CN112671856A - 一种基于疾病传播特征的智能预警系统及预警方法 - Google Patents
一种基于疾病传播特征的智能预警系统及预警方法 Download PDFInfo
- Publication number
- CN112671856A CN112671856A CN202011477040.7A CN202011477040A CN112671856A CN 112671856 A CN112671856 A CN 112671856A CN 202011477040 A CN202011477040 A CN 202011477040A CN 112671856 A CN112671856 A CN 112671856A
- Authority
- CN
- China
- Prior art keywords
- intelligent
- early warning
- body temperature
- information
- population
- 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
- 201000010099 disease Diseases 0.000 title claims abstract description 36
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000036760 body temperature Effects 0.000 claims abstract description 95
- 208000035473 Communicable disease Diseases 0.000 claims abstract description 30
- 208000015181 infectious disease Diseases 0.000 claims abstract description 26
- 238000012544 monitoring process Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 17
- 238000002955 isolation Methods 0.000 claims description 10
- 238000011160 research Methods 0.000 claims description 9
- 206010011409 Cross infection Diseases 0.000 claims description 6
- 206010029803 Nosocomial infection Diseases 0.000 claims description 6
- 238000001931 thermography Methods 0.000 claims description 5
- 208000024891 symptom Diseases 0.000 claims description 4
- 241000700605 Viruses Species 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 230000005541 medical transmission Effects 0.000 claims description 2
- 238000004861 thermometry Methods 0.000 claims 1
- 230000036541 health Effects 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 10
- 230000005180 public health Effects 0.000 description 10
- 230000000007 visual effect Effects 0.000 description 10
- 238000009529 body temperature measurement Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 8
- 206010037660 Pyrexia Diseases 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000002265 prevention Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000001154 acute effect Effects 0.000 description 3
- 210000000709 aorta Anatomy 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000004013 groin Anatomy 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 210000000707 wrist Anatomy 0.000 description 3
- 208000031636 Body Temperature Changes Diseases 0.000 description 2
- 241000711573 Coronaviridae Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 231100000517 death Toxicity 0.000 description 2
- 230000006806 disease prevention Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 206010020843 Hyperthermia Diseases 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 206010051379 Systemic Inflammatory Response Syndrome Diseases 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000007937 eating Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000036031 hyperthermia Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010983 kinetics study Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229940127554 medical product Drugs 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 230000037323 metabolic rate Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000583 progesterone congener Substances 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于疾病传播特征的智能预警系统及预警方法，该系统包括体温采集系统、智能预警系统、数据决策系统和平行医疗大数据云端；所述体温采集系统将采集到的体温数据上传到平行医疗大数据云端；所述智能预警系统采用修正的SEIR传染病动力学模型，预测未来的各类型人群数量，并将预测结果上传到平行医疗大数据云端；所述数据决策系统接收平行医疗大数据云端发送的预测结果，结合地理区域信息，划分地区危险等级，并把最终结果以图表形式进行展示，对高危区域进行标红显示，并将结果通过智能人工采集APP推送给指定人群。本发明所公开的系统及方法能够有效预测疾病传播趋势，有助于做出区域性警示，及时阻止疫情蔓延，有效保护群众健康安全。
Description
技术领域
本发明涉及疾病防控技术领域，特别涉及一种基于疾病传播特征的智能预警系统及预警方法。
背景技术
新型冠状病毒(2019-nCoV)等突发急性传染病，严重影响社会稳定、对人类健康构成重大威胁。由于当今世界交通系统高度发达，人口流动速度快，流动区域广泛，为急性传染病的传播提供了极其便利的条件。只有进行有效管理监控、有效控制传染源，才能切断传染途径、遏制疫情扩散，这就要求对潜在疫情区域人员实施严格有效地管控措施。对于确诊患者、疑似患者、无法排除感染可能的发热患者、确诊患者的密切接触者等“四类人员”进行集中收治和相对性的隔离观察。自新型冠状病毒肺炎疫情爆发以来，大数据、人工智能核心科技以及疫情应急管理可视化决策平台正在发挥着前所未有的作用，成为防控工作可靠的信息化支撑。建设应急管理可视化决策系统对于现代社会具有深远意义。急性传染病患者往往会出现体温升高的情况，因此对体温升高的人员进行监控和排查进而隔离治疗是一个有效的方法。
根据传染病的模型建立研究进而推广产生了传染病动力学模型。传染病动力学是对进行理论性定量研究的一种重要方法，是根据种群生长的特性、疾病的发生及在种群内的传播、发展规律，以及与之有关的社会等因素，建立能反映传染病动力学特性的数学模型。通过对模型动力学性态的定性、定量分析和数值模拟，来分析疾病的发展过程、揭示流行规律、预测变化趋势、分析疾病流行的原因和关键。对于2003年发生的SARS疫情，国内外学者建立了大量的动力学模型研究其传播规律和趋势，研究各种隔离预防措施的强度对控制流行的作用，为决策部门提供参考。有关SARS传播动力学研究多数采用的是SIR或SEIR模型。评价措施效果或拟合实际流行数据时，往往通过改变接触率和感染效率两个参数的值来实现。石耀霖建立了SARS传播的系统动力学模型，以越南的数据为参考，进行了MonteCarlo实验。初步结果表明：感染率及其随时间的变化是影响SARS传播的最重要因素。
当前的疫情控制大多是被动数据驱动性,通过已发病的区域警示做出决策性的政策等指导方案。这无疑并没有充分利用好当前信息技术和智能算法所带来的优势和便利,进而使整个社会陷入被动性管理的范式中。所以亟需一种可以预测疾病传播,并且指导性的一种方法体系。
发明内容
为解决上述技术问题，本发明提供了一种基于疾病传播特征的智能预警系统及预警方法，以达到有效预测疾病传播趋势，有助于做出区域性警示，及时阻止疫情蔓延，有效保护群众健康安全的目的。
为达到上述目的，本发明的技术方案如下：
一种基于疾病传播特征的智能预警系统，包括体温采集系统、智能预警系统、数据决策系统和平行医疗大数据云端；
所述体温采集系统包括智能双摄采集设备、智能穿戴设备和智能人工采集APP，所述体温采集系统将采集到的体温数据上传到平行医疗大数据云端；
所述智能预警系统采用修正的SEIR传染病动力学模型，将研究人群分为健康人群、潜伏人群、已感染人群、移除人群、被隔离的潜伏期人群和被隔离的住院感染人群，统计现阶段各个人群的数量，并根据平行医疗大数据云端传来的体温数据和医疗机构的检测信息预测各人群相互之间的转化率，从而预测未来的各人群数量，并将预测结果上传到平行医疗大数据云端；
所述平行医疗大数据云端接收体温采集系统、智能预警系统、地理区域信息和医疗机构的检测信息，并将信息进行汇总同步到智能预警系统，并发送给数据决策系统；
所述数据决策系统接收平行医疗大数据云端发送的预测结果，结合地理区域信息，划分地区危险等级，并把最终结果以图表形式进行展示，对高危区域进行标红显示，并将结果通过智能人工采集APP推送给指定人群。
上述方案中，所述智能双摄采集设备包括集成有热成像测温监控摄像头和人脸采集摄像头的扫描设备。
上述方案中，所述智能穿戴设备包括智能手环、智能脚环、智能戒指、智能鞋子、智能体温传感扣中的一种或几种。
上述方案中，所述智能人工采集APP包括Android端，iOS端，和微信小程序端的应用。
一种基于疾病传播特征的智能预警方法，采用如权利要求1所述的一种基于疾病传播特征的智能预警系统，其特征在于，包括如下步骤：
(1)智能双摄采集设备采集研究人群的体温与人脸信息，并进行体温和人脸匹配，匹配成功的上传到平行医疗大数据云端；
(2)智能穿戴设备采集研究人群的体温信息，并将信息上传到平行医疗大数据云端；
(3)平行医疗大数据云端采集地理区域信息和医疗机构的检测信息，并把接收到的体温信息汇总同步到智能预警系统；
(4)智能预警系统采用修正的SEIR传染病动力学模型预测未来的各人群数量，并将预测结果上传到平行医疗大数据云端；
(5)平行医疗大数据云端将预测结果发送给数据决策系统，数据决策系统结合地理区域信息，划分地区危险等级，并把最终结果以图表形式进行展示，对高危区域进行标红显示，并将结果通过智能人工采集APP推送给指定人群。
上述方案中，修正的SEIR传染病动力学模型具体如下：
该模型将研究人群分为健康人群S、潜伏人群E、已感染人群I、移除人群R、被隔离的潜伏期人群Eq和被隔离的住院感染人群Iq，其中总人口数为M，根据R+E+I+S＝M模拟经过时间t后的各类型人群数量；
其中，S(t)为初始健康人群数量，E(t)为初始潜伏人群数量，I(t)为初始已感染人群数量，Eq(t)为初始被隔离的潜伏期人群数量，Iq(t)为初始被隔离的住院感染人群；
S’(t)为经过时间t后的健康人群数量，E’(t)为经过时间t后的潜伏人群数量，I’(t)为经过时间t后的已感染人群数量，Eq’(t)为经过时间t后的被隔离的潜伏期人群数量，Iq’(t)为经过时间t后的住院感染人群；
α为交叉感染率；θ为潜伏期患者病情升级成感染者的比率；β为移除率，即死亡者所占比率；λ为潜伏期发病率，即被隔离的潜伏者再次与病毒接触再次变成潜伏患者的比率；
为被隔离治疗的感染者比率；σ为隔离治疗顺利成为潜伏者的比率，即治疗成功但暂且被居家隔离的患者；ρ为被隔离的潜伏者比率；m为出院的比率，即隔离的潜伏者出院且无发病症状的比率；μ为感染者的康复率；δ为潜伏期随机数。
通过上述技术方案，本发明提供的基于疾病传播特征的智能预警系统及预警方法通过记录区域性程轨迹的人体发热症状监控决策系统。将人体体温(发热)定时、定点、间隔性检查，并与智能温度检测设备，感温智能穿戴装备，并且融合地理位置硬件等组合，实现大数据分析决策的聚合系统与方法；最终实现预测区域性地区的风险级别并给予提醒或者警示。
在本发明中，通过将数据深度学习算法应用在体温大数据的学习和训练中，结合修正的传染病的传播模型SEIR以及人群行动轨迹，融合地理位置数据进行传播和预测。以此预测未来传播范围以及特定区域(城市或街道)的风险级别。同时，与移动5G、智能传感、边缘计算等设备模组进行结合，形成更加实用的硬件、算法融合的智能预警平台。
附图说明
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。
图1为本发明实施例所公开的一种基于疾病传播特征的智能预警系统示意图；
图2为本发明实施例所公开的一种基于疾病传播特征的智能预警方法流程示意图；
图3为本发明实施例所公开的修正的SEIR传染病动力学模型图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
本发明提供了一种基于疾病传播特征的智能预警系统，如图1所示，包括体温采集系统、智能预警系统、数据决策系统和平行医疗大数据云端。
一、体温采集系统
体温采集系统包括智能双摄采集设备、智能穿戴设备和智能人工采集APP，体温采集系统将采集到的体温数据上传到平行医疗大数据云端。
1、智能双摄采集设备包括集成有热成像测温监控摄像头和人脸采集摄像头的扫描设备。
集成红外线感知器、激光扫瞄器等物联网各类传感器及移动终端，用于采集数据，可对重大疾病收治所、医用设施、视频数据等要素信息进行态势监测，辅助用户综合掌控大范围公共卫生服务管理综合态势。监测每个扫描过的体温数据和并将采集到的高清人脸信息匹配，同时把检测过的每个人的体温数据一对一起存储起来。
智能双摄采集设备采用先进的医用红外热成像、人脸识别、目标检测与追踪等技术推出了智能化的体温监测系统。可帮助系统实现快速地，大面积快速地检测体温、体温过高报警、人员识别与体温记录、本地体温历史数据查询等。
对首次接受扫描的使用者进行个人信息的数据匹配与上传。辅助通过扫描二维码扫描进入指定的系统的注册和登录界面，只需一次填写信息完成，即可将人脸个人信息与存储于云端大数据后台，方便日后自动化登记。
本发明支持5G对于医疗数据的传输和作为数据安全的载体的应用方向。本发明还是一种基于地理信息系统，即是一种基于位置的服务(Location Based Services，LBS)服务，对机场、火车站、地铁站、检查站、校园、市场等重点场所的分布、范围进行实时可视化监测，并对重点场所的人流量、人员密度、疫情防控态势等信息等进行联动分析，支持人员过密、人员身体异常等情况可视化告警，辅助管理者精确掌控重点场所防疫态势，提升疫情监测、防控指挥力度。
2、智能穿戴设备
本发明中包含一种智能穿戴设备为智能手环，连接件为手腕带；或者，智能穿戴设备为智能脚环，连接件为足腕带；或者，智能穿戴设备为智能戒指，连接件为指环。或者智能穿戴设备为智能鞋子，连接件为鞋底温度传感器。或者智能穿戴设备为智能体温传感扣，连接件为传感器通过简单地粘贴在患者主动脉腹股沟或腋下。手环内置接触式传感器，可实时监测人体体温数据，手环测出体温结果跟水银体温计误差+-0.1度，通过手环可以实现实时体温监测的高频记录，体温过高后可预警，同时下发信息到管理人手机中以及上传到云平台，可实时掌握体温异常动态。
本发明中包含一种智能体温传感扣，24小时持续体温监测，将标签贴在人体主动脉位置(腹股沟/腋下)，实时采集患者体温数据，并将数据实时地、主动地上报后端服务器。利用物联网技术将实时数据上传云平台。前台APP提供操作界面可查询，患者监测体温数据，支持对接HIS系统，数据可以打印输出。
本发明中包含一种体温戒指，一种可实时体温监测的戒指，不仅能够实现多方面的检测，而且接触式的传感器通过与人体皮肤直接接触得到的数据准确性更高。
3、智能人工采集APP
本发明中有一套可辅助填写所需的体温和位置信息的工具。作为本发明中的智能人工采集APP，作为辅助收集工具，其目的是为前期硬件铺设规模不及预期阶段的一种有效性补偿手段，为能更准确的实施修正的SEIR模型推演而起到的前期关键作用。在本发明的平台中存在对应的产品，包括Android端，iOS端，和微信小程序端的应用。登录上之后可以观看到个人的数据，通过折线图体现出不同时间，不同地理位置的体温变换情况。该辅助填写其核心功能：人脸识别测温、人员身份识别、多人快速测温、人工手动录入测温、数据历史数据保存等。
二、智能预警系统
智能预警系统采用修正的SEIR传染病动力学模型，将研究人群分为健康人群、潜伏人群、已感染人群、移除人群、被隔离的潜伏期人群和被隔离的住院感染人群，统计现阶段各个人群的数量，并根据平行医疗大数据云端传来的体温数据和医疗机构的检测信息预测各人群相互之间的转化率，从而预测未来的各人群数量，并将预测结果上传到平行医疗大数据云端。
本发明中的模型的应用机理是基于某些条件的假设:此种疾病只存在人传人，并不考虑外界环境对病死和传染的影响，同时现阶段无特效药品，区域人员属于半封闭的状态，而且忽略跨区域流动人口。
常见的传染病模型按照传染病类型分为SI、SIR、SIRS、SEIR模型等。SI模型只考虑了传染病爆发和传播的过程，SIR模型进一步考虑了病人的康复过程，在SIRS模型中，康复者R可能再次变为易感者S，SEIR考虑更多的是传染病有一定的潜伏期，所以有了E类。该SEIR模型将人群分为了四个部分，S(susceptible，健康人群)，E(exposed，潜伏人群)，I(infected，已经感染人群)，R(removed,移除人群)，建立随机延时微分方程组，本发明在SIR模型的基础上添加了潜伏期人数，符合新冠疫情的发病规律。健康人数与患者和潜伏人数的乘积反映了接触机会的量级，因此会对健康人数产生影响；潜伏人数会有一定比例转化为发病人数，同时也会有一定比例健康人数和发病人数转化为潜伏人数；同时发病人数也会有一定比例的死亡或者痊愈，转化为R。由此建立偏微分方程组。其中R(t)，I(t)，S(t)，E(t)均为时间t的连续可导函数。
根据行政区域将城市划分成多个无交叉全覆盖的疫情预测区域，根据S(健康人数)，E(潜伏人数)，I(已经感染人数)，R(移除人数)之间的量化关系，建立传染病传播模型(SEIR)，SEIR模型在趋势预测上是要优于logistic模型的，但是由于需要考虑的的参数较多，计算误差要大于logistic模型，对已划分不同区域分别利用该模型进行病情预测以及分级预警，我们在SEIR的基础上增加了被隔离的潜伏期人群(Eq)和被隔离的住院感染者(Iq)，建立了修正的SEIR亚种模型，如图3所示，环境变量的增加可以优化总体的预测效果。其中总人口数为M，根据R+E+I+S＝M(城区人口数)模拟各个时间段的。
数据处理：
S(t)为初始健康人群数量，指未得病者，但缺乏免疫能力，与感染者接触后容易受到感染；
E(t)为初始潜伏人群数量，是根据温度检测(体温校正)预估的人数，暂无能力传染给其他人的人，对潜伏期长的传染病适用；
I(t)为初始已感染人群数量，包括已确认感染者的人数和根据他们的行程轨迹预估的感染人数(若路程起点终点跨区，则在路经城区增加一名感染者，若在同一城区流动，只会增加传播速度，影响α(交叉感染率)，vita(发病率)或γ(治愈率)，不在模型计算中增加感染人数)；
Eq(t)为初始被隔离的潜伏期人群数量，是所有患者或者与病患的密切接触者；
Iq(t)为初始被隔离的住院感染人群，是检测阳性的患者总人数；
S′(t)为经过时间t后的健康人群数量，E’(t)为经过时间t后的潜伏人群数量，I′(t)为经过时间t后的已感染人群数量，Eq′(t)为经过时间t后的被隔离的潜伏期人群数量，Iq’(t)为经过时间t后的住院感染人群；
α(交感率)交叉感染率。
θ(感染率)潜伏期患者病情升级成感染者的比率。
β(移出率)死亡者(相对较小)所占比率，死亡率取决于医疗的质量和传染病严重程度。
λ(潜伏期发病率)被隔离的潜伏者再次与病毒接触再次变成潜伏患者的比率。
σ(隔离治疗顺利成为潜伏者的比率)治疗成功但暂且被居家隔离的患者。
ρ(被隔离的潜伏者比率)。
m(出院的比率)隔离的潜伏者出院且无发病症状的比率。
μ感染者的康复率，依赖国家对疫区医疗资源的投入和医药产品的研发，及加快病例减少。
δ潜伏期随机数。
其中α，θ，β，λ，
μ，σ，ρ，m，μ，δ是由相关部门(政府、医疗机构等组织)根据疫情中核酸检测数据的真实情况提供所计算出的拟合数据，具体数值根据地区疫情特点计算得出。
所需数据变量：
1.各区域40天前的S，E，I，R的具体数据(若S，I均为0，则展示该市区或省区预测结果)
2.感染者近15天经过区域(列表形式)
因考虑到不同区域的人口密度和病例患者的分布不均匀，且感染者分布不均，分别对各个行政区域进行预测。模型仅考虑正常传播的效果，并且算法的好坏依赖于模型的选择和优化，预测结果只可作为参考，真实情况需要考虑其他人为因素。
三、平行医疗大数据云端
平行医疗大数据云端接收体温采集系统、智能预警系统、地理区域信息和医疗机构的检测信息，并将信息进行汇总同步到智能预警系统，并发送给数据决策系统。在本发明中，云端主要负责调配资源，调节数据流向，其核心是根据修正的SEIR算法模型提供的演算结果，把预测结果输出。
四、数据决策系统
数据决策系统接收平行医疗大数据云端发送的预测结果，结合地理区域信息，划分地区危险等级，并把最终结果以图表形式进行展示，对高危区域进行标红显示，并将结果通过智能人工采集APP推送给指定人群。
数据决策系统支持集成地理信息系统，直观展示发热门诊的数量、分布、规模等信息，支持接入发热门诊诊断数据，对门诊人数、发热人数、疑似人数、出院人数、隔离人数等指标进行实时监测，并按照就医人群年龄、性别、分布等不同维度信息进行可视化展示和剖析，协助决策者依据就诊情况优化门诊资源配置，全面掌控和分析疫情发展态势。
支持对确诊、疑似、密切接触者等各类重点人员进行多维度可视化监测，支持基于栅格、聚簇、热图、活动规律等多种可视化分析手段，对重点人员的数量、流向、地域分布、流入流出方式、运行轨迹等信息进行可视化分析研判，实现“行知去向，动知轨迹”，辅助管理者全面掌控人员流动变化态势，及时获取人流走向，为疫情防控提供决策支持。
收集的数据用于基于位置的服务(Location Based Services，LBS)，将搜集到的用户体温以及所在位置，通过地图框架标记。
决策者:区域标红
对大数据统计出来的数据进行分析，针对那些温度偏高的地区，规划出指定区域标红，体现出该地区是高危地带，请大家注意避让，支持针对可能造成社会公众健康严重损害的重大传染病疫情、群体性不明原因疾病、以及其他严重影响公众健康的各类焦点事件，基于时间、空间、指标等多个维度建立数据阈值告警触发规则；支持集成医院信息系统、公共卫生信息管理系统数据，自动监控各类焦点事件的发展状态，进行可视化自动告警。
普通大众:APP警示推送
针对普通大众使用本发明中的APP的过程中，实时接收传感传过来的数据，根据这些数据反馈给用户的体温变化情况，体温偏高会提醒该用户，并通过云后台提醒相关区域人员尽量减少外出，并附带提醒去指定医院去做检查的功能。
一种基于疾病传播特征的智能预警方法，采用上述的一种基于疾病传播特征的智能预警系统，如图2所示，包括如下步骤：
(1)智能双摄采集设备采集研究人群的体温与人脸信息，并进行体温和人脸匹配，匹配成功的上传到平行医疗大数据云端；
与当地政府或者医疗机构协作，将发明的智能双摄体温采集设备投掷于各大商业办公写字楼区；并与全区域的社区合作，将本发明的硬件设备放置于楼道中，每天实时对体温和人脸信息进行采集。微型摄像头能够用于采集佩戴者面部信息，及身份信息，同时GPS加上北斗服务实现精密单点定位等功能，可以精确定位被采集体温人员的位置和行动路线；而后通过5G移动通信网络与终端服务器通讯，把体温，人脸身份信息，实时的日期时间，北斗定位数据等融合起来，实现一个闭合的体温管控体系。
建议相关部门把智能设备部署在人员集聚地方，合理利用资源，方便体温的采集。例如安放位于各个社区的门口，学校，商场，医院等这些人员聚集的地方，和人员流动性大的车站，机场，地铁等地方安放该设备(门卫监管)。如果体温监测系统发现体温异常(如超过37℃)，可自动报警并将警示信息传输到监控部门的终端服务器，以便于实现有效隔离和救治。通过在各隔离区域的门禁处设置能够识别体温异常者的身份签证信息，通过人脸识别能够无接触检测及匹配相关设备，从而有序有效地实现各隔离区域的人员管控，迅速有效登记相关信息、核对相关记录、实现管控及调配等措施。同时，摆设该设备的时候需注意设备的朝向。设备应该背朝太阳，尽量安放在不与阳光接触的地方，避免外界对体温的影响。天气也会影响设备采温，受外界的影响比较大。体温只是一个参考的，体温可随昼夜、年龄、性别、环境温度、精神、进食和体力活动状况等条件而发生一定幅度的变化。
(2)智能穿戴设备采集研究人群的体温信息，并将信息上传到平行医疗大数据云端；
为确保采集的体温数据更加准确，需要佩戴智能手环，或者智能戒指，或者附着在身体上智能体感扣，来实时监测体温，并把体温同步到云端大数据系统里面，智能移动终端设备受电池续航的影响，戒指设备比较小，电池的储备相应地就会小很多，需要每天把他放到充电盒子给他充电，智能手环佩戴在手腕上可以实时监测体温，续航想对来说也会比较长。用户体验相对来说会好一些，智能体感扣24小时持续体温监测，将标签贴在人体主动脉位置(腹股沟/腋下)，实时采集患者体温数据，并将数据实时地、主动地上报后端服务器。利用物联网技术将实时数据上传服务器，并保存在服务器数据库。后台提供操作界面可以查询，患者监测体温数据，支持对接HIS系统，数据可以打印输出。
影响体温变化的因素有很多，在热成像测温监控摄像头和人脸采集摄像头组合在一个扫描设备上，集成红外线感知器、激光扫瞄器等各类物联网传感器及移动终端采集数据，红外线采集人的体温会受到很多因素的影响，采温设备的朝向，采温设备朝向太阳，温度会偏高，还有今天的天气温度会影响人的体温。例如1，人在不同时间段的体温不同，一般清晨2-6时体温最低，在下午4-8时体温最高，其温度的波动范围在0.5-1℃之间。例如2，经过调查发现男性，一般女性的体温普遍要比男性稍高。这种体温波动主要是与孕激素分泌周期有关，而男性则不会受此影响。例如3，一般新生儿要比成年人要高，因为新生儿体温易受外界温度的影响而发生变化。老年人由于代谢率低，故体温偏低。该智能双摄硬件模组会对这类情况以及其他可能的情况做出适当调整，以达到初期过滤异常数据的目的并提供搜集到数据的准确性。
智能采集APP是在体温穿戴设备没有配戴，还没有智能双摄体温采集设备的情况下，可以通过手机APP去手动输入本人某一时刻的体温，本软件可以帮助用户随时查看自己的体温，了解自己的身体状况，用户可以设置自定义的报警温度，当超出设置的报警温度是APP会一直提醒(手机会一直震动或者响铃，直到用户关闭报警为止)及时发现，方便用户及时采取退烧措施。极速测温高精度红外测温传感器，人体范围精度高达±0.2℃，一秒极速测温。蓝牙防丢采用新一代蓝牙距离围栏技术，精确监控5～20米最有效防丢距离，超出即可报警，不让用户离开温度监控视线范围，确保疫情期间所有人体温的变化情况，避免对疫情防控带来不便。
(3)平行医疗大数据云端采集地理区域信息和医疗机构的检测信息，并把接收到的体温信息汇总同步到智能预警系统；
(4)智能预警系统采用修正的SEIR传染病动力学模型预测未来的各人群数量，并将预测结果上传到平行医疗大数据云端；
通过实时监测各类体征人员的数据，一旦发现感染者或者体温异常者，立即更新数据库中相应的数据，并重新进行预测计算，若未出现感染者，则每天预测一次，数据为到目前为止每天的全部体征类别人数。
将采集到的感染者、潜伏者、易感者、移除者人数结合人员行程，进行适当的处理修正。根据年龄和体质状况等信息综合推算出S(易感染人员)的数量；根据温度检测(体温校正)预估的人数，暂无能力传染给其他人的人，统计人数E；根据已确认感染者的人数和根据他们的行程轨迹预估的感染人数(若路程起点终点跨区，则在路经城区增加一名感染者，若在同一城区流动，只会增加传播速度，影响α(交叉感染率)，λ(发病率)，β(死亡率)这些参数，不在模型计算中增加感染人数)统计感染者人数I。据大数据提取出康复和未感染的人数R；如免疫期有限，R类成员可以重新变为S类。并且最长潜伏期14天作为模型的潜伏期常数。
统计需要的数据，代入已经设计好的SEIR亚种模型，通过数值计算方法(改进优化的欧拉法)预测出未来几天的数据。通过模型预测传染病高峰，并预测疫情何时能得到有效控制。若更新后存在高危风险地区，及时发出预警。找到近些天来预测结果进行对比，看哪些地区I和E的峰值有所下降(好转)，或者对比计算出的参数μ(治愈率)，α(交叉感染率)，λ(发病率)，β(死亡率)，对比找到有效的控制传染病方法。
若患者人数高峰有所上升，或高峰时刻据前几天的预测相较提前，及时发出严重预警。
(5)平行医疗大数据云端将预测结果发送给数据决策系统，数据决策系统结合地理区域信息，划分地区危险等级，并把最终结果以图表形式进行展示，对高危区域进行标红显示，并将结果通过智能人工采集APP推送给指定人群。
对疾病预防控制、重大公共卫生问题的干预措施、国家免疫规划等工作规划进行详尽展示，运用多种可视化展现手段对公共卫生安全综合态势进行呈现，并对主要规划指标进行分析，多角度展示公共卫生安全工作规划是本发明的关注的方面之一。聚焦公共卫生安全管理建设各领域，运用影视级的可视化渲染技术，对医疗保健、疾病控制、卫生监督、医学科研等重要指标及建设成果进行全面、清晰、高效地展现，宏观体现公共卫生建设成果。ECharts，一种前端可视化的开源库，可以流畅的运行在PC和移动设备上，兼容绝大部分浏览器(IE9/10/11，Chrome，Firefox，Safari等)，提供直观，交互丰富，可高度个性化定制的数据可视化图表。它还提供了常规的折线图、柱状图、散点图、饼图、K线图，用于统计决策地理数据的地图、热力图、线图，用于关系数据可视化的关系图、旭日图，多维数据可视化的平行坐标。本发明的采集数据及算法预估结果内容将采用百度Echart展示。智能双摄采集设备负责提供原始数据,并直接展示在ECharts地图上。修正的SEIR传染病动力学模型的算法系统负责提供处理过的预警数据，并展示在ECharts地图上,并且通过群众APP展示给普通用户。决策者通过阅读修正的SEIR传染病动力学模型中的算法系统输出的预警数据,可以做出对区域性的警示或者相关的政策干预,或及时阻止疫情的蔓延。普通群众可以通过提示信息,限制自己或者家人的出行,以达到防范疫情扩散的目的,只要第一时间内相关区域中的民众得到第一手的讯息,就可以会保护周围人民群众的健康与安全。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业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公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种基于疾病传播特征的智能预警系统，其特征在于，包括体温采集系统、智能预警系统、数据决策系统和平行医疗大数据云端；
所述体温采集系统包括智能双摄采集设备、智能穿戴设备和智能人工采集APP，所述体温采集系统将采集到的体温数据上传到平行医疗大数据云端；
所述智能预警系统采用修正的SEIR传染病动力学模型，将研究人群分为健康人群、潜伏人群、已感染人群、移除人群、被隔离的潜伏期人群和被隔离的住院感染人群，统计现阶段各个人群的数量，并根据平行医疗大数据云端传来的体温数据和医疗机构的检测信息预测各人群相互之间的转化率，从而预测未来的各人群数量，并将预测结果上传到平行医疗大数据云端；
所述平行医疗大数据云端接收体温采集系统、智能预警系统、地理区域信息和医疗机构的检测信息，并将信息进行汇总同步到智能预警系统，并发送给数据决策系统；
所述数据决策系统接收平行医疗大数据云端发送的预测结果，结合地理区域信息，划分地区危险等级，并把最终结果以图表形式进行展示，对高危区域进行标红显示，并将结果通过智能人工采集APP推送给指定人群。
2.根据权利要求1所述的一种基于疾病传播特征的智能预警系统，其特征在于，所述智能双摄采集设备包括集成有热成像测温监控摄像头和人脸采集摄像头的扫描设备。
3.根据权利要求1所述的一种基于疾病传播特征的智能预警系统，其特征在于，所述智能穿戴设备包括智能手环、智能脚环、智能戒指、智能鞋子、智能体温传感扣中的一种或几种。
4.根据权利要求1所述的一种基于疾病传播特征的智能预警系统，其特征在于，所述智能人工采集APP包括Android端，iOS端，和微信小程序端的应用。
5.一种基于疾病传播特征的智能预警方法，采用如权利要求1所述的一种基于疾病传播特征的智能预警系统，其特征在于，包括如下步骤：
(1)智能双摄采集设备采集研究人群的体温与人脸信息，并进行体温和人脸匹配，匹配成功的上传到平行医疗大数据云端；
(2)智能穿戴设备采集研究人群的体温信息，并将信息上传到平行医疗大数据云端；
(3)平行医疗大数据云端采集地理区域信息和医疗机构的检测信息，并把接收到的体温信息汇总同步到智能预警系统；
(4)智能预警系统采用修正的SEIR传染病动力学模型预测未来的各人群数量，并将预测结果上传到平行医疗大数据云端；
(5)平行医疗大数据云端将预测结果发送给数据决策系统，数据决策系统结合地理区域信息，划分地区危险等级，并把最终结果以图表形式进行展示，对高危区域进行标红显示，并将结果通过智能人工采集APP推送给指定人群。
6.根据权利要求5所述的一种基于疾病传播特征的智能预警方法，其特征在于，修正的SEIR传染病动力学模型具体如下：
该模型将研究人群分为健康人群S、潜伏人群E、已感染人群I、移除人群R、被隔离的潜伏期人群Eq和被隔离的住院感染人群Iq，其中总人口数为M，根据R+E+I+S＝M模拟经过时间t后的各类型人群数量；
其中，S(t)为初始健康人群数量，E(t)为初始潜伏人群数量，I(t)为初始已感染人群数量，Eq(t)为初始被隔离的潜伏期人群数量，Iq(t)为初始被隔离的住院感染人群；
S’(t)为经过时间t后的健康人群数量，E’(t)为经过时间t后的潜伏人群数量，I′(t)为经过时间t后的已感染人群数量，Eq′(t)为经过时间t后的被隔离的潜伏期人群数量，Iq’(t)为经过时间t后的住院感染人群；
α为交叉感染率；θ为潜伏期患者病情升级成感染者的比率；β为移除率，即死亡者所占比率；λ为潜伏期发病率，即被隔离的潜伏者再次与病毒接触再次变成潜伏患者的比率；
为被隔离治疗的感染者比率；σ为隔离治疗顺利成为潜伏者的比率，即治疗成功但暂且被居家隔离的患者；ρ为被隔离的潜伏者比率；m为出院的比率，即隔离的潜伏者出院且无发病症状的比率；μ为感染者的康复率；δ为潜伏期随机数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011477040.7A CN112671856A (zh) | 2020-12-15 | 2020-12-15 | 一种基于疾病传播特征的智能预警系统及预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011477040.7A CN112671856A (zh) | 2020-12-15 | 2020-12-15 | 一种基于疾病传播特征的智能预警系统及预警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112671856A true CN112671856A (zh) | 2021-04-16 |
Family
ID=75406001
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011477040.7A Pending CN112671856A (zh) | 2020-12-15 | 2020-12-15 | 一种基于疾病传播特征的智能预警系统及预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112671856A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113197403A (zh) * | 2021-05-14 | 2021-08-03 | 广东华联云谷科技研究院有限公司 | 一种可预防感染病毒的方法和智能手环 |
| CN113241189A (zh) * | 2021-05-07 | 2021-08-10 | 哈尔滨理工大学 | 一种基于特定人群的信息监测保护系统及方法 |
| CN113257432A (zh) * | 2021-05-14 | 2021-08-13 | 杭州联众医疗科技股份有限公司 | 一种面对公共卫生安全的监测预警平台 |
| CN113299401A (zh) * | 2021-05-28 | 2021-08-24 | 平安科技（深圳）有限公司 | 传染病数据的传播监测方法、装置、计算机设备及介质 |
| CN113345598A (zh) * | 2021-07-21 | 2021-09-03 | 深圳市知酷信息技术有限公司 | 基于数据分析的区域疫情监测预警系统 |
| CN113780635A (zh) * | 2021-08-24 | 2021-12-10 | 广东省公共卫生研究院 | 一种小空间尺度传染病时空传播模式的预测方法 |
| CN114188035A (zh) * | 2021-12-15 | 2022-03-15 | 中国海洋大学 | 一种基于改进seir模型的传染病预测方法及系统 |
| CN115223726A (zh) * | 2022-07-29 | 2022-10-21 | 浙江欧歌科技股份有限公司 | 基于大数据分析的多点触发疫情监测和预警系统 |
| CN115886752A (zh) * | 2022-11-14 | 2023-04-04 | 中山大学 | 一种传染病的监测和预测方法、装置及存储介质 |
| CN116705164A (zh) * | 2023-08-08 | 2023-09-05 | 山东中医药大学附属医院 | 一种基于大数据的消化科医疗信息处理方法及系统 |
| CN117095832A (zh) * | 2023-10-19 | 2023-11-21 | 泰州蕾灵百奥生物科技有限公司 | 一种动物疫病传染风险的建模方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107451723A (zh) * | 2017-07-11 | 2017-12-08 | 成都四平软件有限公司 | 应急救援物联系统 |
| EP3547320A2 (en) * | 2016-05-20 | 2019-10-02 | Pulse Participações S.A. | Related systems and method for correlating medical data and diagnostic and health treatment follow-up conditions of patients monitored in real-time |
| CN111768873A (zh) * | 2020-06-03 | 2020-10-13 | 中国地质大学（武汉） | 一种covid-19实时风险预测方法 |
| CN111772595A (zh) * | 2020-07-13 | 2020-10-16 | 江苏中科智能制造研究院有限公司 | 一种群体体温检测系统与方法 |
| CN111789576A (zh) * | 2020-07-14 | 2020-10-20 | 诚而立科技(深圳)有限公司 | 用于采集人体体征的手持终端及其应用系统 |
-
2020
- 2020-12-15 CN CN202011477040.7A patent/CN112671856A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3547320A2 (en) * | 2016-05-20 | 2019-10-02 | Pulse Participações S.A. | Related systems and method for correlating medical data and diagnostic and health treatment follow-up conditions of patients monitored in real-time |
| CN107451723A (zh) * | 2017-07-11 | 2017-12-08 | 成都四平软件有限公司 | 应急救援物联系统 |
| CN111768873A (zh) * | 2020-06-03 | 2020-10-13 | 中国地质大学（武汉） | 一种covid-19实时风险预测方法 |
| CN111772595A (zh) * | 2020-07-13 | 2020-10-16 | 江苏中科智能制造研究院有限公司 | 一种群体体温检测系统与方法 |
| CN111789576A (zh) * | 2020-07-14 | 2020-10-20 | 诚而立科技(深圳)有限公司 | 用于采集人体体征的手持终端及其应用系统 |
Non-Patent Citations (3)
| Title |
|---|
| 曹盛力等: "修正SEIR传染病动力学模型应用于湖北省2019冠状病毒病(COVID-19)疫情预测和评估", 《浙江大学学报(医学版)》 * |
| 杨友林等: "医院人工智能传染病预警系统的设计与应用", 《中国医学装备》 * |
| 黄丽红等: "常见新型冠状病毒肺炎疫情预测方法及其评价", 《中国卫生统计》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113241189A (zh) * | 2021-05-07 | 2021-08-10 | 哈尔滨理工大学 | 一种基于特定人群的信息监测保护系统及方法 |
| CN113257432A (zh) * | 2021-05-14 | 2021-08-13 | 杭州联众医疗科技股份有限公司 | 一种面对公共卫生安全的监测预警平台 |
| CN113197403A (zh) * | 2021-05-14 | 2021-08-03 | 广东华联云谷科技研究院有限公司 | 一种可预防感染病毒的方法和智能手环 |
| CN113299401A (zh) * | 2021-05-28 | 2021-08-24 | 平安科技（深圳）有限公司 | 传染病数据的传播监测方法、装置、计算机设备及介质 |
| CN113345598A (zh) * | 2021-07-21 | 2021-09-03 | 深圳市知酷信息技术有限公司 | 基于数据分析的区域疫情监测预警系统 |
| CN113345598B (zh) * | 2021-07-21 | 2021-11-26 | 深圳市知酷信息技术有限公司 | 基于数据分析的区域疫情监测预警系统 |
| CN113780635B (zh) * | 2021-08-24 | 2023-09-01 | 广东省公共卫生研究院 | 一种小空间尺度传染病时空传播模式的预测方法 |
| CN113780635A (zh) * | 2021-08-24 | 2021-12-10 | 广东省公共卫生研究院 | 一种小空间尺度传染病时空传播模式的预测方法 |
| CN114188035A (zh) * | 2021-12-15 | 2022-03-15 | 中国海洋大学 | 一种基于改进seir模型的传染病预测方法及系统 |
| CN114188035B (zh) * | 2021-12-15 | 2024-04-09 | 中国海洋大学 | 一种基于改进seir模型的传染病预测方法及系统 |
| CN115223726A (zh) * | 2022-07-29 | 2022-10-21 | 浙江欧歌科技股份有限公司 | 基于大数据分析的多点触发疫情监测和预警系统 |
| CN115886752A (zh) * | 2022-11-14 | 2023-04-04 | 中山大学 | 一种传染病的监测和预测方法、装置及存储介质 |
| CN116705164A (zh) * | 2023-08-08 | 2023-09-05 | 山东中医药大学附属医院 | 一种基于大数据的消化科医疗信息处理方法及系统 |
| CN116705164B (zh) * | 2023-08-08 | 2023-11-10 | 山东中医药大学附属医院 | 一种基于大数据的消化科医疗信息处理方法及系统 |
| CN117095832A (zh) * | 2023-10-19 | 2023-11-21 | 泰州蕾灵百奥生物科技有限公司 | 一种动物疫病传染风险的建模方法及系统 |
| CN117095832B (zh) * | 2023-10-19 | 2023-12-19 | 泰州蕾灵百奥生物科技有限公司 | 一种动物疫病传染风险的建模方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112671856A (zh) | 一种基于疾病传播特征的智能预警系统及预警方法 | |
| CN111063450A (zh) | 一种基于可穿戴体温传感器的疫情疑似人筛选方法和系统 | |
| Cook et al. | Using smart city technology to make healthcare smarter | |
| US10198779B2 (en) | Tracking proximity relationships and uses thereof | |
| Castiglione et al. | The role of internet of things to control the outbreak of COVID-19 pandemic | |
| Tegou et al. | A low-cost indoor activity monitoring system for detecting frailty in older adults | |
| CN111772595A (zh) | 一种群体体温检测系统与方法 | |
| EP3289497A1 (en) | Identifying events from aggregated device sensed physical data | |
| CN110349372B (zh) | 居家养老人员活动异常预警方法和装置 | |
| Kinnunen et al. | Wearable and mobile sensors connected to social media in human well-being applications | |
| CN108460957A (zh) | 一种老年健康群体监控告警系统及方法 | |
| Weng et al. | Review of analyses on crowd-gathering risk and its evaluation methods | |
| Davergne et al. | Wearable activity trackers and artificial intelligence in the management of rheumatic diseases: where are we in 2021? | |
| CN113729643A (zh) | 基于健康监测和轨道监测的传染病防控方法、设备及系统 | |
| CN113068124A (zh) | 一种基于智能可穿戴设备的特定区域内人员管理方法 | |
| Rajwade et al. | Wearable sensors based pilgrim tracking and health monitoring system | |
| CN111374651A (zh) | 一种新型智慧养老系统 | |
| Chen et al. | The application framework of big data technology during the COVID-19 pandemic in China | |
| KR102482152B1 (ko) | 고위험군 사용자 분류를 통한 맞춤 건강 서비스 제공 시스템 | |
| Cai et al. | How fast and how well the Omicron epidemic was curtailed. A Guangzhou experience to share | |
| KR101401801B1 (ko) | 가축질병 예찰 시스템 및 방법 | |
| TWI756992B (zh) | 計算活動期間及效率的方法 | |
| Bae et al. | A Real-time Health Monitoring System for Evaluating Environmental Exposures. | |
| Avuthu et al. | A Deep Learning approach for detection and analysis of respiratory infections in covid-19 patients using RGB and infrared images. | |
| CN111089654A (zh) | 一种基于可穿戴体温传感器的疫情宏观监控方法和系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210416 |