CN115148355A - 基于生理参数偏离提前发现脏腑病变的监测装置及系统 - Google Patents

基于生理参数偏离提前发现脏腑病变的监测装置及系统 Download PDF

Info

Publication number
CN115148355A
CN115148355A CN202210605370.2A CN202210605370A CN115148355A CN 115148355 A CN115148355 A CN 115148355A CN 202210605370 A CN202210605370 A CN 202210605370A CN 115148355 A CN115148355 A CN 115148355A
Authority
CN
China
Prior art keywords
organ
physiological parameter
constitution
time
health
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
Application number
CN202210605370.2A
Other languages
English (en)
Inventor
饶定东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hubei Zhiao Internet Of Things Technology Co ltd
Original Assignee
Hubei Zhiao Internet Of Things Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hubei Zhiao Internet Of Things Technology Co ltd filed Critical Hubei Zhiao Internet Of Things Technology Co ltd
Priority to CN202210605370.2A priority Critical patent/CN115148355A/zh
Publication of CN115148355A publication Critical patent/CN115148355A/zh
Pending legal-status Critical Current

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
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明属于数据监测与分析技术领域，公开了一种基于生理参数偏离提前发现脏腑病变的监测装置及系统。该装置包括：获取用户的实时体征数据；将所述实时体征数据输入器官健康模型，得到生理参数曲线图；根据所述生理参数曲线图得到异常波动区间；根据所述异常波动区间向所述用户展示器官健康提示信息。通过上述方式，实现了根据实时获取到的用户的实时体征数据以及器官健康模型得到生理参数曲线图，然后再根据生理参数曲线图确定异常波动区间，最后向用户展示器官健康提示信息，实现了基于生理参数的偏移向用户展示脏腑器官健康的提示信息，以辅助用户可以提前发现脏腑病变。

Description

基于生理参数偏离提前发现脏腑病变的监测装置及系统
技术领域
本发明涉及数据监测与分析技术领域，尤其涉及一种基于生理参数偏离提前发现脏腑病变的监测装置及系统。
背景技术
随着环境的变化及科技的发展，人类健康问题逐渐被重视，身体健康状态的平衡及免疫系统的组建越来越引起关注，尤其是等身体出现各项症状才去医院就医的治疗医学迫切的需要向健康医学转变，随身携带的智能穿戴设备和大型先进的精密医疗仪器可以进行各项生理参数的数据采集和监测，但是这样仅能对生命体征指标监测，监测数据相对独立、片面，并且为点状静态数据，这些数据无法提前发现脏腑器官发生器质性、功能性病变的风险。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种基于生理参数偏离提前发现脏腑病变的监测装置及系统，旨在解决现有技术无法根据生理参数偏移提前发现脏腑病变的技术问题。
为实现上述目的，本发明提供了一种生理参数偏离提前发现脏腑病变的监测装置，所述基于生理参数偏离提前发现脏腑病变的监测装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于生理参数偏离提前发现脏腑病变的监测程序，所述基于生理参数偏离提前发现脏腑病变的监测程序配置为实现如下步骤：
获取用户的实时体征数据；
将所述实时体征数据输入器官健康模型，得到生理参数曲线图；
根据所述生理参数曲线图得到异常波动区间；
根据所述异常波动区间向所述用户展示器官健康提示信息。
可选地，所述基于生理参数偏离提前发现脏腑病变的监测程序配置为实现如下步骤：
获取预设数据库中存储的历史患者临床数据；
根据所述历史患者临床数据得到多个对应不同患者体质的体质临床数据；
根据所述体质临床数据建立器官健康模型。
可选地，所述基于生理参数偏离提前发现脏腑病变的监测程序配置为实现如下步骤：
根据预设的时间节律分类规则将各所述体质临床数据分类为多个节律-体质临床数据；
根据所述节律-体质临床数据建立多个对应不同体质在不同时间的节律-体质器官健康模型；
将各所述节律-体质器官健康模型进行整合，得到器官健康模型。
可选地，所述基于生理参数偏离提前发现脏腑病变的监测程序配置为实现如下步骤：
根据所述实时体征数据确定所述实时体征数据对应的数据采集时间和所述用户的目标体质；
将所述实时体征数据、数据采集时间和目标体质输入所述器官健康模型，得到所述实时体征数据对应的生理参数曲线图。
可选地，所述基于生理参数偏离提前发现脏腑病变的监测程序配置为实现如下步骤：
根据所述异常波动区间生成器官状态信息；
根据所述器官状态信息生成风险提示信息；
根据所述风险提示信息生成展示颜色预警策略；
根据所述展示颜色预警策略在APP中向用户展示健康提示信息。
可选地，所述基于生理参数偏离提前发现脏腑病变的监测程序配置为实现如下步骤：
根据所述健康提示信息确定提示器官信息；
根据所述提示器官信息确定各器官的异常提示次数和器官提示时间；
根据所述异常提示次数和器官提示时间确定重点监护器官；
根据所述重点监护器官和所述健康提示信息生成并向用户展示健康报告。
此外，为实现上述目的，本发明还提出一种生理参数偏离提前发现脏腑病变的监测系统，所述生理参数偏离提前发现脏腑病变的监测系统包括：依次连接的获取模块、制图模块、分析模块和展示模块；
所述获取模块，用于获取用户的实时体征数据；
所述制图模块，用于将所述实时体征数据输入器官健康模型，得到生理参数曲线图；
所述分析模块，用于根据所述生理参数曲线图得到异常波动区间；
所述展示模块，用于根据所述异常波动区间向所述用户展示器官健康提示信息。
可选地，所述制图模块包括：历史数据模块、体质分类模块和模型建立模块；
所述历史数据模块，用于获取预设数据库中存储的历史患者临床数据；
所述体质分类模块，用于根据所述历史患者临床数据得到多个对应不同患者体质的体质临床数据；
所述模型建立模块，用于根据所述体质临床数据建立器官健康模型。
可选地，所述模型建立模块，还用于根据预设的时间节律分类规则将各所述体质临床数据分类为多个节律-体质临床数据；
根据所述节律-体质临床数据建立多个对应不同体质在不同时间的节律-体质器官健康模型；
将各所述节律-体质器官健康模型进行整合，得到器官健康模型。
可选地，所述展示模块，还用于根据所述健康提示信息确定提示器官信息；
根据所述提示器官信息确定各器官的异常提示次数和器官提示时间；
根据所述异常提示次数和器官提示时间确定重点监护器官；
根据所述重点监护器官和所述健康提示信息生成并向用户展示健康报告。
本发明获取用户的实时体征数据；将所述实时体征数据输入器官健康模型，得到生理参数曲线图；根据所述生理参数曲线图得到异常波动区间；根据所述异常波动区间向所述用户展示器官健康提示信息。通过这种方式，实现了根据实时获取到的用户的实时体征数据以及器官健康模型得到生理参数曲线图，然后再根据生理参数曲线图确定异常波动区间，最后向用户展示器官健康提示信息，实现了基于生理参数的偏移向用户展示脏腑器官健康的提示信息，以辅助用户可以提前发现脏腑病变。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的生理参数偏离提前发现脏腑病变的监测装置的结构示意图；
图2为本发明生理参数偏离提前发现脏腑病变的监测装置第一实施例的流程示意图；
图3为本发明生理参数偏离提前发现脏腑病变的监测装置第二实施例的流程示意图；
图4为本发明生理参数偏离提前发现脏腑病变的监测系统第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的生理参数偏离提前发现脏腑病变的监测装置结构示意图。
如图1所示，该生理参数偏离提前发现脏腑病变的监测装置可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)，也可以是稳定的非易失性存储器(Non-VolatileMemory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对生理参数偏离提前发现脏腑病变的监测装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及生理参数偏离提前发现脏腑病变的监测程序。
在图1所示的生理参数偏离提前发现脏腑病变的监测装置中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明生理参数偏离提前发现脏腑病变的监测设备中的处理器1001、存储器1005可以设置在生理参数偏离提前发现脏腑病变的监测装置中，所述生理参数偏离提前发现脏腑病变的监测设备通过处理器1001调用存储器1005中存储的生理参数偏离提前发现脏腑病变的监测程序，并执行本发明实施例提供的生理参数偏离提前发现脏腑病变的监测装置。
本发明实施例提供了一种生理参数偏离提前发现脏腑病变的监测装置，参照图2，图2为本发明一种生理参数偏离提前发现脏腑病变的监测装置第一实施例的流程示意图。
本实施例中，所述生理参数偏离提前发现脏腑病变的监测装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于生理参数偏离提前发现脏腑病变的监测程序，所述基于生理参数偏离提前发现脏腑病变的监测程序配置为实现如下步骤：
步骤S10：获取用户的实时体征数据。
需要说明的是，基于生理参数偏离提前发现脏腑病变的监测装置可以是智能穿戴装备，例如运动手环、智能手表等设备，或者其他可以实现采集用户的实时体征数据以及数据处理的装置，本实施例对此不加以限制。
应理解的是，实时体征数据指的是用户的各项生理参数的相关数据，包括但不限于血压、血糖、血氧、心率、体温、呼吸频率等生理参数。
步骤S20：将所述实时体征数据输入器官健康模型，得到生理参数曲线图。
在具体实施中，器官健康模型指的是根据预设数据库中存储的历史记录中的患者的临床数据得到的模型，可以通过将实时体征数据输入到器官健康模型中，由器官健康模型自动输出用户的动态的生理参数曲线图。
需要说明的是，生理参数曲线图中包含两条曲线，分别为生理参数理想曲线和生理参数实时曲线。其中，生理参数理想曲线指的是根据用户的目标体质以及数据采集时间从器官健康模型中输出的与用户相同的目标体质和相同采集时间的各项生理参数的正常状态的曲线；而生理参数实时曲线为器官健康模型根据用户的实时体征数据绘制出的各项生理参数对应的曲线。
进一步地，为了能够准确的得到生理参数曲线图，步骤S20包括：根据所述实时体征数据确定所述实时体征数据对应的数据采集时间和所述用户的目标体质；将所述实时体征数据、数据采集时间和目标体质输入所述器官健康模型，得到所述实时体征数据对应的生理参数曲线图。
应理解的是，数据采集时间指的是采集到实时体征数据时用户所出的未知的自然时间。
在具体实施中，目标体质指的是用户的体质类型，体质类型是基于中医理论中的体质辨识，即以人的体质为认知对象，从体质状态及不同体质分类的特性，把握其健康与疾病的整体要素与个体差异的手段。其中，具体的目标体质可以为平和质、阳虚质、阴虚质、气虚质、痰湿质、湿热质、血瘀质、气郁质和特禀质中的一种。
需要说明的是，将所述实时体征数据、数据采集时间和目标体质输入所述器官健康模型，得到所述实时体征数据对应的生理参数曲线图指的是：将实时体征数据结合数据采集时间和目标体质输入到器官健康模型，可以从器官健康模型中确定与数据采集时间相同，并且与目标体质对应相同体质的节律-体质器官健康模型，然后从节律-体质器官健康模型中输出实施体征数据对应的生理参数曲线图。
通过这种方式，实现了根据实时体征数据确定数据采集时间和用户的目标体质，从而更准确的确定用户的生理参数曲线图。
步骤S30：根据所述生理参数曲线图得到异常波动区间。
应理解的是，异常波动区间指的是生理参数曲线图中生理参数实时曲线相较于生理参数理想曲线出现连续阶段性异常的波动的区间。
在具体实施中，根据所述生理参数曲线图得到异常波动区间指的是，将生理参数曲线图中的生理参数理想曲线和生理参数实时曲线进行比较，找出生理参数实时曲线在单位时间段内与生理参数理想曲线出现偏差的平均数值大于等于第一预设阈值的区间段，作为异常波动区间。其中，第一预设阈值为一个任意数值的阈值，可以由用户或者管理员自行设定，本实施例对此不加以限制。单位时间段可以是由用户或者管理员设定的任意时长的时间段。
步骤S40：根据所述异常波动区间向所述用户展示器官健康提示信息。
需要说明的是，根据所述异常波动区间向所述用户展示器官健康提示信息指的是：当确定了异常波动区间之后，根据异常波动区间生成器官状态信息，然后确定颜色预警策略，最后根据颜色预警策略通过APP向用户展示自动生成的健康提示信息。
应理解的是，健康提示信息指的是有关于用户的脏腑器官的数据状态和数据异常自动生成的，提示用户脏腑器官功能性、器质性的健康提示信息，可以是正常、异常或者风险的提示报告。
进一步地，为了能够准确的向用户展示器官健康提示信息，步骤S40包括：根据所述异常波动区间生成器官状态信息；根据所述器官状态信息生成风险提示信息；根据所述风险提示信息生成展示颜色预警策略；根据所述展示颜色预警策略在APP中向用户展示健康提示信息。
在具体实施中，根据所述异常波动区间生成器官状态信息指的是：根据异常波动区间，以及异常区间对应的异常时间和用户的目标体质，确定用户各个器官和脏腑的状态，从而生成包含用户各个器官的体征数据和状态的器官状态信息。
需要说明的是，根据所述器官状态信息生成风险提示信息指的是，根据器官状态信息确定存在风险的器官，从而生成有关于各个正常器官和存在风险的器官的状态提示信息，即为风险提示信息。其中，异常区间对应的异常时间根据十二时辰节律理论，对应了一个可能存在风险的器官，所以风险提示信息中也包括了异常时间对应的存在风险的器官的相关提示信息。
应理解的是，根据所述风险提示信息生成展示颜色预警策略指的是：根据风险提示信息确定各个器官的状态分别为正常、异常和风险三种中的哪一种，然后将展示颜色预警策略确定为：正常的器官用绿色进行提示，异常的器官用黄色进行提示，风险的器官用红色进行提示。其中，在APP中会标注所有的器官的状态，可以通过改变显示颜色进行标注。
通过这种方式，实现了根据异常波动区间生成展示颜色预警策略并告知用户，可以辅助提示用户及时就医、调控，从而阻断器官严重性病变的发生，达到脏腑器官阴阳平衡的健康管理目的。
进一步地，为了能够向用户提示重点监护的器官，步骤S40之后，还包括：根据所述健康提示信息确定提示器官信息；根据所述提示器官信息确定各器官的异常提示次数和器官提示时间；根据所述异常提示次数和器官提示时间确定重点监护器官；根据所述重点监护器官和所述健康提示信息生成并向用户展示健康报告。
需要说明的是，根据所述健康提示信息确定提示器官信息指的是：根据健康提示信息确定已经提示过的用户存在异常或者风险的器官的相关历史记录及信息。
应理解的是，根据所述提示器官信息确定各器官的异常提示次数和器官提示时间指的是：根据提示器官信息确定用户的各个器官存在异常或者风险时被提示过的次数和每一次提示的时长，即为各个器官的异常提示次数和器官提示时间。
在具体实施中，根据所述异常提示次数和器官提示时间确定重点监护器官指的是：将在预设固定周期内异常提示次数大于预设次数，或者器官提示时间大于预设时间的脏腑器官作为重点监护器官。其中，预设固定周期为预先设定的固定的时间区间，可以为：一周、一个月或者任意时长的时间区间，本实施例对此不加以限制。预设次数为任意正整数数值的次数，本实施例对此不加以限制。预设时间为任意时间长度，本实施例对此不加以限制。预设固定周期、预设次数和预设时长均可以在设备中自行设定，本实施例对此不加以限制。
需要说明的是，健康报告包括了重点监护器官的异常提示次数、器官提示时间以及重点监护器官的对应实时体征数据。
通过这种方式，实现了根据健康提示信息确定需要重点监护的器官，并且生成健康报告向用户展示，以实现提示用户及时发现可能存在风险的器官，从而阻断器官严重性病变的发生，达到脏腑器官阴阳平衡的健康管理目的。
本实施例通过获取用户的实时体征数据；将所述实时体征数据输入器官健康模型，得到生理参数曲线图；根据所述生理参数曲线图得到异常波动区间；根据所述异常波动区间向所述用户展示器官健康提示信息。通过这种方式，实现了根据实时获取到的用户的实时体征数据以及器官健康模型得到生理参数曲线图，然后再根据生理参数曲线图确定异常波动区间，最后向用户展示器官健康提示信息，实现了基于生理参数的偏移向用户展示脏腑器官健康的提示信息，以辅助用户可以提前发现脏腑病变。
参考图3，图3为本发明一种生理参数偏离提前发现脏腑病变的监测装置第二实施例的流程示意图。
基于上述第一实施例，本实施例生理参数偏离提前发现脏腑病变的监测装置所执行的程序在所述步骤S20之前，还包括：
步骤S201：获取预设数据库中存储的历史患者临床数据。
需要说明的是，预设数据库指的是预先设置的，用于存储历史患者临床数据的数据库，可以为任意形式和类型的数据库，本实施例对此不加以限制。
应理解的是，历史患者临床数据指的是：预设数据库中已经存储的历史记录中的所有的患者的实时体征数据的集合。
步骤S202：根据所述历史患者临床数据得到多个对应不同患者体质的体质临床数据。
在具体实施中，根据所述历史患者临床数据得到多个对应不同患者体质的体质临床数据指的是：将所有的历史患者临床数据根据体质辨识的原理按照所有的患者的体质进行划分(平和质、阳虚质、阴虚质、气虚质、痰湿质、湿热质、血瘀质、气郁质和特禀质)，得到了对应不同的患者体质的体质临床数据。
步骤S203：根据所述体质临床数据建立器官健康模型。
需要说明的是，根据所述体质临床数据建立器官健康模型指的是：根据时间节律分类规则将各个体质临床数据进一步分类为节律-体质临床数据，然后再根据节律-体质临床数据建立多个节律-体质器官健康模型，最后将节律-体质器官健康模型整合为一整个器官健康模型。
进一步地，为了能够得出全面完整的器官健康模型，步骤S203包括：根据预设的时间节律分类规则将各所述体质临床数据分类为多个节律-体质临床数据；根据所述节律-体质临床数据建立多个对应不同体质在不同时间的节律-体质器官健康模型；将各所述节律-体质器官健康模型进行整合，得到器官健康模型。
应理解的是，根据预设的时间节律分类规则指的是：预先存储和设定的通过时间节律将体质临床数据进行分类的分类依据。具体为：将每一天的自然时间划分为若干个时间段，然后将各个时间段分别将体质临床数据进行划分，可以得到对应不同时间段的不同体质的节律-体质临床数据。并且时间节律分类规则中划分的时间段也对应了一个器官和脏腑。
在具体实施中，根据所述节律-体质临床数据建立多个对应不同体质在不同时间的节律-体质器官健康模型指的是：根据每一个节律-体质临床数据建立节律-体质器官健康模型，使得每一个节律-体质器官健康模型对应不同的体质和不同的时间。并且节律-体质器官模型通过节律-体质临床数据的大数据收集、整理和统计，可以得到相同时间的相同体质的用户在正常状态下的正常体征数据，从而可以生成理想生理参数曲线图。
需要说明的是，当得到实时体征数据时，可以将实时体征数据以及数据采集时间、目标体质输入器官健康模型，然后从器官健康模型中确定与数据采集时间相同、与目标体质相同的目标节律-体质器官健康模型，然后通过目标节律-体质器官健康模型输入生理参数曲线图。
通过这种方式，实现了根据对应不同体质在不同时间的节律-体质器官健康模型整合得到器官健康模型，使得器官健康模型可以根据实时体征数据的时间和用户的体质进行针对性的输出，进而使得器官健康模型更加全面准确。
本实施例通过根据预设的时间节律分类规则将各所述体质临床数据分类为多个节律-体质临床数据；根据所述节律-体质临床数据建立多个对应不同体质在不同时间的节律-体质器官健康模型；将各所述节律-体质器官健康模型进行整合，得到器官健康模型。通过这种方式，实现了根据已经存储的历史患者临床数据进行分类得到体质临床数据，然后基于体质临床数据建立器官健康模型，使得器官健康模型可以根据用户的体质进行针对性的深度分析，使得辅助用户进行脏腑健康管理更加科学和准确。
参照图4，图4为本发明生理参数偏离提前发现脏腑病变的监测系统第一实施例的结构框图。
如图4所示，本发明实施例提出的生理参数偏离提前发现脏腑病变的监测系统包括：依次连接的获取模块10、制图模块20、分析模块30和展示模块40；所述获取模块10，用于获取用户的实时体征数据；所述制图模块20，用于将所述实时体征数据输入器官健康模型，得到生理参数曲线图；所述分析模块30，用于根据所述生理参数曲线图得到异常波动区间；所述展示模块40，用于根据所述异常波动区间向所述用户展示器官健康提示信息。
本实施例中，获取模块10获取用户的实时体征数据。基于生理参数偏离提前发现脏腑病变的监测装置可以是智能穿戴装备，例如运动手环、智能手表等设备，或者其他可以实现采集用户的实时体征数据以及数据处理的装置，本实施例对此不加以限制。实时体征数据指的是用户的各项生理参数的相关数据，包括但不限于血压、血糖、血氧、心率、体温、呼吸频率等生理参数。
在具体实施中，制图模块20将所述实时体征数据输入器官健康模型，得到生理参数曲线图。器官健康模型指的是根据预设数据库中存储的历史记录中的患者的临床数据得到的模型，可以通过将实时体征数据输入到器官健康模型中，由器官健康模型自动输出用户的动态的生理参数曲线图。
需要说明的是，分析模块30根据所述生理参数曲线图得到异常波动区间。异常波动区间指的是生理参数曲线图中生理参数实时曲线相较于生理参数理想曲线出现连续阶段性异常的波动的区间。根据所述生理参数曲线图得到异常波动区间指的是，将生理参数曲线图中的生理参数理想曲线和生理参数实时曲线进行比较，找出生理参数实时曲线在单位时间段内与生理参数理想曲线出现偏差的平均数值大于等于第一预设阈值的区间段，作为异常波动区间。其中，第一预设阈值为一个任意数值的阈值，可以由用户或者管理员自行设定，本实施例对此不加以限制。单位时间段可以是由用户或者管理员设定的任意时长的时间段。
应理解的是，展示模块40根据所述异常波动区间向所述用户展示器官健康提示信息。根据所述异常波动区间向所述用户展示器官健康提示信息指的是：当确定了异常波动区间之后，根据异常波动区间生成器官状态信息，然后确定颜色预警策略，最后根据颜色预警策略通过APP向用户展示自动生成的健康提示信息。健康提示信息指的是有关于用户的脏腑器官的数据状态和数据异常自动生成的，提示用户脏腑器官功能性、器质性的健康提示信息，可以是正常、异常或者风险的提示报告。
进一步地，制图模块20包括：历史数据模块、体质分类模块和模型建立模块；所述历史数据模块，用于获取预设数据库中存储的历史患者临床数据；所述体质分类模块，用于根据所述历史患者临床数据得到多个对应不同患者体质的体质临床数据；所述模型建立模块，用于根据所述体质临床数据建立器官健康模型。
在具体实施中，历史数据模块获取预设数据库中存储的历史患者临床数据。预设数据库指的是预先设置的，用于存储历史患者临床数据的数据库，可以为任意形式和类型的数据库，本实施例对此不加以限制。历史患者临床数据指的是：预设数据库中已经存储的历史记录中的所有的患者的实时体征数据的集合。
需要说明的是，体质分类模块根据所述历史患者临床数据得到多个对应不同患者体质的体质临床数据。根据所述历史患者临床数据得到多个对应不同患者体质的体质临床数据指的是：将所有的历史患者临床数据根据体质辨识的原理按照所有的患者的体质进行划分(平和质、阳虚质、阴虚质、气虚质、痰湿质、湿热质、血瘀质、气郁质和特禀质)，得到了对应不同的患者体质的体质临床数据。
应理解的是，模型建立模块根据所述体质临床数据建立器官健康模型。根据所述体质临床数据建立器官健康模型指的是：根据时间节律分类规则将各个体质临床数据进一步分类为节律-体质临床数据，然后再根据节律-体质临床数据建立多个节律-体质器官健康模型，最后将节律-体质器官健康模型整合为一整个器官健康模型。
通过这种方式，实现了根据已经存储的历史患者临床数据进行分类得到体质临床数据，然后基于体质临床数据建立器官健康模型，使得器官健康模型可以根据用户的体质进行针对性的深度分析，使得辅助用户进行脏腑健康管理更加科学和准确。
进一步地，模型建立模块，还用于根据预设的时间节律分类规则将各所述体质临床数据分类为多个节律-体质临床数据；根据所述节律-体质临床数据建立多个对应不同体质在不同时间的节律-体质器官健康模型；将各所述节律-体质器官健康模型进行整合，得到器官健康模型。
在具体实施中，根据预设的时间节律分类规则指的是：预先存储和设定的通过时间节律将体质临床数据进行分类的分类依据。具体为：将每一天的自然时间划分为若干个时间段，然后将各个时间段分别将体质临床数据进行划分，可以得到对应不同时间段的不同体质的节律-体质临床数据。
在具体实施中，根据所述节律-体质临床数据建立多个对应不同体质在不同时间的节律-体质器官健康模型指的是：根据每一个节律-体质临床数据建立节律-体质器官健康模型，使得每一个节律-体质器官健康模型对应不同的体质和不同的时间。并且节律-体质器官模型通过节律-体质临床数据的大数据收集、整理和统计，可以得到相同时间的相同体质的用户在正常状态下的正常体征数据，从而可以生成理想生理参数曲线图。
需要说明的是，当得到实时体征数据时，可以将实时体征数据以及数据采集时间、目标体质输入器官健康模型，然后从器官健康模型中确定与数据采集时间相同、与目标体质相同的目标节律-体质器官健康模型，然后通过目标节律-体质器官健康模型输入生理参数曲线图。
通过这种方式，实现了根据对应不同体质在不同时间的节律-体质器官健康模型整合得到器官健康模型，使得器官健康模型可以根据实时体征数据的时间和用户的体质进行针对性的输出，进而使得器官健康模型更加全面准确。
进一步地，展示模块，还用于根据所述健康提示信息确定提示器官信息；根据所述提示器官信息确定各器官的异常提示次数和器官提示时间；根据所述异常提示次数和器官提示时间确定重点监护器官；根据所述重点监护器官和所述健康提示信息生成并向用户展示健康报告。
需要说明的是，根据所述健康提示信息确定提示器官信息指的是：根据健康提示信息确定已经提示过用户存在异常或者风险的器官的相关信息。
应理解的是，根据所述提示器官信息确定各器官的异常提示次数和器官提示时间指的是：根据提示器官信息确定用户的各个器官被提示过的次数和每一次提示的时长，即为各个器官的异常提示次数和器官提示时间。
在具体实施中，根据所述异常提示次数和器官提示时间确定重点监护器官指的是：将在预设固定周期内异常提示次数大于预设次数，或者器官提示时间大于预设时间的脏腑器官作为重点监护器官。其中，预设固定周期为预先设定的固定的时间区间，可以为：一周、一个月或者任意时长的时间区间，本实施例对此不加以限制。预设次数为任意正整数数值的次数，本实施例对此不加以限制。预设时间为任意时间长度，本实施例对此不加以限制。预设固定周期、预设次数和预设时长均可以在设备中自行设定，本实施例对此不加以限制。
需要说明的是，健康报告包括了重点监护器官的异常提示次数、器官提示时间以及重点监护器官的对应实时体征数据。
通过这种方式，实现了根据健康提示信息确定需要重点监护的器官，并且生成健康报告向用户展示，以实现提示用户及时发现可能存在风险的器官，从而阻断器官严重性病变的发生，达到脏腑器官阴阳平衡的健康管理目的。
本实施例通过获取用户的实时体征数据；将所述实时体征数据输入器官健康模型，得到生理参数曲线图；根据所述生理参数曲线图得到异常波动区间；根据所述异常波动区间向所述用户展示器官健康提示信息。通过这种方式，实现了根据实时获取到的用户的实时体征数据以及器官健康模型得到生理参数曲线图，然后再根据生理参数曲线图确定异常波动区间，最后向用户展示器官健康提示信息，实现了基于生理参数的偏移向用户展示器官健康的提示信息，以辅助用户可以提前发现脏腑病变。
由于本系统采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不一一赘述。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的生理参数偏离提前发现脏腑病变的监测装置，此处不再赘述。
此外，需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于生理参数偏离提前发现脏腑病变的监测装置，其特征在于，所述基于生理参数偏离提前发现脏腑病变的监测装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于生理参数偏离提前发现脏腑病变的监测程序，所述基于生理参数偏离提前发现脏腑病变的监测程序配置为实现如下步骤：
获取用户的实时体征数据；
将所述实时体征数据输入器官健康模型，得到生理参数曲线图；
根据所述生理参数曲线图得到异常波动区间；
根据所述异常波动区间向所述用户展示器官健康提示信息。
2.如权利要求1所述的基于生理参数偏离提前发现脏腑病变的监测装置，其特征在于，所述基于生理参数偏离提前发现脏腑病变的监测程序配置为实现如下步骤：
获取预设数据库中存储的历史患者临床数据；
根据所述历史患者临床数据得到多个对应不同患者体质的体质临床数据；
根据所述体质临床数据建立器官健康模型。
3.如权利要求2所述的基于生理参数偏离提前发现脏腑病变的监测装置，其特征在于，所述基于生理参数偏离提前发现脏腑病变的监测程序配置为实现如下步骤：
根据预设的时间节律分类规则将各所述体质临床数据分类为多个节律-体质临床数据；
根据所述节律-体质临床数据建立多个对应不同体质在不同时间的节律-体质器官健康模型；
将各所述节律-体质器官健康模型进行整合，得到器官健康模型。
4.如权利要求1所述的基于生理参数偏离提前发现脏腑病变的监测装置，其特征在于，所述基于生理参数偏离提前发现脏腑病变的监测程序配置为实现如下步骤：
根据所述实时体征数据确定所述实时体征数据对应的数据采集时间和所述用户的目标体质；
将所述实时体征数据、数据采集时间和目标体质输入所述器官健康模型，得到所述实时体征数据对应的生理参数曲线图。
5.如权利要求1所述的基于生理参数偏离提前发现脏腑病变的监测装置，其特征在于，所述基于生理参数偏离提前发现脏腑病变的监测程序配置为实现如下步骤：
根据所述异常波动区间生成器官状态信息；
根据所述器官状态信息生成风险提示信息；
根据所述风险提示信息生成展示颜色预警策略；
根据所述展示颜色预警策略在APP中向用户展示健康提示信息。
6.如权利要求1至5中任一项所述的基于生理参数偏离提前发现脏腑病变的监测装置，其特征在于，所述基于生理参数偏离提前发现脏腑病变的监测程序配置为实现如下步骤：
根据所述健康提示信息确定提示器官信息；
根据所述提示器官信息确定各器官的异常提示次数和器官提示时间；
根据所述异常提示次数和器官提示时间确定重点监护器官；
根据所述重点监护器官和所述健康提示信息生成并向用户展示健康报告。
7.一种基于生理参数偏离提前发现脏腑病变的监测系统，其特征在于，所述基于生理参数偏离提前发现脏腑病变的监测系统包括：依次连接的获取模块、制图模块、分析模块和展示模块；
所述获取模块，用于获取用户的实时体征数据；
所述制图模块，用于将所述实时体征数据输入器官健康模型，得到生理参数曲线图；
所述分析模块，用于根据所述生理参数曲线图得到异常波动区间；
所述展示模块，用于根据所述异常波动区间向所述用户展示器官健康提示信息。
8.如权利要求7所述的基于生理参数偏离提前发现脏腑病变的监测系统，其特征在于，所述制图模块包括：历史数据模块、体质分类模块和模型建立模块；
所述历史数据模块，用于获取预设数据库中存储的历史患者临床数据；
所述体质分类模块，用于根据所述历史患者临床数据得到多个对应不同患者体质的体质临床数据；
所述模型建立模块，用于根据所述体质临床数据建立器官健康模型。
9.如权利要求8所述的基于生理参数偏离提前发现脏腑病变的监测系统，其特征在于，所述模型建立模块，还用于根据预设的时间节律分类规则将各所述体质临床数据分类为多个节律-体质临床数据；
根据所述节律-体质临床数据建立多个对应不同体质在不同时间的节律-体质器官健康模型；
将各所述节律-体质器官健康模型进行整合，得到器官健康模型。
10.如权利要求7所述的基于生理参数偏离提前发现脏腑病变的监测系统，其特征在于，所述展示模块，还用于根据所述健康提示信息确定提示器官信息；
根据所述提示器官信息确定各器官的异常提示次数和器官提示时间；
根据所述异常提示次数和器官提示时间确定重点监护器官；
根据所述重点监护器官和所述健康提示信息生成并向用户展示健康报告。
CN202210605370.2A 2022-05-31 2022-05-31 基于生理参数偏离提前发现脏腑病变的监测装置及系统 Pending CN115148355A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210605370.2A CN115148355A (zh) 2022-05-31 2022-05-31 基于生理参数偏离提前发现脏腑病变的监测装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210605370.2A CN115148355A (zh) 2022-05-31 2022-05-31 基于生理参数偏离提前发现脏腑病变的监测装置及系统

Publications (1)

Publication Number Publication Date
CN115148355A true CN115148355A (zh) 2022-10-04

Family

ID=83407261

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210605370.2A Pending CN115148355A (zh) 2022-05-31 2022-05-31 基于生理参数偏离提前发现脏腑病变的监测装置及系统

Country Status (1)

Country Link
CN (1) CN115148355A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116110577A (zh) * 2022-11-16 2023-05-12 荣科科技股份有限公司 一种基于大数据的健康监测分析方法及系统
CN117672543A (zh) * 2023-12-18 2024-03-08 深圳失重魔方网络科技有限公司 一种科技健康大数据模型构建方法及系统
CN117789987A (zh) * 2024-02-23 2024-03-29 青岛埃克曼科技有限公司 一种内分泌科康复评估模型的构建方法及系统
CN118197002A (zh) * 2024-02-29 2024-06-14 南京市佑安医院(南京市青龙山精神病院、南京市优抚对象康复中心) 一种老年患者离位预警方法及装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116110577A (zh) * 2022-11-16 2023-05-12 荣科科技股份有限公司 一种基于大数据的健康监测分析方法及系统
CN116110577B (zh) * 2022-11-16 2024-04-30 荣科科技股份有限公司 一种基于大数据的健康监测分析方法及系统
CN117672543A (zh) * 2023-12-18 2024-03-08 深圳失重魔方网络科技有限公司 一种科技健康大数据模型构建方法及系统
CN117789987A (zh) * 2024-02-23 2024-03-29 青岛埃克曼科技有限公司 一种内分泌科康复评估模型的构建方法及系统
CN117789987B (zh) * 2024-02-23 2024-05-28 青岛大学附属医院 一种内分泌科康复评估模型的构建方法及系统
CN118197002A (zh) * 2024-02-29 2024-06-14 南京市佑安医院(南京市青龙山精神病院、南京市优抚对象康复中心) 一种老年患者离位预警方法及装置
CN118197002B (zh) * 2024-02-29 2024-09-13 南京市佑安医院(南京市青龙山精神病院、南京市优抚对象康复中心) 一种老年患者离位预警方法及装置

Similar Documents

Publication Publication Date Title
CN115148355A (zh) 基于生理参数偏离提前发现脏腑病变的监测装置及系统
US20200205709A1 (en) Mental state indicator
Mayya et al. Continuous monitoring of stress on smartphone using heart rate variability
CN109065162A (zh) 一种综合性智能化诊断系统
CN113133752B (zh) 基于心率变异分析的心理评估方法、系统、设备和介质
JP2019523926A5 (zh)
Chen et al. Machine learning method for continuous noninvasive blood pressure detection based on random forest
WO2019075522A1 (en) RISK INDICATOR
CN105069314A (zh) 基于证素辨证的中医健康管理系统及其方法
CN113555107A (zh) 一种人体代谢状态量化管理分析系统及方法
Toth-Laufer et al. A soft computing-based hierarchical sport activity risk level calculation model for supporting home exercises
CN114864088A (zh) 一种基于医疗健康的数字孪生建立方法、装置和存储介质
WO2019075520A1 (en) INDICATOR OF RESPIRATORY CONDITION
Rajapaksha et al. A Mobile Application to Predict and Manage High Blood Pressure and Personalized Recommendations
CN106951688B (zh) 一种中医四诊分型辨证系统
EP4367609A1 (en) Integrative system and method for performing medical diagnosis using artificial intelligence
KR20220117632A (ko) 원격 상담 서비스 제공 방법 및 시스템
Sun et al. Design of a human-body health monitoring system based on Android
Hossain et al. When does an easy task become hard? A systematic review of human task-evoked pupillary dynamics versus cognitive efforts
Chen et al. Autonomic Nervous Pattern Recognition of Students’ Learning States in Real Classroom Situation
CN205942696U (zh) 大数据分析的健康监测与医理研究系统
Hemmelmann Validity of the EDA-Explorer as a means for artifact rejection and peak detection in electro dermal activity data-analysis
Ali et al. Prediction of Interstitial Glucose Levels Through Wearable Sensors Using Machine Learning
Duchene et al. An hybrid refinement methodology for multivariate simulation in home health telecare
Shahid et al. Towards Enhanced Well-Being: Monitoring Stress and Health with Smart Sensor Systems

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