CN113598721B - 可穿戴终端及其核心体温监测方法和计算机可读存储介质 - Google Patents
可穿戴终端及其核心体温监测方法和计算机可读存储介质 Download PDFInfo
- Publication number
- CN113598721B CN113598721B CN202010312094.1A CN202010312094A CN113598721B CN 113598721 B CN113598721 B CN 113598721B CN 202010312094 A CN202010312094 A CN 202010312094A CN 113598721 B CN113598721 B CN 113598721B
- Authority
- CN
- China
- Prior art keywords
- body temperature
- core body
- value
- user
- acquiring
- 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.)
- Active
Links
- 230000036757 core body temperature Effects 0.000 title claims abstract description 304
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 102
- 208000031636 Body Temperature Changes Diseases 0.000 claims abstract description 57
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 54
- 230000036760 body temperature Effects 0.000 claims abstract description 44
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000036541 health Effects 0.000 abstract description 47
- 230000002159 abnormal effect Effects 0.000 abstract description 9
- 230000036772 blood pressure Effects 0.000 description 9
- 210000004243 sweat Anatomy 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 6
- 238000013186 photoplethysmography Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000001766 physiological effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000012171 hot beverage Nutrition 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
Abstract
本发明实施例公开了一种可穿戴终端的核心体温监测方法,包括:定时获取核心体温计算参数,基于核心体温计算模型计算对应于核心体温计算参数的核心体温计算数值;根据核心体温计算数值生成核心体温变化曲线,根据核心体温变化曲线获取预设时间的核心体温预测数值;获取预设时间的核心体温测量参数,获取对应于核心体温测量参数的核心体温测量数值;判断核心体温测量数值与核心体温预测数值的体温差值是否小于或等于预设差异阈值;若体温差值大于预设差异阈值,则向用户发出第一提示信号。本发明可以可以及时发现并提示用户的体温异常,有效维护用户的身体健康。本发明还公开了可穿戴终端和计算机可读存储介质。
Description
技术领域
本发明涉及体温测量技术领域,尤其涉及可穿戴终端及其核心体温监测方法和计算机可读存储介质。
背景技术
随着科技的发展,可穿戴终端上集成了越来越多的功能,例如加入了体温测量功能。核心体温是一种重要的医学生命体征。
现有技术中,已经有测量人体核心体温的设备,但是人体的核心体温的数值不是固定不变的,核心体温会收到运动、饮食、情绪或者外界环境的影响,此外由于个人生活习惯以及身体特质的不同,核心体温的变化也因人而异,而核心体温的评价标准是根据大多数人的核心体温给出的一个较为宽泛的范围,因此仅仅测量当前的核心体温,将当前测量的核心体温与大众评价标准并不能准确判断用户的个人健康状况。
发明内容
基于此,有必要针对上述问题,提出了可穿戴终端及其核心体温监测方法和计算机可读存储介质。
一种可穿戴终端的核心体温监测方法,包括:定时获取核心体温计算参数,基于核心体温计算模型计算对应于所述核心体温计算参数的核心体温计算数值;根据所述核心体温计算数值生成核心体温变化曲线,根据所述核心体温变化曲线获取预设时间的核心体温预测数值;获取所述预设时间的核心体温测量参数,获取对应于所述核心体温测量参数的核心体温测量数值;判断所述核心体温测量数值与所述核心体温预测数值的体温差值是否小于或等于预设差异阈值;若所述体温差值大于所述预设差异阈值,则向用户发出第一提示信号。
一种可穿戴终端,包括:计算模块,用于定时获取核心体温计算参数,基于核心体温计算模型计算对应于所述核心体温计算参数的核心体温计算数值;预测模块,用于根据所述核心体温计算数值生成核心体温变化曲线,根据所述核心体温变化曲线获取预设时间的核心体温预测数值;测量模块,用于获取所述预设时间的核心体温测量参数,获取对应于所述核心体温测量参数的核心体温测量数值;判断模块,用于判断所述核心体温测量数值与所述核心体温预测数值的体温差值是否小于或等于预设差异阈值;提示模块,用于若所述体温差值大于所述预设差异阈值,则向用户发出第一提示信号。
一种可穿戴终端,包括:处理器、存储器和测量电路,所述处理器耦接所述存储器和所述测量电路,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序以实现如上所述的方法。
一种计算机可读存储介质,存储有计算机程序,所述计算机程序能够被处理器执行以实现如上所述的方法。
采用本发明实施例,具有如下有益效果:
定时获取核心体温计算参数,获取对应核心体温计算参数的核心体温计算数值,根据核心体温计算数值生成核心体温变化曲线,以预测预设时间的核心体温预测数值,将预设时间的核心体温测量数值与核心体温预测数值作差,当差值大于预设差异阈值时发出提示,可以及时发现并提示用户的体温异常,有效维护用户的身体健康。
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,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
其中:
图1是本发明提供的可穿戴终端的核心体温监测方法的第一实施例的流程示意图;
图2是本发明提供的可穿戴终端的核心体温监测方法的第二实施例的流程示意图;
图3是本发明提供的可穿戴终端的核心体温监测方法的第三实施例的流程示意图;
图4是本发明提供的可穿戴终端的第一实施例的结构示意图;
图5是本发明提供的可穿戴终端的第二实施例的结构示意图;
图6是本发明提供的计算机可读存储介质的一实施例的结构示意图。
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,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作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。
核心体温是人体健康的重要指标,且人体的核心体温的数值不是固定不变的,因此仅仅测量当前的核心体温不足以作为用户健康状况的判断依据。
在本实施例中,为了解决上述问题,提供一种可穿戴终端的核心体温监测方法,能够及时发现并提示用户的体温异常。
请参阅图1,图1是本发明提供的可穿戴终端的核心体温监测方法的第一实施例的流程示意图。可穿戴终端可以为智能手表、智能手环、智能耳机、智能眼镜等等。本发明提供的可穿戴终端的核心体温监测方法包括如下步骤:
S101:定时获取核心体温计算参数,基于核心体温计算模型计算对应于核心体温计算参数的核心体温计算数值。
在一个具体的实施场景中,可穿戴终端定时获取核心体温计算参数,可以是根据用户设置的测量周期(例如每小时获取核心体温计算参数)定时获取,或者是根据预先设置的测量时间点(例如每天上午9点和下午3点获取核心体温计算参数)。定时获取到核心体温计算参数后,将核心体温计算参数输入核心体温模型计算出对应于核心体温计算参数的核心体温计算数值。核心体温模型可以是预训练的神经网络模型,或者函数模型、公式等。
在本实施场景中,可穿戴终端中设置有ECG(electrocardiogram,心电图)传感器和/或PPG(PhotoPlethysmoGraphy,光电容积脉搏波描记)传感器,根据ECG传感器和PPG传感器获取ECG信号和PPG信号。核心体温计算参数包括ECG信号的P波、QRS波组、T波和振幅,以及心跳率值,心跳率值可以通过提取PPG信号的AC信号来寻找心脏舒张和心脏收缩从而得出。可穿戴终端中还设置有体温传感器,通过体温传感器获取用户的体表温度。核心体温计算参数还可以包括用户的体表温度。
S102:根据核心体温计算数值生成核心体温变化曲线,根据核心体温变化曲线获取预设时间的核心体温预测数值。
在本实施场景中,将多次获取核心体温计算参数而计算出的核心体温计算数值进行统计,生成核心体温变化曲线,该核心体温变化曲线反应了用户在被测量的时间段内体温变化阈值和体温变化趋势。根据核心体温变化曲线获取用户的核心体温变化规律,根据核心体温变化规律获取预设时间的核心体温预测数值。预设时间可以是用户预先设置或者获取用户的测量触发指令后,响应于该测量触发指令获取核心体温预测数值。
在其他实施场景中,还可以将获取核心体温计算参数的时间和对应于该核心体温计算参数的核心体温计算数值输入神经网络进行训练,获取训练后的神经网络,将预设时间输入训练后的神经网络,可以获取对应于预设时间的核心体温预测数值。
S103:获取预设时间的核心体温测量参数,获取对应于核心体温测量参数的核心体温测量数值。
在本实施场景中,获取预设时间的核心体温测量参数,核心体温测量参数的类型与步骤S101中的类似,包括ECG信号的P波、QRS波组、T波和振幅,以及心跳率值、体表温度等。将核心体温测量参数输入核心体温模型计算出对应于核心体温测量参数的核心体温测量数值。核心体温模型可以是预训练的神经网络模型,或者函数模型、公式等。
S104:判断核心体温测量数值与核心体温预测数值的体温差值是否小于或等于预设差异阈值。若是,执行步骤S105,若否,执行步骤S106。
在本实施场景中,计算核心体温测量数值与核心体温预测数值的体温差值,体温差值可以是核心体温测量数值和核心体温预测数值之差的绝对值。将体温差值与预设差异阈值进行对比,判断其是否小于或等于预设差异阈值。预设差异阈值可以由用户自行设置,或者可以根据核心体温模型的计算精度设置。
S105:记录核心体温测量数值,根据核心体温测量数值更新核心体温变化曲线。
在本实施场景中,体温差值小于或等于预设差异阈值,则表示用户当前的核心体温符合用户的核心体温变化趋势,则记录核心体温测量数值,根据核心体温测量数值更新核心体温变化曲线。进一步地,可以记录体温差值,根据体温差值修正核心体温变化规律,以提高后续预测的准确性。
S106:向用户发出第一提示信号。
在本实施场景中,体温差值大于预设差异阈值,则表示用户当前的核心体温不符合用户的核心体温变化趋势,向用户发出第一提示信号,以提醒用户注意自己的健康状态,或者向预先关联的其他智能终端发送第一提示信号,已通知相关人员注意用户的健康状态。
通过上述描述可知,在本实施例中定时获取核心体温计算参数,获取对应核心体温计算参数的核心体温计算数值,根据核心体温计算数值生成核心体温变化曲线,以预测预设时间的核心体温预测数值,将预设时间的核心体温测量数值与核心体温预测数值作差,当差值大于预设差异阈值时发出提示,可以及时发现并提示用户的体温异常,有效维护用户的身体健康。
请参阅图2,图2是本发明提供的可穿戴终端的核心体温监测方法的第二实施例的流程示意图。本发明提供的可穿戴终端的核心体温监测方法包括如下步骤:
S201:定时获取核心体温计算参数,基于核心体温计算模型计算对应于核心体温计算参数的核心体温计算数值。
S202:根据核心体温计算数值生成核心体温变化曲线,根据核心体温变化曲线获取预设时间的核心体温预测数值。
在一个具体的实施场景中,步骤S201-S202与本发明提供的可穿戴终端的核心体温监测方法的第一实施例中的步骤S101-S102基本一致,此处不再进行赘述。
S203:获取用户的个人参数,根据个人参数设定体温波动范围。
在本实施场景中,获取用户的个人参数,个人参数包括用户的性别和年龄。因为不同性别和年龄的用户所对应的体温范围不同。例如,没有到青春期的小孩子体温往往偏高,一般都在36.5℃以上,因为小孩子新陈代谢旺盛,体温会更高。另外,成年女性的体温是高于成年男性的体温的。成年女性体温往往在36.5℃到37℃之间,而男性则略低0.2摄氏度。
在本实施场景中,可以由用户输入个人参数,还可以通过获取用户的使用信息从而推断用户的个人参数。例如可以获取用户的身份证信息中对应出生年月日和性别的部分,从而获取用户的性别和年龄,或者可以获取用户社交网站中的注册信息,从而获取用户的性别和年龄。
在获取到用户的性别和年龄后,根据性别和年龄设定体温波动范围。例如用户为成年女性,则体温波动范围为36.5℃-37℃。
S204:判断核心体温变化曲线是否处于体温波动范围中。若是,执行步骤S205,若否,执行步骤S206。
在本实施场景中,判断核心体温变化曲线是否处于体温波动范围中。具体地说,可以获取核心体温变化曲线的最高值和最低值,判断最高值和最低值是否超出体温波动范围。还可以是计算核心体温变化曲线中超出体温波动范围的核心体温计算值的个数,若个数小于或者等于预设个数阈值,则判定核心体温变化曲线处于体温波动范围中,若个数大于预设个数阈值,则判定核心体温变化曲线不处于体温波动范围中。
S205:根据核心体温变化曲线调整体温波动范围。
在本实施场景中,核心体温变化曲线处于体温波动范围中,则可以根据核心体温变化曲线调整体温波动范围,例如可以缩小体温波动范围,且核心体温变化曲线依旧处于缩小后的体温波动范围中。
S206:向用户发出第二提示信号。
在本实施场景中,向用户发出第二提示信号,以提示用户核心体温变化曲线超出体温波动范围,例如可以提示用户注意健康状态,或者提示用户去医院进行专业的体检。还可以向预先关联的其他智能终端发送第二提示信号,已通知相关人员注意用户的健康状态。
进一步地,用户的体表温度可能受到用户生理活动的影响,导致计算出的核心体温计算数值出现偏差,使得核心体温变化曲线超出体温波动范围。因此当核心体温变化曲线超出体温波动范围时,获取超出的核心体温计算数值对应的生理干扰参数,根据生理干扰参数判断该核心体温计算数值是否受到用户生理活动的影响。具体地说,可穿戴终端中设置有多个传感器,例如温度传感器,用于获取用户所处的环境的环境温度。加速度传感器,用于获取用户移动的加速度。速度传感器,用于获取用户移动的速度。汗液传感器,用于获取用户体表的汗液量。心跳传感器,用于获取用户的心跳。血压传感器,用于获取用户的血压。脉搏传感器,用于获取用户的脉搏。
生理干扰参数包括环境温度、加速度、速度、汗液量、心跳、血压、脉搏等。若生理干扰参数大于预设干扰阈值,则对应的核心体温计算数值可能出现偏差。例如环境温度高于预设干扰阈值,则表示当前环境温度过高,可能导致用户体表温度过高,从而使得计算出的核心体温计算数值出现偏差。又例如,用户的汗液量高于预设干扰阈值,则表示用户处于高温的状态,正在通过汗液散热,可能出现体表温度过高,从而使得计算出的核心体温计算数值出现偏差。若生理干扰参数小于预设干扰阈值,则表示用户的生理活动没有对核心体温计算数值造成过大的影响,向用户发出第二提示信号,以提示用户核心体温变化曲线超出体温波动范围。
在其他实施场景中,生理干扰参数还包括用户的情绪或者用户是否正在饮食,例如,用户处于兴奋的状态,会导致计算出的核心体温计算数值出现偏差。再例如用户喝了大量的热饮,也会导致计算出的核心体温计算数值出现偏差。具体地说,可以根据预设的算法将用户的情绪或者用户是否正在饮食的状态的换算为具体的数值,判断转换后的数值是否大于预设干扰阈值。
通过上述描述可知,在本实施例中定时获取核心体温计算参数,获取对应核心体温计算参数的核心体温计算数值,根据核心体温计算数值生成核心体温变化曲线,根据个人参数设定体温波动范围,当核心体温变化曲线超出体温波动范围时发出提示,可以及时发现并提示用户的体温异常,有效维护用户的身体健康。
请参阅图3,图3是本发明提供的可穿戴终端的核心体温监测方法的第三实施例的流程示意图。本发明提供的可穿戴终端的核心体温监测方法包括如下步骤:
S301:定时获取核心体温计算参数,获取环境干扰参数,将环境干扰参数代入核心体温计算模型,获取对应于核心体温计算参数的核心体温计算数值。
在一个具体的实施场景中,定时获取核心体温计算参数的步骤与本发明提供的可穿戴终端的核心体温监测方法的第一实施例中的基本一致,此处不再进行赘述。获取核心体温计算时的环境干扰可能会造成获取的核心体温计算参数不准确,造成核心体温计算数值不准确,因此,在本实施例中,获取核心体温计算参数的同时,获取环境干扰参数。将环境干扰参数代入到核心体温计算模型,可以消除环境干扰对核心体温计算数值的影响,提升核心体温计算数值的可靠度。
具体地说,可穿戴终端中设置有多个传感器,用于获取环境干扰参数。例如,温度传感器,用于获取用户所处的环境的环境温度。湿度传感器,用于获取用户所处环境的环境湿度。加速度传感器,用于获取用户移动的加速度。速度传感器,用于获取用户移动的速度。汗液传感器,用于获取用户体表的汗液量。心跳传感器,用于获取用户的心跳。血压传感器,用于获取用户的血压。脉搏传感器,用于获取用户的脉搏。环境干扰参数包括环境温度、环境湿度、加速度、速度、汗液量、心跳、血压、脉搏等。
S302:根据核心体温计算数值生成核心体温变化曲线,根据核心体温变化曲线获取预设时间的核心体温预测数值。
S303:获取预设时间的核心体温测量参数,获取对应于核心体温测量参数的核心体温测量数值。
S304:判断核心体温测量数值与核心体温预测数值的体温差值是否小于或等于预设差异阈值。若是,执行步骤S305,若否,执行步骤S306。
S305:记录核心体温测量数值,根据核心体温测量数值更新核心体温变化曲线。
在本实施场景中,步骤S302-S305与本发明提供的可穿戴终端的核心体温监测方法的第一实施例中的步骤S102-S105基本一致,此处不再进行赘述。
S306:获取用户的健康参数,根据健康参数判断用户是否处于健康状态。若是,执行步骤S305,若否,执行步骤S307。
在本实施场景中,当用户体温差值大于预设差异阈值时,用户的身体健康可能存在问题,因此获取用户的健康参数,根据健康参数判断用户是否处于健康状态,若用户处于健康状态,则执行步骤S305,记录核心体温测量数值,根据核心体温测量数值更新核心体温变化曲线。
具体地说,健康参数包括用户的心跳、脉搏、血压等。可穿戴终端中设置有多个传感器,用于获取健康参数。心跳传感器,用于获取用户的心跳。血压传感器,用于获取用户的血压。脉搏传感器,用于获取用户的脉搏。在获取到健康参数后,将健康参数与预设的健康阈值范围比较,判断健康参数是否超出预设的健康阈值范围,若健康参数处于预设的健康阈值范围中,则判定用户处于健康状态,若健康参数超出预设的健康阈值范围,则判定用户不处于健康状态。
S307:向用户发出第一提示信号。
在本实施例中,当用户不处于健康状态时,向用户发出第一提示信号,以提醒用户注意自己的健康状态,或者向预先关联的其他智能终端发送第一提示信号,已通知相关人员注意用户的健康状态。
通过上述描述可知,在本实施例中获取核心体温计算参数的同时,获取环境干扰参数,将环境干扰参数代入到核心体温计算模型,可以消除环境干扰对核心体温计算数值的影响,体温差值大于预设差异阈值时获取用户的健康参数,根据健康参数判断用户不处于健康状态时,向用户发出第一提示信号,可以有效提升判断的准确性,有效维护用户的身体健康。
请参阅图4,图4是本发明提供的可穿戴终端的第一实施例的结构示意图。可穿戴终端包括:计算模块11、预测模块12、测量模块13、判断模块14和提示模块15。计算模块11用于定时获取核心体温计算参数,基于核心体温计算模型计算对应于核心体温计算参数的核心体温计算数值。预测模块12用于根据核心体温计算数值生成核心体温变化曲线,根据核心体温变化曲线获取预设时间的核心体温预测数值。测量模块13用于获取预设时间的核心体温测量参数,获取对应于核心体温测量参数的核心体温测量数值。判断模块14用于判断核心体温测量数值与核心体温预测数值的体温差值是否小于或等于预设差异阈值。提示模块15用于若体温差值大于预设差异阈值,则向用户发出第一提示信号。
提示模块15还用于获取用户的个人参数,根据个人参数设定体温波动范围,判断核心体温变化曲线是否处于体温波动范围中,若核心体温变化范围超出体温波动范围,则向用户发出第二提示信号。
其中,个人参数包括用户的年龄、性别中的至少一项。
提示模块15还用于获取用户的生理干扰参数,判断生理干扰参数是否大于预设干扰阈值,若生理干扰参数小于预设干扰阈值,则向用户发出第二提示信号。
提示模块15还用于获取用户的健康参数,根据健康参数判断用户是否处于健康状态,若用户不处于健康状态,则向用户发出第一提示信号。
判断模块14还用于若体温差值小于或等于预设差异阈值,则记录核心体温测量数值,根据核心体温测量数值更新核心体温变化曲线。
计算模块11还用于获取环境干扰参数,将环境干扰参数代入核心体温计算模型,获取对应于核心体温计算参数的核心体温计算数值。
通过上述描述可知,本实施例中可穿戴终端定时获取核心体温计算参数,获取对应核心体温计算参数的核心体温计算数值,根据核心体温计算数值生成核心体温变化曲线,以预测预设时间的核心体温预测数值,将预设时间的核心体温测量数值与核心体温预测数值作差,当差值大于预设差异阈值时发出提示,可以及时发现并提示用户的体温异常,有效维护用户的身体健康。
请参阅图5,图5是本发明提供的可穿戴终端的第二实施例的结构示意图。可穿戴终端20包括处理器21、存储器22和测量电路23。处理器21耦接存储器22和测量电路23。存储器22中存储有计算机程序,处理器21在工作时执行该计算机程序以实现如图1-图3所示的方法。详细的方法可参见上述,在此不再赘述。
通过上述描述可知,本实施例中可穿戴终端定时获取核心体温计算参数,获取对应核心体温计算参数的核心体温计算数值,根据核心体温计算数值生成核心体温变化曲线,以预测预设时间的核心体温预测数值,将预设时间的核心体温测量数值与核心体温预测数值作差,当差值大于预设差异阈值时发出提示,可以及时发现并提示用户的体温异常,有效维护用户的身体健康。
请参阅图6,图6是本发明提供的计算机可读存储介质的一实施例的结构示意图。计算机可读存储介质30中存储有至少一个计算机程序31,计算机程序31用于被处理器执行以实现如图1-图3所示的方法,详细的方法可参见上述,在此不再赘述。在一个实施例中,计算机可读存储介质30可以是终端中的存储芯片、硬盘或者是移动硬盘或者优盘、光盘等其他可读写存储的工具,还可以是服务器等等。
通过上述描述可知,本实施例中计算机可读存储介质中的计算机程序定时获取核心体温计算参数,获取对应核心体温计算参数的核心体温计算数值,根据核心体温计算数值生成核心体温变化曲线,以预测预设时间的核心体温预测数值,将预设时间的核心体温测量数值与核心体温预测数值作差,当差值大于预设差异阈值时发出提示,可以及时发现并提示用户的体温异常,有效维护用户的身体健康。
区别于现有技术,本发明根据核心体温计算参数,获取对应核心体温计算参数的核心体温计算数值,根据核心体温计算数值生成核心体温变化曲线,以预测预设时间的核心体温预测数值,将预设时间的核心体温测量数值与核心体温预测数值作差,当差值大于预设差异阈值时发出提示,可以及时发现并提示用户的体温异常,有效维护用户的身体健康。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (9)
1.一种可穿戴终端的核心体温监测方法,其特征在于,包括:
定时获取核心体温计算参数,基于核心体温计算模型计算对应于所述核心体温计算参数的核心体温计算数值;
根据所述核心体温计算数值生成核心体温变化曲线,根据所述核心体温变化曲线获取预设时间的核心体温预测数值;
获取所述预设时间的核心体温测量参数,获取对应于所述核心体温测量参数的核心体温测量数值;
判断所述核心体温测量数值与所述核心体温预测数值的体温差值是否小于或等于预设差异阈值;
若所述体温差值大于所述预设差异阈值,则向用户发出第一提示信号。
2.根据权利要求1所述的可穿戴终端的核心体温监测方法,其特征在于,所述根据所述核心体温计算数值生成核心体温变化曲线的步骤之后,包括:
获取用户的个人参数,根据所述个人参数设定体温波动范围;
判断所述核心体温变化曲线是否处于所述体温波动范围中;
若所述核心体温变化范围超出所述体温波动范围,则向用户发出第二提示信号。
3.根据权利要求2所述的可穿戴终端的核心体温监测方法,其特征在于,所述个人参数包括用户的年龄、性别中的至少一项。
4.根据权利要求2所述的可穿戴终端的核心体温监测方法,其特征在于,所述发出第二提示信号的步骤,包括:
获取用户的生理干扰参数,判断所述生理干扰参数是否大于预设干扰阈值;
若所述生理干扰参数小于所述预设干扰阈值,则向用户发出所述第二提示信号。
5.根据权利要求1所述的可穿戴终端的核心体温监测方法,其特征在于,所述判断所述核心体温测量数值与所述核心体温预测数值的体温差值是否小于或等于预设差异阈值的步骤之后,包括:
若所述体温差值小于或等于所述预设差异阈值,则记录所述核心体温测量数值,根据所述核心体温测量数值更新所述核心体温变化曲线。
6.根据权利要求1所述的可穿戴终端的核心体温监测方法,其特征在于,所述基于核心体温计算模型计算对应于所述核心体温计算参数的核心体温计算数值的步骤,包括:
获取环境干扰参数,将所述环境干扰参数代入所述核心体温计算模型,获取对应于所述核心体温计算参数的核心体温计算数值。
7.一种可穿戴终端,其特征在于,包括:
计算模块,用于定时获取核心体温计算参数,基于核心体温计算模型计算对应于所述核心体温计算参数的核心体温计算数值;
预测模块,用于根据所述核心体温计算数值生成核心体温变化曲线,根据所述核心体温变化曲线获取预设时间的核心体温预测数值;
测量模块,用于获取所述预设时间的核心体温测量参数,获取对应于所述核心体温测量参数的核心体温测量数值;
判断模块,用于判断所述核心体温测量数值与所述核心体温预测数值的体温差值是否小于或等于预设差异阈值;
提示模块,用于若所述体温差值大于所述预设差异阈值,则向用户发出第一提示信号。
8.一种可穿戴终端,其特征在于,包括:处理器、存储器和测量电路,所述处理器耦接所述存储器和所述测量电路,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序以实现如权利要求1-6任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序能够被处理器执行以实现如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010312094.1A CN113598721B (zh) | 2020-04-20 | 2020-04-20 | 可穿戴终端及其核心体温监测方法和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010312094.1A CN113598721B (zh) | 2020-04-20 | 2020-04-20 | 可穿戴终端及其核心体温监测方法和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113598721A CN113598721A (zh) | 2021-11-05 |
CN113598721B true CN113598721B (zh) | 2024-04-12 |
Family
ID=78303119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010312094.1A Active CN113598721B (zh) | 2020-04-20 | 2020-04-20 | 可穿戴终端及其核心体温监测方法和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113598721B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115944278A (zh) * | 2023-01-04 | 2023-04-11 | 歌尔股份有限公司 | 体温检测方法、耳机设备及计算机可读存储介质 |
CN117426750A (zh) * | 2023-12-21 | 2024-01-23 | 中科(安徽)智慧健康创新研究院有限公司 | 一种连续体温监测预警系统及其使用方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4878184A (en) * | 1986-02-10 | 1989-10-31 | Omron Tateisi Electronics Co. | Electronic thermometer with predicting means |
CN103356244A (zh) * | 2013-07-17 | 2013-10-23 | 芯河半导体(上海)有限公司 | 预测排卵和生育期的装置及方法 |
CN109674452A (zh) * | 2018-12-29 | 2019-04-26 | 苏州问一问健康管理咨询有限公司 | 一种体温监测方法、电子设备及计算机可读存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120197584A1 (en) * | 2011-01-31 | 2012-08-02 | Texas Instruments Incorporated | Core Temperature Monitoring |
US10702165B2 (en) * | 2012-12-20 | 2020-07-07 | The Government Of The United States, As Represented By The Secretary Of The Army | Estimation of human core temperature based on heart rate system and method |
US11517203B2 (en) * | 2016-08-25 | 2022-12-06 | The Government Of The United States, As Represented By The Secretary Of The Army | Real-time estimation of human core body temperature based on non-invasive physiological measurements |
-
2020
- 2020-04-20 CN CN202010312094.1A patent/CN113598721B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4878184A (en) * | 1986-02-10 | 1989-10-31 | Omron Tateisi Electronics Co. | Electronic thermometer with predicting means |
CN103356244A (zh) * | 2013-07-17 | 2013-10-23 | 芯河半导体(上海)有限公司 | 预测排卵和生育期的装置及方法 |
CN109674452A (zh) * | 2018-12-29 | 2019-04-26 | 苏州问一问健康管理咨询有限公司 | 一种体温监测方法、电子设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113598721A (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2602676C2 (ru) | Устройство для обнаружения лихорадки | |
CN109674456B (zh) | 血压估计设备和方法以及可穿戴装置 | |
US20140324459A1 (en) | Automatic health monitoring alerts | |
KR20110052783A (ko) | 생체 정보 획득 방법 및 장치 | |
CN113598721B (zh) | 可穿戴终端及其核心体温监测方法和计算机可读存储介质 | |
JP2016122348A (ja) | 生活習慣改善装置及び生活習慣改善方法並びに生活習慣改善システム | |
US11617545B2 (en) | Methods and systems for adaptable presentation of sensor data | |
US20230245741A1 (en) | Information processing device, information processing system, and information processing method | |
US20210204822A1 (en) | Method and apparatus for estimating a trend in a blood pressure surrogate | |
US20180360386A1 (en) | Systems and methods for adaptable presentation of sensor data | |
JP6534192B2 (ja) | 患者健康状態複合スコア分布及び/又はこれに基づく代表複合スコア | |
JP7250647B2 (ja) | 仮眠補助システム、および、仮眠補助用プログラム | |
JP2016129629A (ja) | 生体状態推定装置 | |
US20180110454A1 (en) | Mental Suffering Monitoring System | |
JP7033362B1 (ja) | 情報処理システム、サーバ、情報処理方法及びプログラム | |
US20220319690A1 (en) | Labor onset and birth identification and prediction from wearable-based physiological data | |
CN114947773A (zh) | 一种体温监测方法、装置、终端设备以及存储介质 | |
JP2019024644A (ja) | 評価システム | |
KR102382659B1 (ko) | 당화혈색소 수치 추정을 위한 인공지능학습 모델의 학습 방법 및 그 시스템 | |
JP6989992B1 (ja) | 情報処理システム、サーバ、情報処理方法及びプログラム | |
JP7419904B2 (ja) | 生体モニタ装置、生体モニタ方法及びプログラム | |
WO2022208581A1 (ja) | 学習装置、判定装置、学習済みモデル生成方法及び記録媒体 | |
JPWO2020166239A1 (ja) | 睡眠時無呼吸症候群判定装置、睡眠時無呼吸症候群判定方法、及び、睡眠時無呼吸症候群判定プログラム | |
JP6861033B2 (ja) | ユーザ端末、サーバ、改善提案作成装置の作動方法および状態データ生成方法 | |
JP2023552023A (ja) | 睡眠者タイプに基づくユーザ分類により睡眠データの測定を改善する方法およびシステム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |