CN116130095B - 一种基于传感技术的状态监测方法、装置及存储介质 - Google Patents
一种基于传感技术的状态监测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN116130095B CN116130095B CN202310351524.4A CN202310351524A CN116130095B CN 116130095 B CN116130095 B CN 116130095B CN 202310351524 A CN202310351524 A CN 202310351524A CN 116130095 B CN116130095 B CN 116130095B
- Authority
- CN
- China
- Prior art keywords
- data
- human body
- influence
- determining
- abnormal
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0453—Sensor means for detecting worn on the body to detect health condition by physiological monitoring, e.g. electrocardiogram, temperature, breathing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/60—Healthcare; Welfare
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y30/00—IoT infrastructure
- G16Y30/10—Security thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/03—Protecting confidentiality, e.g. by encryption
- H04W12/033—Protecting confidentiality, e.g. by encryption of the user plane, e.g. user's traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/04—Key management, e.g. using generic bootstrapping architecture [GBA]
- H04W12/041—Key generation or derivation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/04—Key management, e.g. using generic bootstrapping architecture [GBA]
- H04W12/043—Key management, e.g. using generic bootstrapping architecture [GBA] using a trusted network node as an anchor
- H04W12/0431—Key distribution or pre-distribution; Key agreement
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/90—Services for handling of emergency or hazardous situations, e.g. earthquake and tsunami warning systems [ETWS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Emergency Management (AREA)
- Gerontology & Geriatric Medicine (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Environmental & Geological Engineering (AREA)
- General Business, Economics & Management (AREA)
- Physical Education & Sports Medicine (AREA)
- Pulmonology (AREA)
- Databases & Information Systems (AREA)
- Power Engineering (AREA)
- Data Mining & Analysis (AREA)
- Bioethics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
Abstract
本发明实施例公开了一种基于传感技术的状态监测方法、装置及存储介质。所述方法包括:采集非侵入式人体体征传感器所采集的人体待测数据;对所述人体待测数据进行过滤和分析,以得到分析结果;根据所述分析结果确定异常数据;确定所述异常数据所产生的可能原因;对所述可能原因进行排查,以确定实际异常原因。通过实施本发明实施例的方法可实现对非侵入式人体体征传感采集的数据进行处理,并针对异常数据进行再次确认问题对应的原因。
Description
技术领域
本发明涉及状态监测方法,更具体地说是指一种基于传感技术的状态监测方法、装置及存储介质。
背景技术
对于一种基于传感技术的状态监测过程中,往往需要借助一些传感器进行检测,当前的医用人体体征传感器大多不具备生物友好性,即在感知体征信号时往往需要对人体采取侵入式方法采集人体待测样本,而这也使得长时实时监测变为不可能;而采用非侵入式方式采集人体待测样本时,容易因为检测不到位的问题,导致一种基于传感技术的状态监测不准确,而且目前检测之后若出现问题,只会通过报警的形式,无法确切得知是人体健康出现问题还是检测器出现问题等。
因此,需要设计一种新的方法,实现对非侵入式人体体征传感采集的数据进行处理,并针对异常数据进行再次确认问题对应的原因。
发明内容
本发明的目的在于克服现有技术的缺陷,提供一种基于传感技术的状态监测方法、装置及存储介质。
为实现上述目的,本发明采用以下技术方案:一种基于传感技术的状态监测方法,包括:
采集非侵入式人体体征传感器所采集的人体待测数据;
对所述人体待测数据进行过滤和分析,以得到分析结果;
根据所述分析结果确定异常数据;
确定所述异常数据所产生的可能原因;
对所述可能原因进行排查,以确定实际异常原因。
其进一步技术方案为:所述对所述可能原因进行排查,以确定实际异常原因之后,还包括:
针对所述实际异常原因判断当前是否存在需要紧急处理的情况;
若当前存在需要紧急处理的情况,则采取相对应的处理进行紧急处理;
采用5G技术以及物联网技术将需要紧急处理的情况传输至指定的终端上。
其进一步技术方案为:所述对所述人体待测数据进行过滤和分析,以得到分析结果,包括:
对所述人体待测数据中的脉搏数据进行噪声过滤以及基线漂移的去除,以得到脉搏数据处理结果;
提取所述脉搏数据处理结果中的特征信息,以得到脉搏分析结果;
根据所述人体待测数据中的汗液采集数据确定汗液内各个生理指标的数值,以得到汗液数据分析结果;
提取所述人体待测数据中的体征数据,以得到提取结果。
其进一步技术方案为:所述对所述人体待测数据中的脉搏数据进行噪声过滤以及基线漂移的去除,以得到脉搏数据处理结果,包括:
采用小波变换法以及置零法对所述人体待测数据中的脉搏数据进行噪声过滤以及基线漂移的去除,以得到脉搏数据处理结果。
其进一步技术方案为:所述提取所述脉搏数据处理结果中的特征信息,以得到脉搏分析结果,包括:
根据所述脉搏数据处理结果构建脉搏波形图;
利用微分法提取到脉搏波形图中的各特征点,以得到脉搏分析结果。
其进一步技术方案为:所述确定所述异常数据所产生的可能原因,包括:
确定当前检测的环境信息以及被监测人的基础信息和是否服用药剂、药剂信息,以构成所述异常数据所产生的可能原因。
其进一步技术方案为:所述对所述可能原因进行排查,以确定实际异常原因,包括:
获取检测环境信息;
根据所述检测环境信息确定对状态监测的影响因子;
确定所述影响因子对人体待测数据的影响程度;
获取人体定期上传的数据报告;
对所述数据报告进行关键词提取,以得到提取结果;
确定所述提取结果中对应的脉搏以及汗液内各个生理指标的发展趋势;
判断所述异常数据是否偏离所述发展趋势;
若所述异常数据偏离所述发展趋势,则确定所述异常数据所对应的实际原因是天气因素影响、药物影响以及传感器检测影响,以得到实际异常原因;
若所述异常数据未偏离所述发展趋势,则确定所述异常数据所对应的实际原因是人体健康出现变化造成的,以得到实际异常原因。
其进一步技术方案为:所述采用5G技术以及物联网技术将需要紧急处理的情况传输至指定的终端上,包括:
对所述需要紧急处理的情况的相关数据进行加密,以得到加密结果;
将所述加密结果采用5G技术以及物联网技术传输至指定的终端上,以由指定的终端根据事先协商的密钥对所述加密结果进行解密后,获取需要紧急处理的情况的相关数据,并对相关数据进行病情分析。
本发明还提供了一种基于传感技术的状态监测装置,包括:
数据采集单元,用于采集非侵入式人体体征传感器所采集的人体待测数据;
分析单元,用于对所述人体待测数据进行过滤和分析,以得到分析结果;
异常数据确定单元,用于根据所述分析结果确定异常数据;
可能原因确定单元,用于确定所述异常数据所产生的可能原因;
实际原因确定单元,用于对所述可能原因进行排查,以确定实际异常原因。
本发明还提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现上述的方法。
本发明与现有技术相比的有益效果是:本发明通过利用非侵入式人体体征传感器所采集的人体待测数据进行分析,过滤掉杂质,从数据源提高监测准确率,对于异常情况进行多重排查,确定根源,对于紧急状态采用特殊处理,而且增加了防泄密措施和不同数据融合分析,从多个角度提高监测的准确率。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于传感技术的状态监测方法的应用场景示意图;
图2为本发明实施例提供的一种基于传感技术的状态监测方法的流程示意图;
图3为本发明实施例提供的一种基于传感技术的状态监测方法的子流程示意图;
图4为本发明实施例提供的一种基于传感技术的状态监测方法的子流程示意图;
图5为本发明实施例提供的一种基于传感技术的状态监测方法的子流程示意图;
图6为本发明实施例提供的一种基于传感技术的状态监测方法的子流程示意图;
图7为本发明实施例提供的一种基于传感技术的状态监测装置的示意性框图;
图8为本发明实施例提供的一种基于传感技术的状态监测装置的分析单元的示意性框图;
图9为本发明实施例提供的一种基于传感技术的状态监测装置的提取子单元的示意性框图;
图10为本发明实施例提供的一种基于传感技术的状态监测装置的实际原因确定单元的示意性框图;
图11为本发明实施例提供的一种基于传感技术的状态监测装置的传输单元的示意性框图;
图12为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和 “包含”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,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明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。
请参阅图1和图2,图1为本发明实施例提供的一种基于传感技术的状态监测方法的应用场景示意图。图2为本发明实施例提供的一种基于传感技术的状态监测方法的示意性流程图。该一种基于传感技术的状态监测方法应用于控制器中。该控制器与非侵入式人体体征传感器、终端进行数据交互,实现通过非侵入式人体体征传感器所采集的人体待测数据进行分析,过滤掉杂质,从数据源提高监测准确率,对于异常情况进行多重排查,确定根源,对于紧急状态采用特殊处理,而且增加了防泄密措施和融合分析,从多个角度提高监测的准确率。
图2是本发明实施例提供的一种基于传感技术的状态监测方法的流程示意图。如图2所示,该方法包括以下步骤S110至S180。
S110、采集非侵入式人体体征传感器所采集的人体待测数据。
在本实施例中,非侵入式人体体征传感器包括石墨烯汗液电化学微纳传感器、二硫化钼柔性压力微纳传感器、二硫化钼柔性应变传感器。
在本实施例中,利用激光刻蚀制备了石墨烯汗液电化学微纳传感器,可用来检测低浓度的尿酸和络氨酸,同样是基于激光刻蚀的一个物理传感器可以用来实时采集体温以及呼吸频率,另外,可在此基础上再加上一个微流芯片用来对汗液抽样进而检测排汗量和排汗率。
石墨烯汗液电化学微纳传感器的底部是有一层聚酰亚胺沉底上面有三个电极,分别是由石墨烯材料组成CE(counter electrode),由石墨烯材料组成WE(workingelectrode),银电极。银电极是用来作为参考电极,石墨烯因其独特的电化学性能(快速电子迁移率、高电流密度和超大表面积),是构建高性能传感器以检测体液中极低水平电活性分析物的合适候选材料。两个石墨烯电极在特定电位下可以选择性促进尿酸和络氨酸的氧化。具体原理是采用差分脉冲伏安法(DPV),从DPV扫描可以看出,两个不同的电流峰值分别对应于UA和Tyr的氧化反应。
在本实施例中,柔性应变传感器具有可实现大应变(>50%)、快速响应(>10ms)、低蠕变(回弹率>95%)和高耐久性(10000次循环测试)的传感性能,可以准确监测人手指和膝关节运动变化信号,也就是人体关节运动变化信号。
二硫化钼柔性应变传感器是一种柔性应变传感器,采用二硫化钼压电效应为基础制备柔性应变传感器,利用在不同聚合条件下所得到的的弹性体材料力学模量的不同,设计制备梯度弹性基底材料,改善敏感材料和弹性基底间的材料力学匹配特性,提高敏感材料在应变前后的恢复性能,进而改善应变传感器重复的稳定性,从传感器结构设计出发,制备具有不同界面微结构的传感器,利用仿生微结构的高灵敏应变传递特性,提高敏感材料的应变响应灵敏度。
二硫化钼柔性压力传感器具有高敏感度(100Pa-1kPa)、传感器阵列面积大于10mm×10 mm,拉伸度小于10%,可以准确监测人体心率、脉搏、呼吸等信号。实现方式:拟采用大面积二硫化钼作为场效应晶体管式柔性压力传感器的敏感单元,利用3D打印微结构化弹性体封装柔性大面积传感器阵列。
在本实施例中,人体待测数据包括汗液数据、脉搏数据以及体态数据等。体态数据是指体征数据,具体是人体关节运动变化信号。
通过将非侵入式人体体征传感器做成创可贴形式,贴合在人体皮肤表面,实现对人体皮肤的汗水等进行信息采集。
S120、对所述人体待测数据进行过滤和分析,以得到分析结果。
在本实施例中,分析结果是指人体待测数据中的脉搏特征信息以及汗液中的各个生理指标的数值、体征数据。
在一实施例中,请参阅图3,上述的步骤S120可包括步骤S121~ S124。
S121、对所述人体待测数据中的脉搏数据进行噪声过滤以及基线漂移的去除,以得到脉搏数据处理结果。
在本实施例中,脉搏数据处理结果是指去除了噪声和基线漂移后所剩下的脉搏数据。
具体地,采用小波变换法以及置零法对所述人体待测数据中的脉搏数据进行噪声过滤以及基线漂移的去除,以得到脉搏数据处理结果。
将采集到的信号进行小波分解,置零分解后的高频信号的系数和计算得到的基线漂移信号的系数,再重新进行信号重构,从而达到去除噪声的功能。具体地,检验合适的小波基函数和分解层数,利用小波基函数和分解层数对脉搏数据进行分解,并采用系数置零的方式去除频段不符合要求的信号,以达到高频滤波的效果,形成脉搏数据处理结果。
S122、提取所述脉搏数据处理结果中的特征信息,以得到脉搏分析结果。
在本实施例中,脉搏分析结果包括波动情况、波峰值、波谷值以及心率值。
在一实施例中,请参阅图4,上述的步骤S122可包括步骤S1221~S1222。
S1221、根据所述脉搏数据处理结果构建脉搏波形图。
在本实施例中,以时间为横坐标、以脉搏数据处理结果为纵坐标,构建脉搏波形图。
S1222、利用微分法提取到脉搏波形图中的各特征点,以得到脉搏分析结果。
在本实施例中,特征点包括起始点、波峰值、波谷值、波动情况以及心率等特征点。
利用微分法的快速性,检测出脉搏波信号的起始点和主波高度特征点即波峰值、波谷值、波动情况以及心率等特征点,同时利用脉搏波信号周期值大体不变的特性。精准定位波谷点潮波高度的位置所对应的过零点,找到波形对应关系。脉搏波起始点所对应的过零点存在于小波系数的模最小值前。所以利用模最小值的对应关系,验证微分法的检测准确性。根据起始点和主波高度两特征点的位置,确定脉搏波信号的大致周期,对信号进行周期划分。对于潮波段点以及重博波特征点不明显的情况,利用小波分解后各层的模极大值点和交叉过零点的位置,来检测出舒张期起始点、重博波高度特征点的大致位置。再利用周期间各特征点距离相同的特性,计算出具体的潮波段特征点以及重博波高度特征点的具体位置。再利用不同小波函数的分解性,采取信号分解度高的小波函数,在主波高度特征点和舒张期起始特征点之间寻找潮波高度特征点,在舒张期起始点、重博波高度特征点之间寻找降中峡特征点。检测完脉搏波信号的6个特征点后。根据提取到精准的脉搏波信号特征点位置计算脉搏波起点至波峰所用时间T1,从起始点达到相应特征点所用的时间T4、T5。同时计算出波峰、潮波、重搏波的幅值H1、H3、H4。
脉搏波信号通过微分法提取脉搏波特征点,算法简单,处理速度快,但是对于现实信号中存在噪声信号的情况下,容易出现误判断。算法简单,处理速度快,但是对于现实信号中存在噪声信号的情况下,容易出现误判断。小波分析法提取脉搏波特征点:算法复杂度高,处理时间长但是具有较强的抗干扰能力。同时由于不同的小波函数会产生不同的处理结果,对于脉搏波这类非平稳周期信号,选取的小波基函数需要尽量满足:正则性、消失矩、紧支性、对称性、正交性几个条件。具备正则性的小波基函数可以使变换后的信号更加稳定、平滑;支集长度较短的小波基函数有利于提取脉搏波信号中的突变点;选择对称性小波可以使脉搏波信号不失真。具备正交性的小波能够减少数据的运算量,同时对脉搏波信号进行精准重构。由于没有小波函数可以满足所有条件,因此,根据不同人群的脉搏波信号特征,选取不同的小波基函数,能够提高信号特征点检测的精准度。
S123、根据所述人体待测数据中的汗液采集数据确定汗液内各个生理指标的数值,以得到汗液数据分析结果。
在本实施例中,汗液数据分析结果包括电解质的含量,比如钠离子、钾离子以及葡萄糖的含量;通过分析钠离子,可预测和预防非接触性伤害,如离子失衡、定向障碍、疲劳甚至肌肉拉伤。钾离子的缺失会导致全身无力,心跳减弱,人体严重缺钾时还会导致呼吸肌麻痹。监测血糖水平对预防糖尿病或治疗糖尿病患者十分关键。葡萄糖代表了身体整体的能量水平,监测葡萄糖浓度可以帮助追踪人体的能量消耗或代谢率。
S124、提取所述人体待测数据中的体征数据,以得到提取结果。
在本实施例中,提取结果是指人体待测数据中的体征数据,具体是指人体关节运动变化信号,以确定人体的体态。
S130、根据所述分析结果确定异常数据。
在本实施例中,异常数据是指脉搏分析结果超过设定阈值以及汗液数据分析结果中不符合含量要求的数值。
通过根据个人的差异,先从以往记录数据中调取出相同状态(比如运动、静止等状态)对应的脉搏分析结果以及汗液数据分析结果,利用当前的分析结果与以往记录数据中的相同环境中对应的脉搏分析结果以及汗液数据分析结果进行对比,确定不同的数据作为异常数据。
在做状态监测时,会根据每个人的差异,先预先在现有的身体状态下不同环境中按照上述的步骤S110至S120采集对应的数据,并做出分析结果,以此作为标准值,以此基准来确定往后的分析结果中是否存在异常数据。
S140、确定所述异常数据所产生的可能原因。
对于汗液分析的内容,汗液传感器需要同时监测出汗率,识别和补偿出汗率的影响,并全面了解生物标志物分布机制及其对出汗率的依赖性,而汗液分泌速率因个人或环境而异,对于汗液的分析内容,采用个人的差异构建的基准数据作为基础,确定异常数据,此时已将个人的差异性考虑在内,因此,接下来需要考虑当前的异常数据产生的原因是不是因为环境造成的,还是确实是人体出现状态导致的。
具体地,确定当前检测的环境信息以及被监测人的基础信息和是否服用药剂、药剂信息,以构成所述异常数据所产生的可能原因。
在本实施例中,采用对应的传感器采集当前检测环境的温度、湿度信息,而且还需要确定人体是否服用药物,服用药物的剂量等信息。
在本实施例中,不同的温湿度对于不同的个人的影响并不相同,因此,首先需要确定被监测的个人当前存在哪些基础病,或者是对于温湿度的敏感程度等,根据确定的信息结合经验值确定对汗液内的各个生理指标的影响程度;并且若人体服用了药物,需要确定服用药物对人体健康状态的影响要素,比如是影响了脉搏还是生理指标,是会使得脉搏加快还是减慢,生理指标哪些内容发生变化,这些都需要进一步确定,从而确定产生分析结果存在异常数据的所有原因。
在本实施例中,异常数据产生的可能原因包括环境、个人相关信息:年龄、身体基础信息等、是否服用药剂、药剂含量以及药剂名称等、个人身体状态出现问题。
S150、对所述可能原因进行排查,以确定实际异常原因。
在一实施例中,请参阅图5,上述的步骤S150可包括步骤S151~ S158。
S151、确定对状态监测的影响因子。
在本实施例中,影响因子是指温度、湿度、药物的剂量、药物的种类等内容。
S152、确定所述影响因子对人体待测数据的影响程度。
在本实施例中,根据logistic回归模型分析影响因子对所述人体待测数据的影响权重系数,其中,对于温度、湿度以及个人的基础病作为一组影响因子输入到logistic回归模型内确定导致人体待测数据发生变化的概率有多大;将药物的剂量、药物的种类以及个人的基础病等作为另一组影响因子输入到logistic回归模型内确定导致人体待测数据发生变化的概率有多大;根据确定的概率作为影响程度,根据经验值确定概率值是否可以忽略不计,如果可以忽略不计,则该影响因子不作为异常数据产生的原因。实则在这一步其实已经将天气和药物的影响进一步确定是否是产生本次异常数据的原因了。
S153、获取人体定期上传的数据报告。
如果天气和药物等影响都存在,则需要确定是因为这些影响导致的异常,还是是因为自身身体状态出现问题导致的,则需要定期上传数据报告来确定,这些数据报告可以是近期的体检报告,还可以是以往记录的看病等数据等。
S154、对所述数据报告进行关键词提取,以得到提取结果。
在本实施例中,提取结果是指数据报告中个人的身体状态关键词、病情、脉搏和电解质含量的发展趋势,比如静息汗液分泌速率可能反映潜在健康状况引起的交感神经系统活动。休息时出汗增加或减少将进一步表明自主神经功能障碍、糖尿病、脑血管病、帕金森氏病、慢性心理压力、焦虑或疼痛,这些病史在哪些环境下会导致什么情况,所能达到的程度都会被记录在数据报告内,比如运动时,有心脏病的人的脉搏会怎么样,最高能达到多少等信息都会被记录在数据报告内。
S155、确定所述提取结果中对应的脉搏以及汗液内各个生理指标的发展趋势。
在本实施例中,根据这些提取结果便可分析得到被监测人的脉搏以及汗液内各个生理指标的发展趋势,比如提取结果中会提及线性上升、或者呈怎么样的发展趋势,采用Matlab初步构建曲线图,结合对应的病史以往的发展趋势对该初步的曲线图进行修正,形成发展曲线图,也就是发展趋势。
S156、判断所述异常数据是否偏离所述发展趋势。
当异常数据并没有偏离该发展趋势,则表明是因为个人的身体状态出现问题所导致的,当异常数据偏离该发展趋势,可以考虑是因为外在其他原因导致的,比如是药剂或者是环境,可以进一步通过上述步骤S152所确定的内容进行确定实际异常原因。
S157、若所述异常数据偏离所述发展趋势,则确定所述异常数据所对应的实际原因是天气因素影响、药物影响以及传感器检测影响,以得到实际异常原因。
当确定异常数据的实际原因不是因为个人身体状况出现问题时,则需要进一步排除是天气因素影响、药物影响以及传感器检测影响中的哪一个或者是哪一些所造成的,对于传感器的检测影响,可以采用更换非侵入式人体体征传感器,并使其紧贴皮肤再一次检测,并重复上述的步骤S110~S120,如果此时异常数据已经不存在,则可以确定是传感器的问题;若还存在异常数据,则可以结合步骤S152所确定的数据确定是天气因素影响、药物影响中的哪一种,还是说是两种都有,对于是药物影响的问题需要进一步结合数据报告进行分析当前个人是否存在潜在隐患,需要采取进一步措施,比如如果是糖尿病人员误食升糖的药剂,则属于需要紧急处理的情况了。
S158、若所述异常数据未偏离所述发展趋势,则确定所述异常数据所对应的实际原因是人体健康出现变化造成的,以得到实际异常原因。
S160、针对所述实际异常原因判断当前是否存在需要紧急处理的情况。
在本实施例中,当实际异常原因是人体健康出现变化造成的,或者是因为药剂造成的,则确定当前存在需要紧急处理的情况。
S170、若当前存在需要紧急处理的情况,则采取相对应的处理进行紧急处理。
在本实施例中,紧急处理包括就医等处理、自动联系紧急联系人、发送被监测人的位置信息以及异常数据至指定的终端等。
S180、采用5G技术以及物联网技术将需要紧急处理的情况传输至指定的终端上。
在一实施例中,请参阅图6,上述的步骤S180可包括步骤S181~S182。
S181、对所述需要紧急处理的情况的相关数据进行加密,以得到加密结果。
在本实施例中,由于这些数据涉及个人隐私,因此,可以采用用户的身份证进行特殊处理后形成密钥,对相关数据进行加密,当然,还可以采用也可以使用非对称加密技术对相关数据进行加密处理以实现脱敏处理。终端可以申请获取非对称加密的密钥,并在申请通过后,基于获得的密钥查看相关数据。
具体地,相关数据包括被监测人的位置信息、异常数据以及数据报告、基础身体情况等信息。
S182、将所述加密结果采用5G技术以及物联网技术传输至指定的终端上,以由指定的终端根据事先协商的密钥对所述加密结果进行解密后,获取需要紧急处理的情况的相关数据,并对相关数据进行病情分析。
采用5G技术和物联网技术传输至指定的终端上,可以提高数据传输的速率。
若当前不存在需要紧急处理的情况,则进入结束步骤。
上述的一种基于传感技术的状态监测方法,通过利用非侵入式人体体征传感器所采集的人体待测数据进行分析,过滤掉杂质,从数据源提高监测准确率,对于异常情况进行多重排查,确定根源,对于紧急状态采用特殊处理,而且增加了防泄密措施和不同数据融合分析,从多个角度提高监测的准确率。
图7是本发明实施例提供的一种基于传感技术的状态监测装置300的示意性框图。如图7所示,对应于以上一种基于传感技术的状态监测方法,本发明还提供一种基于传感技术的状态监测装置300。该一种基于传感技术的状态监测装置300包括用于执行上述一种基于传感技术的状态监测方法的单元,该装置可以被配置于服务器中。具体地,请参阅图7,该一种基于传感技术的状态监测装置300包括数据采集单元301、分析单元302、异常数据确定单元303、可能原因确定单元304以及实际原因确定单元305。
数据采集单元301,用于采集非侵入式人体体征传感器所采集的人体待测数据;分析单元302,用于对所述人体待测数据进行过滤和分析,以得到分析结果;异常数据确定单元303,用于根据所述分析结果确定异常数据;可能原因确定单元304,用于确定所述异常数据所产生的可能原因;实际原因确定单元305,用于对所述可能原因进行排查,以确定实际异常原因。
在一实施例中,如图7所示,上述的装置还包括判断单元306、处理单元307以及传输单元308。
判断单元306,用于针对所述实际异常原因判断当前是否存在需要紧急处理的情况;处理单元307,用于若当前存在需要紧急处理的情况,则采取相对应的处理进行紧急处理;传输单元308,用于采用5G技术以及物联网技术将需要紧急处理的情况传输至指定的终端上。
在一实施例中,如图8所示,所述分析单元302包括过滤子单元3021、提取子单元3022、数值确定子单元3023以及体征提取子单元2024。
过滤子单元3021,用于对所述人体待测数据中的脉搏数据进行噪声过滤以及基线漂移的去除,以得到脉搏数据处理结果;提取子单元3022,用于提取所述脉搏数据处理结果中的特征信息,以得到脉搏分析结果;数值确定子单元3023,用于根据所述人体待测数据中的汗液采集数据确定汗液内各个生理指标的数值,以得到汗液数据分析结果;体征提取子单元2024,用于提取所述人体待测数据中的体征数据,以得到提取结果。
在一实施例中,所述过滤子单元3021,用于采用小波变换法以及置零法对所述人体待测数据中的脉搏数据进行噪声过滤以及基线漂移的去除,以得到脉搏数据处理结果。
在一实施例中,如图9所示,所述提取子单元3022包括构建模块30221以及特征点提取模块30222。
构建模块30221,用于根据所述脉搏数据处理结果构建脉搏波形图;特征点提取模块30222,用于利用微分法提取到脉搏波形图中的各特征点,以得到脉搏分析结果。
在一实施例中,所述可能原因确定单元304,用于确定当前检测的环境信息以及被监测人的基础信息和是否服用药剂、药剂信息,以构成所述异常数据所产生的可能原因。
在一实施例中,如图10所示,所述实际原因确定单元305包括信息获取子单元3051、因子确定子单元3052、程度确定子单元3053、报告获取子单元3054、关键词提取子单元3055、趋势确定子单元3056、偏离判断子单元3057、第一确定子单元3059以及第二确定子单元3059。
信息获取子单元3051,用于获取检测环境信息;因子确定子单元3052,用于根据所述检测环境信息确定对状态监测的影响因子;程度确定子单元3053,用于确定所述影响因子对人体待测数据的影响程度;报告获取子单元3054,用于获取人体定期上传的数据报告;关键词提取子单元3055,用于对所述数据报告进行关键词提取,以得到提取结果;趋势确定子单元3056,用于确定所述提取结果中对应的脉搏以及汗液内各个生理指标的发展趋势;偏离判断子单元3057,用于判断所述异常数据是否偏离所述发展趋势;第一确定子单元3058,用于若所述异常数据偏离所述发展趋势,则确定所述异常数据所对应的实际原因是天气因素影响、药物影响以及传感器检测影响,以得到实际异常原因;第二确定子单元3059,用于若所述异常数据未偏离所述发展趋势,则确定所述异常数据所对应的实际原因是人体健康出现变化造成的,以得到实际异常原因。
在一实施例中,如图11所示,所述传输单元308包括加密子单元3081以及发送子单元3082。
加密子单元3081,用于对所述需要紧急处理的情况的相关数据进行加密,以得到加密结果;发送子单元3082,用于将所述加密结果采用5G技术以及物联网技术传输至指定的终端上,以由指定的终端根据事先协商的密钥对所述加密结果进行解密后,获取需要紧急处理的情况的相关数据,并对相关数据进行病情分析。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述一种基于传感技术的状态监测装置300和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述一种基于传感技术的状态监测装置300可以实现为一种计算机程序的形式,该计算机程序可以在如图12所示的计算机设备上运行。
请参阅图12,图12是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器,其中,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图12,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种基于传感技术的状态监测方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种基于传感技术的状态监测方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图12中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下步骤:
采集非侵入式人体体征传感器所采集的人体待测数据;对所述人体待测数据进行过滤和分析,以得到分析结果;根据所述分析结果确定异常数据;确定所述异常数据所产生的可能原因;对所述可能原因进行排查,以确定实际异常原因。
在一实施例中,处理器502在实现所述对所述可能原因进行排查,以确定实际异常原因步骤之后,还实现如下步骤:
针对所述实际异常原因判断当前是否存在需要紧急处理的情况;若当前存在需要紧急处理的情况,则采取相对应的处理进行紧急处理;采用5G技术以及物联网技术将需要紧急处理的情况传输至指定的终端上。
在一实施例中,处理器502在实现所述对所述人体待测数据进行过滤和分析,以得到分析结果步骤时,具体实现如下步骤:
对所述人体待测数据中的脉搏数据进行噪声过滤以及基线漂移的去除,以得到脉搏数据处理结果;提取所述脉搏数据处理结果中的特征信息,以得到脉搏分析结果;根据所述人体待测数据中的汗液采集数据确定汗液内各个生理指标的数值,以得到汗液数据分析结果;提取所述人体待测数据中的体征数据,以得到提取结果。
在一实施例中,处理器502在实现所述对所述人体待测数据中的脉搏数据进行噪声过滤以及基线漂移的去除,以得到脉搏数据处理结果步骤时,具体实现如下步骤:
采用小波变换法以及置零法对所述人体待测数据中的脉搏数据进行噪声过滤以及基线漂移的去除,以得到脉搏数据处理结果。
在一实施例中,处理器502在实现所述提取所述脉搏数据处理结果中的特征信息,以得到脉搏分析结果步骤时,具体实现如下步骤:
根据所述脉搏数据处理结果构建脉搏波形图;利用微分法提取到脉搏波形图中的各特征点,以得到脉搏分析结果。
在一实施例中,处理器502在实现所述确定所述异常数据所产生的可能原因步骤时,具体实现如下步骤:
确定当前检测的环境信息以及被监测人的基础信息和是否服用药剂、药剂信息,以构成所述异常数据所产生的可能原因。
在一实施例中,处理器502在实现所述对所述可能原因进行排查,以确定实际异常原因步骤时,具体实现如下步骤:
获取检测环境信息;根据所述检测环境信息确定对状态监测的影响因子;确定所述影响因子对人体待测数据的影响程度;获取人体定期上传的数据报告;对所述数据报告进行关键词提取,以得到提取结果;确定所述提取结果中对应的脉搏以及汗液内各个生理指标的发展趋势;判断所述异常数据是否偏离所述发展趋势;若所述异常数据偏离所述发展趋势,则确定所述异常数据所对应的实际原因是天气因素影响、药物影响以及传感器检测影响,以得到实际异常原因;若所述异常数据未偏离所述发展趋势,则确定所述异常数据所对应的实际原因是人体健康出现变化造成的,以得到实际异常原因。
在一实施例中,处理器502在实现所述采用5G技术以及物联网技术将需要紧急处理的情况传输至指定的终端上步骤时,具体实现如下步骤:
对所述需要紧急处理的情况的相关数据进行加密,以得到加密结果;将所述加密结果采用5G技术以及物联网技术传输至指定的终端上,以由指定的终端根据事先协商的密钥对所述加密结果进行解密后,获取需要紧急处理的情况的相关数据,并对相关数据进行病情分析。
应当理解,在本申请实施例中,处理器502可以是中央处理单元307 (CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路 (Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中该计算机程序被处理器执行时使处理器执行如下步骤:
采集非侵入式人体体征传感器所采集的人体待测数据; 对所述人体待测数据进行过滤和分析,以得到分析结果;根据所述分析结果确定异常数据;确定所述异常数据所产生的可能原因;对所述可能原因进行排查,以确定实际异常原因。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述可能原因进行排查,以确定实际异常原因步骤之后,还实现如下步骤:
针对所述实际异常原因判断当前是否存在需要紧急处理的情况;若当前存在需要紧急处理的情况,则采取相对应的处理进行紧急处理;采用5G技术以及物联网技术将需要紧急处理的情况传输至指定的终端上。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述人体待测数据进行过滤和分析,以得到分析结果步骤时,具体实现如下步骤:
对所述人体待测数据中的脉搏数据进行噪声过滤以及基线漂移的去除,以得到脉搏数据处理结果;提取所述脉搏数据处理结果中的特征信息,以得到脉搏分析结果;根据所述人体待测数据中的汗液采集数据确定汗液内各个生理指标的数值,以得到汗液数据分析结果;提取所述人体待测数据中的体征数据,以得到提取结果。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述人体待测数据中的脉搏数据进行噪声过滤以及基线漂移的去除,以得到脉搏数据处理结果步骤时,具体实现如下步骤:
采用小波变换法以及置零法对所述人体待测数据中的脉搏数据进行噪声过滤以及基线漂移的去除,以得到脉搏数据处理结果。
在一实施例中,所述处理器在执行所述计算机程序而实现所述提取所述脉搏数据处理结果中的特征信息,以得到脉搏分析结果步骤时,具体实现如下步骤:
根据所述脉搏数据处理结果构建脉搏波形图;利用微分法提取到脉搏波形图中的各特征点,以得到脉搏分析结果。
在一实施例中,所述处理器在执行所述计算机程序而实现所述确定所述异常数据所产生的可能原因步骤时,具体实现如下步骤:
确定当前检测的环境信息以及被监测人的基础信息和是否服用药剂、药剂信息,以构成所述异常数据所产生的可能原因。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述可能原因进行排查,以确定实际异常原因步骤时,具体实现如下步骤:
获取检测环境信息;根据所述检测环境信息确定对状态监测的影响因子;确定所述影响因子对人体待测数据的影响程度;获取人体定期上传的数据报告;对所述数据报告进行关键词提取,以得到提取结果;确定所述提取结果中对应的脉搏以及汗液内各个生理指标的发展趋势;判断所述异常数据是否偏离所述发展趋势;若所述异常数据偏离所述发展趋势,则确定所述异常数据所对应的实际原因是天气因素影响、药物影响以及传感器检测影响,以得到实际异常原因;若所述异常数据未偏离所述发展趋势,则确定所述异常数据所对应的实际原因是人体健康出现变化造成的,以得到实际异常原因。
在一实施例中,所述处理器在执行所述计算机程序而实现所述采用5G技术以及物联网技术将需要紧急处理的情况传输至指定的终端上步骤时,具体实现如下步骤:
对所述需要紧急处理的情况的相关数据进行加密,以得到加密结果;将所述加密结果采用5G技术以及物联网技术传输至指定的终端上,以由指定的终端根据事先协商的密钥对所述加密结果进行解密后,获取需要紧急处理的情况的相关数据,并对相关数据进行病情分析。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元307中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种基于传感技术的状态监测方法,其特征在于,包括:
采集非侵入式人体体征传感器所采集的人体待测数据;
对所述人体待测数据进行过滤和分析,以得到分析结果;
根据所述分析结果确定异常数据;
确定所述异常数据所产生的可能原因;
对所述可能原因进行排查,以确定实际异常原因;
所述对所述可能原因进行排查,以确定实际异常原因,包括:
获取检测环境信息;
根据所述检测环境信息确定对状态监测的影响因子;影响因子是指温度、湿度、药物的剂量、药物的种类;
确定所述影响因子对人体待测数据的影响程度;根据logistic回归模型分析影响因子对所述人体待测数据的影响权重系数,其中,对于温度、湿度以及个人的基础病作为一组影响因子输入到logistic回归模型内确定导致人体待测数据发生变化的概率有多大;将药物的剂量、药物的种类以及个人的基础病作为另一组影响因子输入到logistic回归模型内确定导致人体待测数据发生变化的概率有多大;根据确定的概率作为影响程度,根据经验值确定概率值是否可以忽略不计,如果可以忽略不计,则该影响因子不作为异常数据产生的原因;
获取人体定期上传的数据报告;
对所述数据报告进行关键词提取,以得到提取结果;
确定所述提取结果中对应的脉搏以及汗液内各个生理指标的发展趋势;
判断所述异常数据是否偏离所述发展趋势;
若所述异常数据偏离所述发展趋势,则确定所述异常数据所对应的实际原因是天气因素影响、药物影响以及传感器检测影响,以得到实际异常原因;
若所述异常数据未偏离所述发展趋势,则确定所述异常数据所对应的实际原因是人体健康出现变化造成的,以得到实际异常原因;
当确定异常数据的实际原因不是因为个人身体状况出现问题时,则需要进一步排除是天气因素影响、药物影响以及传感器检测影响中的哪一个或者是哪一些所造成的,对于传感器的检测影响,可以采用更换非侵入式人体体征传感器,并使其紧贴皮肤再一次检测,并重复上述的采集非侵入式人体体征传感器所采集的人体待测数据; 对所述人体待测数据进行过滤和分析,以得到分析结果,如果此时异常数据已经不存在,则可以确定是传感器的问题;若还存在异常数据,则可以结合确定所述影响因子对人体待测数据的影响程度所确定的数据确定是天气因素影响、药物影响中的哪一种,还是说是两种都有,对于是药物影响的问题需要进一步结合数据报告进行分析当前个人是否存在潜在隐患,需要采取进一步措施。
2.根据权利要求1所述的一种基于传感技术的状态监测方法,其特征在于,所述对所述可能原因进行排查,以确定实际异常原因之后,还包括:
针对所述实际异常原因判断当前是否存在需要紧急处理的情况;
若当前存在需要紧急处理的情况,则采取相对应的处理进行紧急处理;
采用5G技术以及物联网技术将需要紧急处理的情况传输至指定的终端上。
3.根据权利要求1所述的一种基于传感技术的状态监测方法,其特征在于,所述对所述人体待测数据进行过滤和分析,以得到分析结果,包括:
对所述人体待测数据中的脉搏数据进行噪声过滤以及基线漂移的去除,以得到脉搏数据处理结果;
提取所述脉搏数据处理结果中的特征信息,以得到脉搏分析结果;
根据所述人体待测数据中的汗液采集数据确定汗液内各个生理指标的数值,以得到汗液数据分析结果;
提取所述人体待测数据中的体征数据,以得到提取结果。
4.根据权利要求3所述的一种基于传感技术的状态监测方法,其特征在于,所述对所述人体待测数据中的脉搏数据进行噪声过滤以及基线漂移的去除,以得到脉搏数据处理结果,包括:
采用小波变换法以及置零法对所述人体待测数据中的脉搏数据进行噪声过滤以及基线漂移的去除,以得到脉搏数据处理结果。
5.根据权利要求4所述的一种基于传感技术的状态监测方法,其特征在于,所述提取所述脉搏数据处理结果中的特征信息,以得到脉搏分析结果,包括:
根据所述脉搏数据处理结果构建脉搏波形图;
利用微分法提取到脉搏波形图中的各特征点,以得到脉搏分析结果。
6.根据权利要求1所述的一种基于传感技术的状态监测方法,其特征在于,所述确定所述异常数据所产生的可能原因,包括:
确定当前检测的环境信息以及被监测人的基础信息和是否服用药剂、药剂信息,以构成所述异常数据所产生的可能原因。
7.根据权利要求2所述的一种基于传感技术的状态监测方法,其特征在于,所述采用5G技术以及物联网技术将需要紧急处理的情况传输至指定的终端上,包括:
对所述需要紧急处理的情况的相关数据进行加密,以得到加密结果;
将所述加密结果采用5G技术以及物联网技术传输至指定的终端上,以由指定的终端根据事先协商的密钥对所述加密结果进行解密后,获取需要紧急处理的情况的相关数据,并对相关数据进行病情分析。
8.一种基于传感技术的状态监测装置,其特征在于,包括:
数据采集单元,用于采集非侵入式人体体征传感器所采集的人体待测数据;
分析单元,用于对所述人体待测数据进行过滤和分析,以得到分析结果;
异常数据确定单元,用于根据所述分析结果确定异常数据;
可能原因确定单元,用于确定所述异常数据所产生的可能原因;
实际原因确定单元,用于对所述可能原因进行排查,以确定实际异常原因;
所述实际原因确定单元包括信息获取子单元、因子确定子单元、程度确定子单元、报告获取子单元、关键词提取子单元、趋势确定子单元、偏离判断子单元、第一确定子单元以及第二确定子单元;
信息获取子单元,用于获取检测环境信息;因子确定子单元,用于根据所述检测环境信息确定对状态监测的影响因子;影响因子是指温度、湿度、药物的剂量、药物的种类;程度确定子单元,用于确定所述影响因子对人体待测数据的影响程度;根据logistic回归模型分析影响因子对所述人体待测数据的影响权重系数,其中,对于温度、湿度以及个人的基础病作为一组影响因子输入到logistic回归模型内确定导致人体待测数据发生变化的概率有多大;将药物的剂量、药物的种类以及个人的基础病作为另一组影响因子输入到logistic回归模型内确定导致人体待测数据发生变化的概率有多大;根据确定的概率作为影响程度,根据经验值确定概率值是否可以忽略不计,如果可以忽略不计,则该影响因子不作为异常数据产生的原因;报告获取子单元,用于获取人体定期上传的数据报告;关键词提取子单元,用于对所述数据报告进行关键词提取,以得到提取结果;趋势确定子单元,用于确定所述提取结果中对应的脉搏以及汗液内各个生理指标的发展趋势;偏离判断子单元,用于判断所述异常数据是否偏离所述发展趋势;第一确定子单元,用于若所述异常数据偏离所述发展趋势,则确定所述异常数据所对应的实际原因是天气因素影响、药物影响以及传感器检测影响,以得到实际异常原因;第二确定子单元,用于若所述异常数据未偏离所述发展趋势,则确定所述异常数据所对应的实际原因是人体健康出现变化造成的,以得到实际异常原因;当确定异常数据的实际原因不是因为个人身体状况出现问题时,则需要进一步排除是天气因素影响、药物影响以及传感器检测影响中的哪一个或者是哪一些所造成的,对于传感器的检测影响,可以采用更换非侵入式人体体征传感器,并使其紧贴皮肤再一次检测,并重复上述的采集非侵入式人体体征传感器所采集的人体待测数据; 对所述人体待测数据进行过滤和分析,以得到分析结果,如果此时异常数据已经不存在,则可以确定是传感器的问题;若还存在异常数据,则可以结合确定所述影响因子对人体待测数据的影响程度所确定的数据确定是天气因素影响、药物影响中的哪一种,还是说是两种都有,对于是药物影响的问题需要进一步结合数据报告进行分析当前个人是否存在潜在隐患,需要采取进一步措施。
9.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310351524.4A CN116130095B (zh) | 2023-04-04 | 2023-04-04 | 一种基于传感技术的状态监测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310351524.4A CN116130095B (zh) | 2023-04-04 | 2023-04-04 | 一种基于传感技术的状态监测方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116130095A CN116130095A (zh) | 2023-05-16 |
CN116130095B true CN116130095B (zh) | 2023-07-11 |
Family
ID=86297734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310351524.4A Active CN116130095B (zh) | 2023-04-04 | 2023-04-04 | 一种基于传感技术的状态监测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116130095B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109091126A (zh) * | 2018-09-14 | 2018-12-28 | 李思楠 | 一种基于多传感器的人体生理状态判别可视化方法及设备 |
CN109583470A (zh) * | 2018-10-17 | 2019-04-05 | 阿里巴巴集团控股有限公司 | 一种异常检测的解释特征确定方法和装置 |
CN109602410A (zh) * | 2018-11-16 | 2019-04-12 | 青岛真时科技有限公司 | 一种可穿戴设备及其脉搏监测方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10055549B2 (en) * | 2013-10-10 | 2018-08-21 | Wireless Medical Monitoring, Inc. | Method and apparatus for wireless health monitoring and emergent condition prediction |
US10910106B2 (en) * | 2015-11-23 | 2021-02-02 | The Regents Of The University Of Colorado | Personalized health care wearable sensor system |
CN107669250A (zh) * | 2017-11-02 | 2018-02-09 | 佛山鑫进科技有限公司 | 一种基于大数据分析的人体健康度监测方法 |
CN108968920A (zh) * | 2018-07-12 | 2018-12-11 | 维沃移动通信有限公司 | 一种数据检测方法及电子设备 |
CN109316172A (zh) * | 2018-10-18 | 2019-02-12 | 大连理工大学 | 基于脉搏波特征参数对人体健康状况的检测方法 |
CN115482931B (zh) * | 2022-09-16 | 2023-07-04 | 北京慧养道健康科技有限公司 | 一种基于传感器采集的生命预警系统 |
-
2023
- 2023-04-04 CN CN202310351524.4A patent/CN116130095B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109091126A (zh) * | 2018-09-14 | 2018-12-28 | 李思楠 | 一种基于多传感器的人体生理状态判别可视化方法及设备 |
CN109583470A (zh) * | 2018-10-17 | 2019-04-05 | 阿里巴巴集团控股有限公司 | 一种异常检测的解释特征确定方法和装置 |
CN109602410A (zh) * | 2018-11-16 | 2019-04-12 | 青岛真时科技有限公司 | 一种可穿戴设备及其脉搏监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116130095A (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Joshi et al. | iGLU 2.0: A new wearable for accurate non-invasive continuous serum glucose measurement in IoMT framework | |
Uçar et al. | Automatic sleep staging in obstructive sleep apnea patients using photoplethysmography, heart rate variability signal and machine learning techniques | |
US10299735B2 (en) | Automated diagnosis based at least in part on pulse waveforms | |
EP2306899B1 (en) | Detection of hypokinetic and/or hyperkinetic states | |
Al-Mulla et al. | A review of non-invasive techniques to detect and predict localised muscle fatigue | |
AU2016201728B2 (en) | A system and method for determining psychological stress of a person | |
Cornelius et al. | Who Wears Me? Bioimpedance as a Passive Biometric. | |
Wolny et al. | Inter-rater reliability of two-point discrimination in acute stroke patients | |
Witte et al. | Transforming personal healthcare through technology-a systematic literature review of wearable sensors for medical application | |
Eadie et al. | Non-invasive blood glucose monitoring and data analytics | |
Andellini et al. | Artificial intelligence for non-invasive glycaemic-events detection via ECG in a paediatric population: study protocol | |
Susana et al. | Non-Invasive Classification of Blood Glucose Level Based on Photoplethysmography Using Time–Frequency Analysis | |
CN116130095B (zh) | 一种基于传感技术的状态监测方法、装置及存储介质 | |
CN115064261A (zh) | 基于人工智能的血糖统计系统及方法 | |
Zhou et al. | Crossgp: Cross-day glucose prediction excluding physiological information | |
Waalen | Mobile health and preventive medicine | |
KR20220124942A (ko) | 연속 혈당 측정기를 이용한 실시간 건강 모니터링 시스템 | |
Chen et al. | A novel real-time depth of anaesthesia monitoring method using detrended fluctuation analysis and ann | |
Dutta et al. | Development of a smart glove for affordable diagnosis of stroke-driven upper extremity paresis | |
Pulcinelli et al. | Combining Fiber Bragg Grating and Artificial Intelligence Technologies for Supporting Epidural Procedures | |
Moses et al. | Non-invasive blood glucose monitoring technology in diabetes management | |
Adibi et al. | A systematic approach to terahertz-based glucose monitoring | |
Dhiviyalakshmi et al. | Study of HRV Parameters for Detection of Stress using Machine Learning | |
Fathurrahman et al. | Light sensor optimization based on finger blood estimation and IoT-integrated | |
Takeuchi et al. | Proposal of Blood Glucose Prediction Method Based on MHC Theory |
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 |