CN111091901A - 老年人急救决策方法、装置、设备及存储介质 - Google Patents
老年人急救决策方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111091901A CN111091901A CN201911164243.8A CN201911164243A CN111091901A CN 111091901 A CN111091901 A CN 111091901A CN 201911164243 A CN201911164243 A CN 201911164243A CN 111091901 A CN111091901 A CN 111091901A
- Authority
- CN
- China
- Prior art keywords
- emergency
- historical
- information
- current
- aid
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000009429 distress Effects 0.000 claims abstract description 38
- 239000013598 vector Substances 0.000 claims description 42
- 230000036541 health Effects 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 15
- 239000003814 drug Substances 0.000 claims description 14
- 229940079593 drug Drugs 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 206010008479 Chest Pain Diseases 0.000 description 2
- 208000000059 Dyspnea Diseases 0.000 description 2
- 206010013975 Dyspnoeas Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 208000002173 dizziness Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000474 nursing effect Effects 0.000 description 2
- 230000002980 postoperative effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 206010042772 syncope Diseases 0.000 description 1
Images
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
- G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Educational Administration (AREA)
- Biomedical Technology (AREA)
- Economics (AREA)
- Medical Informatics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例提供一种老年人急救决策方法、装置、设备及存储介质。本发明实施例通过获取区块链中存储的多个历史急救数据，根据所述多个历史急救数据对智能决策模型进行训练，得到训练后的智能决策模型，获取急救机器人采集的当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息，根据当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息，通过所述训练后的智能决策模型，确定紧急救助措施和救助指导方案，实现了对老年人进行急救的方法。
Description
技术领域
本发明实施例涉及通信技术领域，尤其涉及一种老年人急救决策方法、装置、设备及存储介质。
背景技术
随着养老方式的改变，有些老年人可能会选择在养老院或养老社区进行养老。
但是，老年人在生活中可能会有意外情况发生，例如，摔倒、晕厥等情况发生，在这种情况下，养老院或养老社区的工作人员，或者，老年人的监护人无法及时发现意外情况，因此，现有技术中亟需一种能对老年人进行急救的方法。
发明内容
本发明实施例提供一种老年人急救决策方法、装置、设备及存储介质，以实现对老年人进行急救的方法。
第一方面，本发明实施例提供一种老年人急救决策方法，包括：
获取区块链中存储的多个历史急救数据，所述多个历史急救数据中的每个所述历史急救数据包括一个老年人在历史时间发出呼救时所述老年人的历史位置信息、历史呼救时间信息、急救机器人在所述历史时间反馈的语音信息、所述老年人发生紧急情况的历史类别信息、所述老年人的历史健康状况信息中的至少一种；
根据所述多个历史急救数据对智能决策模型进行训练，得到训练后的智能决策模型；
获取急救机器人采集的当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息；
根据当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息，通过所述训练后的智能决策模型，确定紧急救助措施和救助指导方案；
将所述紧急救助措施和救助指导方案发送给养老社区的工作人员的终端设备。
第二方面，本发明实施例提供一种老年人急救决策装置，包括：
第一获取模块，用于获取区块链中存储的多个历史急救数据，所述多个历史急救数据中的每个所述历史急救数据包括一个老年人在历史时间发出呼救时所述老年人的历史位置信息、历史呼救时间信息、急救机器人在所述历史时间反馈的语音信息、所述老年人发生紧急情况的历史类别信息、所述老年人的历史健康状况信息中的至少一种；
模型训练模块，用于根据所述多个历史急救数据对智能决策模型进行训练，得到训练后的智能决策模型；
第二获取模块，用于获取急救机器人采集的当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息；
确定模块，用于根据当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息，通过所述训练后的智能决策模型，确定紧急救助措施和救助指导方案；
发送模块，用于将所述紧急救助措施和救助指导方案发送给养老社区的工作人员的终端设备。
第三方面，本发明实施例提供一种区块链网络节点，包括：
存储器；
处理器；以及
计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面所述的方法。
第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现第一方面所述的方法。
本发明实施例提供的老年人急救决策方法、装置、设备及存储介质，通过获取区块链中存储的多个历史急救数据，根据所述多个历史急救数据对智能决策模型进行训练，得到训练后的智能决策模型，获取急救机器人采集的当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息，根据当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息，通过所述训练后的智能决策模型，确定紧急救助措施和救助指导方案，实现了对老年人进行急救的方法。
附图说明
图1为本发明实施例提供的一种应用场景的示意图；
图2为本发明实施例提供的老年人急救决策方法流程图；
图3为本发明另一实施例提供的老年人急救决策方法流程图；
图4为本发明另一实施例提供的老年人急救决策方法流程图；
图5为本发明另一实施例提供的老年人急救决策方法流程图；
图6为本发明实施例提供的老年人急救决策装置的结构示意图；
图7为本发明实施例提供的区块链网络节点的结构示意图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本发明实施例提供的老年人急救决策方法，可以适用于图1所示的通信系统。如图1所示，该通信系统包括：区块链网络节点1-区块链网络节点5，具体的，区块链网络节点1-区块链网络节点5是区块链网络中的节点，此处只是示意性说明，并不限定区块链网络的架构和区块链网络中节点的数量。在本实施例中，养老社区的工作人员的终端设备可以是区块链网络中的节点，养老社区中部署的急救机器人也可以是区块链网络中的节点，经营养老社区的相关企业机构，例如保险公司也可以是区块链网络中的节点。在区块链网络中注册的企业或个人可以将相关养老社区人工智能急救机器人经验共享和管理的历史案例、新的案例、以及相关的证明信息上传到区块链。区块链中存储的信息具有隐私保护、公开透明、可追溯、不易篡改等特点。
本发明实施例提供的老年人急救决策方法，旨在解决现有技术的如上技术问题。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。
图2为本发明实施例提供的老年人急救决策方法流程图。本发明实施例针对现有技术的如上技术问题，提供了老年人急救决策方法，该方法具体步骤如下：
步骤201、获取区块链中存储的多个历史急救数据，所述多个历史急救数据中的每个所述历史急救数据包括一个老年人在历史时间发出呼救时所述老年人的历史位置信息、历史呼救时间信息、急救机器人在所述历史时间反馈的语音信息、所述老年人发生紧急情况的历史类别信息、所述老年人的历史健康状况信息中的至少一种。
在由养老社区的工作人员的终端设备、养老社区中部署的急救机器人、经营养老社区的相关企业机构等构成的区块链网络中，部分节点可以作为存储信息的节点，部分节点可以作为处理信息的节点，或者，有些节点既可以作为存储信息的节点，也可以作为处理信息的节点，此处并不做限制。
例如，该区块链网络中包括信息存储子系统，该信息存储子系统可以包括多个节点，该多个节点可以作为存储信息的节点。在区块链网络中注册的企业或个人可以将相关养老社区人工智能急救机器人经验共享和管理的历史案例、新的案例、以及相关的证明信息上传到该存储子系统中。
其中，历史急救数据可以是历史案例，例如，某养老社区中部署有急救机器人，当该养老社区中的老年人发生紧急情况时，老年人可向该急救机器人发出急救信号，该急救信号可以是老年人通过自己的终端设备向急救机器人发出的急救信号，也可以是老年人直接向急救机器人发出的语音信号、手势信号等。在其他实施例中，该急救机器人还可以主动监测老年人发生的紧急情况。假设在历史时间，某个老年人发生了紧急情况，该急救机器人可记录该老年人发生紧急情况的历史位置信息、历史呼救时间信息、急救机器人在所述历史时间反馈的语音信息、所述老年人发生紧急情况的历史类别信息、所述老年人的历史健康状况信息等信息，并将该老年人发生紧急情况的历史位置信息、历史呼救时间信息、急救机器人在所述历史时间反馈的语音信息、所述老年人发生紧急情况的历史类别信息、所述老年人的历史健康状况信息等信息发送到该区块链网络中的信息存储子系统中，该老年人发生紧急情况的历史位置信息、历史呼救时间信息、急救机器人在所述历史时间反馈的语音信息、所述老年人发生紧急情况的历史类别信息、所述老年人的历史健康状况信息等信息可作为一个历史急救数据，即一个历史案例。
其中，老年人发生紧急情况的历史类别信息可以包括中风、摔倒、着火、呼吸困难、胸闷、头晕、旧病复发等。另外，所述老年人的历史健康状况信息具体可以包括老年人在历史时间之前的一段时间内是否动过手术、老年人是否在历史时间或历史时间之前的一段时间内大病初愈、老年人健康等。
在其他实施例中，该区块链网络中的信息存储子系统还可以存储有急救机器人是否向看护人员发出急救信息的标识信息，以及急救信息是否准确的信息。该急救信息具体可以是急救机器人记录的老年人发生紧急情况的历史位置信息、历史呼救时间信息、所述老年人发生紧急情况的历史类别信息等。
另外，在该区块链网络中还包括急救决策子系统，该急救决策子系统也可以包括多个节点，该多个节点可以作为处理信息的节点。该急救决策子系统可以从信息存储子系统中获取多个历史急救数据。
步骤202、根据所述多个历史急救数据对智能决策模型进行训练，得到训练后的智能决策模型。
该急救决策子系统可以采用该多个历史急救数据对智能决策模型进行训练，得到训练后的智能决策模型。可选的，该智能决策模型具体可以是支持向量机(Support VectorMachine,SVM)模型，该SVM模型可作为分类器。
步骤203、获取急救机器人采集的当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息。
假设当前时间某个老年人发生了紧急情况，急救机器人记录当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息。该区块链网络中的急救决策子系统可进一步获取急救机器人采集的当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息。
可选的，所述获取急救机器人采集的老年人发生紧急情况的当前类别信息，包括：获取所述急救机器人在当前时间采集的老年人发出呼救时的视频信息和/或音频信息；采用图像识别技术和/或语音识别技术确定老年人发生紧急情况的当前类别信息。
例如，当前时间某一老年人发出紧急呼救，该急救机器人可采集该老年人发出紧急呼救的当前位置信息，该当前位置信息记为xp1。另外，该急救机器人还可以采集该老年人发出紧急呼救的当前呼救时间信息，该当前呼救时间信息记为xp2。此外，该急救机器人上还可以设置有拍摄设备例如摄像头，或者该急救机器人上还可以设置有音频采集设备。可以理解的是，在其他实施例中，该急救机器人可同时设置有拍摄设备和音频采集设备。当老年人发出紧急呼救时，该急救机器人可以通过该拍摄设备采集老年人发出紧急呼救时的视频信息，和/或，通过该音频采集设备采集老年人发出紧急呼救时的音频信息。进一步，将该视频信息和/或音频信息实时上传到区块链和后端服务器。该后端服务器具体可以是如上所述的急救决策子系统，急救决策子系统采用图像识别技术或语音识别技术确定老年人发生紧急情况的当前类别信息，例如，当前类别信息对应的特征值记为xp3。
步骤204、根据当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息，通过所述训练后的智能决策模型，确定紧急救助措施和救助指导方案。
该急救决策子系统可以将当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息合成特征向量，并将该特征向量输入到训练后的智能决策模型中，即将该特征向量输入到训练后的分类器中，该分类器即可输出紧急救助措施和救助指导方案。
此处，可以将当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息作为新的案例。此外，新的案例不仅限于包括当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息，还可以包括急救机器人在当前时间反馈的语音信息和所述老年人的当前健康状况信息。该当前类别信息可以包括中风、摔倒、着火、呼吸困难、胸闷、头晕、旧病复发等。该当前健康状况信息具体可以包括老年人近期是否动过手术、老年人是否近期大病初愈、老年人近期健康等。
可选的，所述根据当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息，通过所述训练后的智能决策模型，确定紧急救助措施和救助指导方案，包括：根据当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息、老年人发生紧急情况的当前类别信息、所述老年人是否服用药物、所述老年人的历史健康状况信息，生成当前急救数据对应的特征向量；将所述当前急救数据对应的特征向量输入所述训练后的智能决策模型，通过所述训练后的智能决策模型确定所述紧急救助措施和救助指导方案。
例如，急救决策子系统还可以从区块链中获取当前时间发出呼救的老年人的个人信息，例如，老年人是否服用药物、老年人的历史健康状况信息等信息。此处，将老年人是否服用药物对应的特征值记为xp4，将老年人的历史健康状况信息对应的特征值记为xp5。进一步，该急救决策子系统可以将xp1、xp2、xp3、xp4、xp5构成当前急救数据对应的特征向量Xp,Xp＝[xp1，xp2，xp3，xp4，xp5]。该当前急救数据也可称为新的案例，该当前急救数据包括：当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息、老年人发生紧急情况的当前类别信息、所述老年人是否服用药物、所述老年人的历史健康状况信息。
进一步，急救决策子系统将该特征向量Xp＝[xp1，xp2，xp3，xp4，xp5]输入到训练后的智能决策模型，通过该训练后的智能决策模型确定针对该老年人的紧急救助措施和救助指导方案。
步骤205、将所述紧急救助措施和救助指导方案发送给养老社区的工作人员的终端设备。
该急救决策子系统确定出紧急救助措施和救助指导方案后，还可以将该紧急救助措施和救助指导方案发送给养老社区的工作人员的终端设备。使得该工作人员可以根据该紧急救助措施和救助指导方案进行急救。
本发明实施例通过获取区块链中存储的多个历史急救数据，根据所述多个历史急救数据对智能决策模型进行训练，得到训练后的智能决策模型，获取急救机器人采集的当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息，根据当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息，通过所述训练后的智能决策模型，确定紧急救助措施和救助指导方案，实现了对老年人进行急救的方法。
在上述实施例的基础上，所述获取急救机器人采集的当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息之后，所述方法还包括：将所述当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息存储到区块链中。
例如，当急救决策子系统获取急救机器人采集的当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息后，还可以将当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息存储到区块链网络中的信息存储子系统，以更新该信息存储子系统中存储的历史急救数据，也就是说，信息存储子系统中不断有新的案例进入，进入该信息存储子系统中的案例即可作为历史急救数据，从而使得该信息存储子系统中存储的历史急救数据可以不断被更新。根据不断更新的历史急救数据对智能决策模型进行训练，可训练出精准度更高的智能决策模型。
图3为本发明另一实施例提供的老年人急救决策方法流程图。在上述实施例的基础上，所述根据所述多个历史急救数据对智能决策模型进行训练，得到训练后的智能决策模型具体包括如下步骤：
步骤301、确定所述多个历史急救数据中每个所述历史急救数据对应的特征向量，所述多个历史急救数据中每个所述历史急救数据对应的特征向量构成特征矩阵。
可选的，每个所述历史急救数据对应的特征向量包括多个特征值，所述多个特征值依次对应于历史位置信息、历史呼救时间信息、所述老年人发生紧急情况的历史类别信息、所述老年人是否服用药物、所述老年人的历史健康状况信息。
例如，急救决策子系统从信息存储子系统中获取多个历史急救数据后，提取该多个历史急救数据中每个历史急救数据中的历史位置信息、历史呼救时间信息、老年人发生紧急情况的历史类别信息、老年人是否服用药物、老年人的历史健康状况信息等，并依次生成历史位置信息、历史呼救时间信息、老年人发生紧急情况的历史类别信息、老年人是否服用药物、老年人的历史健康状况信息分别对应的特征值，例如，历史位置信息对应的特征值记为x1，历史呼救时间信息对应的特征值记为x2，老年人发生紧急情况的历史类别信息对应的特征值记为x3，老年人是否服用药物对应的特征值记为x4，老年人的历史健康状况信息对应的特征值记为x5。其中，对于非定量描述的信息，例如，老年人的历史健康状况信息，可以根据历史健康状况类别的不同对多种健康状况分别进行标签化操作，例如，老年人的健康状况包括术后、大病初愈、健康等，可以将术后标记为1，将大病初愈标记为2，将健康标记为3。对于连续变化的定量特征，例如，历史呼救时间信息，可以对每个历史急救数据中的历史呼救时间信息按照数值从小到大的顺序进行排序，并将排序后的历史呼救时间信息划分为不同的等级或水平，再对不同的等级或水平进行标签化得到每个历史急救数据中的历史呼救时间信息对应的特征值。
另外，还可以对历史位置信息、历史呼救时间信息、所述老年人发生紧急情况的历史类别信息、所述老年人是否服用药物、所述老年人的历史健康状况信息分别对应的特征值进行预处理，在预处理之后，得到特征向量X＝[x1,x2,...,x5]。也就是说，每个历史急救数据都对应有一个特征向量，多个历史急救数据中每个历史急救数据对应的特征向量可构成特征矩阵M＝[X1；X2；...；Xn]，其中，X1可以是多个历史急救数据中第1个历史急救数据对应的特征向量，X2可以是多个历史急救数据中第2个历史急救数据对应的特征向量，依次类推，Xn可以是多个历史急救数据中第n个历史急救数据对应的特征向量。
步骤302、确定所述多个历史急救数据中每个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施。
进一步，急救决策子系统根据多个历史急救数据中每个历史急救数据中的历史位置信息、历史呼救时间信息、所述老年人发生紧急情况的历史类别信息、所述老年人是否服用药物、所述老年人的历史健康状况信息，确定所述多个历史急救数据中每个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施。
步骤303、根据所述特征矩阵和所述多个历史急救数据中每个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施，对所述智能决策模型进行训练，得到训练后的智能决策模型。
急救决策子系统具体根据特征矩阵M＝[X1；X2；...；Xn]和多个历史急救数据中每个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施，对所述智能决策模型进行训练，得到训练后的智能决策模型。例如，对所述智能决策模型进行训练并学习该智能决策模型的参数。
可选的，所述根据所述特征矩阵和所述多个历史急救数据中每个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施，对所述智能决策模型进行训练，得到训练后的智能决策模型，包括如图4所示的如下步骤：
步骤401、根据所述多个历史急救数据中每个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施，生成目标向量，所述目标向量包括多个标注值，所述多个标注值中的每个所述标注值用于标注一个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施。
例如，将急救机器人可能采取的紧急救助措施划分为n个类别，并对该n个类别进行标注，使得n个类别中的每个类别对应一个标注值，例如，该n个类别中的第1种类别的标注值可以是1，该n个类别中的第2种类别的标注值可以是2，依次类推。
由于每个所述历史急救数据对应有所述急救机器人应采取的紧急救助措施，因此，对该n个类别进行标注之后，可确定出每个所述历史急救数据对应的标注值，假设有n个历史急救数据，则n个历史急救数据中每个历史急救数据对应的标注值可构成一个n维向量，此处将该n维向量记为目标向量label。
步骤402、将所述特征矩阵作为所述智能决策模型的输入，将所述目标向量作为所述智能决策模型的输出，对所述智能决策模型进行训练，得到训练后的智能决策模型。
将特征矩阵M＝[X1；X2；...；Xn]作为所述智能决策模型的输入，将目标向量label作为智能决策模型的输出，该智能决策模型具体为上述实施例所述的SVM模型，对所述智能决策模型进行训练并学习该智能决策模型的参数，当该参数确定后，即可得到训练后的智能决策模型。
本发明实施例通过确定所述多个历史急救数据中每个所述历史急救数据对应的特征向量，确定所述多个历史急救数据中每个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施，根据所述多个历史急救数据中每个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施，生成目标向量，将所述特征矩阵作为所述智能决策模型的输入，将所述目标向量作为所述智能决策模型的输出，对所述智能决策模型进行训练，得到训练后的智能决策模型，提高了对智能决策模型训练的精确度。
图5为本发明另一实施例提供的老年人急救决策方法流程图。如图5所示，本实施例具体介绍了区块链网络构建子系统、信息存储和信息认证数据格式定义子系统、信息存储子系统、急救决策子系统、系统性能评估子系统各自的功能和作用。另外，本实施例还提供了一种交易信息的示例，可以理解，此处的交易信息是泛指的交易信息，即在区块链网络中的一次信息录入就是一次交易。该交易信息如下表1所示：表1
图6为本发明实施例提供的老年人急救决策装置的结构示意图。该老年人急救决策装置具体可以是上述实施例中的急救决策子系统，或急救决策子系统中的节点。本发明实施例提供的老年人急救决策装置可以执行老年人急救决策方法实施例提供的处理流程，如图6所示，老年人急救决策装置60包括：第一获取模块61、模型训练模块62、第二获取模块63、确定模块64和发送模块65；其中，第一获取模块61用于获取区块链中存储的多个历史急救数据，所述多个历史急救数据中的每个所述历史急救数据包括一个老年人在历史时间发出呼救时所述老年人的历史位置信息、历史呼救时间信息、急救机器人在所述历史时间反馈的语音信息、所述老年人发生紧急情况的历史类别信息、所述老年人的历史健康状况信息中的至少一种；模型训练模块62用于根据所述多个历史急救数据对智能决策模型进行训练，得到训练后的智能决策模型；第二获取模块63用于获取急救机器人采集的当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息；确定模块64用于根据当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息，通过所述训练后的智能决策模型，确定紧急救助措施和救助指导方案；发送模块65用于将所述紧急救助措施和救助指导方案发送给养老社区的工作人员的终端设备。
可选的，模型训练模块62包括：第一确定单元621、第二确定单元622和模型训练单元623；其中，第一确定单元621用于确定所述多个历史急救数据中每个所述历史急救数据对应的特征向量，所述多个历史急救数据中每个所述历史急救数据对应的特征向量构成特征矩阵；第二确定单元622用于确定所述多个历史急救数据中每个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施；模型训练单元623用于根据所述特征矩阵和所述多个历史急救数据中每个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施，对所述智能决策模型进行训练，得到训练后的智能决策模型。
可选的，模型训练单元623具体用于：
根据所述多个历史急救数据中每个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施，生成目标向量，所述目标向量包括多个标注值，所述多个标注值中的每个所述标注值用于标注一个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施；
将所述特征矩阵作为所述智能决策模型的输入，将所述目标向量作为所述智能决策模型的输出，对所述智能决策模型进行训练，得到训练后的智能决策模型。
可选的，每个所述历史急救数据对应的特征向量包括多个特征值，所述多个特征值依次对应于历史位置信息、历史呼救时间信息、所述老年人发生紧急情况的历史类别信息、所述老年人是否服用药物、所述老年人的历史健康状况信息。
可选的，老年人急救决策装置60还包括：存储模块66，用于在第二获取模块63获取急救机器人采集的当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息之后，将所述当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息存储到区块链中。
可选的，确定模块64根据当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息，通过所述训练后的智能决策模型，确定紧急救助措施和救助指导方案时，具体用于：根据当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息、老年人发生紧急情况的当前类别信息、所述老年人是否服用药物、所述老年人的历史健康状况信息，生成当前急救数据对应的特征向量；将所述当前急救数据对应的特征向量输入所述训练后的智能决策模型，通过所述训练后的智能决策模型确定所述紧急救助措施和救助指导方案。
可选的，第二获取模块63获取急救机器人采集的老年人发生紧急情况的当前类别信息时，具体用于：获取所述急救机器人在当前时间采集的老年人发出呼救时的视频信息和/或音频信息；采用图像识别技术和/或语音识别技术确定老年人发生紧急情况的当前类别信息。
图6所示实施例的老年人急救决策装置可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图7为本发明实施例提供的区块链网络节点的结构示意图。该区块链网络节点具体可以是上述实施例中的急救决策子系统，或急救决策子系统中的节点。本发明实施例提供的区块链网络节点可以执行老年人急救决策方法实施例提供的处理流程，如图7所示，区块链网络节点70包括：存储器71、处理器72、计算机程序和通讯接口73；其中，计算机程序存储在存储器71中，并被配置为由处理器72执行如上所述的老年人急救决策方法。
图7所示实施例的区块链网络节点可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
另外，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现上述实施例所述的老年人急救决策方法。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种老年人急救决策方法，其特征在于，包括：
获取区块链中存储的多个历史急救数据，所述多个历史急救数据中的每个所述历史急救数据包括一个老年人在历史时间发出呼救时所述老年人的历史位置信息、历史呼救时间信息、急救机器人在所述历史时间反馈的语音信息、所述老年人发生紧急情况的历史类别信息、所述老年人的历史健康状况信息中的至少一种；
根据所述多个历史急救数据对智能决策模型进行训练，得到训练后的智能决策模型；
获取急救机器人采集的当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息；
根据当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息，通过所述训练后的智能决策模型，确定紧急救助措施和救助指导方案；
将所述紧急救助措施和救助指导方案发送给养老社区的工作人员的终端设备。
2.根据权利要求1所述的方法，其特征在于，所述根据所述多个历史急救数据对智能决策模型进行训练，得到训练后的智能决策模型，包括：
确定所述多个历史急救数据中每个所述历史急救数据对应的特征向量，所述多个历史急救数据中每个所述历史急救数据对应的特征向量构成特征矩阵；
确定所述多个历史急救数据中每个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施；
根据所述特征矩阵和所述多个历史急救数据中每个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施，对所述智能决策模型进行训练，得到训练后的智能决策模型。
3.根据权利要求2所述的方法，其特征在于，所述根据所述特征矩阵和所述多个历史急救数据中每个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施，对所述智能决策模型进行训练，得到训练后的智能决策模型，包括：
根据所述多个历史急救数据中每个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施，生成目标向量，所述目标向量包括多个标注值，所述多个标注值中的每个所述标注值用于标注一个所述历史急救数据对应的所述急救机器人应采取的紧急救助措施；
将所述特征矩阵作为所述智能决策模型的输入，将所述目标向量作为所述智能决策模型的输出，对所述智能决策模型进行训练，得到训练后的智能决策模型。
4.根据权利要求3所述的方法，其特征在于，每个所述历史急救数据对应的特征向量包括多个特征值，所述多个特征值依次对应于历史位置信息、历史呼救时间信息、所述老年人发生紧急情况的历史类别信息、所述老年人是否服用药物、所述老年人的历史健康状况信息。
5.根据权利要求1所述的方法，其特征在于，所述获取急救机器人采集的当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息之后，所述方法还包括：
将所述当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息存储到区块链中。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述根据当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息，通过所述训练后的智能决策模型，确定紧急救助措施和救助指导方案，包括：
根据当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息、老年人发生紧急情况的当前类别信息、所述老年人是否服用药物、所述老年人的历史健康状况信息，生成当前急救数据对应的特征向量；
将所述当前急救数据对应的特征向量输入所述训练后的智能决策模型，通过所述训练后的智能决策模型确定所述紧急救助措施和救助指导方案。
7.根据权利要求6所述的方法，其特征在于，
所述获取急救机器人采集的老年人发生紧急情况的当前类别信息，包括：
获取所述急救机器人在当前时间采集的老年人发出呼救时的视频信息和/或音频信息；
采用图像识别技术和/或语音识别技术确定老年人发生紧急情况的当前类别信息。
8.一种老年人急救决策装置，其特征在于，包括：
第一获取模块，用于获取区块链中存储的多个历史急救数据，所述多个历史急救数据中的每个所述历史急救数据包括一个老年人在历史时间发出呼救时所述老年人的历史位置信息、历史呼救时间信息、急救机器人在所述历史时间反馈的语音信息、所述老年人发生紧急情况的历史类别信息、所述老年人的历史健康状况信息中的至少一种；
模型训练模块，用于根据所述多个历史急救数据对智能决策模型进行训练，得到训练后的智能决策模型；
第二获取模块，用于获取急救机器人采集的当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息；
确定模块，用于根据当前时间发出呼救的老年人的当前位置信息、当前呼救时间信息和老年人发生紧急情况的当前类别信息，通过所述训练后的智能决策模型，确定紧急救助措施和救助指导方案；
发送模块，用于将所述紧急救助措施和救助指导方案发送给养老社区的工作人员的终端设备。
9.一种区块链网络节点，其特征在于，包括：
存储器；
处理器；以及
计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-7中任一所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911164243.8A CN111091901A (zh) | 2019-11-25 | 2019-11-25 | 老年人急救决策方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911164243.8A CN111091901A (zh) | 2019-11-25 | 2019-11-25 | 老年人急救决策方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111091901A true CN111091901A (zh) | 2020-05-01 |
Family
ID=70393380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911164243.8A Pending CN111091901A (zh) | 2019-11-25 | 2019-11-25 | 老年人急救决策方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111091901A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111916213A (zh) * | 2020-08-12 | 2020-11-10 | 广州驰兴通用技术研究有限公司 | 一种基于云计算的医疗服务方法和装置 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102393993A (zh) * | 2011-07-06 | 2012-03-28 | 江苏省莱科信息技术有限公司 | 紧急救助系统 |
| CN103533157A (zh) * | 2013-08-08 | 2014-01-22 | 广州七七八二信息科技有限公司 | 基于移动终端的画图呼救机制 |
| CN105205973A (zh) * | 2015-08-14 | 2015-12-30 | 江苏轩博电子科技有限公司 | 基于cdma和宽带实现智能居家养老监控的系统及方法 |
| CN205081809U (zh) * | 2015-08-24 | 2016-03-09 | 吴云婷 | 老人健康监测与报警智能物联网应用服务平台 |
| WO2017037558A1 (en) * | 2015-08-28 | 2017-03-09 | Inmm S.R.L. | System and method for aiding an operator in an emergency situation involving a patient |
| CN206282353U (zh) * | 2016-07-28 | 2017-06-27 | 曹惠茹 | 基于无人机的社区老年人医疗监护系统 |
| CN108389619A (zh) * | 2018-05-21 | 2018-08-10 | 王子华 | 一种早期识别干预抢救反应系统 |
| CN108814567A (zh) * | 2018-04-16 | 2018-11-16 | 东南大学 | 一种居家养老智能守护机器人系统 |
| CN109330572A (zh) * | 2018-11-23 | 2019-02-15 | 罗中兴 | 综合健康管理、医疗预警和急救功能的养老机器人 |
| CN109378057A (zh) * | 2018-09-17 | 2019-02-22 | 深圳市天达国际商业咨询有限公司 | 一种基于区块链、物联网、人工智能、超级账本的医疗系统 |
| CN109549765A (zh) * | 2018-11-23 | 2019-04-02 | 罗中兴 | 应用于机器人的养老管理系统及方法 |
| CN109903523A (zh) * | 2019-02-12 | 2019-06-18 | 特斯联（北京）科技有限公司 | 一种面向养老社区的紧急健康状况人工智能识别与救助系统 |
| CN110020800A (zh) * | 2019-04-04 | 2019-07-16 | 泰康保险集团股份有限公司 | 基于区块链的信息处理方法、装置、介质及电子设备 |
| CN110097935A (zh) * | 2019-04-24 | 2019-08-06 | 杭州宇链科技有限公司 | 一种基于区块链的医疗救助平台 |
| CN110415825A (zh) * | 2019-08-19 | 2019-11-05 | 杭州思锐信息技术股份有限公司 | 一种基于机器学习的老人安全状态智能评估方法和系统 |
-
2019
- 2019-11-25 CN CN201911164243.8A patent/CN111091901A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102393993A (zh) * | 2011-07-06 | 2012-03-28 | 江苏省莱科信息技术有限公司 | 紧急救助系统 |
| CN103533157A (zh) * | 2013-08-08 | 2014-01-22 | 广州七七八二信息科技有限公司 | 基于移动终端的画图呼救机制 |
| CN105205973A (zh) * | 2015-08-14 | 2015-12-30 | 江苏轩博电子科技有限公司 | 基于cdma和宽带实现智能居家养老监控的系统及方法 |
| CN205081809U (zh) * | 2015-08-24 | 2016-03-09 | 吴云婷 | 老人健康监测与报警智能物联网应用服务平台 |
| WO2017037558A1 (en) * | 2015-08-28 | 2017-03-09 | Inmm S.R.L. | System and method for aiding an operator in an emergency situation involving a patient |
| CN206282353U (zh) * | 2016-07-28 | 2017-06-27 | 曹惠茹 | 基于无人机的社区老年人医疗监护系统 |
| CN108814567A (zh) * | 2018-04-16 | 2018-11-16 | 东南大学 | 一种居家养老智能守护机器人系统 |
| CN108389619A (zh) * | 2018-05-21 | 2018-08-10 | 王子华 | 一种早期识别干预抢救反应系统 |
| CN109378057A (zh) * | 2018-09-17 | 2019-02-22 | 深圳市天达国际商业咨询有限公司 | 一种基于区块链、物联网、人工智能、超级账本的医疗系统 |
| CN109330572A (zh) * | 2018-11-23 | 2019-02-15 | 罗中兴 | 综合健康管理、医疗预警和急救功能的养老机器人 |
| CN109549765A (zh) * | 2018-11-23 | 2019-04-02 | 罗中兴 | 应用于机器人的养老管理系统及方法 |
| CN109903523A (zh) * | 2019-02-12 | 2019-06-18 | 特斯联（北京）科技有限公司 | 一种面向养老社区的紧急健康状况人工智能识别与救助系统 |
| CN110020800A (zh) * | 2019-04-04 | 2019-07-16 | 泰康保险集团股份有限公司 | 基于区块链的信息处理方法、装置、介质及电子设备 |
| CN110097935A (zh) * | 2019-04-24 | 2019-08-06 | 杭州宇链科技有限公司 | 一种基于区块链的医疗救助平台 |
| CN110415825A (zh) * | 2019-08-19 | 2019-11-05 | 杭州思锐信息技术股份有限公司 | 一种基于机器学习的老人安全状态智能评估方法和系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111916213A (zh) * | 2020-08-12 | 2020-11-10 | 广州驰兴通用技术研究有限公司 | 一种基于云计算的医疗服务方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Castiglione et al. | The role of internet of things to control the outbreak of COVID-19 pandemic | |
| CN112784662A (zh) | 基于视频的跌倒风险评价系统 | |
| Yasser et al. | COVID-X: novel health-fog framework based on neutrosophic classifier for confrontation covid-19 | |
| CN109492595B (zh) | 适用于固定群体的行为预测方法和系统 | |
| CN110192218A (zh) | 利用生物特征评估响应者的状况和适合性的计算机辅助调度系统和方法 | |
| CN106462667A (zh) | 具有预测性紧急调度风险评估的个人紧急响应系统 | |
| CN108877914A (zh) | 基于物联网的患者的行为监控方法及装置、存储介质、终端 | |
| Alansari et al. | The Internet of Things adoption in healthcare applications | |
| Kotturu et al. | Comparative study on machine learning models for early diagnose of alzheimer's disease: Multi correlation method | |
| US11631306B2 (en) | Methods and system for monitoring an environment | |
| CN111227789A (zh) | 人体健康监护方法和装置 | |
| Awotunde et al. | Artificial intelligence and an edge-IoMT-based system for combating COVID-19 pandemic | |
| CN111652192A (zh) | 一种基于kinect传感器的跌倒检测系统 | |
| CN105321134A (zh) | 用于临床急救环境的模拟期间的运动跟踪的方法和装置 | |
| CN111091901A (zh) | 老年人急救决策方法、装置、设备及存储介质 | |
| KR102375487B1 (ko) | 기계학습을 이용한 치매검사 관리 서버 및 이를 이용한 치매검사 방법 | |
| Jayaraman et al. | An ontology-based framework for real-time collection and visualization of mobile field triage data in mass gatherings | |
| Gupta et al. | Technology applications for health safety decision making under COVID-19 pandemic management | |
| Safari et al. | Cross-platform e-management for smart care facilities using deep interpretation of patient surveillance videos | |
| Dawood et al. | COVID-19 artificial intelligence based surveillance applications in the kingdom of Saudi Arabia | |
| Solachidis et al. | TeNDER: Towards efficient Health Systems through e-Health platforms employing multimodal monitoring | |
| Mohamed Nafrees et al. | Smart technologies to reduce the spreading of covid-19: a survey study | |
| Wlodarczak et al. | Reality mining in eHealth | |
| Dey et al. | Patient Health Observation and Analysis with Machine Learning and IoT Based in Realtime Environment | |
| Rahimunnisa | Internet of Things Driven Smart Cities in Post Pandemic Era |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200501 |
|
| RJ01 | Rejection of invention patent application after publication |