CN111899825A - 健康数据管理方法、装置、计算机设备和存储介质 - Google Patents

健康数据管理方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN111899825A
CN111899825A CN202010732440.1A CN202010732440A CN111899825A CN 111899825 A CN111899825 A CN 111899825A CN 202010732440 A CN202010732440 A CN 202010732440A CN 111899825 A CN111899825 A CN 111899825A
Authority
CN
China
Prior art keywords
data
analysis
massage
analysis model
analysis result
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
Application number
CN202010732440.1A
Other languages
English (en)
Inventor
马学军
陈刚
王少华
周成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Micro Control Technology Co ltd
Original Assignee
Shenzhen Micro Control Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Micro Control Technology Co ltd filed Critical Shenzhen Micro Control Technology Co ltd
Priority to CN202010732440.1A priority Critical patent/CN111899825A/zh
Publication of CN111899825A publication Critical patent/CN111899825A/zh
Pending legal-status Critical Current

Links

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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/60—Healthcare; Welfare
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Bioethics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本申请涉及一种健康数据管理方法、装置、计算机设备和存储介质。所述方法包括：获取用户的个人数据，个人数据包括多个维度的数据；输入个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个第一分析模型的分析结果；对第一分析模型的分析结果进行组合，得到多个组合数据；输入组合数据至对应的第二分析模型，输出各个第二分析模型的分析结果。通过各个维度的数据进行孤立分析，并对孤立分析后的结果进行组合，采用第二分析模型对对应的分组数据进行分析，得到各个组合数据对应的分析结果，从而对多个维度的数据的进行关联，得到关联后的分析结果，从而提升分析的准确性。

Description

健康数据管理方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机技术领域，尤其涉及一种健康数据管理方法、装置、计算机设备和存储介质。
背景技术
随着社会生活水平的提高，人们对身体的健康关注度也越来越高。为了便于人们对身体的健康管理，各种健身器材、体检器材、按摩设备、个人健康数据采集设备也越来越多。根据各种器材和设备采集对应的数据，对用户的身体健康进行管理，如根据单个(类)设备采集到的数据进行分析，通过孤立的健康模型得出分析结果并给出引导建议。由于孤立的健康模型得到的结果参考的数据维度较为单一，无法准确的预测用户的身体状况。
发明内容
为了解决上述技术问题，本申请提供了一种健康数据管理方法、装置、计算机设备和存储介质。
第一方面，本申请提供了一种健康数据管理方法，包括：
获取用户的个人数据，所述个人数据包括多个维度的数据；
输入所述个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个所述第一分析模型的分析结果；
对所述第一分析模型的分析结果进行组合，得到多个组合数据；
输入所述组合数据至对应的第二分析模型，输出各个所述第二分析模型的分析结果。
第二方面，本申请提供了一种健康数据管理装置，包括：
数据获取模，用于获取用户的个人数据，所述个人数据包括多个维度的数据；
第一分析模块，用于输入所述个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个所述第一分析模型的分析结果；
数据划分模块，用于对所述第一分析模型的分析结果进行组合，得到多个组合数据；
第二分析模块，用于输入所述组合数据至对应的第二分析模型，输出各个所述第二分析模型的分析结果。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取用户的个人数据，所述个人数据包括多个维度的数据；
输入所述个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个所述第一分析模型的分析结果；
对所述第一分析模型的分析结果进行组合，得到多个组合数据；
输入所述组合数据至对应的第二分析模型，输出各个所述第二分析模型的分析结果。
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时实现以下步骤：
获取用户的个人数据，所述个人数据包括多个维度的数据；
输入所述个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个所述第一分析模型的分析结果；
对所述第一分析模型的分析结果进行组合，得到多个组合数据；
输入所述组合数据至对应的第二分析模型，输出各个所述第二分析模型的分析结果。
上述健康数据管理方法、装置、计算机设备和存储介质，所述方法包括：获取用户的个人数据，所述个人数据包括多个维度的数据；输入所述个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个所述第一分析模型的分析结果；对所述第一分析模型的分析结果进行组合，得到多个组合数据；输入所述组合数据至对应的第二分析模型，输出各个所述第二分析模型的分析结果。通过各个维度的数据进行孤立分析，并对孤立分析后的结果进行组合，采用第二分析模型对对应的分组数据进行分析，得到各个组合数据对应的分析结果，从而对多个维度的数据的进行关联，得到关联后的分析结果，从而提升分析的准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中健康数据管理方法的应用环境图；
图2为一个实施例中健康数据管理方法的流程示意图；
图3为一个实施例中健康数据管理装置的结构框图；
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1为一个实施例中健康数据管理方法的应用环境图。参照图1，该健康数据管理方法应用于健康数据管理系统。该健康数据管理系统包括终端110和服务器120。终端110和服务器120通过网络连接。服务器120接收终端110上传的个人数据，服务器输入个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个第一分析模型的分析结果，对第一分析模型的分析结果进行组合，得到多个组合数据，输入组合数据至对应的第二分析模型，输出各个第二分析模型的分析结果。
终端110具体可以是台式终端或移动终端，移动终端具体可以健康管理终端和携带健康管理方法的终端等，如运动数据采集设备、按摩设备、脑部活动数据采集设备等数据采集设备或数据中设备。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
如图2所示，在一个实施例中，提供了一种健康数据管理方法。本实施例主要以该方法应用于上述图1中的服务器120来举例说明。参照图2，该健康数据管理方法具体包括如下步骤：
步骤S201，获取用户的个人数据。
在本具体实施例中，个人数据包括多个维度的数据。
具体地，用户个人数据是指与用户健康有关的数据，如用户的运动数据、心率数据、脑部活动数据、按摩数据、体检数据等等。按照数据所属的维度进行数据划分，划分的维度可以直接按照运动类型、体检指标、按摩类型等等进行划分，也可以直接将运动划分为一个类别，体检指标的各项指标的组合等进行划分。在数据获取时，可以根据数据携带的时间信息限定数据的获取范围，如获取用户一个月、一周或一天的数据。
步骤S202，输入个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个第一分析模型的分析结果。
具体地，每个维度的数据对应一个第一分析模型，第一分析模型是对单个维度的数据进行数据分析的模型，该数据分析模型可以为机器学习模型或深度学习模型等等。输入各个维度的数据至对应的第一分析模型，通过每个第一分析模型分析对应维度的数据，得到各个维度数据的分析结果。其中第一分析模型包括运动分析模型、心率分析模型、按摩分析模型、脑部分析模型和与体检指标相关的分析模型等等，其中运动分析模型输出运动分析结果，按摩分析模型输出对应的按摩分析结果。
在一个实施例中，个人数据包括运动数据、心率数据、按摩数据和脑部活动数据中，第一分析模型包括运动分析模型、心率分析模型、按摩分析模型和脑部分析模型，步骤S202，包括：输入运动数据至运动分析模型，输出运动分析结果，输入心率数据至心率分析模型，输出心率分析结果，输入按摩数据至按摩分析模型，输出按摩数据的分析结果，输入脑部活动数据至脑部分析模型，输出脑部数据分析结果。
在本实施例中，包括四个维度数据和对应的四个维度数据的分析模型。通过四个维度数据的分析模型分析对应维度的数据，得到对应的分析结果。其中运动分析模型可以分析用户的运动强度、运动合理性、运动时间分布等等与运动有关的分析指标。心率分析模型用于分析用户在各个情形下的心率数据等。按摩分析模型用于对按摩进行分析，及对按摩设备、按摩部位和按摩时长等等按摩数据进行分析，得到用户的按摩喜好和身体状态等等。脑部活动数据，脑部活动数据用于分析用户对各个事件的脑部反馈。
步骤S203，对第一分析模型的分析结果进行组合，得到多个组合数据。
步骤S204，输入组合数据至对应的第二分析模型，输出各个第二分析模型的分析结果。
具体地，由于各个维度对应的第一分析模型输出的结果，仅仅考虑了该维度的数据，数据的分析结果准确性较低，为了更好能够更好的融合各个维度数据，对分析结果进行组合，得到多个不同的组合数据，将每个组合数据输入对应的第二分析模块，第二分析模型可以包括多个，每个不同的第二分析模型需求的数据可以全部相同也可以部分相同。第二分析模型可以根据需求设置，每个分析模型对应的输入数据可以自定义设置，如当第二分析模型为睡眠分析模型时，睡眠分析模型对应的组合数据包括脑部分析结果和心率分析结果，当第二分析模型为健康分析模型时，健康分析模型对应的组合数据包括脑部分析结果、心率分析结果和运动分析结果等等。通过第二分析模型对组合后的分析结果进行再次分析，对多个维度的分析结果进行再次分析，得到更为准确的分析结果。
在一个实施例中，在得到第二分析模型对应的分析结果后，可以根据分析结果制定对应的运动计划表和作息表等。在制定对应的运动计划表和作息表后，根据用户的当前运动状态提醒用户运动是否合理，同时提醒用户的作息时间是否合理。
上述健康数据管理方法包括：获取用户的个人数据，所述个人数据包括多个维度的数据；输入所述个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个所述第一分析模型的分析结果；对所述第一分析模型的分析结果进行组合，得到多个组合数据；输入所述组合数据至对应的第二分析模型，输出各个所述第二分析模型的分析结果。通过各个维度的数据进行孤立分析，并对孤立分析后的结果进行组合，采用第二分析模型对对应的分组数据进行分析，得到各个组合数据对应的分析结果，从而对多个维度的数据的进行关联，得到关联后的分析结果，从而提升分析的准确性。
在一个实施例中，组合数据中的其中一组数据为脑部分析结果、心率分析结果，第二分析模型模型包括睡眠分析模型，步骤S204，包括：通过睡眠分析模型对脑部数据分析结果和心率数据分析结果进行分析，得到用户的睡眠质量。
具体地，睡眠分析模型用于分析用户的睡眠质量。睡眠质量可以根据用户的脑部数据和心率数据进行分析得到。输入脑部分析结果和心率分析结果至睡眠分析模型，通过睡眠分析模型对脑部分析结果和心率分析结果进行综合分析，得到睡眠质量。因为心率数据和脑部活动数据能够反映一个人睡眠时间和睡眠深浅，根据睡眠时间和睡眠深浅可以较好的推断出用户的睡眠质量。
在一个实施例中，当睡眠质量为预设睡眠质量区间时，通过第三分析模型对运动分析结果和睡眠质量进行分析，得到运动数据与睡眠质量的关联度；根据关联度和运动数据生成运动计划数据。
具体地，预设睡眠质量区间是指预先设置的一个数据区间，该数据区间可以为医生、科研人员根据调研给定的区间，也可以是根据用户的历史数据进行统计后得到的区间，即每个用户的预设睡眠质量区间可以根据用户本身的数据进行统计后得到，也可以是根据不同年龄区间的人进行统计，不同年龄区间的人对应不同的预设睡眠质量区间，还可以根据地域等方式进行统计，得到对应的预设睡眠质量区间。其中预设睡眠质量区间是指用户未能得到比较好的休息时，如睡眠质量差，则分析运动对睡眠的影响，即对运动分析结果和睡眠质量进行分析，得到运动数据与睡眠质量之间的关联度，即运动对睡眠的影响程度，关联度越高说明影响力越大，关联度越低说明影响力越小。根据关联度和用户的运动数据生成对应的运动计划数据。关联度低，则在调节运动数据时可以进行微调，关联度高，则对运动数据进行较大幅度的调整。如关联度高，且运动数据表明运动量大，则应该大幅度的减少运动量。
在一个实施例中，上述健康数据管理方法，还包括：获取用户的当前个人数据；判断当前个人数据是否与运动计划数据相匹配；当当前个人运动数据与运动计划数据不匹配时，计算当前个人运动数据与运动计划数据之间的差异数据；当差异数据大于第一预设差异数据时，获取用于提醒用户降低运动强度的提示数据，提示数据中包括差异数据；当差异数据小于第二预设差异数据时，获取用于提醒增加运动强度的提示数据，提示数据中包括差异数据，且第一预设差异数据大于第二预设差异数据。
具体地，用户当前个人数据是指用户当前时刻的数据，个人数据中包括运动数据，也还可以包括心率数据等等数据，具体包含哪些个人数据根据用户穿戴的设备确定。对当前个人数据和运动计划数据进行匹配，若不匹配，则提醒用户运动不匹配，并显示差异数据，差异数据是指当前个人数据和运动计划数据中的差异数据。若差异数据大于第一预设数据，则表示运动量过大，提醒用户减少运动，若差异数据小于第二预设差异数据时，则表示运动量较少，提醒用户增加运动；量。第一预设差异数据和第二预设差异数据可以为经验值，第一预设差异数据大于第二预设差异数据。如根据用户前一晚的睡眠质量、累计运动量和当前心率分析身体当前状态，如果判定为超负荷及时提醒用户中止运动计划，并给休息建议。
在一个实施例中，接收用户输入的按摩感受数据，按摩感受数据中包括按摩异常数据；对睡眠质量、按摩分析结果和按摩异常数据进行分析，得到按摩异常数据与睡眠质量的关联度。
具体地，按摩感受数据是指用户按摩时或按摩后的感受，感受包括舒服、酸和疼等等。感受数据可以是对按摩部分的描述，也可以是整体描述。按摩异常数据是指按摩使得人体产生不舒服的感受的数据。对睡眠质量、按摩分析结果和按摩异常数据进行数据分析，得到按摩异常数据与睡眠质量的关联度。即通过用户的按摩反馈的数据判断是否因为用户按摩产生的异常而导致睡眠质量不好，以及是否因为睡眠质量差从而导致按摩产生不舒服的感受。双向反馈来调整用户的按摩和指定作息计划。
在一个实施例中，对运动分析结果、按摩分析结果和按摩异常数据进行分析，得到按摩异常数据与运动数据的关联度；对按摩异常数据与睡眠质量的关联度，和按摩异常数据与运动数据的关联度进行加权，得到目标关联度。
具体地，采用运动数据和按摩数据两种数据对睡眠质量进行分析，得到运动和按摩两者对睡眠质量的影响程度。即对按摩异常数据与睡眠质量的关联度，和按摩异常数据与运动数据的关联度进行加权，得到目标关联度。其中两个关联度的加权系数可以自定义，也可以是对全部的数据分析后得到较为准确的值，也可以是对单个用户的历史数据进行统计分析得到每个用户对应的加权值。
在一个具体的实施例中，上述监控数据管理方法，包括：
步骤S301，根据穿戴设备搭载的传感器类型，采集相关健康数据，分析数据与人体健康的关联关系，并建立单项健康模型。
具体地，使用发生器和光敏接收器采集用户心率数据。参照已有的医学标准，从性别、年龄、运动状态(静息或运动)等方面对数据进行分析，明确心率判定区间基准，建立心率检测模型。使用加速传感器采集用户运动数据。通过分析数据中加速方向、加速大小、持续时长以及连续时段的数据特性，建立运动分析模型(静息、行走、游泳等)。使用便携按摩设备收集用户按摩数据。根据不同设备按摩的穴位、时长、力度以及用户自主上报的穴位按摩感受，结合中医理论，建立健康判定模型。使用脑电设备收集用户脑部活动数据。通过脑波曲线判断用户当前精神状态：睡眠/清醒、活跃/平静、兴奋/低落等，建立大脑分析模型。
步骤S302，在不同设备组合的场景下，分析不同设备之间的数据关联，综合评判用户健康状态，建立综合分析健康模型。
具体地，使用脑电数据、心率数据综合分析用户睡眠质量，当用户睡眠质量差时，结合运动数据，分析运动强度和运动时段对睡眠造成影响的可能关联，并给出合理改善建议。使用按摩设备时，如果发生穴位疼痛，根据疼痛部位和程度(需要用户从移动客户端录入)判断身体可能已有的异常，结合睡眠和运动数据，分析是否与睡眠质量或运动安排有关联，指导用户调整睡眠时间、时长和运动计划。用户运动时，根据用户前一晚的睡眠质量、累计运动量和当前心率分析身体当前状态，如果判定为超负荷及时提醒用户中止运动计划，并给休息建议。
通过分析用户使用的设备类型、数量、佩戴方式以及用户当前运动状态(静息或运动)、作息习惯等数据之间的关联，建立不同场景下的健康模型。实际应用时，先获取用户的健康数据，通过分析对比，选择匹配的健康模型场景来对用户数据进行综合、系统的分析，得出更为准确、更有参考价值的分析结论，同时引导用户养成健康的生活习惯。
图2为一个实施例中健康数据管理方法的流程示意图。应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图3所示，提供了一种健康数据管理装置200，包括：
数据获取模201，用于获取用户的个人数据，个人数据包括多个维度的数据。
第一分析模块202，用于输入个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个第一分析模型的分析结果。
数据划分模块203，用于对第一分析模型的分析结果进行组合，得到多个组合数据。
第二分析模块204，用于输入组合数据至对应的第二分析模型，输出各个第二分析模型的分析结果。
在一个实施例中，个人数据包括运动数据、心率数据、按摩数据和脑部活动数据中，第一分析模型包括运动分析模型、心率分析模型、按摩分析模型和脑部分析模型，
第一分析模块202具体用于输入运动数据至运动分析模型，输出运动分析结果，输入心率数据至心率分析模型，输出心率分析结果，输入按摩数据至按摩分析模型，输出按摩数据的分析结果，输入脑部活动数据至脑部分析模型，输出脑部数据分析结果。
在一个实施例中，组合数据中的其中一组数据为脑部分析结果、心率分析结果，第二分析模型模型包括睡眠分析模型，
第二分析模块204具体用于通过睡眠分析模型对脑部数据分析结果和心率数据分析结果进行分析，得到用户的睡眠质量。
在一个实施例中，上述健康数据管理装置200，还包括：
第三分析模块，用于当睡眠质量为预设睡眠质量区间时，通过第三分析模型对运动分析结果和睡眠质量进行分析，得到运动数据与睡眠质量的关联度。
运动计划生成模块，用于根据关联度和运动数据生成运动计划数据。
在一个实施例中，上述健康数据管理装置200，还包括：
数据获取模块201还用于获取用户的当前个人数据。
判断模块，用于判断当前个人数据是否与运动计划数据相匹配。
差异计算模块，用于当当前个人运动数据与运动计划数据不匹配时，计算当前个人运动数据与运动计划数据之间的差异数据；
提示模块，用于当差异数据大于第一预设差异数据时，获取用于提醒用户降低运动强度的提示数据，提示数据中包括差异数据。
提示模块还用于当差异数据小于第二预设差异数据时，获取用于提醒增加运动强度的提示数据，提示数据中包括差异数据，且第一预设差异数据大于第二预设差异数据。
在一个实施例中，上述健康数据管理装置200，还包括：
数据接收模块，用于接收用户输入的按摩感受数据，按摩感受数据中包括按摩异常数据。
第四分析模块，用于对睡眠质量、按摩分析结果和按摩异常数据进行分析，得到按摩异常数据与睡眠质量的关联度。
在一个实施例中，上述健康数据管理装置200，还包括：
第五分析模块，用于对运动分析结果、按摩分析结果和按摩异常数据进行分析，得到按摩异常数据与运动数据的关联度；
第六分析模块，用于对按摩异常数据与睡眠质量的关联度，和按摩异常数据与运动数据的关联度进行加权，得到目标关联度。
图4示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110(或服务器120)。如图4所示，该计算机设备通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现健康数据管理方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行健康数据管理方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的健康数据管理装置可以实现为一种计算机程序的形式，计算机程序可在如图4所示的计算机设备上运行。计算机设备的存储器中可存储组成该健康数据管理装置的各个程序模块，比如，图3所示的数据获取模201、第一分析模块202、数据划分模块203和第二分析模块204。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的健康数据管理方法中的步骤。
例如，图4所示的计算机设备可以通过如图3所示的健康数据管理装置中的数据获取模201执行获取用户的个人数据，个人数据包括多个维度的数据。计算机设备可以通过第一分析模块202执行输入个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个第一分析模型的分析结果。计算机设备可以通过数据划分模块203执行对第一分析模型的分析结果进行组合，得到多个组合数据。计算机设备可以通过第二分析模块204执行输入组合数据至对应的第二分析模型，输出各个第二分析模型的分析结果。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：获取用户的个人数据，个人数据包括多个维度的数据；输入个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个第一分析模型的分析结果；对第一分析模型的分析结果进行组合，得到多个组合数据；输入组合数据至对应的第二分析模型，输出各个第二分析模型的分析结果。
在一个实施例中，个人数据包括运动数据、心率数据、按摩数据和脑部活动数据中，第一分析模型包括运动分析模型、心率分析模型、按摩分析模型和脑部分析模型，输入个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个第一分析模型的分析结果，包括：输入运动数据至运动分析模型，输出运动分析结果；输入心率数据至心率分析模型，输出心率分析结果；输入按摩数据至按摩分析模型，输出按摩数据的分析结果；输入脑部活动数据至脑部分析模型，输出脑部数据分析结果。
在一个实施例中，组合数据中的其中一组数据为脑部分析结果、心率分析结果，第二分析模型模型包括睡眠分析模型，输入组合数据至对应的第二分析模型，输出各个第二分析模型的分析结果，包括：通过睡眠分析模型对脑部数据分析结果和心率数据分析结果进行分析，得到用户的睡眠质量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：当睡眠质量为预设睡眠质量区间时，通过第三分析模型对运动分析结果和睡眠质量进行分析，得到运动数据与睡眠质量的关联度；根据关联度和运动数据生成运动计划数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取用户的当前个人数据；判断当前个人数据是否与运动计划数据相匹配；当当前个人运动数据与运动计划数据不匹配时，计算当前个人运动数据与运动计划数据之间的差异数据；当差异数据大于第一预设差异数据时，获取用于提醒用户降低运动强度的提示数据，提示数据中包括差异数据；当差异数据小于第二预设差异数据时，获取用于提醒增加运动强度的提示数据，提示数据中包括差异数据，且第一预设差异数据大于第二预设差异数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：接收用户输入的按摩感受数据，按摩感受数据中包括按摩异常数据；对睡眠质量、按摩分析结果和按摩异常数据进行分析，得到按摩异常数据与睡眠质量的关联度。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对运动分析结果、按摩分析结果和按摩异常数据进行分析，得到按摩异常数据与运动数据的关联度；对按摩异常数据与睡眠质量的关联度，和按摩异常数据与运动数据的关联度进行加权，得到目标关联度。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取用户的个人数据，个人数据包括多个维度的数据；输入个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个第一分析模型的分析结果；对第一分析模型的分析结果进行组合，得到多个组合数据；输入组合数据至对应的第二分析模型，输出各个第二分析模型的分析结果。
在一个实施例中，个人数据包括运动数据、心率数据、按摩数据和脑部活动数据中，第一分析模型包括运动分析模型、心率分析模型、按摩分析模型和脑部分析模型，输入个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个第一分析模型的分析结果，包括：输入运动数据至运动分析模型，输出运动分析结果；输入心率数据至心率分析模型，输出心率分析结果；输入按摩数据至按摩分析模型，输出按摩数据的分析结果；输入脑部活动数据至脑部分析模型，输出脑部数据分析结果。
在一个实施例中，组合数据中的其中一组数据为脑部分析结果、心率分析结果，第二分析模型模型包括睡眠分析模型，输入组合数据至对应的第二分析模型，输出各个第二分析模型的分析结果，包括：通过睡眠分析模型对脑部数据分析结果和心率数据分析结果进行分析，得到用户的睡眠质量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当睡眠质量为预设睡眠质量区间时，通过第三分析模型对运动分析结果和睡眠质量进行分析，得到运动数据与睡眠质量的关联度；根据关联度和运动数据生成运动计划数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取用户的当前个人数据；判断当前个人数据是否与运动计划数据相匹配；当当前个人运动数据与运动计划数据不匹配时，计算当前个人运动数据与运动计划数据之间的差异数据；当差异数据大于第一预设差异数据时，获取用于提醒用户降低运动强度的提示数据，提示数据中包括差异数据；当差异数据小于第二预设差异数据时，获取用于提醒增加运动强度的提示数据，提示数据中包括差异数据，且第一预设差异数据大于第二预设差异数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：接收用户输入的按摩感受数据，按摩感受数据中包括按摩异常数据；对睡眠质量、按摩分析结果和按摩异常数据进行分析，得到按摩异常数据与睡眠质量的关联度。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对运动分析结果、按摩分析结果和按摩异常数据进行分析，得到按摩异常数据与运动数据的关联度；对按摩异常数据与睡眠质量的关联度，和按摩异常数据与运动数据的关联度进行加权，得到目标关联度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种健康数据管理方法，其特征在于，所述方法包括：
获取用户的个人数据，所述个人数据包括多个维度的数据；
输入所述个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个所述第一分析模型的分析结果；
对所述第一分析模型的分析结果进行组合，得到多个组合数据；
输入所述组合数据至对应的第二分析模型，输出各个所述第二分析模型的分析结果。
2.根据权利要求1所述的方法，其特征在于，所述个人数据包括运动数据、心率数据、按摩数据和脑部活动数据中，所述第一分析模型包括运动分析模型、心率分析模型、按摩分析模型和脑部分析模型，
所述输入所述个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个所述第一分析模型的分析结果，包括：
输入所述运动数据至所述运动分析模型，输出运动分析结果；
输入所述心率数据至所述心率分析模型，输出心率分析结果；
输入所述按摩数据至所述按摩分析模型，输出按摩数据的分析结果；
输入所述脑部活动数据至所述脑部分析模型，输出脑部数据分析结果。
3.根据权利要求2所述的方法，其特征在于，所述组合数据中的其中一组数据为所述脑部分析结果、所述心率分析结果，所述第二分析模型模型包括睡眠分析模型，
所述输入所述组合数据至对应的第二分析模型，输出各个所述第二分析模型的分析结果，包括：通过所述睡眠分析模型对所述脑部数据分析结果和所述心率数据分析结果进行分析，得到用户的睡眠质量。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
当所述睡眠质量为预设睡眠质量区间时，通过第三分析模型对所述运动分析结果和所述睡眠质量进行分析，得到所述运动数据与所述睡眠质量的关联度；
根据所述关联度和所述运动数据生成运动计划数据。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
获取用户的当前个人数据；
判断所述当前个人数据是否与所述运动计划数据相匹配；
当所述当前个人运动数据与所述运动计划数据不匹配时，计算所述当前个人运动数据与所述运动计划数据之间的差异数据；
当所述差异数据大于第一预设差异数据时，获取用于提醒用户降低运动强度的提示数据，所述提示数据中包括所述差异数据；
当所述差异数据小于第二预设差异数据时，获取用于提醒增加运动强度的提示数据，所述提示数据中包括所述差异数据，且所述第一预设差异数据大于所述第二预设差异数据。
6.根据权利要求3所述的方法，其特征在于，所述方法包括：
接收用户输入的按摩感受数据，所述按摩感受数据中包括按摩异常数据；
对所述睡眠质量、所述按摩分析结果和所述按摩异常数据进行分析，得到所述按摩异常数据与所述睡眠质量的关联度。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
对所述运动分析结果、所述按摩分析结果和所述按摩异常数据进行分析，得到所述按摩异常数据与所述运动数据的关联度；
对所述按摩异常数据与所述睡眠质量的关联度，和所述按摩异常数据与所述运动数据的关联度进行加权，得到目标关联度。
8.一种健康数据管理装置，其特征在于，所述装置包括：
数据获取模块，用于获取用户的个人数据，所述个人数据包括多个维度的数据；
第一分析模块，用于输入所述个人数据中各个维度的数据至对应的各个维度的第一分析模型，得到各个所述第一分析模型的分析结果；
数据划分模块，用于对所述第一分析模型的分析结果进行组合，得到多个组合数据；
第二分析模块，用于输入所述组合数据至对应的第二分析模型，输出各个所述第二分析模型的分析结果。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
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权利要求1至7中任一项所述的方法的步骤。
CN202010732440.1A 2020-07-27 2020-07-27 健康数据管理方法、装置、计算机设备和存储介质 Pending CN111899825A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010732440.1A CN111899825A (zh) 2020-07-27 2020-07-27 健康数据管理方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010732440.1A CN111899825A (zh) 2020-07-27 2020-07-27 健康数据管理方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN111899825A true CN111899825A (zh) 2020-11-06

Family

ID=73190229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010732440.1A Pending CN111899825A (zh) 2020-07-27 2020-07-27 健康数据管理方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN111899825A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105743989A (zh) * 2016-03-31 2016-07-06 宇龙计算机通信科技(深圳)有限公司 运动信息的推送方法、推送装置和终端
CN106446543A (zh) * 2016-09-21 2017-02-22 北京顺源开华科技有限公司 健康数据处理方法、装置及服务器集群
CN108542368A (zh) * 2018-04-13 2018-09-18 四川斐讯信息技术有限公司 一种可穿戴设备促进睡眠质量的方法及系统
CN108670223A (zh) * 2018-04-25 2018-10-19 上海理工大学 一种睡眠质量分析系统及其分析方法
CN108815677A (zh) * 2018-04-12 2018-11-16 四川斐讯信息技术有限公司 一种用于提高睡眠质量的运动监测方法及运动监测系统
CN109464131A (zh) * 2019-01-09 2019-03-15 浙江强脑科技有限公司 睡眠质量改善方法、装置及计算机可读存储介质
CN109528435A (zh) * 2018-12-24 2019-03-29 歌尔股份有限公司 按摩座椅的控制方法、装置、按摩座椅及系统
CN109620180A (zh) * 2019-01-16 2019-04-16 深圳壹账通智能科技有限公司 控制穿戴式设备报警的方法、装置、设备和存储介质
CN110022924A (zh) * 2016-12-01 2019-07-16 华为技术有限公司 睡眠辅助方法及终端
CN110801388A (zh) * 2019-09-30 2020-02-18 深圳市倍轻松科技股份有限公司 健康管理设备的控制方法及健康管理设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105743989A (zh) * 2016-03-31 2016-07-06 宇龙计算机通信科技(深圳)有限公司 运动信息的推送方法、推送装置和终端
CN106446543A (zh) * 2016-09-21 2017-02-22 北京顺源开华科技有限公司 健康数据处理方法、装置及服务器集群
CN110022924A (zh) * 2016-12-01 2019-07-16 华为技术有限公司 睡眠辅助方法及终端
CN108815677A (zh) * 2018-04-12 2018-11-16 四川斐讯信息技术有限公司 一种用于提高睡眠质量的运动监测方法及运动监测系统
CN108542368A (zh) * 2018-04-13 2018-09-18 四川斐讯信息技术有限公司 一种可穿戴设备促进睡眠质量的方法及系统
CN108670223A (zh) * 2018-04-25 2018-10-19 上海理工大学 一种睡眠质量分析系统及其分析方法
CN109528435A (zh) * 2018-12-24 2019-03-29 歌尔股份有限公司 按摩座椅的控制方法、装置、按摩座椅及系统
CN109464131A (zh) * 2019-01-09 2019-03-15 浙江强脑科技有限公司 睡眠质量改善方法、装置及计算机可读存储介质
CN109620180A (zh) * 2019-01-16 2019-04-16 深圳壹账通智能科技有限公司 控制穿戴式设备报警的方法、装置、设备和存储介质
CN110801388A (zh) * 2019-09-30 2020-02-18 深圳市倍轻松科技股份有限公司 健康管理设备的控制方法及健康管理设备

Similar Documents

Publication Publication Date Title
US20200275848A1 (en) Virtual reality guided meditation with biofeedback
Wells et al. Touch noise increases vibrotactile sensitivity in old and young
CA3079431A1 (en) System and method for brain modelling
CN111492438A (zh) 睡眠阶段预测以及基于此的干预准备
US20130079602A1 (en) Analysis of physiology based on electrodermal activity
Yoo et al. PHR based diabetes index service model using life behavior analysis
US8352408B2 (en) System and methods for providing integrated wellness assessment
Zetterberg et al. Physiotherapy in cervical dystonia: six experimental single-case studies
Russo et al. Shoes and insoles: The influence on motor tasks related to walking gait variability and stability
Liu et al. VIMSNet: an effective network for visually induced motion sickness detection
Asim et al. Restoring the mind: A neuropsychological investigation of university campus built environment aspects for student well-being
Valenza et al. Inhomogeneous point-processes to instantaneously assess affective haptic perception through heartbeat dynamics information
Dorsey et al. Measurement of human stress: a multidimensional approach
Maskeliūnas et al. Depression behavior detection model based on participation in serious games
Romero-Perales et al. Electronic Design for Wearables Devices Addressed from a Gender Perspective: Cross-Influences and a Methodological Proposal
CN111899825A (zh) 健康数据管理方法、装置、计算机设备和存储介质
Rigoldi et al. Evaluation of posture signal using entropy analysis and fractal dimension in adults with Down syndrome
CN116958948A (zh) 毛发管理方法、系统、计算机设备及存储介质
KR102280722B1 (ko) 정신 건강 관리 서비스를 위한 힐링 의자 장치
Harris et al. Investigating real-time physical activity behavior using ecological momentary assessment: Effects of mental fatigue and benefit-cost valuations
Arasteh et al. An Individualized Multi-Modal Approach for Detection of Medication “Off” Episodes in Parkinson’s Disease via Wearable Sensors
EP3675137A1 (en) Method and system for more efficient wellbeing estimation and improvement
KR102611534B1 (ko) 학습 알고리즘 기반의 불면증 치료 서비스를 제공하는 장치
Rogers Moving beyond the self-reported scale: Objectively measuring chronic pain with AI
ES2905474B2 (es) Metodo y sistema para la deteccion precoz de episodios de dolor oncologico

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