CN111243747A - 一种监测身心健康状态的方法、装置及系统 - Google Patents
一种监测身心健康状态的方法、装置及系统 Download PDFInfo
- Publication number
- CN111243747A CN111243747A CN202010150088.0A CN202010150088A CN111243747A CN 111243747 A CN111243747 A CN 111243747A CN 202010150088 A CN202010150088 A CN 202010150088A CN 111243747 A CN111243747 A CN 111243747A
- Authority
- CN
- China
- Prior art keywords
- physical
- mental health
- user
- health state
- active
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000009323 psychological health Effects 0.000 title abstract description 8
- 230000004630 mental health Effects 0.000 claims abstract description 137
- 238000005259 measurement Methods 0.000 claims abstract description 45
- 239000011159 matrix material Substances 0.000 claims description 43
- 238000012549 training Methods 0.000 claims description 32
- 229940050561 matrix product Drugs 0.000 claims description 23
- 230000006996 mental state Effects 0.000 claims description 20
- 238000001228 spectrum Methods 0.000 claims description 18
- 230000036541 health Effects 0.000 claims description 16
- 230000001131 transforming effect Effects 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 abstract description 9
- 230000003340 mental effect Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 235000021152 breakfast Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002565 electrocardiography Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Psychiatry (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Psychology (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Cardiology (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Optics & Photonics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供了一种监测身心健康状态的方法、装置及系统,该方法包括:获取用户的主动问答填表数据和被动测量生理信号数据;将获取的用户主动问答填表数据和被动测量生理信号数据,代入身心健康状态判别模型,生成所述用户的身心健康状态监测结果;根据所述监测结果推送生理和心理干预指导方案。采用本发明能够解决现有对身心健康状态测试的繁琐步骤和准确度有限的问题。
Description
技术领域
本发明涉及互联网信息技术领域,特别涉及一种监测身心健康状态的方法、装置及系统。
背景技术
根据2017年中国城镇居民心理健康白皮书报告,存在不同程度心理问题的人有16.1%,73.6%的人处于心理亚健康状态,而心理健康的人仅有10.3%。《白皮书》还指出,心理健康状态与躯体生理健康状态密切相关,慢病人群中有50.1%的人存在不同程度的心理问题倾向。现今社会中,我国很多人由于对自己健康状态的不了解,导致很多亚健康状态的人无法准确判断自己的身心健康状态,从而造成从亚健康走向不健康状态,对自己的身心造成极大伤害。
而现有使用的身心健康状态测量基本集中在使用症状自测量表,通过类似调查问卷的形式对症状进行综合评定来对状态进行一个判别,步骤和方法繁琐且涉及比较多的隐私,导致准确度较低。
发明内容
本发明的目的在于提供了一种监测身心健康状态的方法、装置及系统,能够解决现有对身心健康状态测试的繁琐步骤和准确度有限的问题。
本发明实施例提供了一种监测身心健康状态的方法,该方法包括:
获取用户的主动问答填表数据和被动测量生理信号数据;所述用户的主动问答填表数据包含精神状态和身体状态的选择数据;所述被动测量生理信号数据包含身体测量数据;
将获取的用户主动问答填表数据和被动测量生理信号数据,代入身心健康状态判别模型,生成所述用户的身心健康状态监测结果;
根据所述监测结果推送生理和心理干预指导方案。
本发明实施例还提供了一种监测身心健康状态的装置,该装置包括:
接收模块,获取用户的主动问答填表数据和被动测量生理信号数据;所述用户的主动问答填表数据包含精神状态和身体状态的选择数据;所述被动测量生理信号数据包含身体测量数据;
身心健康状态判别模块,将获取的用户主动问答填表数据和被动测量生理信号数据,代入身心健康状态判别模型,生成所述用户的身心健康状态监测结果;
反馈模块,根据所述监测结果推送生理和心理干预指导方案。
本发明实施例还提供了一种系统,该系统包括一种监测身心健康状态的装置和终端;
终端,直接或间接获取用户的主动问答填表数据和被动测量生理信号数据,向监测身心健康状态的装置发送用户的主动问答填表数据和被动测量生理信号数据;所述用户的主动问答填表数据包含精神状态和身体状态的选择数据;所述被动测量生理信号数据包含身体测量数据;
监测身心健康状态的装置,获取用户的主动问答填表数据和被动测量生理信号数据;将获取的用户主动问答填表数据和被动测量生理信号数据,代入身心健康状态判别模型,生成所述用户的身心健康状态监测结果;根据所述监测结果推送生理和心理干预指导方案。
本发明提供的一种监测身心健康状态的方法、装置及系统,获取用户的主动问答填表数据和被动测量生理信号数据,主动状态和被动测试相结合能对用户身心健康状态判别有一个更科学、更准确的效果,根据身心健康状态监测结果向用户推送相应的调节方法。与现有技术相比,监测准确而且方法简便易实现。
附图说明
图1为本发明一种监测身心健康状态的方法流程示意图。
图2为本发明一种监测身心健康状态的装置结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下参照附图并举实施例,对本发明所述方案作进一步地详细说明。
随着工业4.0的来临,利用可穿戴设备、移动终端、网络技术和大数据分析技术,进行自助式的身心健康状态的监测和调节,能够及时掌握自己身心健康状态,从而得到有效指导,是提高健康科学认知能力、减少不良生活习惯和保持心态平衡的重要途径。
本发明提出了一种监测身心健康状态的方法,其流程示意图如图1所示,该方法可以应用于移动健康云平台等平台,包括:
步骤11、获取用户的主动问答填表数据和被动测量生理信号数据;所述用户的主动问答填表数据包含精神状态和身体状态的选择数据;所述被动测量生理信号数据包含身体测量数据。
其中,用户的主动问答填表数据可以是用户的主动输入的身心健康状态的数据,包括精神状态和身体状态。例如,精神状态是否低落、伤心、愤怒等,身体状态是否是不熬夜、吃早饭、运动等。精神状态和身体状态方面的数据包括但不限于上述数据。
用户的被动测量生理信号数据可以是可穿戴设备或者血氧仪、脑电、心电等设备采集的数据,例如血氧仪、手环、手表获得的均是脉搏数据;心电测的是心率数据;脑电测的是脑电波数据。
步骤12、将获取的用户主动问答填表数据和被动测量生理信号数据,代入身心健康状态判别模型,生成所述用户的身心健康状态监测结果;
所述身心健康状态判别模型包括身心健康状态主动判别模型和身心健康状态被动判别模型,
所述将获取的用户主动问答填表数据代入身心健康状态主动判别模型,生成所述用户的身心健康状态监测结果,包括:
将获取的用户主动问答填表数据,根据四象限分布分析,得到用户身心健康状态主动监测结果,所述用户身心健康状态主动监测结果包括健康、亚健康和不健康。
其中,所述将获取的用户主动问答填表数据代入身心健康状态主动判别模型,就是基于四象限分布分析法进行的。
所述将获取的用户被动测量生理信号数据代入身心健康状态被动判别模型,生成所述用户的身心健康状态监测结果,包括:
S121、将所述被动测量生理信号数据进行清洗和预处理;
所述被动测量生理信号数据的预处理,包括:对基线漂移干扰信号进行去除,具体地,可以采用6阶多项式拟合进行基线漂移干扰信号去除处理。
S122、将预处理后的被动测量生理信号数据按时间线切割或按提取的波峰波谷二个变量值切割组成原始矩阵;
S123、对原始矩阵进行变换变成标准非Hermitian矩阵;对标准非Hermitian矩阵进行奇异值等价变换,形成矩阵积;对矩阵积进行变换形成标准矩阵积;
S124、将标准矩阵积进行随机矩阵单环定理计算平均谱半径;
S125、根据平均谱半径的大小确定用户身心健康状态被动监测结果,所述用户身心健康状态被动监测结果包括健康、亚健康和不健康。
其中,所述将获取的用户被动测量生理信号数据代入身心健康状态被动判别模型,就是基于上述步骤S121至步骤S125进行的。
步骤13、根据所述监测结果推送生理和心理干预指导方案。
其中,当身心健康状态主动监测结果和身心健康状态被动监测结果一致,
为健康状态时,则推送继续保持身心健康状态的指导方案;
为亚健康状态时,则推送运动训练方案,或者推送心理训练方案;
为不健康状态时,则推送运动训练和心理训练协同方案。
至此,完成本发明的监测身心健康状态的方法。
为清楚说明本发明,下面进行详细说明。
步骤21、获取用户的主动问答填表数据和被动测量生理信号数据。所述用户的主动问答填表数据包含精神状态和身体状态的选择数据;所述被动测量生理信号数据包含身体测量数据。
其中,身心健康状态=精神状态+身体状态,精神状态分为心态平衡和心态失衡,身体状态分为有秩序和失序。
对于主动数据,例如,如果精神状态,低落、伤心、愤怒,这些选“是”,就是<0,代表心态失衡;选“否”就是>0,代表心态平衡。如果身体状态,不熬夜、吃早饭、运动,这些选“是”,就是>0,代表身体有序;选“否”就是<0,代表身体时序。
步骤22、将获取的用户主动问答填表数据根据四象限分布分析,得到用户身心健康状态主动监测结果;将获取的用户被动测量生理信号数据基于随机矩阵单环定理,得到用户身心健康状态被动监测结果。
身心健康状态=精神状态+身体状态,精神状态分为心态平衡和心态失衡,身体状态分为有秩序和失序。
对于主动数据的四象限分布分析,以二维平面坐标系为基础,将身体状态和精神状态分别映射在坐标系的横纵坐标轴,可以将身心健康状态分为四部分:第一象限心态平衡、身体状态有序——健康态;第二象限心态平衡、身体状态无序——亚健康态;第三象限心态失衡、身体状态失序——不健康态;第四象限心态失衡、身体状态有序——亚健康态。总之,第一象限“平衡有序”,为健康态,第二象限“平衡失序”和第四象限“失衡有序”为亚健康态,第三象限“失衡失序”为不健康态。
因此,将获取的用户主动问答填表数据根据四象限分布分析,就可以确定用户的身心健康状态处于哪个象限,具有相应的身心健康状态。
对于被动数据基于随机矩阵单环定理得到被动监测结果,具体过程可以是:
1)将所述被动测量生理信号数据进行清洗和预处理;
2)将预处理后的被动测量生理信号数据按时间线切割或按提取的波峰波谷二个变量值切割组成原始矩阵;
所述将预处理后的被动测量生理信号数据按时间线切割后,对数据进行取整后组成原始矩阵;
所述将预处理后的被动测量生理信号数据按提取的波峰波谷二个变量值组成原始矩阵指:提取一维时序心理信号的波峰波谷两个值组成二维矩阵,其中一维不够数据数量填0处理,再按时间线切割二维波峰波谷矩阵组成高维度原始矩阵。
3)对原始矩阵进行变换变成标准非Hermitian矩阵;
变成标准非Hermitian矩阵的变换公式为:1≤i≤N;1≤j≤T其中表示均值为0,方差σ为1。表示变换后的非Hermitian矩阵中第i行第j列个元素,表示变换前矩阵中第i行第j列个元素,表示第i行数据的均值,N表示矩阵行数,T表示矩阵列数,xi表示变换后的矩阵的第i行数据,表示原始矩阵第i行数据,
4)对标准非Hermitian矩阵进行奇异值等价变换,形成矩阵积;
5)对矩阵积进行变换形成标准矩阵积;
6)将标准矩阵积进行随机矩阵单环定理计算平均谱半径;
7)根据平均谱半径的大小确定用户身心健康状态被动监测结果,所述用户身心健康状态被动监测结果包括健康、亚健康和不健康。
所述根据平均谱半径大小来反映用户的身心健康状态。对同一个实验用户来说,对比一段时间来的多次测量计算谱半径结果;对不同实验用户来说,直接对比其测量计算得到的谱半径结果。具体包括:
当平均谱半径最小时,反映的是一种心态失衡、身体状态无序的身心状态,对应第三象限——不健康态。
当平均谱半径最大时,反映的是一种心态平衡、身体状态有序的身心状态,对应第一象限——健康态。
当平均谱半径基于两者之间时,反映的是一种心态平衡、身体状态失序或者心态失衡、身体状态有序的身心状态,对应第二象限和第四象限——亚健康态。
步骤23、根据所述监测结果推送生理和心理干预指导方案。
在身心健康状态主动监测结果和身心健康状态被动监测结果一致,
为健康状态时,则推送继续保持身心健康状态的指导方案;
为亚健康状态时,则推送运动训练方案,或者推送心理训练方案;
为不健康状态时,则推送运动训练和心理训练协同方案。
其中,当身心健康状态主动监测结果和身心健康状态被动监测结果不一致,在被动监测结果为不健康状态时,则推送运动训练和心理训练协同方案。
在被动监测结果为健康状态,或者亚健康状态时,则以主动监测结果为准,推送主动监测结果相应的指导方案。
例如,在被动监测结果为健康状态,或者亚健康状态时,主动监测结果
为健康状态时,则推送继续保持身心健康状态的指导方案;
为亚健康状态时,则推送运动训练方案,或者推送心理训练方案;
为不健康状态时,则推送运动训练和心理训练协同方案。
在另一个实施例中,
基于相同的发明构思,本发明实施例还提供了一种监测身心健康状态的装置,该装置可以是移动健康云平台等平台,其结构示意图如图2所示,该装置包括:
接收模块201,获取用户的主动问答填表数据和被动测量生理信号数据;所述用户的主动问答填表数据包含精神状态和身体状态的选择数据;所述被动测量生理信号数据包含身体测量数据;
身心健康状态判别模块202,将获取的用户主动问答填表数据和被动测量生理信号数据,代入身心健康状态判别模型,生成所述用户的身心健康状态监测结果;
反馈模块203,根据所述监测结果推送生理和心理干预指导方案。
所述身心健康状态判别模型包括身心健康状态主动判别模型和身心健康状态被动判别模型,
所述身心健康状态判别模块包括主动判别子模块2021和被动判别子模块2022,
主动判别子模块2021,具体用于将获取的用户主动问答填表数据,根据四象限分布分析,得到用户身心健康状态主动监测结果,所述用户身心健康状态主动监测结果包括健康、亚健康和不健康。
被动判别子模块2022,具体用于将所述被动测量生理信号数据进行清洗和预处理;
将预处理后的被动测量生理信号数据按时间线切割或按提取的波峰波谷二个变量值切割组成原始矩阵;
对原始矩阵进行变换变成标准非Hermitian矩阵;对标准非Hermitian矩阵进行奇异值等价变换,形成矩阵积;对矩阵积进行变换形成标准矩阵积;
将标准矩阵积进行随机矩阵单环定理计算平均谱半径;
根据平均谱半径的大小确定用户身心健康状态被动监测结果,所述用户身心健康状态被动监测结果包括健康、亚健康和不健康。
所述反馈模块203,在身心健康状态主动监测结果和身心健康状态被动监测结果一致,
为健康状态时,则推送继续保持身心健康状态的指导方案;
为亚健康状态时,则推送运动训练方案,或者推送心理训练方案;
为不健康状态时,则推送运动训练和心理训练协同方案。
其中,当身心健康状态主动监测结果和身心健康状态被动监测结果不一致,在被动监测结果为不健康状态时,则推送运动训练和心理训练协同方案。
在被动监测结果为健康状态,或者亚健康状态时,则以主动监测结果为准,推送主动监测结果相应的指导方案。
例如,在被动监测结果为健康状态,或者亚健康状态时,主动监测结果
为健康状态时,则推送继续保持身心健康状态的指导方案;
为亚健康状态时,则推送运动训练方案,或者推送心理训练方案;
为不健康状态时,则推送运动训练和心理训练协同方案。
在另一个实施例中,
基于相同的发明构思,本发明实施例还提供了一种系统,该系统包括一种监测身心健康状态的装置和终端;
终端,直接或间接获取用户的主动问答填表数据和被动测量生理信号数据,向监测身心健康状态的装置发送用户的主动问答填表数据和被动测量生理信号数据;所述用户的主动问答填表数据包含精神状态和身体状态的选择数据;所述被动测量生理信号数据包含身体测量数据;
监测身心健康状态的装置,获取用户的主动问答填表数据和被动测量生理信号数据;将获取的用户主动问答填表数据和被动测量生理信号数据,代入身心健康状态判别模型,生成所述用户的身心健康状态监测结果;根据所述监测结果推送生理和心理干预指导方案。
所述主动问答填表数据可以通过终端直接获取,然后向监测身心健康状态的装置发送用户的主动问答填表数据。例如利用移动终端上的如安卓软件、微信公众号、网页等方式获取主动问答填表数据。
所述被动测量生理信号数据可以通过终端直接或间接获取,然后向监测身心健康状态的装置发送用户的被动测量生理信号数据。例如将可穿戴设备或者血氧仪、脑电、心电等设备采集到的生理信号数据通过数据线或者WIFI、蓝牙发送给移动终端,移动终端向监测身心健康状态的装置发送用户的被动测量生理信号数据。其中,可穿戴设备可以是手环、手表等设备。另外,还可以利用移动终端上的软件直接测量生理信号数据,然后向监测身心健康状态的装置发送所测量的生理信号数据。
上述实施例的模块可以集成于一体,也可以分离部署;可以合并为一个模块,也可以进一步拆分成多个子模块。综上,本发明实施例的有益效果是,
一、本发明将用户的主动问答填表数据的主动判别和用户的被动测量生理信号数据的被动判别相结合,可以有效改善被测个体的测试体验,不会造成被测个体的抵触情绪,且主被动协同测试系统兼顾心理和生理的测试及指导,测试结果准确,用户体验较好。
二、基于用户的主动问答数据,根据身心健康状态主动判别模型,判别出身心健康状态。再与用户被动测试结果相结合,即基于获取的用户生理信号数据,根据随机矩阵单环定理建立的身心健康状态被动判别模型,计算出平均谱半径指标,获得身心健康状态的被动测试结果,最终获得身心健康状态的主被动协同监测结果,使身心健康状态监测的结果更加科学、更加准确。
三、本发明还在健康云平台的装置中设置了生理和心理调节方案,根据不同用户身心健康状态向用户推送相应的运动指导和心理指导,让用户及时获得自己的健康状态,以及状态调节的建议方案。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (11)
1.一种监测身心健康状态的方法,其特征在于,该方法包括:
获取用户的主动问答填表数据和被动测量生理信号数据;所述用户的主动问答填表数据包含精神状态和身体状态的选择数据;所述被动测量生理信号数据包含身体测量数据;
将获取的用户主动问答填表数据和被动测量生理信号数据,代入身心健康状态判别模型,生成所述用户的身心健康状态监测结果;
根据所述监测结果推送生理和心理干预指导方案。
2.如权利要求1所述的方法,其特征在于,所述身心健康状态判别模型包括身心健康状态主动判别模型和身心健康状态被动判别模型,
所述将获取的用户主动问答填表数据代入身心健康状态主动判别模型,生成所述用户的身心健康状态监测结果,包括:
将获取的用户主动问答填表数据,根据四象限分布分析,得到用户身心健康状态主动监测结果,所述用户身心健康状态主动监测结果包括健康、亚健康和不健康。
3.如权利要求1所述的方法,其特征在于,所述身心健康状态判别模型包括身心健康状态主动判别模型和身心健康状态被动判别模型,
所述将获取的用户被动测量生理信号数据代入身心健康状态被动判别模型,生成所述用户的身心健康状态监测结果,包括:
将所述被动测量生理信号数据进行清洗和预处理;
将预处理后的被动测量生理信号数据按时间线切割或按提取的波峰波谷二个变量值切割组成原始矩阵;
对原始矩阵进行变换变成标准非Hermitian矩阵;对标准非Hermitian矩阵进行奇异值等价变换,形成矩阵积;对矩阵积进行变换形成标准矩阵积;
将标准矩阵积进行随机矩阵单环定理计算平均谱半径;
根据平均谱半径的大小确定用户身心健康状态被动监测结果,所述用户身心健康状态被动监测结果包括健康、亚健康和不健康。
4.如权利要求3所述的方法,其特征在于,所述被动测量生理信号数据的清洗,包括:利用时序生理信号数据的峰度值来去除异常生理信号数据。
5.如权利要求3所述的方法,其特征在于,所述被动测量生理信号数据的预处理,包括:对基线漂移干扰信号进行去除。
6.如权利要求1所述的方法,其特征在于,当身心健康状态主动监测结果和身心健康状态被动监测结果一致,
为健康状态时,则推送继续保持身心健康状态的指导方案;
为亚健康状态时,则推送运动训练方案,或者推送心理训练方案;
为不健康状态时,则推送运动训练和心理训练协同方案。
7.一种监测身心健康状态的装置,其特征在于,该装置包括:
接收模块,获取用户的主动问答填表数据和被动测量生理信号数据;所述用户的主动问答填表数据包含精神状态和身体状态的选择数据;所述被动测量生理信号数据包含身体测量数据;
身心健康状态判别模块,将获取的用户主动问答填表数据和被动测量生理信号数据,代入身心健康状态判别模型,生成所述用户的身心健康状态监测结果;
反馈模块,根据所述监测结果推送生理和心理干预指导方案。
8.如权利要求7所述的装置,其特征在于,所述身心健康状态判别模型包括身心健康状态主动判别模型和身心健康状态被动判别模型,
所述身心健康状态判别模块包括主动判别子模块和被动判别子模块,
主动判别子模块,具体用于将获取的用户主动问答填表数据,根据四象限分布分析,得到用户身心健康状态主动监测结果,所述用户身心健康状态主动监测结果包括健康、亚健康和不健康。
9.如权利要求7所述的装置,其特征在于,所述身心健康状态判别模型包括身心健康状态主动判别模型和身心健康状态被动判别模型,
所述身心健康状态判别模块包括主动判别子模块和被动判别子模块,
被动判别子模块,具体用于将所述被动测量生理信号数据进行清洗和预处理;
将预处理后的被动测量生理信号数据按时间线切割或按提取的波峰波谷二个变量值切割组成原始矩阵;
对原始矩阵进行变换变成标准非Hermitian矩阵;对标准非Hermitian矩阵进行奇异值等价变换,形成矩阵积;对矩阵积进行变换形成标准矩阵积;
将标准矩阵积进行随机矩阵单环定理计算平均谱半径;
根据平均谱半径的大小确定用户身心健康状态被动监测结果,所述用户身心健康状态被动监测结果包括健康、亚健康和不健康。
10.如权利要求7所述的装置,其特征在于,所述反馈模块,在身心健康状态主动监测结果和身心健康状态被动监测结果一致,
为健康状态时,则推送继续保持身心健康状态的指导方案;
为亚健康状态时,则推送运动训练方案,或者推送心理训练方案;
为不健康状态时,则推送运动训练和心理训练协同方案。
11.一种系统,其特征在于,该系统包括一种监测身心健康状态的装置和终端;
终端,直接或间接获取用户的主动问答填表数据和被动测量生理信号数据,向监测身心健康状态的装置发送用户的主动问答填表数据和被动测量生理信号数据;所述用户的主动问答填表数据包含精神状态和身体状态的选择数据;所述被动测量生理信号数据包含身体测量数据;
监测身心健康状态的装置,获取用户的主动问答填表数据和被动测量生理信号数据;将获取的用户主动问答填表数据和被动测量生理信号数据,代入身心健康状态判别模型,生成所述用户的身心健康状态监测结果;根据所述监测结果推送生理和心理干预指导方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010150088.0A CN111243747A (zh) | 2020-03-06 | 2020-03-06 | 一种监测身心健康状态的方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010150088.0A CN111243747A (zh) | 2020-03-06 | 2020-03-06 | 一种监测身心健康状态的方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111243747A true CN111243747A (zh) | 2020-06-05 |
Family
ID=70873266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010150088.0A Pending CN111243747A (zh) | 2020-03-06 | 2020-03-06 | 一种监测身心健康状态的方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111243747A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681729A (zh) * | 2020-06-15 | 2020-09-18 | 广州万物有翼科技有限公司 | 用于追踪式建立个人心理健康档案的系统及其测评方法 |
CN112735591A (zh) * | 2021-01-22 | 2021-04-30 | 广西安怡臣信息技术有限公司 | 一种数字化身心健康管理系统 |
CN115192022A (zh) * | 2022-05-20 | 2022-10-18 | 温州市第七人民医院 | 一种识别青少年非自杀性自伤行为的方法及系统 |
CN115192022B (zh) * | 2022-05-20 | 2024-09-06 | 温州市第七人民医院 | 一种识别青少年非自杀性自伤行为的方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104688249A (zh) * | 2015-02-13 | 2015-06-10 | 北京康源互动健康科技有限公司 | 一种基于云平台的心理健康监测方法及系统 |
CN107358034A (zh) * | 2017-06-26 | 2017-11-17 | 怡璟科技(北京)有限公司 | 一种儿童健康的综合监控方法及系统 |
CN110009248A (zh) * | 2019-04-13 | 2019-07-12 | 杭州医养网络科技有限公司 | 一种互联网养老院智能管理系统 |
CN110097971A (zh) * | 2019-05-07 | 2019-08-06 | 上海拼历客信息科技有限公司 | 儿童健康的综合监控方法及系统 |
-
2020
- 2020-03-06 CN CN202010150088.0A patent/CN111243747A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104688249A (zh) * | 2015-02-13 | 2015-06-10 | 北京康源互动健康科技有限公司 | 一种基于云平台的心理健康监测方法及系统 |
CN107358034A (zh) * | 2017-06-26 | 2017-11-17 | 怡璟科技(北京)有限公司 | 一种儿童健康的综合监控方法及系统 |
CN110009248A (zh) * | 2019-04-13 | 2019-07-12 | 杭州医养网络科技有限公司 | 一种互联网养老院智能管理系统 |
CN110097971A (zh) * | 2019-05-07 | 2019-08-06 | 上海拼历客信息科技有限公司 | 儿童健康的综合监控方法及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681729A (zh) * | 2020-06-15 | 2020-09-18 | 广州万物有翼科技有限公司 | 用于追踪式建立个人心理健康档案的系统及其测评方法 |
CN111681729B (zh) * | 2020-06-15 | 2024-04-16 | 广州万物有翼科技有限公司 | 用于追踪式建立个人心理健康档案的系统及其测评方法 |
CN112735591A (zh) * | 2021-01-22 | 2021-04-30 | 广西安怡臣信息技术有限公司 | 一种数字化身心健康管理系统 |
CN115192022A (zh) * | 2022-05-20 | 2022-10-18 | 温州市第七人民医院 | 一种识别青少年非自杀性自伤行为的方法及系统 |
CN115192022B (zh) * | 2022-05-20 | 2024-09-06 | 温州市第七人民医院 | 一种识别青少年非自杀性自伤行为的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | Wrist sensor-based tremor severity quantification in Parkinson's disease using convolutional neural network | |
Dorrell et al. | Validity and reliability of a linear positional transducer across commonly practised resistance training exercises | |
Brunton et al. | Extracting spatial–temporal coherent patterns in large-scale neural recordings using dynamic mode decomposition | |
CN104856704A (zh) | 主客观相结合的心理测评方法及系统 | |
RU2757048C1 (ru) | Способ и система оценки здоровья тела человека на основе данных большого объема о сне | |
EP2698112B1 (en) | Real-time stress determination of an individual | |
CN101815466B (zh) | 用于对动脉nadi脉搏波形进行定量检测的非侵入式设备nadi tarangini | |
Barton et al. | Movement Deviation Profile: A measure of distance from normality using a self-organizing neural network | |
CN100558290C (zh) | 电生理直觉指示器 | |
CN108133736A (zh) | 一种自适应性认知功能评估方法及系统 | |
US20090326407A1 (en) | Electrophysiological Analysis System and Method | |
CN111243747A (zh) | 一种监测身心健康状态的方法、装置及系统 | |
AU2021102248A4 (en) | A Method, Device, and System for Monitoring Physical and Psychological Health States | |
Kitsos et al. | Assessments in Australian stroke rehabilitation units: a systematic review of the post-stroke validity of the most frequently used | |
Moreno-Villanueva et al. | Validity and reliability of linear position transducers and linear velocity transducers: a systematic review | |
WO2022095331A1 (zh) | 压力评估方法、装置、计算机设备和存储介质 | |
CN109872820A (zh) | 一种无袖带血压测量方法、装置、设备及存储介质 | |
CN114366103A (zh) | 注意力评估方法、装置及电子设备 | |
Martin et al. | Automatic recognition of virtual reality sickness based on physiological signals | |
CN110192872B (zh) | 压力评估校准方法、装置及存储介质 | |
Borthakur et al. | Fuzzy C-means clustering and sonification of HRV features | |
Jaiswal et al. | Effective assessment of cognitive load in real-world scenarios using wrist-worn sensor data | |
CN114169808A (zh) | 计算机实施的学习力评估方法、计算设备、介质和系统 | |
CN104992080B (zh) | 一种潜能值测验的刺激信息编制方法 | |
Brown et al. | Detecting repetitions and time features in resistance training using triaxial accelerometry |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230728 Address after: A-324, 8th floor, No. 89 West Third Ring North Road, Haidian District, Beijing, 100080 Applicant after: Beijing test state Peiyuan Technology Co.,Ltd. Address before: No. 2-101-3, 1st Floor, Building 2, Yard 41, Nanshiliju, Chaoyang District, Beijing, 100000 Applicant before: BEIJING CHINA EUROPE AND AMERICA ECONOMIC TECHNOLOGY DEVELOPMENT CENTER |