CN113948208A - 一种基于云边端协同的慢性病患者健康实时监测系统 - Google Patents

Abstract

本发明涉及一种基于云边端协同的慢性病患者健康实时监测系统，包括设备端子系统、边缘端子系统和云端子系统，设备端子系统包括身体健康数据采集模块和环境数据采集模块，边缘端子系统包括健康状态检测模块和健康异常预警模块，云端子系统包括数据分析模块，数据分析模块得到健康状态监控模型，健康状态检测模块根据健康状态监控模型获取患者当前的健康状态，若健康状态异常，则健康异常预警模块进行健康异常报警。利用丰富的云资源对患者的健康数据进行分析建模，利用低网络延时的边缘资源根据实时的健康数据对患者的健康状况进行检测和预警，为患者的健康状况进行持续实时且高效的监测，并在异常情况下给予实时响应，防范化解患者的生命风险。

Description

一种基于云边端协同的慢性病患者健康实时监测系统

技术领域

本发明涉及一种基于云边端协同的慢性病患者健康实时监测系统。

背景技术

当前，诸如高血压、糖尿病、冠心病的各类慢性病呈现出数量增加和年轻化的趋势。在非医护环境下，这些慢性病有可能导致脑梗、偏瘫甚至是猝死的严重后果。然而在当前医疗环境和经济条件下，很少有患者能够24小时在医护环境下。为解决该问题，物联网技术利用各类智能设备能够持续且实时的采集患者的信息，并利用大数据分析技术分析患者的健康状况，从而达到24小时监护的效果。因智能设备在计算资源和电池容量上的有限性，其采集的数据的存储和处理需要借助边缘计算技术或云计算技术。其中云边端协同利用实时采集数据的用户端设备、网络性能高的边缘端服务器和计算资源丰富云端服务器间的协作，能够实时为患者提供其健康状况，从而能够及时对各类健康异常做出反映。尽管已有一些基于物联网的安全监测方案，但是这些方案仅采用边缘端或云端进行数据的处理。然而边缘端的计算资源非常有限，云端的网络资源性能差，两者之一并不能满足大数据任务处理的实时响应需求。

发明内容

为了解决上述技术问题，本发明提供一种基于云边端协同的慢性病患者健康实时监测系统。

本发明采用以下技术方案：

一种基于云边端协同的慢性病患者健康实时监测系统，包括设备端子系统、边缘端子系统和云端子系统，所述设备端子系统包括身体健康数据采集模块和环境数据采集模块，所述边缘端子系统包括健康状态检测模块和健康异常预警模块，所述云端子系统包括数据分析模块；

所述数据分析模块对历史身体健康数据和历史环境数据进行分析，得到健康状态监控模型，并将所述健康状态监控模型传输至所述健康状态检测模块；所述健康状态检测模块根据接收到的身体健康数据采集模块和环境数据采集模块采集到的数据以及所述健康状态监控模型，获取患者当前的健康状态，若健康状态异常，则所述健康异常预警模块进行健康异常报警。

进一步地，所述数据分析模块对历史身体健康数据和历史环境数据进行分析，得到健康状态监控模型，具体为：

利用多维度多类型分类算法，以及历史身体健康数据和历史环境数据中的相关数据，学习得到动作监测模型，然后利用多维度多类型分类算法、患者动作以及历史身体健康数据和历史环境数据中的相关数据，学习得到健康状态监控模型。

进一步地，所述云端子系统还包括数据存储模块，所述数据存储模块用于存储所述身体健康数据采集模块和环境数据采集模块采集到的数据，并将所述数据分析模块所需的数据传输至所述数据分析模块。

进一步地，所述身体健康数据采集模块包括智能穿戴设备，所述环境数据采集模块包括温度传感器、湿度传感器、气压传感器、经度纬度传感器和海拔传感器。

进一步地，所述若健康状态异常，则所述健康异常预警模块进行健康异常报警，具体为：

若健康状态异常，则所述健康异常预警模块将接收的健康异常信息利用所述智能穿戴设备、手机短信、通讯软件和电子邮件发送给患者、患者家属和医生。

本发明的有益效果为：本发明提供的基于云边端协同的慢性病患者健康实时监测系统中，利用云端的丰富的云资源对患者的健康数据进行分析建模，利用低网络延时的边缘资源根据实时的健康数据对患者的健康状况进行检测和预警，从而为患者的健康状况进行持续、实时且高效的监测，并在异常情况下给予实时响应，实现患者慢性病的实时监测，防范化解患者的生命风险。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍：

图1是本申请实施例提供的基于云边端协同的慢性病患者健康实时监测系统的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

为了说明本申请所述的技术方案，下面通过具体实施方式来进行说明。

参见图1，是本申请实施例提供的基于云边端协同的慢性病患者健康实时监测系统的结构图，为了便于说明，仅示出了与本申请实施例相关的部分。

本实施例提供的基于云边端协同的慢性病患者健康实时监测系统包括设备端子系统、边缘端子系统和云端子系统。应当理解，设备端子系统部署在患者处或者说本地，边缘端子系统部署在边缘端，云端子系统部署在云端，实现云边端协同。

设备端子系统包括身体健康数据采集模块和环境数据采集模块，边缘端子系统包括健康状态检测模块和健康异常预警模块，云端子系统包括数据分析模块和数据存储模块。

身体健康数据采集模块用于检测患者身体的健康数据，环境数据采集模块用于检测相关的环境数据。本实施例中，身体健康数据采集模块包括智能穿戴设备，智能穿戴设备采集体温、血压、血糖、血脂、心率、胰岛素剂量和手、胸、踝的3D加速度、3D陀螺仪数据、3D磁力计数据等信息。环境数据采集模块包括温度传感器、湿度传感器、气压传感器、经度纬度传感器和海拔传感器，其中，温度传感器、湿度传感器和气压传感器可以部署为环境传感器，经度纬度传感器和海拔传感器可以部署在手持设备上。环境数据采集模块采集温度、湿度、气压、经度、纬度、海拔等环境信息。

数据分析模块对历史身体健康数据和历史环境数据进行分析，得到健康状态监控模型。其中，历史身体健康数据和历史环境数据可由身体健康数据采集模块和环境数据采集模块采集得到。本实施例中，数据分析模块利用大数据分析技术对历史身体健康数据和历史环境数据进行分析，获取健康状态监控模型，即健康数据与健康状态之间的关系模型，并将该模型发送给边缘端子系统的健康状态检测模块。具体地：

先利用多维度多类型分类算法，以及历史身体健康数据和历史环境数据中的相关数据，学习得到动作监测模型，比如：根据体温、心率、温度、湿度、气压、手、胸、踝的3D加速度、3D陀螺仪数据和3D磁力计数据等信息进行分析，得到动作监测模型，即得到与患者动作之间的关系模型。其中患者动作包括睡眠、躺、坐、站立、走、跑步、骑行、健步走、游泳、跳绳、看电视、开车、上楼梯、下楼梯、打扫卫生、做饭及其他。

然后利用多维度多类型分类算法、患者动作以及历史身体健康数据和历史环境数据中的相关数据，学习得到健康状态监控模型。比如：根据患者动作以及体温、血压、血糖、血脂、心率、胰岛素剂量、温度、湿度、气压、经度、纬度、海拔等信息进行学习，得到健康状态监控模型，即与患者健康状态之间的关系。其中患者健康状态包括心率过缓、心率过速、低血压、低血糖、低血脂、高血压、高血糖、高血脂及其组合和正常。除正常外的健康状态均为健康异常状态。

数据分析模块将健康状态监控模型传输至健康状态检测模块。健康状态检测模块根据接收到的身体健康数据采集模块和环境数据采集模块采集到的数据，以及健康状态检测模块，获取患者当前的健康状态。具体地：数据分析模块接收到体温、心率、温度、湿度、气压、手、胸、踝的3D加速度、3D陀螺仪数据和3D磁力计数据等数据，将这些数据作为动作监测模型的输入，获取患者当前的运动状态，然后综合当前的运动状态、体温、血压、血糖、血脂、心率、胰岛素剂量、温度、湿度、气压、经度、纬度和海拔等实时数据，利用健康状态监控模型获得患者当前的健康状态。如果健康状态异常，则将健康异常信息发送给健康异常预警模块，健康异常预警模块进行健康异常报警，具体地：健康异常预警模块将接收的健康异常信息利用智能穿戴设备、手机短信、通讯软件和电子邮件等方式发送给患者、患者家属和医生。患者及其家属和医生依此为依据做出救援策略。

数据存储模块存储身体健康数据采集模块和环境数据采集模块采集到的数据，并将数据分析模块所需的数据传输至数据分析模块。

本发明专利综合利用患者动作、周边环境及生理指标监测患者的身体健康状态，并利用丰富的云资源对患者健康数据进行存储和分析建模，利用低网络延时的边缘资源根据实时的健康数据对患者的健康状况进行检测和预警，从而为患者的健康状况进行持续、实时且高效的监测，防范化解患者的生命风险，对智慧医疗起到促进作用。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (5)

1.一种基于云边端协同的慢性病患者健康实时监测系统，其特征在于，包括设备端子系统、边缘端子系统和云端子系统，所述设备端子系统包括身体健康数据采集模块和环境数据采集模块，所述边缘端子系统包括健康状态检测模块和健康异常预警模块，所述云端子系统包括数据分析模块；

所述数据分析模块对历史身体健康数据和历史环境数据进行分析，得到健康状态监控模型，并将所述健康状态监控模型传输至所述健康状态检测模块；所述健康状态检测模块根据接收到的身体健康数据采集模块和环境数据采集模块采集到的数据以及所述健康状态监控模型，获取患者当前的健康状态，若健康状态异常，则所述健康异常预警模块进行健康异常报警。

2.根据权利要求1所述的基于云边端协同的慢性病患者健康实时监测系统，其特征在于，所述数据分析模块对历史身体健康数据和历史环境数据进行分析，得到健康状态监控模型，具体为：

利用多维度多类型分类算法，以及历史身体健康数据和历史环境数据中的相关数据，学习得到动作监测模型，然后利用多维度多类型分类算法、患者动作以及历史身体健康数据和历史环境数据中的相关数据，学习得到健康状态监控模型。

3.根据权利要求1所述的基于云边端协同的慢性病患者健康实时监测系统，其特征在于，所述云端子系统还包括数据存储模块，所述数据存储模块用于存储所述身体健康数据采集模块和环境数据采集模块采集到的数据，并将所述数据分析模块所需的数据传输至所述数据分析模块。

4.根据权利要求1所述的基于云边端协同的慢性病患者健康实时监测系统，其特征在于，所述身体健康数据采集模块包括智能穿戴设备，所述环境数据采集模块包括温度传感器、湿度传感器、气压传感器、经度纬度传感器和海拔传感器。

5.根据权利要求4所述的基于云边端协同的慢性病患者健康实时监测系统，其特征在于，所述若健康状态异常，则所述健康异常预警模块进行健康异常报警，具体为：

若健康状态异常，则所述健康异常预警模块将接收的健康异常信息利用所述智能穿戴设备、手机短信、通讯软件和电子邮件发送给患者、患者家属和医生。

Images