CN113889278A - 养老数据分析系统及方法 - Google Patents
养老数据分析系统及方法 Download PDFInfo
- Publication number
- CN113889278A CN113889278A CN202110996718.0A CN202110996718A CN113889278A CN 113889278 A CN113889278 A CN 113889278A CN 202110996718 A CN202110996718 A CN 202110996718A CN 113889278 A CN113889278 A CN 113889278A
- Authority
- CN
- China
- Prior art keywords
- information
- management device
- parameters
- data analysis
- physiological
- 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
Images
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
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种养老数据分析系统及方法。养老数据分析系统,包括后台管理装置、与后台管理装置进行信号通讯的移动管理装置,还包括信息获取模块,所述信息获取模块与所述后台管理装置进行数据通讯,被配置为采集和接收老年用户的生理参数和生活习惯参数;所述后台管理装置包括信息发送模块和用于接收所述生理参数和所述生活习惯参数的信息处理模块,所述信息发送模块与所述移动管理装置信号连接,以通过所述移动管理装置显示目标信息,实现对老年用户的心理和健康情况的展示。本发明养老数据分析系统及方法,实现了老年人健康评估、多源数据融合的认知障碍识别与干预、老年人需求挖掘与智能推荐和生理健康数据分析及预警的一体化。
Description
技术领域
本发明涉及健康养老技术领域,尤其涉及一种养老数据分析系统及方法。
背景技术
智慧健康是通过对信息技术的应用和信息资源的深度挖掘,建立覆盖城乡居民和各级医疗卫生机构的信息化保障系统,对居民健康进行更智慧地分析,并提供疾病预警与决策支持。健康服务不再是被动地满足用户的需求,而是主动感知用户的健康状况,并及时进行信息的智能交互,为用户提供个性化的精准健康服务。
根据相关部门的数据统计,2019年,我国65岁及以上的老年人口数量净增加约945万人,总人数占我国总人口的12.6%,达到2.54亿,是世界上老年人口最多的国家。根据相关预测,“十四五”期间,我国老年人口将突破3亿,将从轻度老龄化迈入中度老龄化。
用于老年人的社会保障支出将持续增长;农村实际居住人口老龄化程度可能进一步加深,养老问题日趋严重。传统养老模式已经无法适应我国国情,借助互联网技术、云技术和物联网技术,与智慧健康相结合的智慧健康养老产业应运而生。
养老信息化系统开始在越来越多的养老机构以及养老社区中应用,使养老过程中的康复护理、健康管理、医疗服务、生活服务等都实现了信息化。但在实现养老信息化之后产生的大量数据,在我国还没有得到充分地挖掘和利用,对于养老智能化的实现以及养老服务的管理水平和服务质量的提升,都没有起到很好地促进作用
有鉴于此,确有必要提出一种养老数据分析系统及方法,以解决上述问题。
发明内容
本发明的目的在于提供一种养老数据分析系统及方法,实现了老年人健康评估、多源数据融合的认知障碍识别与干预、老年人需求挖掘与智能推荐和生理健康数据分析及预警服务的一体化。
为实现上述目的,本发明提供了一种养老数据分析系统,包括后台管理装置、与后台管理装置进行信号通讯的移动管理装置,还包括信息获取模块,所述信息获取模块与所述后台管理装置进行数据通讯,被配置为采集和接收老年用户的生理参数和生活习惯参数;所述后台管理装置包括信息发送模块和用于接收所述生理参数和所述生活习惯参数的信息处理模块,所述信息发送模块与所述移动管理装置信号连接,以通过所述移动管理装置显示目标信息,实现对老年用户的心理和健康情况的展示。
作为本发明的进一步改进,所述信息获取模块设置有一个或多个,所述信息获取模块可同时/分别对老年用户的生理参数和生活习惯参数进行采集。
作为本发明的进一步改进,所述信息获取模块包括用于采集老年用户的生理参数的生理参数采集单元和用于采集老年用户的生活习惯参数的习惯参数采集单元,所述生理参数采集单元和所述习惯参数采集单元分别与信息处理模块进行数据通讯。
作为本发明的进一步改进,所述生理参数至少包括老年用户的心电信息,所述信息处理模块接收所述心电信息,并可基于深度自动特征和专家手工特征互补学习对所述心电信息进行分析。
作为本发明的进一步改进,所述生活习惯参数至少包括老年用户的人口学信息、病史信息、生活习惯、锻炼习惯、认知主诉信息等用于展示老年用户的神经心理状态和身体健康状态的信息。
作为本发明的进一步改进,所述信息处理模块还包括用于接收所述生活习惯参数的生活习惯处理单元,所述生活习惯参数处理单元用于对采集到的所述生活习惯参数进行预处理,并可根据预处理后的信息进行特征提取、选择,以对老年用户的认知障碍风险进行评估。
作为本发明的进一步改进,所述生活习惯处理单元还被配置为根据所述生活习惯参数进行分析并根据分析后的结果进行大数据调用,以提供与老年用户的生活习惯匹配的推荐数据,并通过所述移动管理装置进行显示。
作为本发明的进一步改进,所述后台管理装置还包括与老年用户的智能移动终端进行绑定的敏感数据分析模块,所述敏感数据分析模块被配置为根据历史敏感信息的特征向量和敏感信息类别进行敏感信息模型训练,获取敏感信息判断模型。
作为本发明的进一步改进,所述目标信息包括实施健康状态信息、健康状态预警信息以及用于对老年用户的生活习惯进行改进的改进信息,所述目标信息还包括经信息发送模块传递给所述移动管理装置的认知状态预警信息。
本发明还提供了一种养老数据分析方法,包括以下步骤:
S1、通过信息获取模块获取老年用户的所述生理参数和生活习惯参数;
S2、后台管理装置接收所述生理参数和所述生活习惯参数,并对所述生理参数和所述生活习惯参数进行处理;
S3、所述后台管理装置的信息处理模块根据接收到的所述生理参数和所述生活习惯参数对老年用户的生理和心理状态进行评估,并通过调用大数据匹配与老年用户的生理和心理状态匹配的目标信息;
S4、所述目标信息通过信息发送模块传递至移动管理装置或智能移动终端进行显示。
本发明的有益效果是:本发明的养老数据分析系统及方法实现了老年人健康状态评估、认知障碍识别、老年人需求挖掘、生理数据分析预警以及老年人防诈骗服务等功能,可以有效地掌握老年热群的慢性疾病记录,整体健康状态、生理指标、早期心理疾患,综合所有影响老年健康因素,系统的干扰改善老年人的生活质量和健康水平,让老年人更有获得感、幸福感和安全感。
附图说明
图1是本发明养老数据分析系统的结构框图。
图2是本发明养老数据分析方法的流程图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面接合附图和具体实施例对本发明进行详细描述。
在此,需要说明的是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与本发明的方案密切相关的结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
另外,还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
请参阅图1所示,本发明揭示了一种养老数据分析系统100,包括后台管理装置1、与后台管理装置1进行信号通讯的移动管理装置2以及信息获取模块3。
后台管理装置1包括信息发送模块11和与信息发送模块11对应设置的信息处理模块12,信息发送模块11与移动管理装置2之间可进行数据通讯;信息处理模块12与信息获取模块3之间进行数据通讯,以对信息获取模块3采集的信息进行处理,获取与老年用户的身体健康情况或生活情况匹配的目标信息,并通过信息发送模块11将处理后的信息传递至移动管理装置2进行显示。在本发明中,目标信息包括实施健康状态信息、健康状态预警信息以及用于对老年用户的生活习惯进行改进的改进信息,目标信息还包括经信息发送模块传递给移动管理装置的认知状态预警信息。
移动管理装置2与后台管理装置1数据通讯连接,移动管理装置2用于显示老年用户的实时状态信息或者进行老年用户的特定信息,如姓名、性别、病史信息等,的输入。移动管理装置2可以为手机等智能移动设备,且同一个后台管理装置1可以同时连接多个移动管理装置2,多个移动管理装置2可同时对后台管理装置1进行管理并接收目标信息。进一步的,移动管理装置2可为老年用户的本身的智能移动终端,以方便老年用户对自己的健康和生活状态进行了解。
信息获取模块3与后台管理装置1进行数据通讯,被配置为采集和接收老年用户的生理参数和生活习惯参数;在本发明中,信息获取模块3设置有1个或多个,以同时/分别获取老年用户的生理参数和生活习惯参数。
具体地,信息获取模块3包括用于采集老年用户的生理参数的生理参数采集单元31和用于采集老年用户的生活习惯参数的习惯参数采集单元32,生理参数采集单元31和习惯参数采集单元32分别与信息处理模块12进行数据通讯。
在本发明中,生理参数至少包括老年用户的心电信息,生理参数采集单元31采集该心电信息并将心电信息传递至信息处理模块12进行处理;此时,信息处理模块12可基于深度自动特征和专家手工特征互补学习对心电信息进行分析。具体地,信息处理模块12对心电信息进行分析的分析流程为:
1)采集连续24小时心电信号,滤除其中的基线漂噪声;
2)定位基准点R点的位置;
3)计算RR间期序列,将RR(n)作为横坐标,RR(n+1)作为纵坐标,生成Poincare散点图;
4)计算Poincare散点图的长轴、短轴、夹角、面积等信息;
5)将生成的散点图作为输入,传入设计的二维卷积神经网络模型中;
6)对老年用户的健康状态信息进行分级,且分级后的健康状态信息即为目标信息,并通过移动控制装置2进行显示。
在本实施例中,以心电信息为基础的健康状态的判定分为四级,即优秀,良好,一般,较差,当健康状态即目标信息判定为较差时,则通过移动控制装置2进行预警。
进一步的,生理参数还可以包括老年用户的呼吸数据、体温数据以及血氧饱和度等,具体的,呼吸数据为通过家庭用穿戴式无线呼吸贴获取,无线呼吸数据每隔100ms获取一次,信息处理模块12通过find_feaks()函数对滤波后的呼吸数据进行波谷和波峰检测,得到的结果通过差分操作就可以得到每100ms的呼吸率,最终转换到1分钟的呼吸率。当计算出来的呼吸率为12~20次/分,则正常;当呼吸率小于12次/分,则通过移动管理装置2显示呼吸过慢,请不要在测试时深呼吸,建议适当休息在平静环境下再次测量。如果身体感到不适请及时就医;当呼吸率大于20次/分,则通过移动管理装置2显示呼吸过快,目前可能存在情绪波动或剧烈运动未恢复,建议在平静时再次测量。优选的,家庭用穿戴式无线呼吸贴为家庭用穿戴式无线呼吸贴VK-BR01。
体温数据可通过家庭用穿戴式无线体温贴进行获取,并分析给出老年用户的体温,当温度大于37度,则通过移动控制装置2提醒老年用户体温过高;优选的,家庭用穿戴式无线体温贴为家庭用穿戴式无线体温贴VK-TE01。
生活习惯参数至少包括老年用户的人口学信息、病史信息、生活习惯、锻炼习惯、认知主诉信息等用于展示老年用户的神经心理状态和身体健康状态的信息。
可选的,血氧饱和度通过家庭用穿戴式无线血氧贴获取,具体地,血氧饱和度数据约30ms发一帧。采取近红外光谱法无创检测血氧。当一特定波长的光垂直入射指端时,透射光强可以分为两部分:一部分是直流成分(DC),主要反映指端组织中非脉动动脉、静脉以及其他组织如肌肉、骨髓、色素、脂肪、水等对光的吸收;另一部分为交流成分(AC),主要反映动脉搏动时血液中Hb O2和Hb对光的吸收,利用Hb O2和Hb对红光(RD)和红外光(IR)吸收的差异,可以得到两束光的吸收比率,即特征值R,公式(1)如下:
将两束光的均值和方差作为直流分量和交流分量做运算,得到R。最终通过下式(2)得到血氧数值。
SpO2=int(-45.26*R*R/1000+30.354*R/100+94.845)(2)
进一步的,当血氧饱和度数据处于88~94时,通过移动管理装置2提示血氧较低,氧气供给不足;当血氧数值小于88,血氧极低,移动管理装置2进行自动呼救。优选的,家庭用穿戴式无线血氧贴为家庭用穿戴式无线血氧贴VK-B001。
身体健康状态的信息包括老年用户的人口学信息包括老年用户的性别、年龄、教育、民族、职业性质和居住地等;病史信息包括高血压、心脏疾病(心绞痛、心肌梗死、心房纤颤、其他心脏疾病)、内分泌代谢系统疾病(糖尿病、高脂血症)、脑外伤史、脑梗塞史、帕金森病史、痴呆家族史、手术史、抑郁家族史等;生活习惯包括吸烟情况、饮酒情况、饮茶史、休闲活动类型等;锻炼习惯包括散步、广场舞、太极拳/太极剑、骑三轮车/自行车、其他锻炼活动;休闲活动包括:玩麻将、玩纸牌/扑克/骨牌、听戏、看报纸/看书、下象棋、遛鸟/遛狗等、宗教聚会或访问寺庙、使用微信、看电视、其他活动等;认知主诉则为老年用户自述自己的症状或(和)体征、性质,以及持续时间等内容。
进一步的,后台管理装置1还可联网进行大数据的获取和匹配,在本发明的一较佳实施例中,后台管理装置1可根据老年用户的生理参数拟合获取老年用户的生活和饮食画像,并在饮食知识图谱的食谱个性化推荐模型的基础之上,为老年用户进行食谱个性化。具体地,后台管理装置1可用于构建了老年用户食谱偏好数据集并对饮食知识图谱进行了预处理。以构建的数据集为基础,实现结合知识图谱的个性化推荐模型,并通过设计和实现B/S架构的Web推荐系统,实现老年用户食谱个性化推荐,并作为目标信息通过移动管理装置2进行显示。
神经心理状态的数据则为通过移动控制装置2进行采集的测试数据,在本实施例中,神经心理状态的数据通过填写精神状态检查的不同类型表格获取,具体方式可以采用现有技术,此处不再赘述。
进一步的,信息处理模块12还包括用于接收生活习惯参数的生活习惯处理单元121,生活习惯参数处理单元121用于对采集到的生活习惯参数进行预处理,并可根据预处理后的信息进行特征提取、选择,以对老年用户的认知障碍风险进行评估。
事实上,由于神经心理状态的数据基数较大,且格式复杂,直接放入生活习惯处理单元121中进行处理会降低准确率,因此数据清洗不可忽视,在本发明中,生活习惯处理单元121可执行模型训练,包括数据的异常值处理、缺失值处理、数据量纲化。对于异常值处理需要丢弃针对缺失值,为避免引入过多噪声,对缺失比例达12%以上的题项丢弃,对缺失较少的题项进行众数插补法填充;如此可以有效提升生活习惯处理单元121数据处理的准确性,
进一步的,在采集的样本中轻度认知障碍的样本远远低于正常样本,正负比例相差较大时,分类算法更倾向于优化比例较大的类别的,导致正负例上的正确率有极大悬殊,基于准确率的性能评估会导致大概率将所有类别均分为正常样本。对于类别不失衡问题,采用合成少数类过采样技术算法[7]并根据少数类样本人工合成新样本添加到训练集数据集,大大提高了负样本的占比,评估性能得到提升。
优选的,生活习惯处理单元121采用卷积神经元网络作为分类器,将提取到的特征值输入到深度神经网络中,如图所示,神经网络由输入层,卷积层,池化层,BatchNormalization层,激励层,全局平均池化,drop层和全连接层组成。选取的目标函数是标签与模型输出之间的对数交叉熵,越小表示模型学到的分布与真实数据分分布越接近。通过Adam优化算子来不断迭代权重和偏置,最小化目标函数。
生活习惯处理单元121还可用于执行卡方检测方法,以进一步对采集的生活习惯参数进行处理。具体的,卡方检验是计算每个非负特征和标签之间的卡方统计量,选择顺序排在前k得特征。卡方值越大或者p-value越小,二者之间的相关性越大,相互影响越明显。在本发明的一较佳实施例中,假设原始数据中能够提取300多个特征,定义p-value小于0.2,即二者不相关的概率小于20%,相关的概率大于80%的特征提取出来,得到100多个特征值。
从提取到的100多个因素中,可以看到在神经心理方面,老年人的精神状态,记忆力,注意力,联想能力,警觉性和认知能力等都会影响患病概率;在个人生活习惯方面,饮食睡眠,锻炼活动,健康管理和兴趣爱好等因素与风险密切相关。在身体健康方面,心脏病,高血压,帕金森病史和内分泌代谢系统疾病等疾病会都会对老年人患认知障碍有影响;除此之外个体的受教育程度,工作性质,教育水平,退休与否,是否独居,幸福指数等人口学因素也占有一定比例。这些结论不仅为心理医师提供一些启发与帮助,还可以针对某一类老年人个性化推荐干预游戏。对于心脏病,高血压等慢性病可以通过可穿戴设备实现实时全天候采集心电信号,血压等生理信号。如此设置,可对老年用户的任职情况进行均衡的分析,保证判定结果的准确性。
后台管理装置1还包括与老年用户的智能移动终端进行绑定的敏感数据分析模块13,敏感数据分析模块13被配置为根据历史敏感信息的特征向量和敏感信息类别进行敏感信息模型训练,获取敏感信息判断模型。
具体地,后台管理装置1可截取老年用户绑定的智能移动终端,并对智能移动终端接收的消息或来电语音进行智能语义分析技术,判断短信或来电内容是否包含诈骗信息,并将最终的结果以短信的形式转发给老年用户。
请参阅图2所示,本发明还提供了一种养老数据分析方法200,包括以下步骤:
S1、通过信息获取模块获取老年用户的生理参数和生活习惯参数;
S2、后台管理装置接收生理参数和生活习惯参数,并对生理参数和生活习惯参数进行处理;
S3、后台管理装置的信息处理模块根据接收到的生理参数和生活习惯参数对老年用户的生理和心理状态进行评估,并通过调用大数据匹配与老年用户的生理和心理状态匹配的目标信息;
S4、目标信息通过信息发送模块传递至移动管理装置或智能移动终端进行显示。
综上所述,本发明的养老数据分析系统100及养老数据分析方法200实现了老年人健康状态评估、认知障碍识别、老年人需求挖掘、生理数据分析预警以及老年人防诈骗服务等功能,可以有效地掌握老年热群的慢性疾病记录,整体健康状态、生理指标、早期心理疾患,综合所有影响老年健康因素,系统的干扰改善老年人的生活质量和健康水平,让老年人更有获得感、幸福感和安全感。
以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种养老数据分析系统,包括后台管理装置、与后台管理装置进行信号通讯的移动管理装置,其特征在于:还包括信息获取模块,所述信息获取模块与所述后台管理装置进行数据通讯,被配置为采集和接收老年用户的生理参数和生活习惯参数;所述后台管理装置包括信息发送模块和用于接收所述生理参数和所述生活习惯参数的信息处理模块,所述信息发送模块与所述移动管理装置信号连接,以通过所述移动管理装置显示目标信息,实现对老年用户的心理和健康情况的展示。
2.根据权利要求1所述的养老数据分析系统,其特征在于:所述信息获取模块设置有一个或多个,所述信息获取模块可同时/分别对老年用户的生理参数和生活习惯参数进行采集。
3.根据权利要求1所述的养老数据分析系统,其特征在于:所述信息获取模块包括用于采集老年用户的生理参数的生理参数采集单元和用于采集老年用户的生活习惯参数的习惯参数采集单元,所述生理参数采集单元和所述习惯参数采集单元分别与信息处理模块进行数据通讯。
4.根据权利要求3所述的养老数据分析系统,其特征在于:所述生理参数至少包括老年用户的心电信息,所述信息处理模块接收所述心电信息,并可基于深度自动特征和专家手工特征互补学习对所述心电信息进行分析。
5.根据权利要求3所述的穿戴式电子设备,其特征在于:所述生活习惯参数至少包括老年用户的人口学信息、病史信息、生活习惯、锻炼习惯、认知主诉信息等用于展示老年用户的神经心理状态和身体健康状态的信息。
6.根据权利要求1所述的养老数据分析系统,其特征在于:所述信息处理模块还包括用于接收所述生活习惯参数的生活习惯处理单元,所述生活习惯参数处理单元用于对采集到的所述生活习惯参数进行预处理,并可根据预处理后的信息进行特征提取、选择,以对老年用户的认知障碍风险进行评估。
7.根据权利要求6所述的养老数据分析系统,其特征在于:所述生活习惯处理单元还被配置为根据所述生活习惯参数进行分析并根据分析后的结果进行大数据调用,以提供与老年用户的生活习惯匹配的推荐数据,并通过所述移动管理装置进行显示。
8.根据权利要求1所述的养老数据分析系统,其特征在于:所述后台管理装置还包括与老年用户的智能移动终端进行绑定的敏感数据分析模块,所述敏感数据分析模块被配置为根据历史敏感信息的特征向量和敏感信息类别进行敏感信息模型训练,获取敏感信息判断模型。
9.根据权利要求1所述的养老数据分析系统,其特征在于:所述目标信息包括实施健康状态信息、健康状态预警信息以及用于对老年用户的生活习惯进行改进的改进信息,所述目标信息还包括经信息发送模块传递给所述移动管理装置的认知状态预警信息。
10.一种养老数据分析方法,其特征在于,包括以下步骤:
S1、通过信息获取模块获取老年用户的所述生理参数和生活习惯参数;
S2、后台管理装置接收所述生理参数和所述生活习惯参数,并对所述生理参数和所述生活习惯参数进行处理;
S3、所述后台管理装置的信息处理模块根据接收到的所述生理参数和所述生活习惯参数对老年用户的生理和心理状态进行评估,并通过调用大数据匹配与老年用户的生理和心理状态匹配的目标信息;
S4、所述目标信息通过信息发送模块传递至移动管理装置或智能移动终端进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110996718.0A CN113889278A (zh) | 2021-08-27 | 2021-08-27 | 养老数据分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110996718.0A CN113889278A (zh) | 2021-08-27 | 2021-08-27 | 养老数据分析系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113889278A true CN113889278A (zh) | 2022-01-04 |
Family
ID=79011299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110996718.0A Pending CN113889278A (zh) | 2021-08-27 | 2021-08-27 | 养老数据分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113889278A (zh) |
-
2021
- 2021-08-27 CN CN202110996718.0A patent/CN113889278A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107390616B (zh) | 全民医疗健身组合体系统和控制方法 | |
CN113397546B (zh) | 基于机器学习和生理信号的情绪识别模型构建方法及系统 | |
CN111315278A (zh) | 用于基于屏幕的交互的自适应接口 | |
CN110584601B (zh) | 一种老人认知功能监测和评估系统 | |
US20110238604A1 (en) | Computer-aided diagnostic systems and methods for determining skin compositions based on traditional chinese medicinal (tcm) principles | |
CN109859570A (zh) | 一种大脑训练方法及系统 | |
CN105678058A (zh) | 中医辅助诊疗装置和系统 | |
CN106861012A (zh) | Vr体验场景下基于智能手环的用户情绪调节方法 | |
CN109065162A (zh) | 一种综合性智能化诊断系统 | |
CN105433910A (zh) | 中医人体健康管理方法、装置和系统 | |
CN111797817A (zh) | 情绪识别方法、装置、计算机设备及计算机可读存储介质 | |
CN109124655A (zh) | 精神状态分析方法、装置、设备、计算机介质及多功能椅 | |
CN112071381A (zh) | 一种基于个人行为数据的健康指标采集分析系统 | |
CN108702418A (zh) | 用于确定呼叫的优先级水平和/或对话持续时间的设备、系统和方法 | |
CN108597621A (zh) | 基于中医理论的健康状态监控装置、系统及方法 | |
CN115910346A (zh) | 一种糖尿病患者的监护预警系统及方法 | |
CN109961018A (zh) | 脑电信号分析方法、系统及终端设备 | |
CN115640827B (zh) | 对电刺激数据处理的智能闭环反馈网络方法及系统 | |
CN115662631A (zh) | 基于ai智能判别的养老院管理系统 | |
CN115017411A (zh) | 一种基于深度学习的在线教育课程资源智能分析推荐系统 | |
CN111329457A (zh) | 一种穿戴式运动指数检测设备和检测方法 | |
CN109360629A (zh) | 基于机器学习的情绪预测方法、装置、设备和存储介质 | |
CN113889278A (zh) | 养老数据分析系统及方法 | |
CN112037916A (zh) | 共享多功能防猝死生理信息检测系统及其方法 | |
CN105787232A (zh) | 一种数据处理方法、装置、健康系统平台及终端 |
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 |