CN115910333A - 一种基于穿戴设备的生命力增减评估方法和系统 - Google Patents

Abstract

本发明提供一种基于穿戴设备的生命力增减评估方法和系统，其中方法包括如下步骤：步骤1、数据获取模块获取穿戴设备的数据；步骤2、所述数据分析模块基于时间序列分析的深度学习算法对数据进行训练，通过数据输入模型输出参数：一个周期内增加/减少生命力的天数。本发明的有益效果是：过对用户数据评估，通过生命力增加/减少的提示，将穿戴智能设备的数据与生活习惯已经对人的健康影响建立关联；解决了目前无法将生活习惯、既往病史、干预行为与人的健康指标相关联的关系，从而有效进行干预提醒。

Description

一种基于穿戴设备的生命力增减评估方法和系统

技术领域

本发明涉及院外医疗健康技术领域，特别是一种基于穿戴设备的生命力增减评估方法和系统。

背景技术

随着人们生活水平的提高，不规律的生活习惯，巨大的工作、生活压力和紧张的生活节奏，导致重大疾病年轻化，慢病化，而慢病群体日趋庞大。科技的发展，使得穿戴设备、智能硬件设备等具有健康数据采集功能等，能获取到人体的生理数据，穿戴数据比较严肃和单调，医疗健康管理比较专业，非专业人士无法知道深层次含义；穿戴数据与老百姓的生存(生活)质量、健康没有量化的指标；虽然从中医的理论、有很多相关的报道，多数人无法从其中的数据中获取更多有用的信息。

另外，穿戴设备主要用于测量心率、血氧等参数，而这些参数为用户提供了一个比较直观的数据，即单项指标是否达标。而目前的穿戴设备提供生理数据，一般用户无法根据数据对人的活动提供干预。

生命力，是维持生命活力的能力，生命力所呈现的应该是一种生命的状态，其包含人的多种指数，不仅仅是人的体征数据，还包括人的健康状态、既往病史、生活环境等方面。而现有的穿戴设备无法综合这些数据对人给予一个状态评价和力量。

发明内容

本发明提出一种根据目前生活习惯、既往病史、当前健康情况来实现人的生命力量化的方法，是通过如下技术方案实现的。

一种基于穿戴设备的生命力评估方法，包括如下步骤：

步骤1、数据获取模块获取穿戴设备的数据；

步骤2、对数据预处理，再输入到数据分析模块；

步骤3、所述数据分析模块基于时间序列分析的深度学习算法对上述的数据进行训练，通过数据输入模型输出参数：一个周期内增加/减少生命力的天数。

一种基于穿戴设备的生命力评估系统，包括：数据获取模块、数据预处理模块、数据分析模块、结果显示模块和反馈模块，其中：

数据获取模块：主要实现的功能是通过穿戴设备及互联网技术获取评估用户每天的生命力所需的数据；

数据预处理模块：对获取的数据中的异常数据的排除，缺失数据的自动补全，数据归一化处理；

数据分析模块：采用基于时间序列分析的深度学习算法对上述的数据进行训练，输出结果为用户当前的生命力值；

结果显示模块：显示设定时期的生命力的预测值；

反馈模块：是用户对穿戴设备测量出来的当前生命力值进行打分评估并反馈。

本发明的有益效果是：对用户多维数据的分析，通过生命力增加/减少的直观地提示，解决了目前穿戴智能设备在医疗健康方面的核心价值方面体现不直观，佩戴者难以将穿戴智能设备的数据与生活习惯已经对人的健康影响建立关联；

解决了目前无法将生活习惯、既往病史、干预行为与人的健康指标相关联的关系，通过进行综合分析，对个人的生活习惯和行为作出生命力增加的评价，使个人抛弃不良的生活习惯和行为，养成健康的、积极向上的生活习惯和行为。

附图说明

图1是本发明实施例的生命力评估系统框图。

图2是本发明实施例的生命力评估系统框图。

图3是本发明实施例的生命力评估方法的流程图。

图4是本发明实施例的数据分析方法的流程图。

图5是本发明实施例的映射函数算法实现框图。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

如图3所示，一种基于穿戴设备的生命力评估方法，包括如下步骤：

S1、数据获取模块获取穿戴设备的数据；

S2、所述数据分析模块基于时间序列分析的深度学习算法对上述的数据进行训练，通过数据输入模型输出参数：一个周期内增加/减少生命力的天数。

其中，数据输入模型可根据不同的人群进行个性化调整，同时，同一个人也可以根据多日收集的信号进行迭代优化。

在本发明实施例中，个人的生命力增加或减少的评估，是一个短时期内的生命力的评估行为，其并不是预测人的寿命，也不是对个人生活质量的评价，而是对人的生活状态的和生活积极心态的一个评价。

生命力增加是基于对健康生活习惯的一个鼓励和期望，有助于个人培养健康的生活习惯，如对健康生活向往的愿望和能力强，则给予生命力赋值增加。

本发明的实质是通过对穿戴设备的数据，再结合个人的健康数据，进行综合分析，对不良的生活习惯和行为作出生命力减少的评价，使个人抛弃不良的生活习惯和行为；对个人的生活习惯和行为作出生命力增加的评价，养成健康的、积极向上的生活习惯和行为。

如图1-2所示，在本发明的实施例中，通过穿戴设备，服务器等硬件设备搭建而成的生命力评估系统，系统包括：数据获取模块、数据预处理模块、数据分析模块、结果显示模块和反馈模块。将系统部署在服务器内，与穿戴设备通信，接受数据、处理数据、分析数据。数据显示可采用穿戴设备的显示屏或者手机APP上，通过手机屏幕显示。

在本发明实施例中，在手机端输入用户的一些数据及获取一些数据，如身体基础数据和环境数据。通过服务器与穿戴设备通信，将这些信息发传送到穿戴设备上储存，也可以存储在服务器内。

在本发明的实施例中，还可以将系统部署在穿戴设备内，如一种智能穿戴手表，手表内集成处理器和存储器，手表传感器获取的收据，通过处理器预处理、数据分析后显示在手表的表盘上。通过手表的按钮或者表盘触摸按键对数据进行操作和反馈。

在本发明实施例中，先确定穿戴数据的种类。其中，数据获取模块主要实现的功能是通过穿戴设备及互联网技术获取评估用户每天的生命力所需的数据，所需获取的数据包括如下。

1)穿戴信息数据：可通过智能手表、智能手环、智能手机等智能终端实时获取并更新用户的运动信息(包括运动步数、运动时间、运动强度、运动类型等)、饮食信息(包括每餐的卡路里摄入量、营养均衡程度等)、睡眠(包括午间/夜间的入睡时间、睡眠质量等)、心情、压力及疲劳、心脏健康(包括心率变异性和心律失常发生率等)、血压、血糖(包括血糖值、血糖变异性、血糖极值变化等)、血氧饱和度、体温和其他体征。

2)身体基础数据：性别、年龄、身高、体重、籍贯、是否抽烟、喝酒等。该数据可以根据需要，实现每天、每周或者每月更新一次。

3)临床检查数据，包括血生化、X光胸透、骨密度检测等，还包括既往病史，如是否有慢病、糖尿病、高血压、家族病史。该数据如果发生变动，则更新；如无变化，则保持不变。

4)生活环境数据：包括天气温度、湿度、气象情况、区域病和流行病信息等，该数据可通过互联网搜索并实时更新。

在本发明的实施例中，再确定上述数据的来源。

在本发明的实施例中：穿戴信息数据是通过身体部分的穿戴设备内设置有多个传感器，包括心率传感器、压电陶瓷声学传感器和压力传感器，心率传感器设置在背心内与心脏对应的位置，检测心脏的心率。

压电陶瓷声学传感器设置在贴身背心内的右肺对应的位置，用于侦测检测胸部肺部发出的任何声音；在压电陶瓷声学传感器旁设置压力传感器，当肺部呼吸时，产生的压力使得压力传感器产生数据，判断呼吸或说话时的肺活量。

在贴身背心的外部设置微型控制器，与各传感器通过电线连接，收集各传感器的电信号，通过微型控制器对该电信号放大、滤波后，转化成数字信号，通过微型控制器连接的无线模块，如蓝牙或者是微型Wi-Fi模块，将该数字信号经路由器或者直接与云平台连接通信。

在本发明的实施例中：手腕部分穿戴设备的传感器包括：运动传感器、光学心率传感器、生物电阻抗传感器、皮电反应传感器、温度传感器、湿度传感器。

运动传感器，包括加速度传感器、陀螺仪、电子罗盘传感器，通过测量方向和加速度力量，判断设备是否移动，通过收集的数据匹配用户正在进行的运动类型，进而监测用户的步行数、卡路里消耗量等。

光学心率传感器是智能手环最常用的心率监测装置，当电容灯光射向皮肤，透过皮肤组织反射回的光被光敏传感器接受并转换成电信号再经过电信号转换成数字信号，再根据血液的吸光率就能测算出心率。

生物电阻抗传感器，可通过生物肌体自身阻抗来实现血液流动监测，并转化为具体的心率、呼吸率及皮电反应指数。

皮电反应传感器，用来测量人的唤醒度的，而唤醒度经过大量科研实验证明是和人的关注度和参与度紧密联系在一起的，通常配备在一些可以监测汗水水平的设备上。人体的皮肤电阻、电导随皮肤汗腺机能变化而改变，这些可测量的皮肤电改变称之为皮电活动(EDA)。对心理上引起的汗腺活动进行测量，来研究与之相关的心理活动，可提供用户心情指数的重要依据。

温度传感器主要用于检测用户表皮的温度，它通过与用户皮肤的直接接触，测量出皮肤的表层温度。

湿度传感器主要用于检测用户皮肤的湿度，它通过测量皮肤水分的变化，实时反馈皮肤湿度。

穿戴设备内置有无线通信模块和无线网络，可直接与云平台通信，将数据传送到云平台。

在本发明实施例中，穿戴设备的头部穿戴，可选择眼镜、帽子等，通过内置加速度传感器、陀螺仪，可侦测头部的运动情况，如摇头，点头、仰头等动作。

在本发明实施例中，穿戴设备的其他穿戴，包括智能项链、智能戒指等，是内置传感器、控制器和无线通信的智能装置。

颈部的智能项链，可内置加速度传感器、陀螺仪，监测颈部姿势和运动，同时附带专门用于训练颈部的游戏，让用户更主动地活动颈部。

手指部的智能戒指，可内置血氧检测装置，监测血氧饱和度。

通过上述穿戴设备，可实时获取运动信息、饮食、睡眠、心情、压力及疲劳、心脏健康、体温和其他体征。

在本发明实施例中，收集到穿戴设备数据后，先进行预处理。

数据预处理模块主要实现三个功能：1)异常数据的排除；2)缺失数据的自动补全；3)数据归一化处理。本发明中的保护点在于数据分析，是建立在数据预处理模块后的。因此，本发明中用于分析的数据假设是已经预处理过的。

预处理后的数据，再进行分析，使得分析结果更精准。

数据分析模块，是根据所获取的穿戴信息数据、身体基础数据、临床检查数据和生活环境数据等，采用基于时间序列分析的深度学习算法对上述的数据进行训练，输出结果为用户当前的生命力值。具体实现过程如图4所示，包括如下步骤。

S11、设定数据分析模块的输入矩阵In_data，其可表示如下公式。其中 a(t-T),a(t-T+1),a(t-T+2),...,a(t)，b(t-T),b(t-T+1),b(t-T+2),...,b(t)，c(t-T),c(t-T+1),c(t-T+2),...,c(t)，d(t-T),d(t-T+1),d(t-T+2),...,d(t)分别代表穿戴信息数据集、身体基础数据集、临床检查数据集以及生活环境数据集，每个数据集包括T个子数据集，即T代表每个数据集的时间长度，t为当前时刻的时间。

在上述公式中，a(t-T)代表在(t-T)时刻的穿戴信息的子数据集，其可表示为如下公式：

上述公式的a(t-T)为一个N×1的矩阵，N代表矩阵中元素的总数目，其大小由穿戴信息数据集的数据类型数目决定。其中a₁(t-T)代表运动步数，a₂(t-T)代表运动时间，a₃(t-T)代表运动强度，运动强度划分为10个等级，从1到10，运动强度等级逐渐增强。a₄(t-T)代表运动类型，为了便于分析，将运动类型进行数字化处理，即用1代表静坐，2代表跑步，3代表打篮球，4代表踢足球等。a₅(t-T) 代表上一餐的卡路里摄入量，a₆(t-T)代表上一餐的营养均衡程度，a₇(t-T)代表午间入睡时间等。

相似的，b(t-T)，c(t-T)，d(t-T)同样可以用矩阵来表示，其矩阵中元素的总数目分别由身体基础数据集的数据类型数目、临床检查数据集的数据类型数目、生活环境数据集的数据类型数目决定。

S12、设定数据分析模块的输出矩阵out_data，其可通过如下公式表示，其中y₁表示当前的生命力的预测值，y₂表示30分钟后的生命力预测值，y₃表示60 分钟后的生命力预测值，y_n表示设定时间。

S13、根据所设定的输入矩阵in_data和输出矩阵out_data，两者之间的映射关系可表示下述公式所示。其中f为映射函数，如图5所示，映射函数f包括三个含有注意力机制层的叠加以及两个Dense层(全连接层)的叠加。

out_data＝f(In_data)

S14、根据输入矩阵in_data和输出矩阵out_data的映射关系，得出增加生命力值的主要因素及各因素的比重，包括充足睡眠、合理运动、快乐心态、积极社交、遵医嘱、健康饮食、环境空气好、不抽烟不喝酒等。得出减少生命力值的主要因素及各因素的比重，包括睡眠不足、熬夜、不运动及运动过量、压力大疲劳度高、不社交，电子游戏时间长、不遵医嘱、饮食不健康、暴饮暴食、生活环境恶劣、抽烟喝酒等。

结果显示模块，该模块主要实现的功能是显示一段时间内的生命力预测值。显示功能是显示当前的生命力的预测值，30分钟后的生命力预测值以及60分钟后的生命力预测值。显示的时间段可根据需要设置。

反馈模块，是用户对穿戴设备测量出来的当前生命力值进行打分评估并反馈，如果用户认为当前的生命力值不准确，则可以通过穿戴设备提交反馈。通过反馈使得生命力评估值的准确性大幅增加。

反馈处理方法如下：

1)确定输入因子：输入因子U为穿戴设备提供的当前生命力值。

2)确定输出因子：输出因子V为经用户反馈并经大数据分析确定后的生命力值。

3)建立从输入因子到输出因子的评估矩阵，即得到一个从U→F(V)的映射矩阵。

根据推导出的映射矩阵，即为评估矩阵M₁。

4)根据评估矩阵，优化数据分析模块中的映射函数f。

在上述实施例的基础上，还包括模型迭代优化算法，其一是增加生命力的算法，另一方面是减少生命力的算法。模型可以根据不同的人群进行个性化调整，同时，同一个人也可以根据多日收集的信号进行迭代优化。

减少生命力的算法是：从数据中提取如下特征：睡眠不足、熬夜、不运动及运动过量、压力大疲劳度高、不社交，电子游戏时间长、不遵医嘱、饮食不健康、暴饮暴食、生活环境恶劣、抽烟喝酒。

增加生命力的算法是：从数据中提取特征，特征包括：充足睡眠、合理运动、快乐心态、积极社交、遵医嘱、健康饮食、环境空气好、不抽烟不喝酒。

如提取睡眠数据，充足睡眠是晚上睡眠时间在6-8小时，增加生命力，睡眠不足或者过量则减少生命力。

提取运动数据，合理运动是30-60分钟，运动时间在这个区间内增加生命力，超过运动时间或运动时间不足则减少生命力。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于穿戴设备的生命力增减评估方法，其特征在于，包括如下步骤：

步骤1、数据获取模块获取穿戴设备的数据；

步骤2、所述数据分析模块基于时间序列分析的深度学习算法对所述数据进行训练，通过数据输入模型输出参数：一个周期内增加/减少生命力的天数。

2.根据权利要求1所述的生命力评估方法，其特征在于，还包括显示模块，显示设定时间段的生命力的预测值。

3.根据权利要求1所述的生命力增减评估方法，其特征在于，数据训练的算法包括如下步骤：

设定数据分析模块的输入矩阵In-data；

设定数据分析模块的输出矩阵Out_data；

根据所设定的输入矩阵In-data和输出矩阵Out_data，两者之间的映射关系可表示Out_data＝f(In-data)；

根据输入矩阵In-data和输出矩阵Out_data的映射关系，得出增加生命力值的主要因素及各因素的比重。

4.根据权利要求1所述的生命力增减评估方法，其特征在于，还包括反馈模块，是用户对当前生命力值进行打分评估并反馈，如果用户认为当前的生命力值不准确，则通过穿戴设备提交反馈，反馈处理方法如下：

确定输入因子：输入因子U为穿戴设备提供的当前生命力值；

确定输出因子：输出因子V为经用户反馈并经大数据分析确定后的生命力值；

建立从输入因子到输出因子的评估矩阵，即得到一个从U→F(V)的映射矩阵；

M₁：U→F(V)

根据推导出的映射矩阵，即为评估矩阵M₁；

根据评估矩阵，优化数据分析模块中的映射函数f。

5.一种基于穿戴设备的生命力增减评估系统，其特征在于，用于执行权利要求1-4任意一项所述的方法，包括：数据获取模块、数据预处理模块、数据分析模块、结果显示模块和反馈模块，其中：

数据获取模块：主要实现的功能是通过穿戴设备及互联网技术获取评估用户每天的生命力所需的数据；

数据预处理模块：对获取的数据中的异常数据的排除，缺失数据的自动补全，数据归一化处理；

数据分析模块：采用基于时间序列分析的深度学习算法对上述的数据进行训练，输出结果为用户当前的生命力值；

结果显示模块：显示设定时期的生命力的预测值；

反馈模块：是用户对穿戴设备测量出来的当前生命力值进行打分评估并反馈。

6.根据权利要求5所述的生命力增减评估系统，其特征在于，所述数据包括穿戴信息数据、身体基础数据、临床检查数据及生活环境数据，其中：

穿戴信息数据：可通过智能终端实时获取并更新用户的运动信息、饮食信息、睡眠、心情、压力及疲劳、心脏健康、血压、血糖、血氧饱和度、体温；

身体基础数据：包括性别、年龄、身高、体重、籍贯及是否抽烟、喝酒；

临床检查数据：包括血生化、X光胸透、骨密度检测及既往病史；

生活环境数据：包括天气温度、湿度、气象情况及区域病、流行病信息。

Images