CN114242246A - 智能健康管理系统 - Google Patents

Abstract

本申请涉及一种智能健康管理系统，系统包括：健康数据检测设备和云平台服务器；云平台服务器包括健康数据处理模块；健康数据检测设备，用于获取人体健康基本数据和睡眠数据，人体健康数据包括身高和体重，睡眠数据包括呼吸紊乱指数；健康数据处理模块，用于根据人体健康基本数据，获取生理健康指标，根据睡眠数据，获取睡眠健康指标；生理健康指标包括肥胖程度，睡眠健康指标包括睡眠呼吸暂停程度。通过建立智能健康管理系统，对人在睡眠时的相关的数据进行分析和跟踪，能够对慢性疾病做出提前预防管控，并且及时提醒和给出有效的应对手段。

Description

智能健康管理系统

技术领域

本申请涉及数据处理领域，特别是涉及一种健康情况分析方法、装置、计算机设备和存储介质。

背景技术

慢性病是指不构成传染、具有长期积累形成疾病形态损害的疾病的总称。慢性病的危害主要是造成脑、心、肾等重要脏器的损害，易造成伤残，影响劳动能力和生活质量，且医疗费用极其昂贵，增加了社会和家庭的经济负担。慢性病的发病原因60％取决于个人的生活方式。在日常体检结果中不会评估体检综合的健康或亚健康状态，只会评判是否处于疾病状态，也正是因为体检数据不能对人体的健康情况做及时的提醒，导致人们对自我身体健康状况不够了解或者不过重视，一些潜在的因素日积月累地对身体造成不可逆转的危害。并且体检报告对于异常但又未达到疾病程度的指标缺乏有效的应对手段。

发明内容

基于此，有必要针对上述技术问题，提供一种能够给出详细有效的健康状态的智能健康管理系统。

本申请提供一种智能健康管理系统。系统包括健康数据检测设备和云平台服务器；云平台服务器包括健康数据处理模块；

健康数据检测设备，用于获取人体健康基本数据和睡眠数据，人体健康数据包括身高和体重，睡眠数据包括呼吸紊乱指数；

健康数据处理模块，用于根据人体健康基本数据，获取生理健康指标，根据睡眠数据，获取睡眠健康指标；生理健康指标包括肥胖程度，睡眠健康指标包括睡眠呼吸暂停程度。

在其中一个实施例中，睡眠数据包括睡眠环境音、分钟通气量、潮气量、呼吸紊乱指数和心率；相应地，健康数据处理模块，用于将睡眠数据输入至多层健康数据模型，得到睡眠数据的分类结果，其中，多层健康数据模型包括标签判断模型、音频识别模型和心率识别模型，标签判断模型，用于确定分钟通气量、潮气量和呼吸紊乱指数的分类结果；音频识别模型，用于确定睡眠环境音的分类结果，心率识别模型用于确定心率的分类识别结果。

在其中一个实施例中，云平台服务器还包括健康数据训练模块，健康数据训练模块用于根据睡眠环境音的分类结果对音频识别模型进行训练，根据心率的分类结果对心率识别模型进行训练。

在其中一个实施例中，标签判断模型，用于根据呼吸紊乱指数对应的第一预设阈值、第二预设阈值和第三预设阈值，确定呼吸紊乱指数的分类结果；

若呼吸紊乱指数小于第一预设阈值，则呼吸紊乱指数的分类结果为正常，若呼吸紊乱指数不小于第一预设阈值且小于第二预设阈值，则呼吸紊乱指数的分类结果为轻度睡眠呼吸暂停综合征，若呼吸紊乱指数不小于第二预设阈值且小于第三预设阈值，则呼吸紊乱指数的分类结果为中度睡眠呼吸暂停综合征，若呼吸紊乱指数不小于第三预设阈值，则呼吸紊乱指数的分类结果为重度睡眠呼吸暂停综合征。

在其中一个实施例中，呼吸紊乱指数的分类结果包括四种类型，四种类型分别为正常、轻度睡眠呼吸暂停综合征、中度睡眠呼吸暂停综合征及重度睡眠呼吸暂停综合征；相应地，云平台服务器还包括数据显示模块；

数据显示模块用于基于呼吸紊乱指数的历史数据的分类结果，确定分类结果中每一类型的出现概率，并将出现概率最高的类型作为呼吸紊乱指数对应的显示结果进行显示。

在其中一个实施例中，显示模块，还用于将呼吸紊乱指数的所有历史分类结果按呼吸紊乱指数的获取时间顺序进行显示。

在其中一个实施例中，健康数据处理模块，具体用于根据身高和体重，确定身体质量指数，根据身体质量指数确定肥胖程度。

在其中给一个实施例中，云平台服务器还包括数据监测模块；数据监测模块，用于实时监测健康数据处理模块得到的睡眠数据的分类结果，若监测到睡眠数据的分类结果出现异常，则根据异常的分类结果在健康标本库中匹配对应的改善建议，并将异常的分类结果和对应的改善建议发送给用户终端。

在其中一个实施例中，数据监测模块还包括关联警告单元；关联警告单元，用于监测关联账号的睡眠数据的分类结果，若关联账号的分类结果出现异常，则将异常的分类结果发送给用户终端。

在其中一个实施例中，睡眠数据包括分钟通气量、呼吸紊乱指数和心率；相应地，异常的分类结果包括呼吸急促、重度睡眠呼吸暂停综合征和心率值过高；呼吸急促是通过判断分钟通气量是否大于分钟通气量阈值所得到的，重度睡眠呼吸暂停综合征是通过判断呼吸紊乱指数是否不小于第三预设阈值所得到的。

上述智能健康管理系统，包括：健康数据检测设备和云平台服务器；云平台服务器包括健康数据处理模块；健康数据检测设备，用于获取人体健康基本数据和睡眠数据，人体健康数据包括身高和体重，睡眠数据包括呼吸紊乱指数；健康数据处理模块，用于根据人体健康基本数据，获取生理健康指标，根据睡眠数据，获取睡眠健康指标；生理健康指标包括肥胖程度，睡眠健康指标包括睡眠呼吸暂停程度。通过建立智能健康管理系统，对人在睡眠时的相关数据进行分析和跟踪，能够对慢性疾病做出提前预防管控，并且及时提醒和给出有效的应对手段。

附图说明

图1为一个实施例中智能健康管理系统示意图；

图2为一个实施例中智能健康管理系统的流程示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

慢性病是指不构成传染、具有长期积累形成疾病形态损害的疾病的总称。慢性病的危害主要是造成脑、心、肾等重要脏器的损害，易造成伤残，影响劳动能力和生活质量，且医疗费用极其昂贵，增加了社会和家庭的经济负担。慢性病的发病原因60％取决于个人的生活方式。随着生活水平的提高，人们生活饮食越来越好，导致肥胖率也越来越高，经常睡眠不规律、过度肥胖都是造成慢性疾病的重要原因。在日常体检结果中不会评估体检综合的健康或亚健康状态，只会评判是否处于疾病状态，也正是因为体检数据不能对人体的健康情况做及时的提醒，导致人们对自我身体健康状况不够了解或者不过重视，一些潜在的因素日积月累地对身体造成不可逆转的危害。并且体检报告对于异常但又未达到疾病程度的指标缺乏有效的应对手段。

针对上述技术问题，本申请提供一种智能健康管理系统，参见图1，系统包括健康数据检测设备101和云平台服务器102，云平台服务器包括健康数据处理模块1021；

健康数据检测设备101，用于获取人体健康基本数据和睡眠数据，人体健康数据包括身高和体重，睡眠数据包括呼吸紊乱指数；

健康数据处理模块1021，用于根据人体健康基本数据，获取生理健康指标，根据睡眠数据，获取睡眠健康指标；生理健康指标包括肥胖程度，睡眠健康指标包括睡眠呼吸暂停程度。

其中，健康数据检测设备包括医疗设备和可穿戴设备，例如呼吸机、智能睡眠监测带、高流量湿化治疗仪等，能够实时获取人体生理机能的设备。健康数据检测设备通过无线网络与云平台服务器进行连接，将采集到的数据发送给云平台服务器。

云平台服务器能够对接收到的大量数据进行分析管理，确定个人健康数据对应的健康状况。用户可以通过终端登录云平服务器，云平服务器将对用户健康数据的分析结果在用户终端上显示，并且可以通过终端提醒用户关注异常数据。

具体地，参见图2，云平台的健康数据处理模块接收的数据通过两种方式获取，第一种是通过健康数据检测设备上传的数据，第二种是通过用户终端发送的数据，即在用户登录云平台服务器的时候，会在终端的界面上输入人体健康基本数据和一些历史疾病情况，如有无心脏病史、有无高血压等。可以理解的是，类似身高体重的人体健康基本数据也可以通过联网设备获取，本实施例不对此作具体限定。云平台服务器在用户终端初次登录的时候，会对用户终端户发送的数据进行处理，通过标签判断模型确定用户的初始健康标签，并在云平台服务器的数据库中建立存档。

然后通过健康数据检测设备获取的人体健康基本数据和睡眠数据，对用户的健康标签进行更新，例如心率的高低、血糖的高低等标签，这些标签都是通过健康数据处理模块确定的。例如对获取到的睡眠数据进行处理，假如检测到呼吸暂停、打鼾等情况，会将异常的数据进行标记，存储在数据库中。

本实施例提供的智能健康管理系统，包括健康数据检测设备和云平台服务器；云平台服务器包括健康数据处理模块；健康数据检测设备，用于获取人体健康基本数据和睡眠数据，人体健康数据包括身高和体重，睡眠数据包括呼吸紊乱指数；健康数据处理模块，用于根据人体健康基本数据，获取生理健康指标，根据睡眠数据，获取睡眠健康指标；生理健康指标包括肥胖程度，睡眠健康指标包括睡眠呼吸暂停程度。通过建立智能健康管理系统，对人在睡眠时的相关数据进行分析和跟踪，能够对慢性疾病做出提前预防管控，并且及时提醒和给出有效的应对手段。

在其中一个实施例中，睡眠数据包括睡眠环境音、分钟通气量、潮气量、呼吸紊乱指数和心率；相应地，健康数据处理模块，用于将睡眠数据输入至多层健康数据模型，得到睡眠数据的分类结果，其中，多层健康数据模型包括标签判断模型、音频识别模型和心率识别模型，标签判断模型，用于确定分钟通气量、潮气量和呼吸紊乱指数的分类结果；音频识别模型，用于确定睡眠环境音的分类结果，心率识别模型用于确定心率的分类识别结果。

其中，睡眠环境音是指通过健康数据检测设备获取到的睡眠时的音频数据，通过音频识别模型，确定睡眠时的环境音，包括静音、鼾声和杂音，其中杂音是指会对睡眠质量有影响的噪音，例如夏天睡觉时的风扇声音、或者马路上的鸣笛声等不是鼾声的声音。心率是指正常人安静状态下每分钟心跳的次数，也叫安静心率，一般为60～100次/分。本实施例中通过心率识别模型对检测到的心率值进行判断。需要说明的是，由于心率可因年龄、性别或其他生理因素产生个体差异，在确保准确率和系统处理数据的效率的前提下，可以根据不同年龄段设置不同的心率识别模型，或者建立初始模型，然后通过用户的而不断使用过程，对初始心率识别模型进行再训练，得到更符合用户个体的心率识别模型。分钟通气量即每分钟进或出肺的气体量，潮气量是每次呼吸时吸入或呼出的气体量。

本实施例提供的智能健康管理系统，睡眠数据包括睡眠环境音、分钟通气量、潮气量、呼吸紊乱指数和心率；相应地，健康数据处理模块，用于将睡眠数据输入至多层健康数据模型，得到睡眠数据的分类结果，其中，多层健康数据模型包括标签判断模型、音频识别模型和心率识别模型，标签判断模型，用于确定分钟通气量、潮气量和呼吸紊乱指数的分类结果；音频识别模型，用于确定睡眠环境音的分类结果，心率识别模型用于确定心率的分类识别结果。通过建立智能健康管理系统，对人在睡眠时的相关数据进行分析和跟踪，能够对慢性疾病做出提前预防管控，并且及时提醒和给出有效的应对手段。

在其中一个实施例中，云平台服务器还包括健康数据训练模块，健康数据训练模块用于根据睡眠环境音的分类结果对音频识别模型进行训练，根据心率的分类结果对心率识别模型进行训练。

具体地，对收集到的鼾声、梦话等音频数据进行清洗标注等处理，然后利用深度学习CNN与LSTM混合模型作为音频识别的初始模型，对模型进行训练得到模型的初始参数，而在用户使用过程中，在得到睡眠环境音的分类结果后，对睡眠环境音的分类结果进行修正后，对模型进行反向训练，得到更加精准的参数。对于心率识别模型也可以利用实时获取的心率值的识别结果进行反向训练。通过大量的实时数据样本对音频识别模型和心率识别模型进行训练，不断的调整标准健康训练模型的数据参数，进一步的提高数据分析的识别精准度。

本申请实施例提供的智能健康管理系统，云平台服务器还包括健康数据训练模块，健康数据训练模块用于根据睡眠环境音的分类结果对音频识别模型进行训练，根据心率的分类结果对心率识别模型进行训练。通过建立智能健康管理系统，对人在睡眠时的相关数据进行分析和跟踪，能够对慢性疾病做出提前预防管控，并且及时提醒和给出有效的应对手段。

在其中一个实施例中，标签判断模型，用于根据呼吸紊乱指数对应的第一预设阈值、第二预设阈值和第三预设阈值，确定呼吸紊乱指数的分类结果；

若呼吸紊乱指数小于第一预设阈值，则呼吸紊乱指数的分类结果为正常，若呼吸紊乱指数不小于第一预设阈值且小于第二预设阈值，则呼吸紊乱指数的分类结果为轻度睡眠呼吸暂停综合征，若呼吸紊乱指数不小于第二预设阈值且小于第三预设阈值，则呼吸紊乱指数的分类结果为中度睡眠呼吸暂停综合征，若呼吸紊乱指数不小于第三预设阈值，则呼吸紊乱指数的分类结果为重度睡眠呼吸暂停综合征。

其中，呼吸紊乱指数是指平均每小时睡眠中，呼吸暂停和低通气的次数，呼吸暂停指口鼻气流完全停止大于等于10秒，即气道大概阻塞100％；低通气指气流下降大于或等于50％，持续10秒以上，并伴有不少3％的SaO2(血氧饱和度)下降或微觉醒，即气道大概阻塞50％。通过设置不同的阈值对呼吸紊乱指数进行判断，例如第一预设阈值为5、第二预设阈值为15、第三预设阈值为30，则若呼吸紊乱指数小于5为正常值，若呼吸紊乱指数为5到15为轻度睡眠呼吸暂停综合症，若呼吸紊乱指数为15到30时为中度睡眠呼吸暂停综合症，若呼吸紊乱指数大于30，则为重度睡眠呼吸暂停综合症。

本申请实施例提供的智能健康管理系统，标签判断模型，用于根据呼吸紊乱指数对应的第一预设阈值、第二预设阈值和第三预设阈值，确定呼吸紊乱指数的分类结果；若呼吸紊乱指数小于第一预设阈值，则呼吸紊乱指数的分类结果为正常，若呼吸紊乱指数不小于第一预设阈值且小于第二预设阈值，则呼吸紊乱指数的分类结果为轻度睡眠呼吸暂停综合征，若呼吸紊乱指数不小于第二预设阈值且小于第三预设阈值，则呼吸紊乱指数的分类结果为中度睡眠呼吸暂停综合征，若呼吸紊乱指数不小于第三预设阈值，则呼吸紊乱指数的分类结果为重度睡眠呼吸暂停综合征。通过建立智能健康管理系统，对人在睡眠时的相关数据进行分析和跟踪，能够对慢性疾病做出提前预防管控，并且及时提醒和给出有效的应对手段。

在其中一个实施例中，呼吸紊乱指数的分类结果包括四种类型，四种类型分别为正常、轻度睡眠呼吸暂停综合征、中度睡眠呼吸暂停综合征及重度睡眠呼吸暂停综合征；相应地，云平台服务器还包括数据显示模块；

数据显示模块用于基于呼吸紊乱指数的历史数据的分类结果，确定分类结果中每一类型的出现概率，并将出现概率最高的类型作为呼吸紊乱指数对应的显示结果进行显示。

在其中一个实施例中，显示模块，还用于将呼吸紊乱指数的所有历史分类结果按呼吸紊乱指数的获取时间顺序进行显示。

需要说明的是，一次完整睡眠中获取的呼吸紊乱指数为一次历史数据，一次历史数据对应一个分类结果，可以理解的是，对于人的睡眠数据，一次历史数据的分类结果并不代表人的整体的长期的一个状况，所以在每次获取到呼吸紊乱指数的分类结果后，都会根据所以有记录的历史数据的分类结果给出一个人的呼吸紊乱指数分类结果代表人的长期的睡眠呼吸的状况。当然，基于所有的历史数据，为了便于查看，云平台服务器在接收到查询指令后，或将所有复合查询条件的历史数据发送给用户终端，在用户终端上按历史数据获取的时间节点进行显示。

本申请实施例提供的智能健康管理系统，呼吸紊乱指数的分类结果包括四种类型，四种类型分别为正常、轻度睡眠呼吸暂停综合征、中度睡眠呼吸暂停综合征及重度睡眠呼吸暂停综合征；相应地，云平台服务器还包括数据显示模块；数据显示模块用于基于呼吸紊乱指数的历史数据的分类结果，确定分类结果中每一类型的出现概率，并将出现概率最高的类型作为呼吸紊乱指数对应的显示结果进行显示。显示模块，还用于将呼吸紊乱指数的所有历史分类结果按呼吸紊乱指数的获取时间顺序进行显示。通过建立智能健康管理系统，对人在睡眠时的相关数据进行分析和跟踪，能够对慢性疾病做出提前预防管控，并且及时提醒和给出有效的应对手段。

在其中一个实施例中，健康数据处理模块，具体用于根据身高和体重，确定身体质量指数，根据身体质量指数确定肥胖程度。

身体质量指数是国际上衡量人体胖瘦程度以及是否健康的一个常用指标，身体质量指数正常值在20至25之间，超过25为超重，30以上则属肥胖。与身体质量指数相关的疾病有小儿肥胖症、肥胖症等，身体质量指数的计算公式为：体重除以身高的平方，其中体重的单位是千克，身高的单位是米。而身高和体重可以是通过用户终端直接上传的，也可以是利用绑定的健康数据检测设备获取的，如智能体重秤获取体重。

本申请实施例提供的智能健康管理系统，健康数据处理模块，具体用于根据身高和体重，确定身体质量指数，根据身体质量指数确定肥胖程度。通过建立智能健康管理系统，对人在睡眠时的相关数据进行分析和跟踪，能够对慢性疾病做出提前预防管控，并且及时提醒和给出有效的应对手段。

在其中一个实施例中，云平台服务器还包括数据监测模块；数据监测模块，用于实时监测健康数据处理模块得到的睡眠数据的分类结果，若监测到睡眠数据的分类结果出现异常，则根据异常的分类结果在健康标本库中匹配对应的改善建议，并将异常的分类结果和对应的改善建议发送给用户终端。

其中，健康标本库存储有大量慢性疾病对应的睡眠数据和人体健康基本数据的分类结果，和分类结果对应的预防建议参考及疾病科普知识。但系统的数据监测模块发现有异常的数据的分类结果时，通过识别算法模型，匹配用户数据和异常数据对应的预防建议参考及疾病科普知识，然后将异常数据的分类结果和对应的预防建议参考及疾病科普知识发送给用户数据对应的终端，例如可以通过发送短信的方式将用户的身体睡眠状况和改善建议发送到对应的终端。

本申请实施例提供的智能健康管理系统，云平台服务器还包括数据监测模块；数据监测模块，用于实时监测健康数据处理模块得到的睡眠数据的分类结果，若监测到睡眠数据的分类结果出现异常，则根据异常的分类结果在健康标本库中匹配对应的改善建议，并将异常的分类结果和对应的改善建议发送给用户终端。基于大数据智能算法的健康管理方法的系统充分利用了移动、智能、便捷的互联网技术优势，使得用户更便捷更快速的知道自身的健康情况，提前预防疾病风险并改善，又可以进一步促进用户对慢性疾病的知识普及及预防认知提高。

在其中一个实施例中，数据监测模块还包括关联警告单元；关联警告单元，用于监测关联账号的睡眠数据的分类结果，若关联账号的分类结果出现异常，则将异常的分类结果发送给用户终端。

其中，关联用户是指登录云平台服务器的终端之间有关联性的几个终端，在每一个用户终端在向云平台服务器发送注册信息的时候，可以选择关联账户的信息进行绑定，获得云平台服务器发送的查看关联账号的信息的授权。例如父母与子女之间，由于老年人对智能设备的操作认知局限性，可以将父母的信息关联到子女的终端上，在数据监测模块的关联警告单元发现父母的健康数据出现异常时，可以将异常情况和异常数据对应的数据指标发送到子女的手机上进行异常报警提醒。另外，可以将关联账号的生理健康指标和睡眠健康指标存储在家庭健康管理中心中，便于直接查看。

本申请实施例提供的智能健康管理系统，数据监测模块还包括关联警告单元；关联警告单元，用于监测关联账号的睡眠数据的分类结果，若关联账号的分类结果出现异常，则将异常的分类结果发送给用户终端。基于大数据智能算法的健康管理方法的系统充分利用了移动、智能、便捷的互联网技术优势，使得用户更便捷更快速的知道自身的健康情况，提前预防疾病风险并改善，又可以进一步促进用户对慢性疾病的知识普及及预防认知提高。

在其中一个实施例中，睡眠数据包括分钟通气量、呼吸紊乱指数和心率；相应地，异常的分类结果包括呼吸急促、重度睡眠呼吸暂停综合征和心率值过高；呼吸急促是通过判断分钟通气量是否大于分钟通气量阈值所得到的，重度睡眠呼吸暂停综合征是通过判断呼吸紊乱指数是否不小于第三预设阈值所得到的。

其中，呼吸急促是一种浅而速的呼吸，呼吸频率超过24次/分钟，在本方案中通过分钟通气量的大小来判断是否发生呼吸急促，也可以结合潮气量进行判断，如由分钟通气量与潮气量确定呼吸频率，然后设定阈值为24，若呼吸频率大于24次/分钟，则判定为呼吸急促，发出异常警报。

呼吸暂停综合症就是响亮地鼾声突然中断，患者强力呼吸但不起作用，完全呼吸不了，几秒甚至几十秒钟后患者醒来，大声喘息，气道被迫开放，然后继续呼吸。当出现重度睡眠呼吸暂停综合征时，人体很有可能随时窒息导致在睡梦中出现危险。通过设置呼吸紊乱指数的最大上限值即第三预设阈值，判断是否出现重度睡眠呼吸暂停综合征。

本申请实施例提供的智能健康管理系统，睡眠数据包括分钟通气量、呼吸紊乱指数和心率；相应地，异常的分类结果包括呼吸急促、重度睡眠呼吸暂停综合征和心率值过高；呼吸急促是通过判断分钟通气量是否大于分钟通气量阈值所得到的，重度睡眠呼吸暂停综合征是通过判断呼吸紊乱指数是否不小于第三预设阈值所得到的。基于大数据智能算法的健康管理方法的系统充分利用了移动、智能、便捷的互联网技术优势，使得用户更便捷更快速的知道自身的健康情况，提前预防疾病风险并改善，又可以进一步促进用户对慢性疾病的知识普及及预防认知提高。

需要说明的是，上述阐述的技术方案在实际实施过程中可以作为独立实施例来实施，也可以彼此之间进行组合并作为组合实施例实施。另外，在对上述本发明实施例内容进行阐述时，仅基于方便阐述的思路，按照相应顺序对不同实施例进行阐述，如按照数据流流向的顺序，而并非是对不同实施例之间的执行顺序进行限定，也不是对实施例内部步骤的执行顺序进行限定。相应地，在实际实施过程中，若需要实施本发明提供的多个实施例，则不一定需要按照本发明阐述实施例时所提供的执行顺序，而是可以根据需求安排不同实施例之间的执行顺序。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种智能健康管理系统，其特征在于，所述系统包括：健康数据检测设备和云平台服务器；所述云平台服务器包括健康数据处理模块；

所述健康数据检测设备，用于获取人体健康基本数据和睡眠数据，所述人体健康数据包括身高和体重，所述睡眠数据包括呼吸紊乱指数；

所述健康数据处理模块，用于根据所述人体健康基本数据，获取生理健康指标，根据所述睡眠数据，获取睡眠健康指标；所述生理健康指标包括肥胖程度，所述睡眠健康指标包括睡眠呼吸暂停程度。

2.根据权利要求1所述的系统，其特征在于，所述睡眠数据包括睡眠环境音、分钟通气量、潮气量、呼吸紊乱指数和心率；相应地，所述健康数据处理模块，用于将所述睡眠数据输入至多层健康数据模型，得到所述睡眠数据的分类结果，其中，所述多层健康数据模型包括标签判断模型、音频识别模型和心率识别模型，所述标签判断模型，用于确定所述分钟通气量、所述潮气量和所述呼吸紊乱指数的分类结果；所述音频识别模型，用于确定所述睡眠环境音的分类结果，所述心率识别模型用于确定所述心率的分类识别结果。

3.根据权利要求2所述的系统，其特征在于，所述云平台服务器还包括健康数据训练模块，所述健康数据训练模块用于根据所述睡眠环境音的分类结果对所述音频识别模型进行训练，根据所述心率的分类结果对所述心率识别模型进行训练。

4.根据权利要求2所述的系统，其特征在于，所述标签判断模型，用于根据所述呼吸紊乱指数对应的第一预设阈值、第二预设阈值和第三预设阈值，确定所述呼吸紊乱指数的分类结果；

若所述呼吸紊乱指数小于所述第一预设阈值，则所述呼吸紊乱指数的分类结果为正常，若所述呼吸紊乱指数不小于所述第一预设阈值且小于所述第二预设阈值，则所述呼吸紊乱指数的分类结果为轻度睡眠呼吸暂停综合征，若所述呼吸紊乱指数不小于所述第二预设阈值且小于所述第三预设阈值，则所述呼吸紊乱指数的分类结果为中度睡眠呼吸暂停综合征，若所述呼吸紊乱指数不小于所述第三预设阈值，则所述呼吸紊乱指数的分类结果为重度睡眠呼吸暂停综合征。

5.根据权利要求4所述的系统，其特征在于，所述呼吸紊乱指数的分类结果包括四种类型，所述四种类型分别为正常、轻度睡眠呼吸暂停综合征、中度睡眠呼吸暂停综合征及重度睡眠呼吸暂停综合征；相应地，所述云平台服务器还包括数据显示模块；

所述数据显示模块用于基于所述呼吸紊乱指数的历史数据的分类结果，确定分类结果中每一类型的出现概率，并将出现概率最高的类型作为所述呼吸紊乱指数对应的显示结果进行显示。

6.根据权利要求5所述的系统，其特征在于，所述显示模块，还用于将所述呼吸紊乱指数的所有历史分类结果按所述呼吸紊乱指数的获取时间顺序进行显示。

7.根据权利要求1所述的系统，其特征在于，所述健康数据处理模块，具体用于根据所述身高和所述体重，确定身体质量指数，根据所述身体质量指数确定肥胖程度。

8.根据权利要求1所述的系统，其特征在于，所述云平台服务器还包括数据监测模块；所述数据监测模块，用于实时监测所述健康数据处理模块得到的睡眠数据的分类结果，若监测到所述睡眠数据的分类结果出现异常，则根据所述异常的分类结果在健康标本库中匹配对应的改善建议，并将所述异常的分类结果和对应的改善建议发送给用户终端。

9.根据权利要求8所述的系统，其特征在于，所述数据监测模块还包括关联警告单元；所述关联警告单元，用于监测关联账号的睡眠数据的分类结果，若所述关联账号的分类结果出现异常，则将所述异常的分类结果发送给用户终端。

10.根据权利要求9所述的系统，其特征在于，所述睡眠数据包括分钟通气量、呼吸紊乱指数和心率；相应地，异常的分类结果包括呼吸急促、重度睡眠呼吸暂停综合征和心率值过高；所述呼吸急促是通过判断分钟通气量是否大于分钟通气量阈值所得到的，所述重度睡眠呼吸暂停综合征是通过判断呼吸紊乱指数是否不小于第三预设阈值所得到的。

Images