CN115956881A - 一种基于大数据的老年护理风险评估系统 - Google Patents
一种基于大数据的老年护理风险评估系统 Download PDFInfo
- Publication number
- CN115956881A CN115956881A CN202211652616.8A CN202211652616A CN115956881A CN 115956881 A CN115956881 A CN 115956881A CN 202211652616 A CN202211652616 A CN 202211652616A CN 115956881 A CN115956881 A CN 115956881A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- pose
- acquiring
- pressure
- 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.)
- Granted
Links
- 238000012502 risk assessment Methods 0.000 title claims abstract description 20
- 230000000474 nursing effect Effects 0.000 title claims description 12
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000004622 sleep time Effects 0.000 claims abstract description 10
- 230000036578 sleeping time Effects 0.000 claims abstract description 6
- 238000010586 diagram Methods 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 14
- 230000000694 effects Effects 0.000 description 4
- 230000002618 waking effect Effects 0.000 description 4
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 206010017577 Gait disturbance Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000010247 heart contraction Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000013186 photoplethysmography Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于大数据的老年护理风险评估系统,包括:位姿采集模块、警报模块、睡眠分析模块以及中央处理器;所述位姿采集模块用于采集用户在床上的位姿数据;所述睡眠分析模块用于获取用户的睡眠数据;中央处理器根据用户睡眠过程的睡眠数据,将用户睡眠过程划分为若干睡眠时段;中央处理器根据睡眠时段获取采集频率,并控制位姿采集模块按采集频率采集用户在对应睡眠时段内的位姿数据;中央处理器根据位姿数据判断用户是否存在坠床风险;若是,则评估坠床风险系数,且当风险系数大于设定阈值时,生成报警信号发送至警报模块;所述警报模块设置在护理人员处。现有技术中老年患者坠床风险评估不方便的技术问题。
Description
技术领域
本发明涉及老年护理技术领域,具体是一种基于大数据的老年护理风险评估系统。
背景技术
床是老年护理过程中的常见风险之一,是老年人致伤和致死的重要原因。严重影响老年人的身心健康,给家庭及社会带来巨大负担,老年医学已将坠床跌倒列为老年病综合症之一。存在认知功能障碍的患者常常由于存在精神行为异常,以及步态不稳、身体平衡功能紊乱等运动功能损害,使坠床风险显著增加。
坠床发生于睡眠时间,一旦患者发生坠床,护理人员往往难以及时发现并进行救治,使得患者错过最佳的救治时间,给患者带来极大的痛苦。而加大护理人员的巡查频率,又使得人力物力增加,给护理人员带来较大的工作压力。
发明内容
本发明的目的在于提供一种基于大数据的老年护理风险评估系统,解决了现有技术中老年患者坠床风险评估不方便的技术问题。
本发明提供,一种基于大数据的老年护理风险评估系统,所述系统包括:
位姿采集模块、警报模块、睡眠分析模块以及中央处理器;
所述位姿采集模块用于采集用户在床上的位姿数据,并将位姿数据上传至中央处理器;
所述睡眠分析模块用于获取用户的睡眠数据,并将睡眠数据上传至中央处理器;
中央处理器根据用户睡眠过程的睡眠数据,将用户睡眠过程划分为若干睡眠时段;中央处理器根据睡眠时段获取采集频率,并控制位姿采集模块按采集频率采集用户在对应睡眠时段内的位姿数据;
中央处理器根据位姿数据判断用户是否存在坠床风险;若是,则评估坠床风险系数,且当风险系数大于设定阈值时,生成报警信号发送至警报模块;
所述警报模块设置在护理人员处,当警报模块接收到报警信号后,提醒护理人员及时到达用户处。
进一步地,所述位姿采集模块包括:
床垫、若干压力传感器、红外相机以及微处理器;
所述床垫上呈矩阵式分布有若干采集点位,每一采集点位均配置有一压力传感器,所述压力传感器用于采集对应点位的压力数据;
所述红外相机设置于床垫上方,用于采集用户睡眠过程中的红外图像;
微处理器控制红外相机采集红外图像和若干压力传感器的压力数据;微处理器还根据所述红外图像和压力数据,获取用户的位姿数据。
进一步地,根据所述红外图像和压力数据获取用户的位姿数据,包括:
对所述红外图像进行轮廓检测获取位姿轮廓;
识别位姿轮廓中的人体特征轮廓;
根据人体特征轮廓,获取位姿轮廓中遮盖部分的轮廓;
获取遮盖部分下床垫上所有采集点位的编号并生成编号表单;
根据编号表单一一对应获取编号表单中所有压力传感器的压力数据并生成压力表单;
根据所述压力表单获取遮盖部分床垫的压力分布图;
将人体特征轮廓和压力分布图输入位姿模型,获取用户全身的位姿数据。
进一步地,根据所述压力表单获取遮盖部分床垫的压力分布图,包括:
获取床垫上采集点位的点位分布图;
筛选出压力表单中压力数据大于设定压力的采集点位;
根据剩余每一采集点位的压力数据获取对应的特征尺寸;
对每一采集点位均以其所在位置为中心,对应特征尺寸为对角线在点位分布图中做正方形;
填充每一采集点位对应的正方形区域获得压力分布图。
进一步地,根据位姿数据判断用户是否存在坠床风险,包括:
根据位姿数据,获取沿床长度方向用户身体最远端处两端点;
连接两端点来获取身体特征线,获取所述身体特征线与床中心轴线的夹角的角度;获取身体特征线每一端点到床两侧边缘的距离;
判断身体特征线的夹角小于等于设定角度,且任一端点到达床两侧边缘的距离均大于设定距离;
若是,用户不存在坠床风险;若否,用户存在坠床风险。
进一步地,评估风险系数,包括:
获取身体特征线的中点到两侧边缘的垂直距离,其中较小的垂直距离为最小距离;
对所述最小距离和特征线的夹角进行无量纲化处理;
根据公式获取风险系数:
FXXH=α1*JJ+α2/ZXJL;
其中FXXH为风险系数;JJ为去量纲处理后的夹角;ZXJL为最小距离;α1和α2均为比例系数。
进一步地,对所述红外图像进行轮廓检测获取位姿轮廓之前,还包括:
对所述红外图像通过中值滤波来进行降噪处理;通过高斯分布背景模型去除红外图像中的背景,并保留床两侧边沿轮廓。
进一步地,还包括交互模块,所述交互模块接收中央处理器的交互指令来与用户进行交互。
进一步地,还包括唤醒模块,所述唤醒模块用于当用户上床睡觉时唤醒中央处理器。
进一步地,所述睡眠分析模块包括心率计和边缘处理器;
所述心率计用于采集用户心率数据,并上传至边缘处理器;边缘处理器根据心率数据获取用户的睡眠状态和进入所述睡眠状态的时间;
当用户处于深度睡眠或浅度睡眠,且风险系数大于设定阈值时,生成报警信号发送至警报模块。
与现有技术相比,本发明的有益效果:
本发明通过设置所述睡眠分析模块获取睡眠数据,并上传至边缘处理器;中央数据里根据睡眠数据将用户的睡眠过程划分为若干睡眠时段;中央处理器根获取用户在每一睡眠时段的活动情况,当用户在一睡眠时段的活动幅度较大时,适当提高对应时段内位姿采集模块对应的采集频率;通过位姿采集模块采集用户睡眠过程中的位姿数据,并根据位姿数据判断当前时刻是否存在坠床风险,若否则继续获取下一时刻位姿数据是否存在坠床风险;若是,则评估坠床风险系数,且当风险系数大于设定阈值时,当用户处于深度睡眠或浅度睡眠,且风险系数大于设定阈值时,生成报警信号发送至警报模块。解决了现有技术中老年患者坠床风险评估不方便的技术问题。
附图说明
图1为本发明的原理图。
具体实施方式
如图1所示,一种基于大数据的老年护理风险评估系统,所述系统包括:
位姿采集模块、警报模块、睡眠分析模块以及中央处理器;
所述位姿采集模块用于采集用户在床上的位姿数据,并将位姿数据上传至中央处理器;
所述睡眠分析模块用于获取用户的睡眠数据,并将睡眠数据上传至中央处理器;
中央处理器根据用户睡眠过程的睡眠数据,将用户睡眠过程划分为若干睡眠时段;中央处理器根据睡眠时段获取采集频率,并控制位姿采集模块按采集频率采集用户在对应睡眠时段内的位姿数据;
中央处理器根据位姿数据判断用户是否存在坠床风险;若是,则评估坠床风险系数,且当风险系数大于设定阈值时,生成报警信号发送至警报模块;
所述警报模块设置在护理人员处,当警报模块接收到报警信号后,提醒护理人员及时到达用户处。
本实施例的具体实施过程包括:
本实施例中所述睡眠分析模块包括心率计和边缘处理器;所述心率计用于采集用户心率数据,并上传至边缘处理器;边缘处理器根据心率数据获取用户的睡眠状态和进入所述睡眠状态的时间即睡眠数据,中央处理器根据睡眠状态和进入所述睡眠状态的时间将用户睡眠过程划分为若干睡眠时段;
中央处理器根据大数据分析获取用户在每一睡眠时段的活动情况,当用户在一睡眠时段的活动幅度较大时,适当提高对应时段内位姿采集模块对应的采集频率;
通过位姿采集模块采集用户睡眠过程中的位姿数据,并根据位姿数据判断当前时刻是否存在坠床风险,若否则继续获取下一时刻位姿数据是否存在坠床风险;若是,则评估坠床风险系数,且当风险系数大于设定阈值时,当用户处于深度睡眠或浅度睡眠,且风险系数大于设定阈值时,生成报警信号发送至警报模块;当用户处于清醒状态时,即使风险系数大于设定阈值时,也不生成报警信号。解决了现有技术中老年患者坠床风险评估不方便的技术问题。
本发明的另一实施例,所述位姿采集模块包括:
床垫、若干压力传感器、红外相机以及微处理器;
所述床垫上呈矩阵式分布有若干采集点位,每一采集点位均配置有一压力传感器,所述压力传感器用于采集对应点位的压力数据;
所述红外相机设置于床垫上方,用于采集用户睡眠过程中的红外图像;
微处理器控制红外相机采集红外图像和若干压力传感器的压力数据;微处理器还根据所述红外图像和压力数据,获取用户的位姿数据。
本实施例的具体实施过程包括:
用户躺在床上时,其身体大部分被被子遮盖;头部等身体的一小部分在被子的外面;因此在床的顶部设置红外相机来获取用户身体在被子外部分的红外图像;对于被子内部的身体部分则通过在床垫上呈矩阵式分布的压力传感器来获取。
本实施例中,根据所述红外图像和压力数据获取用户的位姿数据,包括:对所述红外图像进行轮廓检测获取位姿轮廓;识别位姿轮廓中的人体特征轮廓;根据人体特征轮廓,获取位姿轮廓中遮盖部分的轮廓;获取遮盖部分下床垫上所有采集点位的编号并生成编号表单;根据编号表单一一对应获取编号表单中所有压力传感器的压力数据并生成压力表单;根据所述压力表单获取遮盖部分床垫的压力分布图;将人体特征轮廓和压力分布图输入位姿模型,获取用户全身的位姿数据。
所述位姿模型为卷积神经网络模型;通过校验集不断进行训练卷积神经网络模型,然后通过验证集验证获得。被子外部身体的姿势与被子内部身体的姿势相关联,因此可以通过采集被子遮盖部分的压力传感器的压力数据获取用户身体在被子内部分的姿势。
本发明的另一实施例,根据所述压力表单获取遮盖部分床垫的压力分布图,包括:
获取床垫上采集点位的点位分布图;
筛选出压力表单中压力数据大于设定压力的采集点位;
根据剩余每一采集点位的压力数据获取对应的特征尺寸;
对每一采集点位均以其所在位置为中心,对应特征尺寸为对角线在点位分布图中做正方形;
填充每一采集点位对应的正方形区域获得压力分布图。
本发明的另一实施例,根据位姿数据判断用户是否存在坠床风险,包括:
根据位姿数据,获取沿床长度方向用户身体最远端处两端点;
连接两端点来获取身体特征线,获取所述身体特征线与床中心轴线的夹角的角度;获取身体特征线每一端点到床两侧边缘的距离;
判断身体特征线的夹角小于等于设定角度,且任一端点到达床两侧边缘的距离均大于设定距离;
若是,用户不存在坠床风险;若否,用户存在坠床风险。
本发明的另一实施例,评估风险系数,包括:
获取身体特征线的中点到两侧边缘的垂直距离,其中较小的垂直距离为最小距离;
对所述最小距离和特征线的夹角进行无量纲化处理;
根据公式获取风险系数:
FXXH=α1*JJ+α2/ZXJL;
其中FXXH为风险系数;JJ为去量纲处理后的夹角;ZXJL为最小距离;α1和α2均为比例系数。
本发明的另一实施例,对所述红外图像进行轮廓检测获取位姿轮廓之前,还包括:
对所述红外图像通过中值滤波来进行降噪处理;通过高斯分布背景模型去除红外图像中的背景,并保留床两侧边沿轮廓。
本发明的另一实施例,还包括交互模块,所述交互模块接收中央处理器的交互指令来与用户进行交互。
本发明的另一实施例,还包括唤醒模块,所述唤醒模块用于当用户上床睡觉时唤醒中央处理器。
本实施例的具体实施过程,包括:
所述唤醒模块包括压力传感器和皮肤接触传感器,压力传感器和皮肤接触传感器均设置在枕头上,当用户颈部与枕头接触压力传感器和皮肤接触传感器分别产生压力信号和皮肤接触信号后,判断用户躺下;从而唤醒中央处理器。
所述皮肤传感器包括光学心率传感器,其原理包括:光电容积脉搏波描记法:血液是红色的,反射红光,吸收绿光。通过光学心率传感器检测颈部处流通的血液量。心脏跳动的一瞬,手腕处流通的血液量增加,吸收更多绿光;而心跳间隙,吸收的绿光就少一些
本发明的另一实施例,所述睡眠分析模块包括心率计和边缘处理器;
所述心率计用于采集用户心率数据,并上传至边缘处理器;边缘处理器根据心率数据获取用户的睡眠状态和进入所述睡眠状态的时间;
当用户处于深度睡眠或浅度睡眠,且风险系数大于设定阈值时,生成报警信号发送至警报模块。
以上实施例仅用以说明本发明的技术方法而非限制,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法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (10)
1.一种基于大数据的老年护理风险评估系统,其特征在于:所述系统包括:
位姿采集模块、警报模块、睡眠分析模块以及中央处理器;
所述位姿采集模块用于采集用户在床上的位姿数据,并将位姿数据上传至中央处理器;
所述睡眠分析模块用于获取用户的睡眠数据,并将睡眠数据上传至中央处理器;
中央处理器根据用户睡眠过程的睡眠数据,将用户睡眠过程划分为若干睡眠时段;中央处理器根据睡眠时段获取采集频率,并控制位姿采集模块按采集频率采集用户在对应睡眠时段内的位姿数据;
中央处理器根据位姿数据判断用户是否存在坠床风险;若是,则评估坠床风险系数,且当风险系数大于设定阈值时,生成报警信号发送至警报模块;
所述警报模块设置在护理人员处,当警报模块接收到报警信号后,提醒护理人员及时到达用户处。
2.如权利要求1所述的一种基于大数据的老年护理风险评估系统,其特征在于:所述位姿采集模块包括:
床垫、若干压力传感器、红外相机以及微处理器;
所述床垫上呈矩阵式分布有若干采集点位,每一采集点位均配置有一压力传感器,所述压力传感器用于采集对应点位的压力数据;
所述红外相机设置于床垫上方,用于采集用户睡眠过程中的红外图像;
微处理器控制红外相机采集红外图像和若干压力传感器的压力数据;微处理器还根据所述红外图像和压力数据,获取用户的位姿数据。
3.如权利要求2所述的一种基于大数据的老年护理风险评估系统,其特征在于:根据所述红外图像和压力数据获取用户的位姿数据,包括:
对所述红外图像进行轮廓检测获取位姿轮廓;
识别位姿轮廓中的人体特征轮廓;
根据人体特征轮廓,获取位姿轮廓中遮盖部分的轮廓;
获取遮盖部分下床垫上所有采集点位的编号并生成编号表单;
根据编号表单一一对应获取编号表单中所有压力传感器的压力数据并生成压力表单;
根据所述压力表单获取遮盖部分床垫的压力分布图;
将人体特征轮廓和压力分布图输入位姿模型,获取用户全身的位姿数据。
4.如权利要求3所述的一种基于大数据的老年护理风险评估系统,其特征在于:根据所述压力表单获取遮盖部分床垫的压力分布图,包括:
获取床垫上采集点位的点位分布图;
筛选出压力表单中压力数据大于设定压力的采集点位;
根据剩余每一采集点位的压力数据获取对应的特征尺寸;
对每一采集点位均以其所在位置为中心,对应特征尺寸为对角线在点位分布图中做正方形;
填充每一采集点位对应的正方形区域获得压力分布图。
5.如权利要求1所述的一种基于大数据的老年护理风险评估系统,其特征在于:根据位姿数据判断用户是否存在坠床风险,包括:
根据位姿数据,获取沿床长度方向用户身体最远端处两端点;
连接两端点来获取身体特征线,获取所述身体特征线与床中心轴线的夹角的角度;获取身体特征线每一端点到床两侧边缘的距离;
判断身体特征线的夹角小于等于设定角度,且任一端点到达床两侧边缘的距离均大于设定距离;
若是,用户不存在坠床风险;若否,用户存在坠床风险。
6.如权利要求5所述的一种基于大数据的老年护理风险评估系统,其特征在于:评估风险系数,包括:
获取身体特征线的中点到两侧边缘的垂直距离,其中较小的垂直距离为最小距离;
对所述最小距离和特征线的夹角进行无量纲化处理;
根据公式获取风险系数:
FXXH=α1*JJ+α2/ZXJL;
其中FXXH为风险系数;JJ为去量纲处理后的夹角;ZXJL为最小距离;α1和α2均为比例系数。
7.如权利要求3所述的一种基于大数据的老年护理风险评估系统,其特征在于:对所述红外图像进行轮廓检测获取位姿轮廓之前,还包括:
对所述红外图像通过中值滤波来进行降噪处理;通过高斯分布背景模型去除红外图像中的背景,并保留床两侧边沿轮廓。
8.如权利要求1所述的一种基于大数据的老年护理风险评估系统,其特征在于:还包括交互模块,所述交互模块接收中央处理器的交互指令来与用户进行交互。
9.如权利要求1所述的一种基于大数据的老年护理风险评估系统,其特征在于:还包括唤醒模块,所述唤醒模块用于当用户上床睡觉时唤醒中央处理器。
10.如权利要求1所述的一种基于大数据的老年护理风险评估系统,其特征在于:所述睡眠分析模块包括心率计和边缘处理器;
所述心率计用于采集用户心率数据,并上传至边缘处理器;边缘处理器根据心率数据获取用户的睡眠状态和进入所述睡眠状态的时间;
当用户处于深度睡眠或浅度睡眠,且风险系数大于设定阈值时,生成报警信号发送至警报模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211652616.8A CN115956881B (zh) | 2022-12-22 | 2022-12-22 | 一种基于大数据的老年护理风险评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211652616.8A CN115956881B (zh) | 2022-12-22 | 2022-12-22 | 一种基于大数据的老年护理风险评估系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115956881A true CN115956881A (zh) | 2023-04-14 |
CN115956881B CN115956881B (zh) | 2024-02-20 |
Family
ID=87362689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211652616.8A Active CN115956881B (zh) | 2022-12-22 | 2022-12-22 | 一种基于大数据的老年护理风险评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115956881B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201200563Y (zh) * | 2008-05-07 | 2009-03-04 | 上海理工大学 | 防坠护理床 |
CN101937604A (zh) * | 2010-09-08 | 2011-01-05 | 无锡中星微电子有限公司 | 基于人体检测的睡眠监控系统及方法 |
CN203552411U (zh) * | 2013-09-24 | 2014-04-16 | 中国人民解放军总医院 | 一种防跌倒离床报警系统 |
CN110825006A (zh) * | 2019-12-03 | 2020-02-21 | 珠海格力电器股份有限公司 | 一种防止坠床的保护方法、装置、存储介质及床垫 |
CN111901371A (zh) * | 2020-06-03 | 2020-11-06 | 安徽碧耕软件有限公司 | 一种人体行为信息物联网采集系统及方法 |
CN112669566A (zh) * | 2020-12-16 | 2021-04-16 | 问境科技(上海)有限公司 | 一种基于人体姿态分析的护理预警方法和系统 |
-
2022
- 2022-12-22 CN CN202211652616.8A patent/CN115956881B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201200563Y (zh) * | 2008-05-07 | 2009-03-04 | 上海理工大学 | 防坠护理床 |
CN101937604A (zh) * | 2010-09-08 | 2011-01-05 | 无锡中星微电子有限公司 | 基于人体检测的睡眠监控系统及方法 |
CN203552411U (zh) * | 2013-09-24 | 2014-04-16 | 中国人民解放军总医院 | 一种防跌倒离床报警系统 |
CN110825006A (zh) * | 2019-12-03 | 2020-02-21 | 珠海格力电器股份有限公司 | 一种防止坠床的保护方法、装置、存储介质及床垫 |
CN111901371A (zh) * | 2020-06-03 | 2020-11-06 | 安徽碧耕软件有限公司 | 一种人体行为信息物联网采集系统及方法 |
CN112669566A (zh) * | 2020-12-16 | 2021-04-16 | 问境科技(上海)有限公司 | 一种基于人体姿态分析的护理预警方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115956881B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105797270B (zh) | 一种辅助睡眠的智能系统及方法 | |
KR101188655B1 (ko) | 무구속 수면상태 판단장치가 내장된 베개 | |
JP5628147B2 (ja) | 睡眠/覚醒状態評価方法及びシステム | |
US20170020434A1 (en) | Systems and methods for detecting brain-based bio-signals | |
CN106413533B (zh) | 用于检测对象的呼吸暂停的设备、系统和方法 | |
US20120253142A1 (en) | Monitoring, predicting and treating clinical episodes | |
CN108272448A (zh) | 一种非接触式的婴儿生理参数昼夜监护方法 | |
CN111557809B (zh) | 一种伸缩式防护报警床档 | |
US20140296661A1 (en) | Sleep stage annotation system for infants | |
KR102319476B1 (ko) | 와상환자 돌봄을 위한 bcg 기반 스마트 매트 시스템 | |
CN104970772A (zh) | 人在静卧状态时生理参数的采集、呼吸暂停唤醒的方法及装置 | |
CN107582032A (zh) | 一种睡眠管理系统及睡眠管理方法 | |
CN109044275B (zh) | 基于模糊推论系统的非侵入感测睡眠质量分析系统与方法 | |
CN109758281B (zh) | 一种基于身体位置调节的安全系统 | |
CN110477887A (zh) | 一种非入侵式长程呼吸暂停综合征的监测装置 | |
CN113633260A (zh) | 多导睡眠监测方法、监测仪、计算机设备及可读存储介质 | |
WO2021247300A1 (en) | Apparatus and methods for measuring blood pressure and other vital signs via a finger | |
JP7361784B2 (ja) | 行動タスク評価システムおよび行動タスク評価方法 | |
CN117064350B (zh) | 一种安全检测与智能评估系统 | |
CN113598758A (zh) | 一种非接触式睡眠监测方法及系统 | |
JPH07327939A (ja) | 監視装置 | |
CN115956881A (zh) | 一种基于大数据的老年护理风险评估系统 | |
CN116982970A (zh) | 一种腰部保护感应装置 | |
CN109009128B (zh) | 呼吸方式检测方法、装置、处理设备和系统 | |
CN114652274B (zh) | 一种立体多维度数据的智能睡眠监测系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |