CN113017585A - 一种基于智能分析的健康管理系统 - Google Patents

Abstract

本发明公开了一种基于智能分析的健康管理系统，包括人体生理信号检测子系统、专家研讨子系统和云端服务器；人体生理信号检测子系统，用于获得人体生理参数；专家研讨子系统，用于根据专家经验、相关参考文献或者实验报告对健康状态进行在线打分，以实现健康指数的获取；云端服务器包括基于预先采集的初始人体生理参数及其对应的健康指数训练获得深度学习网络模型；云端服务器，用于结合预先建立的深度学习网络模型和专家研讨子系统，针对人体生理参数的健康状态进行智能分析，确定健康状态的评价结果。上述方案能够依据其人体生理信号的健康状态提供用药提醒、远程咨询、健康评估、健康方案等，满足人们对于健康管理的需求。

Description

一种基于智能分析的健康管理系统

技术领域

本发明涉及健康管理技术领域，具体而言，为一种基于智能分析的健康管理系统。

背景技术

随着科学技术的发展人们愈发关注自身健康程度，因此对于健康的管理的需求不断提高。人体生理信号是临床诊断疾病的重要指标，当监测值与正常范围差异较大时，很有可能已经有病变。

传统的方法更依赖于医生的临床经验，同时无法对信号数据进行直观显示和保存，对周围诊疗环境要求较高，受连接件限制而无法实现较远距离的实时监测。有鉴于此，特提出本发明。

发明内容

针对现有技术中的缺陷，本发明提供一种新的数字听诊器,实时监测老年人的心率、血压、心电等人体生理信号，能够依据其人体生理信号的健康状态提供用药提醒、远程咨询、健康评估、健康方案等，满足人们对于健康管理的需求。

为实现上述目的，本发明的技术方案如下：

一种基于智能分析的健康管理系统，所述系统包括：人体生理信号检测子系统、专家研讨子系统和云端服务器；

人体生理信号检测子系统，用于获得人体生理参数；

所述专家研讨子系统，用于根据专家经验、相关参考文献或者实验报告对健康状态进行在线打分，以实现健康指数的获取；

所述云端服务器包括基于预先采集的初始人体生理参数及其对应的健康指数训练获得深度学习网络模型；

所述云端服务器，用于结合预先建立的深度学习网络模型和专家研讨子系统，针对所述人体生理参数的健康状态进行智能分析，确定健康状态的评价结果。

优选的，所述信号检测子系统包括为整机供电的电源模块，其特征在于：还包括声传感器、音频信号通道、存储器、处理单元和上位机；其中，所述声传感器，用于获取人体心音信号，将其转换为模拟电信号；

所述处理单元通过音频信号通道与声传感器连接，用于获取由声传感器将声音转换的模拟电信号，并对所述模拟电信号进行处理；

所述处理单元包括微控制器，以及与所述微控制器电连接的音频编解码器和无线通信单元；

所述微控制器，用于进行数字信号处理；

所述音频编解码器，用于将处理后的数字信号转换成模拟信号；

所述无线通信单元的输入端口与音频编解码器连接，用于接收来自音频编解码器的模拟信号，并将其发送至所述存储器进行存储；所述存储器和无线通信单元的输出端口连接，将模拟信号发送给上位机，得到的心音信号波形，并根据心音信号波形数据确定相应的人体生理参数。

进一步地，所述所述人体生理参数数据至少包括脉搏信息、SpO₂信息、心率、血糖读数、血压读数听诊器读数和耳镜读数中的一种或多种；

所述无线通信单元为WIFI模块、GPRS模块和/或GSM模块。

进一步地，所述微控制器包括滤波器，用于消除噪音，以限制心脏和肺部声音信号的带宽范围；

所述放大器，用于在数字信号输出到所述音频编解码器之前，对数字信号进行前置放大。

进一步地，所述上位机连接云端服务器，所述心音信号波形数据和相应的人体生理参数耦合到云端服务器；

所述云端服务器从所述上位机接收的心音信号波形数据和相应的人体生理参数；

所述远程服务器将来自患者病历的数据库的加密信息和心音信号波形数据和相应的人体生理参数提供给所述专家研讨子系统。

优选的，所述云端服务器包括：

患者病历的数据库，用于存储患者病历的加密信息；

比较模块，用于将新产生的待测样本分别输入专家研讨系统和深度学习网络模型，将各自获得的输出结果进行比较；

判断模块，用于判断深度学习网络模型与通过专家研讨系统输出的健康指数是否一致；如果一致，表示深度学习网络模型良好；如果不一致，则根据其差值判断是否执行深度学习网络模型的在线更新；

更新模块，用于当深度学习网络模型与通过专家研讨系统输出的健康指数的差值超出预设阈值时，在线更新深度学习网络模型。

进一步地，所述更新模块包括：在线更新单元，用于若专家研讨子系统与深度学习网络模型输出结果的差值大于预设阈值，则以专家研讨子系统输出的健康指数为当前待测样本X＝[X₁、X₂…X_R]^T；

首先，初始化深度学习网络模型输入层的第j个神经元与激励层的第i个神经元之间的权值ωi_j和学习效率η(η>0)；

通过下式计算激励层神经元与待测样本X＝[X₁、X₂…X_R]^T之间的偏差f_i：

式中，S表示深度学习网络模型激励层的神经元个数；

其次，选择与待测样本偏差最小的激励层神经元，如果f_i最小,则令与之连接的输出层神经元的类标签为C_i，待测样本对应的类标签为C_x；若C_i＝C_x,则按照上式调整权值；否则通过下式对深度学习网络模型进行在线更新：

ω_{ij_new}＝ω_ij+η(X-ω_ij)

式中，ω_{ij_new}表示深度学习网络模型更新后输入层的第j个神经元与激励层的第i个神经元之间的权值。

优选地，所述信号检测子系统还包括：手持式集成便携式外壳，壳体中的电器件均集成在电路板上并固定设置在壳体内，所述壳体正面中央设置还设置有显示屏；所述显示屏包括显示单元和输入单元，所述输入单元为按键或者触摸屏，用以输入控制指令至微控制器。

进一步地，所述专家研讨子系统还包括软件程序，该软件程序在所述云端服务器上运行，供用户与专家研讨子系统端的医疗专业人员进行远程会议。

本发明的有益效果体现在：

本发明提供的一种基于智能分析的健康管理系统，包括人体生理信号检测子系统、专家研讨子系统和云端服务器；能够依据其人体生理信号的健康状态提供用药提醒、远程咨询、健康评估、健康方案等，满足人们对于健康管理的需求。

可应用于多个医疗场景中，便于医生诊断；在呼吸系统方面，可以用来听肺的呼吸音，判别肺内病变；也可以用来听诊胎儿的心音等等，适用范围广。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1为本发明具体实施方式中的基于智能分析的健康管理系统结构示意图；

图2为图1所示的基于智能分析的健康管理系统中人体生理信号检测子系统的结构示意图；

图3为图2所示的人体生理信号检测子系统中放大器的电路原理图；

图4为图3所示的人体生理信号检测子系统中声传感器的电路原理图；

图中：101，人体生理信号检测子系统、102，专家研讨子系统、103，云端服务器。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。

需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。

本发明具体实施方式提供如图1所示的一种基于智能分析的健康管理系统，包括：人体生理信号检测子系统101、专家研讨子系统102和云端服务器103；

人体生理信号检测子系统，用于获得人体生理参数；

所述专家研讨子系统，用于根据专家经验、相关参考文献或者实验报告对健康状态进行在线打分，以实现健康指数的获取；

所述云端服务器包括基于预先采集的初始人体生理参数及其对应的健康指数训练获得深度学习网络模型；

所述云端服务器，用于结合预先建立的深度学习网络模型和专家研讨子系统，针对所述人体生理参数的健康状态进行智能分析，确定健康状态的评价结果。

如图2所示，所述信号检测子系统在电源管理方面，所述人体生理信号检测子系统包括为整机供电的电源模块；在结构方面，人体生理信号检测子系统还具体包括声传感器、音频信号通道、存储器、处理单元和上位机；其中，所述声传感器，用于获取人体心音信号，将其转换为模拟电信号；如图4，声传感器的数据输出端X4串联第一电阻R1，且经过并联的第一电容C1、第二电容C2滤波以及经过分压电阻(第二电阻R2和第三电阻R3并联)后分别对应接入第一放大器IC1的两输出端；其中第一放大器IC1的反相输入端经过反馈电阻R5连接第一放大器IC1的输出端，第一放大器IC1的同相输入端与图像处理器输出端的电路上设置滤波电容C4，且第一放大器IC1的同相输入端接入第二放大器IC2的同相输入端；第一放大器IC1的输出端经过第三电容C3滤波以及限流电阻R6后输入到第二放大器IC2的反相输入端；第二放大器IC2的反相输入端经过反馈电阻R7连接第二放大器IC2的输出端，第二放大器IC2的输出端经过滤波电容C5连接至扬声器SP；数据自该电路输出，通过多次滤波降低噪声输出至扬声器，避免音质干扰造成翻译播放出的声音含糊不清，干扰辨识。

所述处理单元通过音频信号通道与声传感器连接，用于获取由声传感器将声音转换的模拟电信号，并对所述模拟电信号进行处理；

所述处理单元包括微控制器，以及与所述微控制器电连接的音频编解码器和无线通信单元；

所述微控制器，用于进行数字信号处理；

所述音频编解码器，用于将处理后的数字信号转换成模拟信号；

所述无线通信单元的输入端口与音频编解码器连接，用于接收来自音频编解码器的模拟信号，并将其发送至所述存储器进行存储；所述存储器和无线通信单元的输出端口连接，将模拟信号发送给上位机，得到的心音信号波形，并根据心音信号波形数据确定相应的人体生理参数。

信号检测子系统还包括：手持式集成便携式外壳，壳体中的电器件均集成在电路板上并固定设置在壳体内，所述壳体正面中央设置还设置有显示屏；所述显示屏包括显示单元和输入单元，所述输入单元为按键或者触摸屏，用以输入控制指令至微控制器。

人体生理参数数据至少包括脉搏信息、SpO₂信息、心率、血糖读数、血压读数听诊器读数和耳镜读数中的一种或多种；

无线通信单元为WIFI模块、GPRS模块和/或GSM模块。

微控制器包括滤波器，用于消除噪音，以限制心脏和肺部声音信号的带宽范围；

所述放大器，用于在数字信号输出到所述音频编解码器之前，对数字信号进行前置放大。所述放大器，用于在模拟信号输出到所述扬声器之前，对模拟信号进行前置放大。由于心音信号是极其微弱,具有随机性且通常伴随大量噪声。因此选用放大芯片AD8226先对拾音探头获取的心音信号进行放大,信号增益设置为495,电容C1、C2隔除传感器芯片输出信号中直流差模电压,同时电阻R1、R2与电容C1、C2构成无源高通滤波器,根据心音特性,能采集到的主要是第一心音和第二心音,其主要频率分布在20Hz～600Hz。滤波器选用AD823A搭建了一款常用的4阶压控Sallen-Key结构型带通滤波器,带宽为20Hz～1kHz,通带内增益为零。整体电路图如图3所示。

所述上位机连接云端服务器，所述心音信号波形数据和相应的人体生理参数耦合到云端服务器；

所述云端服务器从所述上位机接收的心音信号波形数据和相应的人体生理参数；

所述远程服务器将来自患者病历的数据库的加密信息和心音信号波形数据和相应的人体生理参数提供给所述专家研讨子系统。

所述云端服务器包括：

患者病历的数据库，用于存储患者病历的加密信息；

比较模块，用于将新产生的待测样本分别输入专家研讨系统和深度学习网络模型，将各自获得的输出结果进行比较；

判断模块，用于判断深度学习网络模型与通过专家研讨系统输出的健康指数是否一致；如果一致，表示深度学习网络模型良好；如果不一致，则根据其差值判断是否执行深度学习网络模型的在线更新；

更新模块，用于当深度学习网络模型与通过专家研讨系统输出的健康指数的差值超出预设阈值时，在线更新深度学习网络模型。

所述更新模块包括：在线更新单元，用于若专家研讨子系统与深度学习网络模型输出结果的差值大于预设阈值，则以专家研讨子系统输出的健康指数为当前待测样本X＝[X₁、X₂…X_R]^T；

首先，初始化深度学习网络模型输入层的第j个神经元与激励层的第i个神经元之间的权值ωi_j和学习效率η(η>0)；

通过下式计算激励层神经元与待测样本X＝[X₁、X₂…X_R]^T之间的偏差f_i：

式中，S表示深度学习网络模型激励层的神经元个数；

其次，选择与待测样本偏差最小的激励层神经元，如果f_i最小,则令与之连接的输出层神经元的类标签为C_i，待测样本对应的类标签为C_x；若C_i＝C_x,则按照上式调整权值；否则通过下式对深度学习网络模型进行在线更新：

ω_{ij_new}＝ω_ij+η(X-ω_ij)

式中，ω_{ij_new}表示深度学习网络模型更新后输入层的第j个神经元与激励层的第i个神经元之间的权值。

所述专家研讨子系统还包括软件程序，该软件程序在所述云端服务器上运行，供用户与专家研讨子系统端的医疗专业人员进行远程会议。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接。其中术语“电路连接”或“电连接”是两个元件之间按照引脚定义通过非必要限定的电路走线连接，即为本领域常规电路，除非本发明另给出连接电路实施例，术语“电路连接”或“电连接”均应视为本领域的普通技术人员而言可自行选择的任意适合电路。

本发明中，各器件(包括各处理器、芯片、麦克风、存储器、扬声器、液晶显示屏等)均可直接采用市场上的现成器件，基于器件上的引脚或接口电连，由于同类器件都具备普遍定义的引脚或接口，所以器件间引脚或接口的连接方式不做唯一限定，此为本领域成熟技术，不再一一描述。

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，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (9)

1.一种基于智能分析的健康管理系统，其特征在于，所述系统包括：人体生理信号检测子系统、专家研讨子系统和云端服务器；

人体生理信号检测子系统，用于获得人体生理参数；

所述专家研讨子系统，用于根据专家经验、相关参考文献或者实验报告对健康状态进行在线打分，以实现健康指数的获取；

所述云端服务器包括基于预先采集的初始人体生理参数及其对应的健康指数训练获得深度学习网络模型；

所述云端服务器，用于结合预先建立的深度学习网络模型和专家研讨子系统，针对所述人体生理参数的健康状态进行智能分析，确定健康状态的评价结果。

2.根据权利要求1所述的健康管理系统，其特征在于，所述信号检测子系统包括为整机供电的电源模块，其特征在于：还包括声传感器、音频信号通道、存储器、处理单元和上位机；其中，所述声传感器，用于获取人体心音信号，将其转换为模拟电信号；

所述处理单元通过音频信号通道与声传感器连接，用于获取由声传感器将声音转换的模拟电信号，并对所述模拟电信号进行处理；

所述处理单元包括微控制器，以及与所述微控制器电连接的音频编解码器和无线通信单元；

所述微控制器，用于进行数字信号处理；

所述音频编解码器，用于将处理后的数字信号转换成模拟信号；

所述无线通信单元的输入端口与音频编解码器连接，用于接收来自音频编解码器的模拟信号，并将其发送至所述存储器进行存储；所述存储器和无线通信单元的输出端口连接，将模拟信号发送给上位机，得到的心音信号波形，并根据心音信号波形数据确定相应的人体生理参数。

3.根据权利要求2所述的健康管理系统，其特征在于，所述所述人体生理参数数据至少包括脉搏信息、SpO₂信息、心率、血糖读数、血压读数听诊器读数和耳镜读数中的一种或多种；

所述无线通信单元为WIFI模块、GPRS模块和/或GSM模块。

4.根据权利要求2所述的健康管理系统，其特征在于，所述微控制器包括滤波器，用于消除噪音，以限制心脏和肺部声音信号的带宽范围；

所述放大器，用于在数字信号输出到所述音频编解码器之前，对数字信号进行前置放大。

5.根据权利要求2所述的健康管理系统，其特征在于，所述上位机连接云端服务器，所述心音信号波形数据和相应的人体生理参数耦合到云端服务器；

所述云端服务器从所述上位机接收的心音信号波形数据和相应的人体生理参数；

所述远程服务器将来自患者病历的数据库的加密信息和心音信号波形数据和相应的人体生理参数提供给所述专家研讨子系统。

6.根据权利要求1所述的健康管理系统，其特征在于，所述云端服务器包括：

患者病历的数据库，用于存储患者病历的加密信息；

比较模块，用于将新产生的待测样本分别输入专家研讨系统和深度学习网络模型，将各自获得的输出结果进行比较；

判断模块，用于判断深度学习网络模型与通过专家研讨系统输出的健康指数是否一致；如果一致，表示深度学习网络模型良好；如果不一致，则根据其差值判断是否执行深度学习网络模型的在线更新；

更新模块，用于当深度学习网络模型与通过专家研讨系统输出的健康指数的差值超出预设阈值时，在线更新深度学习网络模型。

7.根据权利要求6所述的健康管理系统，其特征在于，所述更新模块包括：在线更新单元，用于若专家研讨子系统与深度学习网络模型输出结果的差值大于预设阈值，则以专家研讨子系统输出的健康指数为当前待测样本X＝[X₁、X₂…X_R]^T；

首先，初始化深度学习网络模型输入层的第j个神经元与激励层的第i个神经元之间的权值ω_ij和学习效率η(η>0)；

通过下式计算激励层神经元与待测样本X＝[X₁、X₂…X_R]^T之间的偏差f_i：

式中，S表示深度学习网络模型激励层的神经元个数；

其次，选择与待测样本偏差最小的激励层神经元，如果f_i最小,则令与之连接的输出层神经元的类标签为C_i，待测样本对应的类标签为C_x；若C_i＝C_x,则按照上式调整权值；否则通过下式对深度学习网络模型进行在线更新：

ω_{ij_new}＝ω_ij+η(X-ω_ij)

式中，ω_{ij_new}表示深度学习网络模型更新后输入层的第j个神经元与激励层的第i个神经元之间的权值。

8.根据权利要求1所述的健康管理系统，其特征在于，所述信号检测子系统还包括：手持式集成便携式外壳，壳体中的电器件均集成在电路板上并固定设置在壳体内，所述壳体正面中央设置还设置有显示屏；所述显示屏包括显示单元和输入单元，所述输入单元为按键或者触摸屏，用以输入控制指令至微控制器。

9.根据权利要求5所述的健康管理系统，其特征在于，所述专家研讨子系统还包括软件程序，该软件程序在所述云端服务器上运行，供用户与专家研讨子系统端的医疗专业人员进行远程会议。

Images