CN113384249A - 一种智慧养老的大数据管理系统 - Google Patents

一种智慧养老的大数据管理系统 Download PDF

Info

Publication number
CN113384249A
CN113384249A CN202110568174.8A CN202110568174A CN113384249A CN 113384249 A CN113384249 A CN 113384249A CN 202110568174 A CN202110568174 A CN 202110568174A CN 113384249 A CN113384249 A CN 113384249A
Authority
CN
China
Prior art keywords
data
face
module
human body
pulse
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
CN202110568174.8A
Other languages
English (en)
Inventor
倪佳斌
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.)
Huzhou Pukang Intelligent Pension Industry Technology Co ltd
Original Assignee
Huzhou Pukang Intelligent Pension Industry 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 Huzhou Pukang Intelligent Pension Industry Technology Co ltd filed Critical Huzhou Pukang Intelligent Pension Industry Technology Co ltd
Priority to CN202110568174.8A priority Critical patent/CN113384249A/zh
Publication of CN113384249A publication Critical patent/CN113384249A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0008—Temperature signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure

Abstract

本发明涉及智慧养老技术领域，具体地说，涉及一种智慧养老的大数据管理系统。其包括数据管理平台，所述数据管理平台包括人体机能数据采集单元、人体机能数据监测单元、数据反馈单元和数据存储单元。本发明中通过人脸采集模块对老人的人脸数据进行采集，并根据人脸识别结果进行数据定位，形成个人数据包，然后通过热成像采集模块和脉搏数据采集模块和脉搏数据采集模块对老人机体状态进行采集，从而实现了对老人的生理健康进行预测，以解决老人生病后无法及时获知的问题。

Description

一种智慧养老的大数据管理系统
技术领域
本发明涉及智慧养老技术领域，具体地说，涉及一种智慧养老的大数据管理系统。
背景技术
目前，人口老龄化严重，而大多数的年轻人都外出工作，这样家中的空巢老人也就多了起来，很多家庭选择让老人去养老院，或者让老人独居在家，不管是家中还是养老院，都无法对老人的生理状态进行实时监测，很多时候老人患病都不能及时获知，从而导致老人病情加重，严重时会对老人的生命造成威胁。
发明内容
本发明的目的在于提供一种智慧养老的大数据管理系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供一种智慧养老的大数据管理系统，包括数据管理平台，所述数据管理平台包括人体机能数据采集单元、人体机能数据监测单元、数据反馈单元和数据存储单元；所述人体机能数据采集单元用于采集老人人体机能的数据信息；所述人体机能数据监测单元用于对人体机能数据采集单元采集的数据信息进行实时监测，并通过数据反馈单元将异常数据反馈至数据管理平台；所述数据存储单元用于对采集数据、监测数据以及反馈数据进行存储。
作为本技术方案的进一步改进，所述人体机能数据采集单元包括人脸采集模块、热成像采集模块和脉搏数据采集模块；所述人脸采集模块用于对老人的人脸数据进行采集，并根据人脸识别进行数据定位，形成个人数据包，以对采集数据进行存储；所述热成像采集模块用于对老人的体表温度进行测量，并将测量的体表温度数据传输至个人数据包；所述脉搏数据采集模块用于对老人的脉搏数据进行采集，并将脉搏数据传输至个人数据包。
作为本技术方案的进一步改进，所述人脸采集模块利用人脸识别算法对采集的人脸数据进行定位，人脸识别算法采用PFLD算法，其包括主识别网络和辅识别网络；所述主识别网络用于预测特征点的位置；所述辅识别网络用于预测采集时的人脸姿态。
作为本技术方案的进一步改进，所述辅识别网络利用LOSS函数进行人脸姿态预测，其函数表达式如下：
Figure BDA0003081601980000021
其中，M为人脸识别样本个数；N为人脸特征点个数；γn为特征权重；d为特征点距离度量。
作为本技术方案的进一步改进，所述特征权重利用人脸类别以及人脸维度进行加权，其加权公式如下：
Figure BDA0003081601980000022
其中，K为人脸维度级数；C为人脸类别个数；ω为人脸类别权重。
作为本技术方案的进一步改进，所述热成像采集模块利用人体的红外辐射对体表温度数据进行采集，红外辐射的计算采用Planck算法，其算法公式如下：
Figure BDA0003081601980000023
其中，Weλ为人体红外辐射的通量密度；T为人体体表温度；c1为黑辐射常数；c2为人体红外辐射常数；λ为辐射波长；e为辐射能量。
作为本技术方案的进一步改进，所述脉搏数据采集模块采用光电容积脉搏波描记法，其描记法步骤如下：
S1.1、利用光电传感器将人体的脉搏波转换为相应于脉博电信号；
其中，光电传感器的换能元件用硅光电池，由于心脏的跳动，引起手指尖的微血管的体积发生相应的变化，当光通过手指尖射到硅光电池时，产生光电效应，两极之间产生电压由于指尖的微血管内的血液随着心脏的跳动发生相应于脉搏的容积变化，因而使光透过指尖射到硅光电池时也发生相应的强度变化，而非血液组织的光吸收量是恒定不变的，例如皮肤、肌肉、骨格等，这样就把人体的脉搏波转换为相应于脉博电信号，以便于采集。
S1.2、对脉博电信号进行差分放大，这里选用低噪声的放大器，其中，INA114作为放大器的核心元件，最低2.3V的工作电源电压满足电源要求，INA114的失调电压不到0.1mV，因此取其电压增益100，根据INA114的增益计算公式可得RG＝500欧姆；
S1.3、利用归一化的方法对差分放大后的脉博电信号进行滤波，并将滤波信号输出以供脉搏数据采集模块采集。
作为本技术方案的进一步改进，所述人体机能数据监测单元包括数据提取模块、数据分析模块和数据监测模块；所述数据提取模块用于对人数据包内的采集数据进行提取，并将提取的数据传输至数据分析模块；所述数据分析模块用于对提取的数据进行分析处理；所述数据监测模块用于对数据分析模块中的数据进行监测，并将监测中的异常数据传输至数据反馈单元，通过数据反馈单元将异常数据反馈至数据管理平台。
作为本技术方案的进一步改进，所述数据分析模块包括异常分析模块和异常放大模块；异常分析模块用于对人脸采集模块、热成像采集模块和脉搏数据采集模块采集的数据进行比对分析，并通过异常放大模块将比对分析的数据信号进行放大，以供数据监测模块监测。
作为本技术方案的进一步改进，所述数据反馈单元采用反馈信息同步融合算法，其算法公式如下：
Figure BDA0003081601980000031
其中，i＝1为光测反馈；i＝2为雷测反馈；
Figure BDA0003081601980000032
为采集数据；k为过程噪声。
与现有技术相比，本发明的有益效果：通过人脸采集模块对老人的人脸数据进行采集，并根据人脸识别结果进行数据定位，形成个人数据包，然后通过热成像采集模块和脉搏数据采集模块和脉搏数据采集模块对老人机体状态进行采集，从而实现了对老人的生理健康进行预测，以解决老人生病后无法及时获知的问题。
附图说明
图1为实施例1的整体模块框图；
图2为实施例1的人体机能数据采集单元模块框图；
图3为实施例1的人体机能数据监测单元模块框图。
图中各个标号意义为：
100、数据管理平台；
110、人体机能数据采集单元；111、人脸采集模块；112、热成像采集模块；113、脉搏数据采集模块；
120、人体机能数据监测单元；121、数据提取模块；122、数据分析模块；123、数据监测模块；
130、数据反馈单元；
140、数据存储单元。
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，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
本发明提供一种智慧养老的大数据管理系统，请参阅图1-图3，包括数据管理平台100，数据管理平台100包括人体机能数据采集单元110、人体机能数据监测单元120、数据反馈单元130和数据存储单元140；人体机能数据采集单元110用于采集老人人体机能的数据信息；人体机能数据监测单元120用于对人体机能数据采集单元110采集的数据信息进行实时监测，并通过数据反馈单元130将异常数据反馈至数据管理平台100；数据存储单元140用于对采集数据、监测数据以及反馈数据进行存储。
本实施例中，人体机能数据采集单元110包括人脸采集模块111、热成像采集模块112和脉搏数据采集模块113；人脸采集模块111用于对老人的人脸数据进行采集，并根据人脸识别进行数据定位，形成个人数据包，以对采集数据进行存储；热成像采集模块112用于对老人的体表温度进行测量，并将测量的体表温度数据传输至个人数据包；脉搏数据采集模块113用于对老人的脉搏数据进行采集，并将脉搏数据传输至个人数据包。
进一步的，人脸采集模块111利用人脸识别算法对采集的人脸数据进行定位，人脸识别算法采用PFLD算法，其包括主识别网络和辅识别网络；主识别网络用于预测特征点的位置；辅识别网络用于预测采集时的人脸姿态。
具体的，辅识别网络利用LOSS函数进行人脸姿态预测，其函数表达式如下：
Figure BDA0003081601980000051
其中，M为人脸识别样本个数；N为人脸特征点个数；γn为特征权重；d为特征点距离度量。
此外，特征权重利用人脸类别以及人脸维度进行加权，其加权公式如下：
Figure BDA0003081601980000052
其中，K为人脸维度级数；C为人脸类别个数；ω为人脸类别权重。
除此之外，热成像采集模块112利用人体的红外辐射对体表温度数据进行采集，红外辐射的计算采用Planck算法，其算法公式如下：
Figure BDA0003081601980000053
其中，Weλ为人体红外辐射的通量密度；T为人体体表温度；c1为黑辐射常数；c2为人体红外辐射常数；λ为辐射波长；e为辐射能量。
值得说明的是，人体是一个普通的红外辐射体，它的辐射特性与其他一般的热辐射体相类似，在一般的条件下，它都不断地在向周围的空间散发红外辐射，由于人体体表的绝对温度比较低，因此人体散发的红外辐射能量主要分布在红外线长的波部分，其波段范围在5-50μm之间，其中8-14μm波长范围的红外辐射能量可以占到全部人体辐射能的46％，波长的峰值入在9.5μm处；不论肤色如何，辐射率都近似等于1,人体的红外热辐射可以近似看成是一个黑体辐射来进行处理。
由于人体体表的温度受该部位的组织散发的热辐射能量的影响，该组织的皮肤辐射率会出现一定的波动，某些情况下会大于1，例如，当老人患乳腺癌时，患者乳房区域的皮肤的辐射率比1大,主要原因是红外线在穿过皮肤表面向外发散时的温度差别较大，在乳腺癌发生时，由于器官的病变的原因导致辐射率发生了变化，从而实现了对老人的生理健康进行预测，以解决老人生病后无法及时获知的问题。
进一步的，脉搏数据采集模块113采用光电容积脉搏波描记法，其描记法步骤如下：
S1.1、利用光电传感器将人体的脉搏波转换为相应于脉博电信号；
其中，光电传感器的换能元件用硅光电池，由于心脏的跳动，引起手指尖的微血管的体积发生相应的变化，当光通过手指尖射到硅光电池时，产生光电效应，两极之间产生电压由于指尖的微血管内的血液随着心脏的跳动发生相应于脉搏的容积变化，因而使光透过指尖射到硅光电池时也发生相应的强度变化，而非血液组织的光吸收量是恒定不变的，例如皮肤、肌肉、骨格等，这样就把人体的脉搏波转换为相应于脉博电信号，以便于采集。
S1.2、对脉博电信号进行差分放大，这里选用低噪声的放大器，其中，INA114作为放大器的核心元件，最低2.3V的工作电源电压满足电源要求，INA114的失调电压不到0.1mV，因此取其电压增益100，根据INA114的增益计算公式可得RG＝500欧姆；
S1.3、利用归一化的方法对差分放大后的脉博电信号进行滤波，并将滤波信号输出以供脉搏数据采集模块113采集。
具体的，人体机能数据监测单元120包括数据提取模块121、数据分析模块122和数据监测模块123；数据提取模块121用于对人数据包内的采集数据进行提取，并将提取的数据传输至数据分析模块122；数据分析模块122用于对提取的数据进行分析处理；数据监测模块123用于对数据分析模块122中的数据进行监测，并将监测中的异常数据传输至数据反馈单元130，通过数据反馈单元130将异常数据反馈至数据管理平台100。
此外，数据分析模块122包括异常分析模块和异常放大模块；异常分析模块用于对人脸采集模块111、热成像采集模块112和脉搏数据采集模块113采集的数据进行比对分析，并通过异常放大模块将比对分析的数据信号进行放大，以供数据监测模块123监测。
除此之外，数据反馈单元130采用反馈信息同步融合算法，其算法公式如下：
Figure BDA0003081601980000061
其中，i＝1为光测反馈；i＝2为雷测反馈；
Figure BDA0003081601980000062
为采集数据；k为过程噪声；
值得说明的是，光测反馈把滤波后的光测数据进行异步数据融合处理，使其与滤波后雷测反馈在时间上达到同步然后再进行一步数据融合，并将一步融合获得的预测估计及其协方差阵作为下一步光测数据的预判依据，如果光测数据偏离该依据，并超过设定的误差限，则此步光测数据将被剔除，从而实现对光测反馈最佳测量数据的自动筛选和准确融合，以提高数据反馈单元130的反馈速度和反馈数据的质量。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种智慧养老的大数据管理系统，包括数据管理平台(100)，其特征在于：所述数据管理平台(100)包括人体机能数据采集单元(110)、人体机能数据监测单元(120)、数据反馈单元(130)和数据存储单元(140)；所述人体机能数据采集单元(110)用于采集老人人体机能的数据信息；所述人体机能数据监测单元(120)用于对人体机能数据采集单元(110)采集的数据信息进行实时监测，并通过数据反馈单元(130)将异常数据反馈至数据管理平台(100)；所述数据存储单元(140)用于对采集数据、监测数据以及反馈数据进行存储。
2.根据权利要求1所述的智慧养老的大数据管理系统，其特征在于：所述人体机能数据采集单元(110)包括人脸采集模块(111)、热成像采集模块(112)和脉搏数据采集模块(113)；所述人脸采集模块(111)用于对老人的人脸数据进行采集，并根据人脸识别进行数据定位，形成个人数据包，以对采集数据进行存储；所述热成像采集模块(112)用于对老人的体表温度进行测量，并将测量的体表温度数据传输至个人数据包；所述脉搏数据采集模块(113)用于对老人的脉搏数据进行采集，并将脉搏数据传输至个人数据包。
3.根据权利要求2所述的智慧养老的大数据管理系统，其特征在于：所述人脸采集模块(111)利用人脸识别算法对采集的人脸数据进行定位，人脸识别算法采用PFLD算法，其包括主识别网络和辅识别网络；所述主识别网络用于预测特征点的位置；所述辅识别网络用于预测采集时的人脸姿态。
4.根据权利要求3所述的智慧养老的大数据管理系统，其特征在于：所述辅识别网络利用LOSS函数进行人脸姿态预测，其函数表达式如下：
Figure FDA0003081601970000011
其中，M为人脸识别样本个数；N为人脸特征点个数；γn为特征权重；d为特征点距离度量。
5.根据权利要求4所述的智慧养老的大数据管理系统，其特征在于：所述特征权重利用人脸类别以及人脸维度进行加权，其加权公式如下：
Figure FDA0003081601970000021
其中，K为人脸维度级数；C为人脸类别个数；ω为人脸类别权重。
6.根据权利要求2所述的智慧养老的大数据管理系统，其特征在于：所述热成像采集模块(112)利用人体的红外辐射对体表温度数据进行采集，红外辐射的计算采用Planck算法，其算法公式如下：
Figure FDA0003081601970000022
其中，Weλ为人体红外辐射的通量密度；T为人体体表温度；c1为黑辐射常数；c2为人体红外辐射常数；λ为辐射波长；e为辐射能量。
7.根据权利要求2所述的智慧养老的大数据管理系统，其特征在于：所述脉搏数据采集模块(113)采用光电容积脉搏波描记法，其描记法步骤如下：
S1.1、利用光电传感器将人体的脉搏波转换为相应于脉博电信号；
S1.2、对脉博电信号进行差分放大；
S1.3、利用归一化的方法对差分放大后的脉博电信号进行滤波，并将滤波信号输出以供脉搏数据采集模块(113)采集。
8.根据权利要求2所述的智慧养老的大数据管理系统，其特征在于：所述人体机能数据监测单元(120)包括数据提取模块(121)、数据分析模块(122)和数据监测模块(123)；所述数据提取模块(121)用于对人数据包内的采集数据进行提取，并将提取的数据传输至数据分析模块(122)；所述数据分析模块(122)用于对提取的数据进行分析处理；所述数据监测模块(123)用于对数据分析模块(122)中的数据进行监测，并将监测中的异常数据传输至数据反馈单元(130)，通过数据反馈单元(130)将异常数据反馈至数据管理平台(100)。
9.根据权利要求8所述的智慧养老的大数据管理系统，其特征在于：所述数据分析模块(122)包括异常分析模块和异常放大模块；异常分析模块用于对人脸采集模块(111)、热成像采集模块(112)和脉搏数据采集模块(113)采集的数据进行比对分析，并通过异常放大模块将比对分析的数据信号进行放大，以供数据监测模块(123)监测。
10.根据权利要求8所述的智慧养老的大数据管理系统，其特征在于：所述数据反馈单元(130)采用反馈信息同步融合算法，其算法公式如下：
Figure FDA0003081601970000031
其中，i＝1为光测反馈；i＝2为雷测反馈；
Figure FDA0003081601970000032
为采集数据；k为过程噪声。
CN202110568174.8A 2021-05-25 2021-05-25 一种智慧养老的大数据管理系统 Pending CN113384249A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110568174.8A CN113384249A (zh) 2021-05-25 2021-05-25 一种智慧养老的大数据管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110568174.8A CN113384249A (zh) 2021-05-25 2021-05-25 一种智慧养老的大数据管理系统

Publications (1)

Publication Number Publication Date
CN113384249A true CN113384249A (zh) 2021-09-14

Family

ID=77618895

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110568174.8A Pending CN113384249A (zh) 2021-05-25 2021-05-25 一种智慧养老的大数据管理系统

Country Status (1)

Country Link
CN (1) CN113384249A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102620833A (zh) * 2011-02-01 2012-08-01 田乃良 红外测温方法和红外测温系统
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
CN110287947A (zh) * 2019-07-24 2019-09-27 阔地教育科技有限公司 互动课堂中的互动教室确定方法及装置
CN110796580A (zh) * 2020-01-03 2020-02-14 中科寒武纪科技股份有限公司 智能交通系统管理方法及相关产品

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102620833A (zh) * 2011-02-01 2012-08-01 田乃良 红外测温方法和红外测温系统
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
CN110287947A (zh) * 2019-07-24 2019-09-27 阔地教育科技有限公司 互动课堂中的互动教室确定方法及装置
CN110796580A (zh) * 2020-01-03 2020-02-14 中科寒武纪科技股份有限公司 智能交通系统管理方法及相关产品

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李莉: "反馈信息数据融合算法在实时数据处理中的应用", 《测试技术学报》 *
王彦秋 等: "基于大数据的人脸识别方法", 《现代电子技术》 *

Similar Documents

Publication Publication Date Title
US10672518B2 (en) Methods and systems using mathematical analysis and machine learning to diagnose disease
CN109077715B (zh) 一种基于单导联的心电信号自动分类方法
Castro et al. Heart sound segmentation of pediatric auscultations using wavelet analysis
ES2960027T3 (es) Detección de anomalías en las señales de ECG
CN108470156B (zh) 一种心音信号分类识别方法
CN112741638B (zh) 一种基于eeg信号的医疗诊断辅助系统
CN110751131B (zh) 一种心律失常检测装置
Gupta et al. PCA as an effective tool for the detection of R-peaks in an ECG signal processing
Gupta et al. A review of different ECG classification/detection techniques for improved medical applications
KR101510522B1 (ko) 심전도 신호 분류 시스템
CN115062655A (zh) 一种多导联心电信号分析方法及多导联心肌梗死分析系统
CN112336369B (zh) 一种多通道心音信号的冠心病风险指数评估系统
CN113384249A (zh) 一种智慧养老的大数据管理系统
CN112120711B (zh) 一种基于光电容积脉搏波的无创糖尿病预测系统及方法
Gupta et al. Atrial fibrillation detection using electrocardiogram signal input to LMD and ensemble classifier
CN114903445A (zh) 一种心脑血管疾病智能监测预警系统
US20220192525A1 (en) Fetal ultrasound processing unit for separating heart rate signals
CN113850192A (zh) 基于emd-csp脑电特征学习与智能融合的眨眼伪迹检测方法
Raghav et al. Fractal feature based ECG arrhythmia classification
Moukadem et al. Automatic heart sound analysis module based on Stockwell transform
Moukadem et al. Phonocardiogram signal processing module for auto-diagnosis and telemedicine applications
Simon et al. A non-invasive blood cell counter for disease diagnosis
CN114081502B (zh) 一种基于机器学习的非侵入性心脏病诊断方法和装置
CN211022625U (zh) 一种检测远红外线对人体健康影响的装置
Rohan et al. Classification of Cardiac Arrhythmia Diseases from Obstructive Sleep Apnea Signals using Decision Tree Classifier

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: 20210914