CN113823398B - 一种通过穿戴设备采集数据检测是否怀孕的方法 - Google Patents
一种通过穿戴设备采集数据检测是否怀孕的方法 Download PDFInfo
- Publication number
- CN113823398B CN113823398B CN202110883522.0A CN202110883522A CN113823398B CN 113823398 B CN113823398 B CN 113823398B CN 202110883522 A CN202110883522 A CN 202110883522A CN 113823398 B CN113823398 B CN 113823398B
- Authority
- CN
- China
- Prior art keywords
- value
- change
- user
- physiological
- information
- 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
- 230000035935 pregnancy Effects 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000008859 change Effects 0.000 claims abstract description 262
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 238000001914 filtration Methods 0.000 claims abstract description 22
- 238000000605 extraction Methods 0.000 claims description 45
- 230000002159 abnormal effect Effects 0.000 claims description 43
- 238000009597 pregnancy test Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 14
- 239000008280 blood Substances 0.000 claims description 8
- 210000004369 blood Anatomy 0.000 claims description 8
- 238000012217 deletion Methods 0.000 claims description 6
- 230000037430 deletion Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000000295 complement effect Effects 0.000 claims description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 230000036772 blood pressure Effects 0.000 claims description 4
- 230000036760 body temperature Effects 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 230000002747 voluntary effect Effects 0.000 claims description 4
- 238000011835 investigation Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 10
- 238000012360 testing method Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 229960004407 chorionic gonadotrophin Drugs 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000003754 fetus Anatomy 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供了一种通过穿戴设备采集数据检测是否怀孕的方法,包括:通过穿戴设备采集用户的人体生理信号,并对人体生理信号进行滤波处理,得到人体生理信息值,根据人体生理信息值建立信息值变化曲线,并基于信息值变化曲线生成变化值曲线,根据多个变化值曲线建立生理变化相关模型;将生理变化相关模型与预设的早孕反应监测模型进行匹配计算,根据计算结果确定该用户是否存在早孕反应,在确定该用户存在早孕反应后,提醒用户做进一步的怀孕检查。通过本发明能够有效检测用户是否具有早孕反应,并提醒用户去医院做进一步的孕检。
Description
技术领域
本发明涉及穿戴设备数据采集分析领域,特别涉及一种通过穿戴设备采集数据检测是否怀孕的方法。
背景技术
怀孕检验被医疗专业人员和私人广泛使用。多年来,怀孕检验已经可在超市和药店获得。最著名的品牌是一种检验以可由个人在家里容易地使用的简单、稳固的装置,并且结果能够在大约数分钟里给出。该检验是基于检测相关女性的尿液中存在或不存在激素人类绒毛膜促性腺激素HCG。
尽管这种新检验是有用的,但提供的怀孕期是否超过三周的信息是非常有限的。其仅仅指出怀孕期是3周或更久。如果怀孕阶段不能从孕妇本人可提供的信息来计算,例如因为信息不完整或不准确,那么目前确定怀孕时间的唯一其它方式是超声扫描。而通过超声扫描进行早孕检验却对设备和环境的要求极高。
因此,急需一种简单便捷且准确的怀孕检测方法。
发明内容
本发明提供一种通过穿戴设备采集数据检测是否怀孕的方法,用以简单便捷且准确对用户进行智能的怀孕检测。
本发明提供一种通过穿戴设备采集数据检测是否怀孕的方法,包括:
通过穿戴设备采集用户的人体生理信号,并对所述人体生理信号进行滤波处理,得到人体生理信息值;
根据所述人体生理信息值建立信息值变化曲线,并基于所述信息值变化曲线生成变化值曲线;
根据多个所述变化值曲线建立生理变化相关模型;
将所述生理变化相关模型与预设的早孕反应监测模型进行匹配计算,根据计算结果确定该用户是否存在早孕反应;
在确定该用户存在早孕反应后,提醒用户做进一步的怀孕检查。
优选的,所述通过穿戴设备采集用户的人体生理信号,并对所述人体生理信号进行滤波处理,得到人体生理信息值包括:
通过穿戴设备采集用户的人体生理信号;
其中,人体生理信号包括体温信号、心率信号、血压信号、血氧信号、血糖信号中的一种或多种信号;
对所述人体生理信号通过滤波电路将所述人体生理信号进行硬件滤波处理,将经过硬件滤波处理后的所述人体生理信号通过软件进行均值滤波和尖峰滤波处理得到人体生理信息值;
将所述人体生理信息值打上时间戳,并将所述人体生理信息值按照时间戳对应的时间顺序存储。
优选的,所述根据所述人体生理信息值建立信息值变化曲线,并基于所述信息值变化曲线生成变化值曲线包括:
根据某种人体生理信息值建立按时间点顺序排列的该种人体生理信息值对应的信息值变化曲线;
将所述信息值变化曲线中人体生理信息值为零的时间点位置记为信息缺失时间点;
以信息缺失时间点前后最近两个具有人体生理信息值的时间点对应的人体生理信息值的均值作为补全信息将所述信息缺失时间点进行信息补全;
将补全后的信息值变化曲线按预设的间隔时间求取多个时间段内人体生理信息值的平均值;
将多个时间段内人体生理信息值的平均值按时序进行排列,并以本时间段内所述人体生理信息值的平均值与上个时间段内所述人体生理信息值的平均值的差值作为本时间段内人体生理信息值的变化值,求取多个时间段内人体生理信息值的变化值;
根据多个时间段内人体生理信息值的变化值,建立变化值曲线。
优选的,还包括对所述变化值曲线进行预处理,处理步骤如下:
步骤1、预设有该种人体生理信息值所对应的变化值波动幅值,将所述变化值曲线中所述变化值的绝对值大于所述变化值波动幅值的时间段进行标记,确定该时间段为异常开始时间段;
步骤2、确定所述异常开始时间段的前一个时间段内的所述人体生理信息值的平均值为第一平均值;
步骤3、预设有该种人体信息值所对应的统计误差值,从所述异常开始时间段起,当所述异常开始时间段后某个时间段对应所述人体生理信息值的平均值与所述第一平均值的绝对差值小于预设的统计误差值,且该时间段后连续预设个数时间段所对应的人体生理信息值的平均值与所述第一平均值的绝对差值均小于预设的统计误差值时,确定该时间段为异常结束时间段;
步骤4、将所述异常开始时间段和所述异常结束时间段进行标记,确定两个时间段之间包括这两个时间段的连续多个时间段为异常时间段;
步骤5、当所述异常时间段的连续个数大于预设值时,确定用户的人体生理信息出现异常,提醒用户向医生进行咨询。
优选的,所述根据多个所述变化值曲线建立生理变化相关模型包括:
获取多种所述人体生理信息对应的多个变化值曲线;
按照对应的时间段将多个变化值曲线进行并行排列,生成并行变化值曲线图;
提取每个变化值曲线中的异常时间段,并将多个变化值曲线中对应的异常时间段中的变化值清零;
将每个变化值曲线中变化值为零的时间段标记为变化值缺失时间段,以变化值缺失时间段前后最近两个具有变化值的时间段对应的变化值的均值作为补全值将所述变化值缺失时间段进行变化值补全;
对变化值补全后的并行变化值曲线图按时间段进行变化值提取,得到同一时间段下多种所述人体生理信息对应的多种变化值;
将多个时间段下多种所述人体生理信息对应的多种变化值放入同一个二维数组中得到生理变化相关模型P,其中:
式中,表示第t+n个时间段中第m类人体生理信息所对应的变化值。
优选的,所述将所述生理变化相关模型与预设的早孕反应监测模型进行匹配计算,根据计算结果确定该用户是否存在早孕反应包括:
通过自愿者数据调研或用户群体使用反馈得到某孕妇在怀孕初期的人体生理信息值;
根据该孕妇的人体生理信息值建立信息值变化曲线,并基于信息值变化曲线生成变化值曲线,根据多个所述变化值曲线建立该孕妇在怀孕初期的生理变化相关模型,并将该孕妇在怀孕初期的生理变化相关模型存入样本库;
根据样本库中多个孕妇在怀孕初期的生理变化相关模型,通过综合统计计算得到预设有n个时间段的早孕反应监测模型O,其中:
式中,表示第n个时间段中第m类人体生理信息所对应的变化值,/>表示第i个孕妇在怀孕初期的生理变化相关模型中第n个时间段中第m类人体生理信息所对应的变化值,j表示参与调研的孕妇总人数;
提取用户的生理变化相关模型P中第一类人体生理信息所对应的变化值,提取早孕反应监测模型0中第一类人体生理信息所对应的变化值,通过线性匹配,确定匹配度最高时对应的时间段t为疑是早孕反应的初始时间段,线性匹配公式如下:
式中,p(max,t)表示右式得到最大值时t的取值,表示第t+k个时间段中第一类人体生理信息所对应的变化值,/>表示第k个时间段中第一类人体生理信息所对应的变化值;
在得到疑是早孕反应的初始时间段后,从初始时间段t开始,将生理变化相关模型中对应于早孕反应监测模型的n个时间段的多种所述人体生理信息对应的多种变化值进行提取得到提取模型,计算提取模型和早孕反应监测模型的相关程度,计算公式如下:
式中,H表示提取模型和早孕反应监测模型的相关程度,表示提取模型中第k个时间段中第l类人体生理信息所对应的变化值,/>表示早孕反应监测模型中第k个时间段中第l类人体生理信息所对应的变化值,El表示预设的第l类人体生理信息所对应的相关计算权值;
当所述相关程度大于预设的相关程度下限阈值时,则确定该用户存在早孕反应。
优选的,在确定该用户存在早孕反应后,提醒用户做进一步的怀孕检查包括:
在确定该用户存在早孕反应后,获取该用户的地理位置信息和当前时间信息;
根据该用户的地理位置信息查找用户周围附近药店或医院的位置信息;
根据当前时间信息筛选当前正在工作的药店或医院;
选取用户和附近正在工作的药店或医院的最短路线,同时提醒用户前往药店或医院购买验孕棒进行怀孕检查。
优选的,在确定该用户存在早孕反应后,提醒用户做进一步的怀孕检查还包括:
在确定该用户存在早孕反应后,为该用户推荐孕检医院和孕检医生;
在用户选择好孕检医院和孕检医生后自动为用户进行预约挂号,同时为用户实时显示前面的剩余排队人数。
优选的,在确定该用户存在早孕反应后,提醒用户做进一步的怀孕检查后向用户确定此次检测结果是否正确;
在确定此次检测结果正确的情况下向该用户请求该用户提取模型的使用权;
在获得用户的应允后将该用户的提取模型加入样本库中,并对样本库中的样本进行更新。
优选的,所述在获得用户的应允后将该用户的提取模型加入样本库中,并对样本库中的样本进行更新,步骤如下:
步骤1、获取检测成功的用户的提取模型;
步骤2、将所述提取模型依次与所述样本库中多个生理变化相关模型进行相关程度计算;
步骤3、确定与所述提取模型相关程度最低的生理变化相关模型的建立时间,当该生理变化相关模型的建立时间距离当前的时间超过一个预设的时间长度时,将该生理变化相关模型进行删除;
步骤4、当该生理变化相关模型的建立时间距离当前的时间小于一个预设的时间长度时,将该生理变化相关模型调入候补样本库;
步骤5、将所述提取模型当做新的生理变化相关模型加入样本库中;
步骤6、将所述提取模型依次与所述候补样本库中多个生理变化相关模型进行相关程度计算,当对预设个数的所述提取模型进行相关程度计算后,得到生理变化相关模型相对于多个所述提取模型的相关程度,进而得到生理变化相关模型相对于多个所述提取模型的平均相关程度;
步骤7、将所述候补样本库中相对于多个所述提取模型的平均相关程度最高的生理变化相关模型调入样本库中。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种通过穿戴设备采集数据检测是否怀孕的方法流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供一种通过穿戴设备采集数据检测是否怀孕的方法,包括:
步骤S100通过穿戴设备采集用户的人体生理信号,并对所述人体生理信号进行滤波处理,得到人体生理信息值;
步骤S101根据所述人体生理信息值建立信息值变化曲线,并基于所述信息值变化曲线生成变化值曲线;
步骤S102根据多个所述变化值曲线建立生理变化相关模型;
步骤S103将所述生理变化相关模型与预设的早孕反应监测模型进行匹配计算,根据计算结果确定该用户是否存在早孕反应;
步骤S104在确定该用户存在早孕反应后,提醒用户做进一步的怀孕检查。
上述技术方案的工作原理和有益效果为:通过穿戴设备采集用户的人体生理信号,人体生理信号包括体温信号、心率信号、血压信号、血氧信号、血糖信号等,还结合了中医理论,比如脉搏信号、经络信号以及人体的行为特征变化情况等等,最后以这些信号生成人体生理信息值,根据人体生理信息值建立信息值变化曲线反映人体生理信息值随时间的变化情况,并进一步生成变化值曲线,反映当前生理信息值相对于上个时间点的生理信息值的变化程度。对变化值曲线进行处理后,以用户多种不同类型的生理信息值所对应的多个变化值曲线建立生理变化相关模型,将所述生理变化相关模型与预设的早孕反应监测模型进行匹配计算,根据计算结果确定该用户是否存在早孕反应。通过上述技术方案,实现了对用户的生理信息的长时间监控,结合中医脉诊和西医临床的检测手段从用户怀孕前便开始检测,能够详细记录用户怀孕前后的生理信息的确切情况,并确定确切的怀孕时间点。并且能够将用户的生理信息进行保存从而建立起了被检测用户的人体生理信息值变化的模型,通过对整个模型进行求解,方便对孕妇的身体健康状态进行跟踪,对自身及胎儿的健康情况进行了解,有利于孕妇及早预防疾病、减少孕期上医院的次数,节省开支和求医时间,从而减轻孕妇在孕期的经济负担与精神负担。
在一个优选实施例中,所述通过穿戴设备采集用户的人体生理信号,并对所述人体生理信号进行滤波处理,得到人体生理信息值包括:
通过穿戴设备采集用户的人体生理信号;
其中,人体生理信号包括体温信号、心率信号、血压信号、血氧信号、血糖信号等中的一种或多种信号;
对所述人体生理信号通过滤波电路将所述人体生理信号进行硬件滤波处理,将经过硬件滤波处理后的所述人体生理信号通过软件进行均值滤波和尖峰滤波处理得到人体生理信息值;
将所述人体生理信息值打上时间戳,并将所述人体生理信息值按照时间戳对应的时间顺序存储。
上述技术方案的工作原理和有益效果为:通过穿戴设备采集用户的多种生理信息进行综合评估,有利于精确检测用户是否怀孕,对信号进行滤波除噪处理后打上时间戳并进行存储,方便数据查找。
在一个优选实施例中,所述根据所述人体生理信息值建立信息值变化曲线,并基于所述信息值变化曲线生成变化值曲线包括:
根据某种人体生理信息值建立按时间点顺序排列的该种人体生理信息值对应的信息值变化曲线;
将所述信息值变化曲线中人体生理信息值为零的时间点位置记为信息缺失时间点;
以信息缺失时间点前后最近两个具有人体生理信息值的时间点对应的人体生理信息值的均值作为补全信息将所述信息缺失时间点进行信息补全;
将补全后的信息值变化曲线按预设的间隔时间求取多个时间段内人体生理信息值的平均值;
将多个时间段内人体生理信息值的平均值按时序进行排列,并以本时间段内所述人体生理信息值的平均值与上个时间段内所述人体生理信息值的平均值的差值作为本时间段内人体生理信息值的变化值,求取多个时间段内人体生理信息值的变化值;
根据多个时间段内人体生理信息值的变化值,建立变化值曲线。
上述技术方案的工作原理和有益效果为:根据某种人体生理信息值建立按时间点顺序排列的该种人体生理信息值对应的信息值变化曲线,将所述信息值变化曲线中人体生理信息值为零的时间点位置记为信息缺失时间点,并对信息缺失时间点进行信息补全,避免用户未佩戴设备导致的数据缺失。将补全后的信息值变化曲线按预设的间隔时间求取多个时间段内人体生理信息值的平均值,有效地降低了人体生理信息值内的粗大误差对检测结果的影响,将多个时间段内人体生理信息值的平均值按时序进行排列,以本时间段内所述人体生理信息值的平均值与上个时间段内所述人体生理信息值的平均值的差值作为本时间段内人体生理信息值的变化值,得到多个时间段内人体生理信息值的变化值并建立变化值曲线,通过变化值方便对异常变化的人体生理信息值进行查找。
在一个优选实施例中,还包括对所述变化值曲线进行预处理,处理步骤如下:
步骤1、预设有该种人体生理信息值所对应的变化值波动幅值,将所述变化值曲线中所述变化值的绝对值大于所述变化值波动幅值的时间段进行标记,确定该时间段为异常开始时间段;
步骤2、确定所述异常开始时间段的前一个时间段内的所述人体生理信息值的平均值为第一平均值;
步骤3、预设有该种人体信息值所对应的统计误差值,从所述异常开始时间段起,当所述异常开始时间段后某个时间段对应所述人体生理信息值的平均值与所述第一平均值的绝对差值小于预设的统计误差值,且该时间段后连续预设个数时间段所对应的人体生理信息值的平均值与所述第一平均值的绝对差值均小于预设的统计误差值时,确定该时间段为异常结束时间段;
步骤4、将所述异常开始时间段和所述异常结束时间段进行标记,确定两个时间段之间包括这两个时间段的连续多个时间段为异常时间段;
步骤5、当所述异常时间段的连续个数大于预设值时,确定用户的人体生理信息出现异常,提醒用户向医生进行咨询。
上述技术方案的工作原理和有益效果为:将变化值曲线中变化值异常的时间段进行查找,确定变化值异常的所处时间段,方便对变化值异常的所处时间段的数据进行删减,从而避免因用户生病时生理信息异常对检测结果的影响,同时能够对用户的身体健康状况进行监测,提醒用户及时就医。
在一个优选实施例中,所述根据多个所述变化值曲线建立生理变化相关模型包括:
获取多种所述人体生理信息对应的多个变化值曲线;
按照对应的时间段将多个变化值曲线进行并行排列,生成并行变化值曲线图;
提取每个变化值曲线中的异常时间段,并将多个变化值曲线中对应的异常时间段中的变化值清零;
将每个变化值曲线中变化值为零的时间段标记为变化值缺失时间段,以变化值缺失时间段前后最近两个具有变化值的时间段对应的变化值的均值作为补全值将所述变化值缺失时间段进行变化值补全;
对变化值补全后的并行变化值曲线图按时间段进行变化值提取,得到同一时间段下多种所述人体生理信息对应的多种变化值;
将多个时间段下多种所述人体生理信息对应的多种变化值放入同一个二维数组中得到生理变化相关模型P,其中:
式中,表示第t+n个时间段中第m类人体生理信息所对应的变化值。
上述技术方案的工作原理和有益效果为:按照对应的时间段将多个变化值曲线进行并行排列,生成并行变化值曲线图,提取每个变化值曲线中的异常时间段,并将多个变化值曲线中对应的异常时间段中的变化值清零,从而对异常情况下的人体生理信息进行删减,避免因用户生病时生理信息异常对检测结果的影响,将每个变化值曲线中变化值为零的时间段标记为变化值缺失时间段,以变化值缺失时间段前后最近两个具有变化值的时间段对应的变化值的均值作为补全值将所述变化值缺失时间段进行变化值补全,避免信息缺失对检测结果的影响,对变化值补全后的并行变化值曲线图按时间段进行变化值提取,得到同一时间段下多种所述人体生理信息对应的多种变化值,将多个时间段下多种所述人体生理信息对应的多种变化值放入同一个二维数组中得到生理变化相关模型P,方便对数据进行提取和运算。
在一个优选实施例中,所述将所述生理变化相关模型与预设的早孕反应监测模型进行匹配计算,根据计算结果确定该用户是否存在早孕反应包括:
通过自愿者数据调研或用户群体使用反馈得到某孕妇在怀孕初期的人体生理信息值;
根据该孕妇的人体生理信息值建立信息值变化曲线,并基于信息值变化曲线生成变化值曲线,根据多个所述变化值曲线建立该孕妇在怀孕初期的生理变化相关模型,并将该孕妇在怀孕初期的生理变化相关模型存入样本库;
根据样本库中多个孕妇在怀孕初期的生理变化相关模型,通过综合统计计算得到预设有n个时间段的早孕反应监测模型O,其中:
式中,表示第n个时间段中第m类人体生理信息所对应的变化值,/>表示第i个孕妇在怀孕初期的生理变化相关模型中第n个时间段中第m类人体生理信息所对应的变化值,j表示参与调研的孕妇总人数;
提取用户的生理变化相关模型P中第一类人体生理信息所对应的变化值,提取早孕反应监测模型O中第一类人体生理信息所对应的变化值,通过线性匹配,确定匹配度最高时对应的时间段t为疑是早孕反应的初始时间段,线性匹配公式如下:
式中,p(max,t)表示右式得到最大值时t的取值,表示第t+k个时间段中第一类人体生理信息所对应的变化值,/>表示第k个时间段中第一类人体生理信息所对应的变化值;
在得到疑是早孕反应的初始时间段后,从初始时间段t开始,将生理变化相关模型中对应于早孕反应监测模型的n个时间段的多种所述人体生理信息对应的多种变化值进行提取得到提取模型,计算提取模型和早孕反应监测模型的相关程度,计算公式如下:
式中,H表示提取模型和早孕反应监测模型的相关程度,表示提取模型中第k个时间段中第l类人体生理信息所对应的变化值,/>表示早孕反应监测模型中第k个时间段中第l类人体生理信息所对应的变化值,El表示预设的第l类人体生理信息所对应的相关计算权值;
当所述相关程度大于预设的相关程度下限阈值时,则确定该用户存在早孕反应。
上述技术方案的工作原理和有益效果为:通过自愿者数据调研或用户群体使用反馈得到大量孕妇在怀孕初期的人体生理信息值,并建立孕妇在怀孕初期的生理变化相关模型,综合多个孕妇在怀孕初期的生理变化相关模型建立用于进行相关程度计算的早孕反应监测模型,此时的早孕反应监测模型是一段预设时间长度的一个模型,而用户的生理变化相关模型是一个长期的模型,时间上并不对等,通过线性匹配计算,确定匹配度最高时对应的时间段t为疑是早孕反应的初始时间段,利用时移相关匹配的方法计算出两个模型在时移下的匹配程度,并确定在匹配程度最大的情况下两个模型的时间段完全匹配,从而将怀孕时间点相对应上。进一步的,将用户的生理变化相关模型按照早孕反应监测模型的时间长度进行裁剪得到提取模型,最终计算出提取模型和早孕反应监测模型的相关程度,从而判断该用户是否存在早孕反应。
在一个优选实施例中,在确定该用户存在早孕反应后,提醒用户做进一步的怀孕检查包括:
在确定该用户存在早孕反应后,获取该用户的地理位置信息和当前时间信息;
根据该用户的地理位置信息查找用户周围附近药店或医院的位置信息;
根据当前时间信息筛选当前正在工作的药店或医院;
选取用户和附近正在工作的药店或医院的最短路线,同时提醒用户前往药店或医院购买验孕棒进行怀孕检查。
上述技术方案的工作原理和有益效果为:在确定该用户存在早孕反应后,获取该用户的地理位置信息和当前时间信息,选取用户前往附近正在工作的药店或医院的最短路线,方便用户快速进行进一步的怀孕检测。
在一个优选实施例中,在确定该用户存在早孕反应后,提醒用户做进一步的怀孕检查还包括:
在确定该用户存在早孕反应后,为该用户推荐孕检医院和孕检医生;
在用户选择好孕检医院和孕检医生后自动为用户进行预约挂号,同时为用户实时显示前面的剩余排队人数。
上述技术方案的工作原理和有益效果为:在确定该用户存在早孕反应后自动向用户推荐孕检医院和孕检医生,并在用户选择好孕检医院和孕检医生后自动为用户进行预约挂号,同时为用户实时显示前面的剩余排队人数,从而为用户合理安排时间提供了极大的帮助,简化了用户的就医流程。
在一个优选实施例中,在确定该用户存在早孕反应后,提醒用户做进一步的怀孕检查后向用户确定此次检测结果是否正确;
在确定此次检测结果正确的情况下向该用户请求该用户提取模型的使用权;
在获得用户的应允后将该用户的提取模型加入样本库中,并对样本库中的样本进行更新。
上述技术方案的工作原理和有益效果为:在确定此次检测结果正确的情况下利用用户的提取模型对样本库中的样本进行更新,避免样本老化导致对后续的检测结果不准确。
在一个优选实施例中,所述在获得用户的应允后将该用户的提取模型加入样本库中,并对样本库中的样本进行更新,步骤如下:
步骤1、获取检测成功的用户的提取模型;
步骤2、将所述提取模型依次与所述样本库中多个生理变化相关模型进行相关程度计算;
步骤3、确定与所述提取模型相关程度最低的生理变化相关模型的建立时间,当该生理变化相关模型的建立时间距离当前的时间超过一个预设的时间长度时,将该生理变化相关模型进行删除;
步骤4、当该生理变化相关模型的建立时间距离当前的时间小于一个预设的时间长度时,将该生理变化相关模型调入候补样本库;
步骤5、将所述提取模型当做新的生理变化相关模型加入样本库中;
步骤6、将所述提取模型依次与所述候补样本库中多个生理变化相关模型进行相关程度计算,当对预设个数的所述提取模型进行相关程度计算后,得到生理变化相关模型相对于多个所述提取模型的相关程度,进而得到生理变化相关模型相对于多个所述提取模型的平均相关程度;
步骤7、将所述候补样本库中相对于多个所述提取模型的平均相关程度最高的生理变化相关模型调入样本库中。
上述技术方案的工作原理和有益效果为:将检测准确的用户提取模型依次与所述样本库中多个生理变化相关模型进行相关程度计算,对匹配程度较低且记入时间过于久远的生理变化相关模型进行删除,将匹配程度较低且记入时间较近的生理变化相关模型调入候补样本库,之后将所述提取模型当做新的生理变化相关模型加入样本库中。进一步的,将提取模型依次与所述候补样本库中多个生理变化相关模型进行相关程度计算,当对预设个数的所述提取模型进行相关程度计算后,得到生理变化相关模型相对于多个所述提取模型的相关程度,进而得到生理变化相关模型相对于多个所述提取模型的平均相关程度;将所述候补样本库中相对于多个所述提取模型的平均相关程度最高的生理变化相关模型调入样本库中,从而实现对候补样本库中误判的样本进行恢复。通过以上更新手段实现了检测模板的自动更新。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种通过穿戴设备采集数据检测是否怀孕的方法,其特征在于,包括:
通过穿戴设备采集用户的人体生理信号,并对所述人体生理信号进行滤波处理,得到人体生理信息值;
根据所述人体生理信息值建立信息值变化曲线,并基于所述信息值变化曲线生成变化值曲线;
根据多个所述变化值曲线建立生理变化相关模型;
将所述生理变化相关模型与预设的早孕反应监测模型进行匹配计算,根据计算结果确定该用户是否存在早孕反应;其中,
通过自愿者数据调研或用户群体使用反馈得到某孕妇在怀孕初期的人体生理信息值;
根据该孕妇的人体生理信息值建立信息值变化曲线,并基于信息值变化曲线生成变化值曲线,根据多个所述变化值曲线建立该孕妇在怀孕初期的生理变化相关模型,并将该孕妇在怀孕初期的生理变化相关模型存入样本库;
根据样本库中多个孕妇在怀孕初期的生理变化相关模型,通过综合统计计算得到预设有n个时间段的早孕反应监测模型O,其中:
式中,表示第n个时间段中第m类人体生理信息所对应的变化值,/>表示第i个孕妇在怀孕初期的生理变化相关模型中第n个时间段中第m类人体生理信息所对应的变化值,j表示参与调研的孕妇总人数;
提取用户的生理变化相关模型P中第一类人体生理信息所对应的变化值,提取早孕反应监测模型O中第一类人体生理信息所对应的变化值,通过线性匹配,确定匹配度最高时对应的时间段t为疑是早孕反应的初始时间段,线性匹配公式如下:
式中,p(max,t)表示右式得到最大值时t的取值,表示第t+k个时间段中第一类人体生理信息所对应的变化值,/>表示第k个时间段中第一类人体生理信息所对应的变化值;
在得到疑是早孕反应的初始时间段后,从初始时间段t开始,将生理变化相关模型中对应于早孕反应监测模型的n个时间段的多种所述人体生理信息对应的多种变化值进行提取得到提取模型,计算提取模型和早孕反应监测模型的相关程度,计算公式如下:
式中,H表示提取模型和早孕反应监测模型的相关程度,表示提取模型中第k个时间段中第l类人体生理信息所对应的变化值,/>表示早孕反应监测模型中第k个时间段中第l类人体生理信息所对应的变化值,El表示预设的第l类人体生理信息所对应的相关计算权值;
当所述相关程度大于预设的相关程度下限阈值时,则确定该用户存在早孕反应;
在确定该用户存在早孕反应后,提醒用户做进一步的怀孕检查。
2.根据权利要求1所述的一种通过穿戴设备采集数据检测是否怀孕的方法,其特征在于,所述通过穿戴设备采集用户的人体生理信号,并对所述人体生理信号进行滤波处理,得到人体生理信息值包括:
通过穿戴设备采集用户的人体生理信号;
其中,人体生理信号包括体温信号、心率信号、血压信号、血氧信号、血糖信号中的一种或多种信号;
对所述人体生理信号通过滤波电路将所述人体生理信号进行硬件滤波处理,将经过硬件滤波处理后的所述人体生理信号通过软件进行均值滤波和尖峰滤波处理得到人体生理信息值;
将所述人体生理信息值打上时间戳,并将所述人体生理信息值按照时间戳对应的时间顺序存储。
3.根据权利要求1所述的一种通过穿戴设备采集数据检测是否怀孕的方法,其特征在于,所述根据所述人体生理信息值建立信息值变化曲线,并基于所述信息值变化曲线生成变化值曲线包括:
根据某种人体生理信息值建立按时间点顺序排列的该种人体生理信息值对应的信息值变化曲线;
将所述信息值变化曲线中人体生理信息值为零的时间点位置记为信息缺失时间点;
以信息缺失时间点前后最近两个具有人体生理信息值的时间点对应的人体生理信息值的均值作为补全信息将所述信息缺失时间点进行信息补全;
将补全后的信息值变化曲线按预设的间隔时间求取多个时间段内人体生理信息值的平均值;
将多个时间段内人体生理信息值的平均值按时序进行排列,并以本时间段内所述人体生理信息值的平均值与上个时间段内所述人体生理信息值的平均值的差值作为本时间段内人体生理信息值的变化值,求取多个时间段内人体生理信息值的变化值;
根据多个时间段内人体生理信息值的变化值,建立变化值曲线。
4.根据权利要求3所述的一种通过穿戴设备采集数据检测是否怀孕的方法,其特征在于,还包括对所述变化值曲线进行预处理,处理步骤如下:
步骤1、预设有该种人体生理信息值所对应的变化值波动幅值,将所述变化值曲线中所述变化值的绝对值大于所述变化值波动幅值的时间段进行标记,确定该时间段为异常开始时间段;
步骤2、确定所述异常开始时间段的前一个时间段内的所述人体生理信息值的平均值为第一平均值;
步骤3、预设有该种人体信息值所对应的统计误差值,从所述异常开始时间段起,当所述异常开始时间段后某个时间段对应所述人体生理信息值的平均值与所述第一平均值的绝对差值小于预设的统计误差值,且该时间段后连续预设个数时间段所对应的人体生理信息值的平均值与所述第一平均值的绝对差值均小于预设的统计误差值时,确定该时间段为异常结束时间段;
步骤4、将所述异常开始时间段和所述异常结束时间段进行标记,确定两个时间段之间包括这两个时间段的连续多个时间段为异常时间段;
步骤5、当所述异常时间段的连续个数大于预设值时,确定用户的人体生理信息出现异常,提醒用户向医生进行咨询。
5.根据权利要求3所述的一种通过穿戴设备采集数据检测是否怀孕的方法,其特征在于所述根据多个所述变化值曲线建立生理变化相关模型包括:
获取多种所述人体生理信息对应的多个变化值曲线;
按照对应的时间段将多个变化值曲线进行并行排列,生成并行变化值曲线图;
提取每个变化值曲线中的异常时间段,并将多个变化值曲线中对应的异常时间段中的变化值清零;
将每个变化值曲线中变化值为零的时间段标记为变化值缺失时间段,以变化值缺失时间段前后最近两个具有变化值的时间段对应的变化值的均值作为补全值将所述变化值缺失时间段进行变化值补全;
对变化值补全后的并行变化值曲线图按时间段进行变化值提取,得到同一时间段下多种所述人体生理信息对应的多种变化值;
将多个时间段下多种所述人体生理信息对应的多种变化值放入同一个二维数组中得到生理变化相关模型P,其中:
式中,表示第t+n个时间段中第m类人体生理信息所对应的变化值。
6.根据权利要求1所述的一种通过穿戴设备采集数据检测是否怀孕的方法,其特征在于,在确定该用户存在早孕反应后,提醒用户做进一步的怀孕检查包括:
在确定该用户存在早孕反应后,获取该用户的地理位置信息和当前时间信息;
根据该用户的地理位置信息查找用户周围附近药店或医院的位置信息;
根据当前时间信息筛选当前正在工作的药店或医院;
选取用户和附近正在工作的药店或医院的最短路线,同时提醒用户前往药店或医院购买验孕棒进行怀孕检查。
7.根据权利要求6所述的一种通过穿戴设备采集数据检测是否怀孕的方法,其特征在于,在确定该用户存在早孕反应后,提醒用户做进一步的怀孕检查还包括:
在确定该用户存在早孕反应后,为该用户推荐孕检医院和孕检医生;
在用户选择好孕检医院和孕检医生后自动为用户进行预约挂号,同时为用户实时显示前面的剩余排队人数。
8.根据权利要求6所述的一种通过穿戴设备采集数据检测是否怀孕的方法,其特征在于在确定该用户存在早孕反应后,提醒用户做进一步的怀孕检查后向用户确定此次检测结果是否正确;
在确定此次检测结果正确的情况下向该用户请求该用户提取模型的使用权;
在获得用户的应允后将该用户的提取模型加入样本库中,并对样本库中的样本进行更新。
9.根据权利要求8所述的一种通过穿戴设备采集数据检测是否怀孕的方法,其特征在于所述在获得用户的应允后将该用户的提取模型加入样本库中,并对样本库中的样本进行更新,步骤如下:
步骤1、获取检测成功的用户的提取模型;
步骤2、将所述提取模型依次与所述样本库中多个生理变化相关模型进行相关程度计算;
步骤3、确定与所述提取模型相关程度最低的生理变化相关模型的建立时间,当该生理变化相关模型的建立时间距离当前的时间超过一个预设的时间长度时,将该生理变化相关模型进行删除;
步骤4、当该生理变化相关模型的建立时间距离当前的时间小于一个预设的时间长度时,将该生理变化相关模型调入候补样本库;
步骤5、将所述提取模型当做新的生理变化相关模型加入样本库中;
步骤6、将所述提取模型依次与所述候补样本库中多个生理变化相关模型进行相关程度计算,当对预设个数的所述提取模型进行相关程度计算后,得到生理变化相关模型相对于多个所述提取模型的相关程度,进而得到生理变化相关模型相对于多个所述提取模型的平均相关程度;
步骤7、将所述候补样本库中相对于多个所述提取模型的平均相关程度最高的生理变化相关模型调入样本库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110883522.0A CN113823398B (zh) | 2021-08-03 | 2021-08-03 | 一种通过穿戴设备采集数据检测是否怀孕的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110883522.0A CN113823398B (zh) | 2021-08-03 | 2021-08-03 | 一种通过穿戴设备采集数据检测是否怀孕的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113823398A CN113823398A (zh) | 2021-12-21 |
CN113823398B true CN113823398B (zh) | 2023-11-14 |
Family
ID=78912805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110883522.0A Active CN113823398B (zh) | 2021-08-03 | 2021-08-03 | 一种通过穿戴设备采集数据检测是否怀孕的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113823398B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116369874B (zh) * | 2023-03-27 | 2023-12-12 | 浙江想能睡眠科技股份有限公司 | 一种基于床垫数据的人体健康检测方法、系统和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110189808A (zh) * | 2019-06-11 | 2019-08-30 | 深圳孕味十足科技有限公司 | 孕期数据管理方法、系统及存储介质 |
WO2021038025A1 (en) * | 2019-08-29 | 2021-03-04 | Ava Ag | System and method for estimating a fertility status of a woman |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160110514A1 (en) * | 2014-10-20 | 2016-04-21 | Electronics And Telecommunications Research Institute | Personal healthcare device, smart device, and method of providing healthcare service for pregnant women using the same |
US20200222032A1 (en) * | 2017-09-20 | 2020-07-16 | Ava Ag | System and method for detecting pregnancy related events |
-
2021
- 2021-08-03 CN CN202110883522.0A patent/CN113823398B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110189808A (zh) * | 2019-06-11 | 2019-08-30 | 深圳孕味十足科技有限公司 | 孕期数据管理方法、系统及存储介质 |
WO2021038025A1 (en) * | 2019-08-29 | 2021-03-04 | Ava Ag | System and method for estimating a fertility status of a woman |
Also Published As
Publication number | Publication date |
---|---|
CN113823398A (zh) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5604451B2 (ja) | 臨床的に意味のある生命徴候を自動的に捕獲及び記録保存するシステム及び方法 | |
CN104382570A (zh) | 数字化全自动健康状况检测装置 | |
EP4318335A1 (en) | Electrocardiogram analysis assistance device, program, electrocardiogram analysis assistance method, electrocardiogram analysis assistance system, peak estimation model generation method, and segment estimation model generation method | |
CN113823398B (zh) | 一种通过穿戴设备采集数据检测是否怀孕的方法 | |
US20030153817A1 (en) | Pattern analysis system and method | |
US20240164691A1 (en) | Electrocardiogram analysis assistance device, program, electrocardiogram analysis assistance method, and electrocardiogram analysis assistance system | |
CN112562860A (zh) | 分类模型的训练方法及装置、冠心病辅助筛查方法及装置 | |
CN114220543B (zh) | 一种肿瘤患者身心痛苦指数评估方法以及系统 | |
CN110456050B (zh) | 便携式智能数字化寄生虫体外诊断仪 | |
CN116864104A (zh) | 基于人工智能的慢性血栓栓塞性肺动脉高压风险分级系统 | |
US8036733B2 (en) | Diagnostic parameter calculation method, system for diagnosis and diagnostic program | |
CN110603592B (zh) | 生物标志物检测方法、疾病判断方法、生物标志物检测装置和生物标志物检测程序 | |
JP2009080700A (ja) | 健康医療情報管理分析装置 | |
Madona et al. | Classification of ECG signals using the Naïve Bayes classification method and its implementation in android-based smart health care | |
JP2005000265A (ja) | 健康状態別の発症リスク知識構築方法及び健康管理装置 | |
CN114176532B (zh) | 一种测定cfPWV参数的临床验证方法及其应用系统 | |
CN115661101A (zh) | 基于随机采样和深度学习的早产儿视网膜病变检测系统 | |
CN113140315B (zh) | 一种健康自测系统、服务器及健康检测系统 | |
JP2009207837A (ja) | 生体信号測定装置 | |
CN111345815B (zh) | 一种心电信号中qrs波的检测方法、装置、设备和存储介质 | |
CN110808102A (zh) | 一种健康平台的信息推送方法、系统及终端 | |
WO2010099764A2 (en) | Method of recognizing the risk of preterm birth consisting in observing the uterine activity based on the analysis of uterine contractions and arrangement for performing thereof | |
RU2728869C1 (ru) | Компьютеризированный способ неинвазивного выявления нарушений углеводного обмена по электрокардиограмме | |
JP2011257816A (ja) | 受診者状態推定装置及びプログラム | |
Tatulli et al. | Automated Quality Assessment for Accelerometer-Based Heart Sounds Recorded with a Novel Subcutaneous Medical Implant |
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 |