布式监控系统及方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110428894B (zh) |
| TW (1) | TWI679653B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112217692A (zh) * | 2020-02-19 | 2021-01-12 | 杜义平 | 网络系统、网络诊断处理方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103246825A (zh) * | 2013-05-28 | 2013-08-14 | 美合实业（苏州）有限公司 | 一种医疗机构中央诊断方法 |
| CN103324831A (zh) * | 2013-05-28 | 2013-09-25 | 美合实业（苏州）有限公司 | 一种远程问诊系统 |
| CN105808946A (zh) * | 2016-03-08 | 2016-07-27 | 贵州省邮电规划设计院有限公司 | 基于云计算的远程移动医疗系统 |
| CN106650205A (zh) * | 2016-09-28 | 2017-05-10 | 西安电子科技大学 | 一种高效隐私保护的云医疗数据监护系统及监护方法 |
| CN107529645A (zh) * | 2017-06-29 | 2018-01-02 | 重庆邮电大学 | 一种基于深度学习的心音智能诊断系统及方法 |
| DE102017211631A1 (de) * | 2017-07-07 | 2019-01-10 | Bundesdruckerei Gmbh | Elektronisches System und Verfahren zur Klassifikation eines physiologischen Zustandes |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104680462B (zh) * | 2015-03-13 | 2018-05-11 | 河南群智信息技术有限公司 | 面向云平台的医疗系统病例信息优化获取方法 |
| CN107978359A (zh) * | 2016-10-19 | 2018-05-01 | 陈永欣 | 一种基于增强现实技术的医患智能交互方法 |
| CN108039195B (zh) * | 2017-12-19 | 2021-12-14 | 上海昱极科技有限公司 | 一种医疗信息系统及其信息共享方法 |
| CN108550389A (zh) * | 2018-03-02 | 2018-09-18 | 深圳前海康博士网络技术有限公司 | 照护装置 |
| CN108769116B (zh) * | 2018-04-19 | 2020-04-28 | 南京拙达科创加速器有限公司 | 区块链的社会服务交换平台 |
-
2019
- 2019-01-18 TW TW108101948A patent/TWI679653B/zh active
- 2019-08-01 CN CN201910707212.6A patent/CN110428894B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103246825A (zh) * | 2013-05-28 | 2013-08-14 | 美合实业（苏州）有限公司 | 一种医疗机构中央诊断方法 |
| CN103324831A (zh) * | 2013-05-28 | 2013-09-25 | 美合实业（苏州）有限公司 | 一种远程问诊系统 |
| CN105808946A (zh) * | 2016-03-08 | 2016-07-27 | 贵州省邮电规划设计院有限公司 | 基于云计算的远程移动医疗系统 |
| CN106650205A (zh) * | 2016-09-28 | 2017-05-10 | 西安电子科技大学 | 一种高效隐私保护的云医疗数据监护系统及监护方法 |
| CN107529645A (zh) * | 2017-06-29 | 2018-01-02 | 重庆邮电大学 | 一种基于深度学习的心音智能诊断系统及方法 |
| DE102017211631A1 (de) * | 2017-07-07 | 2019-01-10 | Bundesdruckerei Gmbh | Elektronisches System und Verfahren zur Klassifikation eines physiologischen Zustandes |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112217692A (zh) * | 2020-02-19 | 2021-01-12 | 杜义平 | 网络系统、网络诊断处理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202029214A (zh) | 2020-08-01 |
| TWI679653B (zh) | 2019-12-11 |
| CN110428894B (zh) | 2022-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3776586B1 (en) | Managing respiratory conditions based on sounds of the respiratory system | |
| US12036030B2 (en) | Methods for modeling neurological development and diagnosing a neurological impairment of a patient | |
| Davidson et al. | Effects of early acoustic hearing on speech perception and language for pediatric cochlear implant recipients | |
| US20200294670A1 (en) | System and method for real-time estimation of emotional state of user | |
| US20220054092A1 (en) | Eyewear with health assessment, risk monitoring and recovery assistance | |
| US20200201974A1 (en) | Login method and apparatus and electronic device | |
| US10855957B2 (en) | Wireless augmented video system and method to detect and prevent insurance billing fraud and physical assault for remote mobile application | |
| US20210338103A1 (en) | Screening of individuals for a respiratory disease using artificial intelligence | |
| CN115769302A (zh) | 流行病监控系统 | |
| Matic et al. | Speech activity detection using accelerometer | |
| US20180040222A1 (en) | Activity monitor | |
| TW201801677A (zh) | 心理臨床應用的虛擬實境系統 | |
| Rahman et al. | Towards reliable data collection and annotation to extract pulmonary digital biomarkers using mobile sensors | |
| Yelure et al. | Remote monitoring of Covid-19 patients using IoT and AI | |
| Siddiqui et al. | Anxiety and depression management for elderly using internet of things and symphonic melodies | |
| CN113194816A (zh) | 用于评估自闭症谱系障碍的方法、设备和系统 | |
| CN110428894A (zh) | 分布式监控系统及方法 | |
| Fazana et al. | Integration of assistive and wearable technology to improve communication, social interaction and health monitoring for children with autism spectrum disorder (ASD) | |
| US20230107691A1 (en) | Closed Loop System Using In-ear Infrasonic Hemodynography and Method Therefor | |
| Mertes et al. | Detection of chewing motion using a glasses mounted accelerometer towards monitoring of food intake events in the elderly | |
| US20230099519A1 (en) | Systems and methods for managing stress experienced by users during events | |
| SureshKumar et al. | HELTRAK-a medical application with chatbot based on AI | |
| Ahmed et al. | Deep Audio Spectral Processing for Respiration Rate Estimation from Smart Commodity Earbuds | |
| Aad et al. | A novel method to control patients' vital signals from distance | |
| US20230097790A1 (en) | System and method for capturing cardiopulmonary signals |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |