CN116172527A - 一种智能健康监测方法、系统及装置 - Google Patents

一种智能健康监测方法、系统及装置 Download PDF

Info

Publication number
CN116172527A
CN116172527A CN202310245189.XA CN202310245189A CN116172527A CN 116172527 A CN116172527 A CN 116172527A CN 202310245189 A CN202310245189 A CN 202310245189A CN 116172527 A CN116172527 A CN 116172527A
Authority
CN
China
Prior art keywords
data
threshold
difference
temperature
threshold value
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
Application number
CN202310245189.XA
Other languages
English (en)
Other versions
CN116172527B (zh
Inventor
张乔木
孙龙龙
赵盼盼
张东光
李雷
张鹏
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.)
Jirun Technology (Xiongan) Co.,Ltd.
Original Assignee
Kangyuan Jiangsu 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 Kangyuan Jiangsu Technology Co ltd filed Critical Kangyuan Jiangsu Technology Co ltd
Priority to CN202310245189.XA priority Critical patent/CN116172527B/zh
Publication of CN116172527A publication Critical patent/CN116172527A/zh
Application granted granted Critical
Publication of CN116172527B publication Critical patent/CN116172527B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/0507—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  using microwaves or terahertz waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1102—Ballistocardiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4815—Sleep quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4818—Sleep apnoea
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Pulmonology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Anesthesiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • General Physics & Mathematics (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明的目的是提供一种智能健康监测方法、系统及装置，可以监测室内环境、心率心跳、睡眠状态的健康情况，可以根据状态调整环境，缓解不适，同时可以根据监测数据判断患者患病风险。智能健康监测方法，包括以下步骤：通过传感器实时获取监测数据；提取心冲击信号数据，计算前后相邻波峰波谷或者波谷波峰差值，生成差值数据；计算时间段长度内差值超过第一阈值的数量及平均差值；根据温度数据、颗粒物污染数据是否超过第二阈值、第三阈值，决定温度控制装置开关和空气净化装置开关；根据数据和阈值，确定温度控制装置和空气净化装置，运行状态；应用KNN分类算法聚类，参照聚类结果，判断监测对象的潜在疾病患病风险结果。

Description

一种智能健康监测方法、系统及装置
技术领域
本发明涉及大数据和人工智能技术领域，涉及数据监测、智慧康养、智慧养老、智慧医疗、智慧监护；特别是涉及一种智能健康监测方法、系统及装置。
背景技术
目前智慧养老项目主要还是通过智能穿戴设备等远程监测老人的身体健康状态,出现异常,比如说血压、心率异常、呼吸、心率异常等,系统会自动报警,并自动联系提醒工作人员及时进行救助。有研究表明，心率变异性与阻塞性睡眠呼吸暂停患者有很大相关性；心率及相关参数能够更好地反映出睡眠状态，心律不齐房颤很大概率是心电活动出现异常；但是现有技术中也有较多通过检测心率及相关参数来进行心跳异常、睡眠及呼吸检测的方法。但是，以上方法仍然需要利用安装在肢体上的传感器来获得心率信息，在睡眠时佩戴这样的传感器是较为不适的。
目前，医院进行专业的睡眠结构检测是通过多导睡眠记录仪来进行的。利用多导睡眠记录仪进行检测时，需要让受测人员躺在专用的检测床上进行睡眠，并在受测人员的身体上多处固定检测电极来检测各种生理信号，其检测过程较为繁琐，并且只能在医院进行，不适用于在家庭中对一般人群进行检测。而且此种监测方法需有专门的睡眠监测室，设备复杂且昂贵，很多患者因无法承担而延误了病情。虽近几年发明了便携式的PSG设备，但监测效果不佳，未被大范围推广和使用。同时PSG设备在检测结果上，需通过大量的时间和人力来进行人工分析和校正，对于诊断来说效率极低。
发明内容
本发明的目的是提供一种智能健康监测方法、系统及装置，通过该智能健康监测方法、系统及装置可以监测室内环境、心率心跳、睡眠状态的健康情况，可以根据状态调整环境，缓解不适，同时可以根据监测数据判断患者患病风险。
一种智能健康监测方法，包括以下步骤：
（1）通过传感器实时获取监测数据；所述获取监测数据包括：室内温度、空气颗粒物污染、心冲击信号；
（2）提取固定时间段长度
Figure SMS_1
的心冲击信号数据，计算前后相邻波峰波谷或者波谷波峰差值，生成时间段长度/>
Figure SMS_2
的差值数据；计算时间段长度/>
Figure SMS_3
内差值超过第一阈值的数量/>
Figure SMS_4
及平均差值/>
Figure SMS_5
；此处第一阈值也可以设置为0；
（3）设定温度预设第二阈值、颗粒物污染数据预设第三阈值；根据温度数据、颗粒物污染数据是否超过第二阈值、第三阈值，决定温度控制装置开关和空气净化装置开关；处于节能考虑第二阈值、第三阈值可以设置为较大的范围；
（4）根据数量
Figure SMS_6
，设定第四阈值，确定温度控制装置和空气净化装置，运行状态；当超出第四阈值，加大温度控制装置和空气净化装置运行，降低温度提高空气质量，缓解不适；
（5）根据数量
Figure SMS_7
，平均差值/>
Figure SMS_8
，应用KNN分类算法聚类，参照聚类结果，判断监测对象的潜在疾病患病风险结果；根据接近程度分级确定监测对象可能患相关潜在疾病的风险。
作为优化，生成时间段长度
Figure SMS_9
的差值数据，为计算时间段长度/>
Figure SMS_10
的心冲击信号数据中前后相邻波峰波谷或者波谷波峰差值，用该差值替换原来的时间段长度/>
Figure SMS_11
的心冲击信号数据中后面波峰或波谷的值；原来的时间段长度/>
Figure SMS_12
的心冲击信号数据中其余数值改为零；由此生成时间段长度/>
Figure SMS_13
的差值数据。
作为优化，计算时间段长度
Figure SMS_14
内差值数据超过第一阈值的数量/>
Figure SMS_15
及平均差值/>
Figure SMS_16
；第一阈值可以包括多个阈值段；根据不同的阈值段生成，数量/>
Figure SMS_17
及平均差值/>
Figure SMS_18
;
将监控对象的
Figure SMS_19
及平均差值/>
Figure SMS_20
数据；同患有不同程度的阻塞性睡眠呼吸暂停综合征患者、房颤患者，健康人群的典型状态的/>
Figure SMS_21
或平均差值/>
Figure SMS_22
数据；进行KNN分类算法聚类，根据聚类结果，判定潜在疾病患病风险结果。
作为优化，当数量
Figure SMS_23
在设定的连续的时间段内，超过第四阈值；则启动或加大温度控制装置将温度控制在低温适宜温度，同时启动或加大空气净化装置保持空气质量，给监测对象提供更舒适缓解的环境。
作为优化，根据非接触性压电陶瓷传感器或者毫米波雷达传感器，采集数据并分离出心冲击信号；根据心冲击信号获得实时的心跳频率，根据心跳频率监控对象的状态，当心率出现严重异常时发出报警信号。
作为优化，通过毫米波雷达传感器，监测人员姿态，当处于跌倒状态时，系统发出报警信号。
作为优化，根据监控对象的
Figure SMS_24
及平均差值/>
Figure SMS_25
每日数据超过第五阈值的时间长度，判断睡眠的质量状态；
第五阈值为根据阻塞性睡眠呼吸暂停综合征患者打鼾时，
Figure SMS_26
及平均差值/>
Figure SMS_27
确定。
作为优化，健康状态下在时间段长度
Figure SMS_28
内差值超过第一阈值的数量为/>
Figure SMS_29
,那么第四阈值设置为/>
Figure SMS_30
；当数量/>
Figure SMS_31
在设定的连续的时间段内，超过第四阈值；则启动或加大温度控制装置将温度控制在低温适宜温度，同时启动或加大空气净化装置保持空气质量。
一种智能健康监测系统，包括：
传感器数据采集模块，用于实时采集传感器数据，至少包括内温度、空气颗粒物污染、心冲击信号数据；
心冲击信号数据处理模块，用于提取固定时间段长度
Figure SMS_32
的心冲击信号数据，计算前后相邻波峰波谷或者波谷波峰差值，生成时间段长度/>
Figure SMS_33
的差值数据；计算时间段长度/>
Figure SMS_34
内差值超过第一阈值的数量/>
Figure SMS_35
及平均差值/>
Figure SMS_36
；/>
控制管理模块，用于根据温度数据、颗粒物污染数据是否超过第二阈值、第三阈值，温度控制装置开关和空气净化装置开关；根据数量
Figure SMS_37
是否超过第四阈值，确定温度控制装置和空气净化装置，运行状态；
健康评价模块，用于根据数量
Figure SMS_38
，平均差值/>
Figure SMS_39
，应用KNN分类算法聚类，参照聚类结果，判断监测对象的潜在疾病患病风险结果。
一种智能健康监测装置，包括：传感器，储存器，处理器，无线传输装置、显示装置；
所述传感器用于收集信号并将收集的信号数据传输给所述储存器；
所述储存器用于储存收集的信号数据，处理器执行所述计算机程序后得到的数据；以及被处理器执行的计算机程序；
所述处理器用于执行所述计算机程序，包括实现如权利要求1至8任一项所述智能健康监测方法；
所述显示装置用于显示处理器执行所述计算机程序后得到的数据；
所述无线传输装置，用于将收集的信号数据传输给所述储存器；并将处理器执行所述计算机程序后得到的数据传输到显示装置。
相较于现有技术，提供一种可用数据监测、智慧康养、智慧养老、智慧医疗、智慧监护的低成本的智能健康监测方法、系统及装置，可以监测室内的环境情况，并且通过监测心冲击信号数据，监测心率、判断睡眠的质量；并且根据睡眠质量状态调整环境，缓解不适；同时可以根据监测的心冲击信号等数据，判断患阻塞性睡眠呼吸暂停综合征、房颤等疾病的风险。
附图说明
下面结合附图和具体实施方式来详细说明本发明；
图1为本发明实施例1涉及方法的流程示意图；
图2为本发明实施例1的步骤2中差值数据图；
图3为本发明实施例2的步骤5中数据聚类图。
具体实施方式
下面给出的实施例拟对本发明作进一步说明，但不能理解为是对本发明保护范围的限制，本领域技术人员根据本发明内容对本发明的一些非本质的改进和调整，仍属于本发明的保护范围。
实施例1：如图1所示一种智能健康监测方法，包括以下步骤：
（1）通过传感器实时获取监测数据；获取监测数据包括：室内温度、空气颗粒物污染、心冲击信号。
（2）提取固定时间段长度
Figure SMS_40
的心冲击信号数据，计算前后相邻波峰波谷或者波谷波峰差值，生成时间段长度/>
Figure SMS_41
的差值数据；计算时间段长度/>
Figure SMS_42
内差值超过第一阈值的数量/>
Figure SMS_43
及平均差值/>
Figure SMS_44
；此处第一阈值也可以设置为0.001；
生成时间段长度
Figure SMS_45
的差值数据，为计算时间段长度/>
Figure SMS_46
的心冲击信号数据中前后相邻波峰波谷或者波谷波峰差值，用该差值替换原来的时间段长度/>
Figure SMS_47
的心冲击信号数据中后面波峰或波谷的值；原来的时间段长度/>
Figure SMS_48
的心冲击信号数据中其余数值改为零；由此生成时间段长度/>
Figure SMS_49
的差值数据。
如图2所示为一组长度5秒的心冲击信号数据，生成的时间段长度5秒的差值数据。
（3）设定温度预设第二阈值、颗粒物污染数据预设第三阈值；根据温度数据、颗粒物污染数据是否超过第二阈值、第三阈值，决定温度控制装置开关和空气净化装置开关；处于节能考虑第二阈值、第三阈值可以设置为较大的范围；可以设定当温度高于32℃，低于12℃时，启动空调电暖器等温度控制装置到适宜温度21℃~25℃时停止；当PM2.5/PM10 AQI指数达到200以上时启动空气净化器，到PM2.5/PM10 AQI指数80时停止。
（4）根据数量
Figure SMS_50
，设定第四阈值，确定温度控制装置和空气净化装置，运行状态；当超出第四阈值，加大温度控制装置和空气净化装置运行，降低温度提高空气质量，缓解不适；
例如：当数量
Figure SMS_51
在设定的连续的时间段内，超过第四阈值（在五分钟内超过20%时间超过频数50/秒）；这表明存在打鼾等呼吸不畅通；那么启动或加大温度控制装置将温度控制在适宜温度21℃，同时启动或加大空气净化装置保持空气质量PM2.5/PM10 AQI指数80，给监测对象提供更舒适缓解的环境。
（5）根据数量
Figure SMS_52
，平均差值/>
Figure SMS_53
，应用KNN分类算法聚类，参照聚类结果，判断监测对象的潜在疾病患病风险结果；根据接近程度分级确定监测对象可能患相关潜在疾病的风险。
实施例2：一种智能健康监测方法，包括以下步骤：
（1）通过传感器实时获取监测数据；获取监测数据包括：室内温度、空气颗粒物污染、心冲击信号。
（2）提取固定时间段长度
Figure SMS_54
的心冲击信号数据，计算前后相邻波峰波谷或者波谷波峰差值，生成时间段长度/>
Figure SMS_55
的差值数据；
生成时间段长度
Figure SMS_56
的差值数据，为计算时间段长度/>
Figure SMS_57
的心冲击信号数据中前后相邻波峰波谷或者波谷波峰差值，用该差值替换原来的时间段长度/>
Figure SMS_58
的心冲击信号数据中后面波峰或波谷的值；原来的时间段长度/>
Figure SMS_59
的心冲击信号数据中其余数值改为零；由此生成时间段长度/>
Figure SMS_60
的差值数据。
计算时间段长度
Figure SMS_61
内差值数据超过第一阈值的数量/>
Figure SMS_62
及平均差值/>
Figure SMS_63
；此处第一阈值可以包括多个阈值段；例如设置[0.01-0.05], [0.1-0.2]两个阈值段；根据[0.01-0.05], [0.1-0.2]两个阈值段生成，相应的数量/>
Figure SMS_64
及平均差值/>
Figure SMS_65
。
（3）设定温度预设第二阈值、颗粒物污染数据预设第三阈值；根据温度数据、颗粒物污染数据是否超过第二阈值、第三阈值，决定温度控制装置开关和空气净化装置开关；处于节能考虑第二阈值、第三阈值可以设置为较大的范围；可以设定当温度高于32℃，低于12℃时，启动空调电暖器等温度控制装置到适宜温度21℃~25℃时停止；当PM2.5/PM10 AQI指数达到200以上时启动空气净化器，到PM2.5/PM10 AQI指数80时停止。
（4）根据数量
Figure SMS_66
，设定第四阈值，确定温度控制装置和空气净化装置，运行状态；健康状态下在时间段长度T内差值超过第一阈值的数量为Sz,那么第四阈值设置为Sz*2；当数量S在设定的连续的时间段内，超过第四阈值；则启动或加大温度控制装置将温度控制在低温适宜温度，同时启动或加大空气净化装置保持空气质量。当超出第四阈值，加大温度控制装置和空气净化装置运行，降低温度提高空气质量，缓解不适。
（5）根据获得的监控对象的不同时间段的
Figure SMS_67
及平均差值/>
Figure SMS_68
；同患有不同程度的阻塞性睡眠呼吸暂停综合征患者、房颤患者，健康人群的典型状态的/>
Figure SMS_69
或平均差值/>
Figure SMS_70
数据；进行KNN分类算法聚类，根据聚类结果，判定潜在疾病患病风险结果。例如：设置[0.01-0.05],[0.1-0.2] 两个阈值段；根据多个时间段的/>
Figure SMS_71
数据聚类，如图3所示，JC监测数据，存在明显患阻塞性睡眠呼吸暂停综合征患者风险。
（6）根据监控对象的
Figure SMS_72
及平均差值/>
Figure SMS_73
每日数据超过第五阈值的时间长度，判断睡眠的质量状态；第五阈值为根据阻塞性睡眠呼吸暂停综合征患者打鼾时，/>
Figure SMS_74
及平均差值/>
Figure SMS_75
确定。
（7）根据非接触性压电陶瓷传感器或者毫米波雷达传感器，采集数据并分离出心冲击信号；根据心冲击信号获得实时的心跳频率，根据心跳频率监控对象的状态，当心率出现停止，严重紊乱等严重异常时发出报警信号。
（8）根据毫米波雷达传感器采集数据，监测人员姿态，当处于跌倒状态时，系统发出报警信号。
实施例3：一种智能健康监测系统，包括：
传感器数据采集模块，用于实时采集传感器数据，至少包括内温度、空气颗粒物污染、心冲击信号数据；
心冲击信号数据处理模块，用于提取固定时间段长度
Figure SMS_76
的心冲击信号数据，计算前后相邻波峰波谷或者波谷波峰差值，生成时间段长度/>
Figure SMS_77
的差值数据；计算时间段长度/>
Figure SMS_78
内差值超过第一阈值的数量/>
Figure SMS_79
及平均差值/>
Figure SMS_80
；
控制管理模块，用于根据温度数据、颗粒物污染数据是否超过第二阈值、第三阈值，温度控制装置开关和空气净化装置开关；根据数量
Figure SMS_81
是否超过第四阈值，确定温度控制装置和空气净化装置，运行状态；
健康评价模块，用于根据数量
Figure SMS_82
，平均差值/>
Figure SMS_83
，应用KNN分类算法聚类，参照聚类结果，判断监测对象的潜在疾病患病风险结果。
实施例4：一种智能健康监测装置，包括：传感器，储存器，处理器，无线传输装置、显示装置；
传感器用于收集信号并将收集的信号数据传输给所述储存器；
储存器用于储存收集的信号数据，处理器执行所述计算机程序后得到的数据；以及被处理器执行的计算机程序；
处理器用于执行所述计算机程序，包括实现实施例1或实施例2中智能健康监测方法；
显示装置用于显示处理器执行所述计算机程序后得到的数据；
无线传输装置，用于将收集的信号数据传输给所述储存器；并将处理器执行所述计算机程序后得到的数据传输到显示装置。
以上的所述乃是本发明的具体实施例及所运用的技术原理，若依本发明的构想所作的改变，其所产生的功能作用仍未超出说明书及附图所涵盖的精神时，仍应属本发明的保护范围。

Claims (10)

1.一种智能健康监测方法，其特征在于，所述方法包括以下步骤：
（1）通过传感器实时获取监测数据；所述获取监测数据包括：室内温度、空气颗粒物污染、心冲击信号；
（2）提取固定时间段长度
Figure QLYQS_1
的心冲击信号数据，计算前后相邻波峰波谷或者波谷波峰差值，生成时间段长度/>
Figure QLYQS_2
的差值数据；计算时间段长度/>
Figure QLYQS_3
内差值超过第一阈值的数量/>
Figure QLYQS_4
及平均差值/>
Figure QLYQS_5
；
（3）设定温度预设第二阈值、颗粒物污染数据预设第三阈值；根据温度数据、颗粒物污染数据是否超过第二阈值、第三阈值，决定温度控制装置开关和空气净化装置开关；
（4）根据数量
Figure QLYQS_6
，设定第四阈值，确定温度控制装置和空气净化装置，运行状态；
（5）根据数量
Figure QLYQS_7
，平均差值/>
Figure QLYQS_8
，应用KNN分类算法聚类，参照聚类结果，判断监测对象的潜在疾病患病风险结果。
2.根据权利要求1所述智能健康监测方法，其特征在于，所述生成时间段长度
Figure QLYQS_9
的差值数据，为计算所述时间段长度/>
Figure QLYQS_10
的心冲击信号数据中前后相邻波峰波谷或者波谷波峰差值，用所述差值替换所述时间段长度/>
Figure QLYQS_11
的心冲击信号数据中后面波峰或波谷的值；所述时间段长度/>
Figure QLYQS_12
的心冲击信号数据中其余数值改为零；由此生成时间段长度/>
Figure QLYQS_13
的差值数据。
3.根据权利要求1所述智能健康监测方法，其特征在于，所述计算时间段长度
Figure QLYQS_14
内差值超过第一阈值的数量/>
Figure QLYQS_15
及平均差值/>
Figure QLYQS_16
；所述第一阈值包括多个阈值段；根据不同的阈值段生成，数量/>
Figure QLYQS_17
及平均差值/>
Figure QLYQS_18
;
将监控对象的
Figure QLYQS_19
及平均差值/>
Figure QLYQS_20
数据；同患有不同程度的阻塞性睡眠呼吸暂停综合征患者、房颤患者，健康人群的典型状态的/>
Figure QLYQS_21
或平均差值/>
Figure QLYQS_22
数据；进行KNN分类算法聚类，根据聚类结果，判定潜在疾病患病风险结果。
4.根据权利要求1所述智能健康监测方法，其特征在于，当数量
Figure QLYQS_23
在设定的连续的时间段内，超过第四阈值；则启动或加大温度控制装置将温度控制在低温适宜温度，同时启动或加大空气净化装置保持空气质量。
5.根据权利要求1所述智能健康监测方法，其特征在于，根据非接触性压电陶瓷传感器或者毫米波雷达传感器，采集数据并分离出心冲击信号；根据心冲击信号获得实时的心跳频率，根据心跳频率监控对象的状态。
6.根据权利要求5所述智能健康监测方法，其特征在于，通过毫米波雷达传感器，监测人员姿态，当处于跌倒状态时，系统报警。
7.根据权利要求1所述智能健康监测方法，其特征在于，根据监控对象的
Figure QLYQS_24
及平均差值/>
Figure QLYQS_25
每日数据超过第五阈值的时间长度，判断睡眠的质量状态。
8.根据权利要求4所述智能健康监测方法，其特征在于，
健康状态下在时间段长度
Figure QLYQS_26
内差值超过第一阈值的数量为/>
Figure QLYQS_27
,所述第四阈值设置为
Figure QLYQS_28
；当数量/>
Figure QLYQS_29
在设定的连续的时间段内，超过第四阈值；则启动或加大温度控制装置将温度控制在低温适宜温度，同时启动或加大空气净化装置保持空气质量。
9.一种智能健康监测系统，其特征在于，包括：
传感器数据采集模块，用于实时采集传感器数据，至少包括内温度、空气颗粒物污染、心冲击信号数据；
心冲击信号数据处理模块，用于提取固定时间段长度
Figure QLYQS_30
的心冲击信号数据，计算前后相邻波峰波谷或者波谷波峰差值，生成时间段长度/>
Figure QLYQS_31
的差值数据；计算时间段长度/>
Figure QLYQS_32
内差值超过第一阈值的数量/>
Figure QLYQS_33
及平均差值/>
Figure QLYQS_34
；
控制管理模块，用于根据温度数据、颗粒物污染数据是否超过第二阈值、第三阈值，温度控制装置开关和空气净化装置开关；根据数量
Figure QLYQS_35
是否超过第四阈值，确定温度控制装置和空气净化装置，运行状态；
健康评价模块，用于根据数量
Figure QLYQS_36
，平均差值/>
Figure QLYQS_37
，应用KNN分类算法聚类，参照聚类结果，判断监测对象的潜在疾病患病风险结果。
10.一种智能健康监测装置，其特征在于，包括：传感器，储存器，处理器，无线传输装置、显示装置；
所述传感器用于收集信号并将收集的信号数据传输给所述储存器；
所述储存器用于储存收集的信号数据，处理器执行所述计算机程序后得到的数据；以及被处理器执行的计算机程序；
所述处理器用于执行所述计算机程序，包括实现如权利要求1至8任一项所述智能健康监测方法；
所述显示装置用于显示处理器执行所述计算机程序后得到的数据；
所述无线传输装置，用于将收集的信号数据传输给所述储存器；并将处理器执行所述计算机程序后得到的数据传输到显示装置。
CN202310245189.XA 2023-03-15 2023-03-15 一种智能健康监测方法、系统及装置 Active CN116172527B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310245189.XA CN116172527B (zh) 2023-03-15 2023-03-15 一种智能健康监测方法、系统及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310245189.XA CN116172527B (zh) 2023-03-15 2023-03-15 一种智能健康监测方法、系统及装置

Publications (2)

Publication Number Publication Date
CN116172527A true CN116172527A (zh) 2023-05-30
CN116172527B CN116172527B (zh) 2023-09-22

Family

ID=86444377

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310245189.XA Active CN116172527B (zh) 2023-03-15 2023-03-15 一种智能健康监测方法、系统及装置

Country Status (1)

Country Link
CN (1) CN116172527B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120045664A (ko) * 2010-10-29 2012-05-09 아주대학교산학협력단 실시간 호흡 측정을 통한 수면의 질 결정 장치 및 방법
CN105769122A (zh) * 2016-03-16 2016-07-20 中国科学院电子学研究所 一种睡眠呼吸暂停低通气指数的测量方法
US20180103896A1 (en) * 2016-10-18 2018-04-19 Electronics And Telecommunications Research Institute Apparatus and method for detecting abnormal respiration
CN110710955A (zh) * 2019-09-20 2020-01-21 四川远邦益安科技有限公司 睡眠过程中健康指标的监测方法
CN110731783A (zh) * 2019-09-16 2020-01-31 杭州电子科技大学 一种新颖的用于心率估计的峰值提取方法
CN114145735A (zh) * 2021-12-03 2022-03-08 华南师范大学 基于bcg信号的运动规划方案生成方法、系统以及设备
CN114287919A (zh) * 2021-12-14 2022-04-08 深圳数联天下智能科技有限公司 基于心冲击信号的j波定位方法、装置、设备及介质
US20220175310A1 (en) * 2020-12-09 2022-06-09 Medtronic, Inc. Detection and monitoring of sleep apnea conditions
CN114699040A (zh) * 2022-02-21 2022-07-05 华南师范大学 基于生理信号的醒睡检测方法、装置、设备以及存储介质
CN114732361A (zh) * 2022-04-07 2022-07-12 华南师范大学 基于生理信号的睡眠分期预测方法、设备以及存储介质
CN115024716A (zh) * 2022-05-30 2022-09-09 西安电子科技大学 基于心率标签生成的心冲击图信号重建方法
CN115568844A (zh) * 2021-07-06 2023-01-06 深圳绿米联创科技有限公司 呼吸暂停检测方法、装置、电子设备和存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120045664A (ko) * 2010-10-29 2012-05-09 아주대학교산학협력단 실시간 호흡 측정을 통한 수면의 질 결정 장치 및 방법
CN105769122A (zh) * 2016-03-16 2016-07-20 中国科学院电子学研究所 一种睡眠呼吸暂停低通气指数的测量方法
US20180103896A1 (en) * 2016-10-18 2018-04-19 Electronics And Telecommunications Research Institute Apparatus and method for detecting abnormal respiration
CN110731783A (zh) * 2019-09-16 2020-01-31 杭州电子科技大学 一种新颖的用于心率估计的峰值提取方法
CN110710955A (zh) * 2019-09-20 2020-01-21 四川远邦益安科技有限公司 睡眠过程中健康指标的监测方法
US20220175310A1 (en) * 2020-12-09 2022-06-09 Medtronic, Inc. Detection and monitoring of sleep apnea conditions
CN115568844A (zh) * 2021-07-06 2023-01-06 深圳绿米联创科技有限公司 呼吸暂停检测方法、装置、电子设备和存储介质
CN114145735A (zh) * 2021-12-03 2022-03-08 华南师范大学 基于bcg信号的运动规划方案生成方法、系统以及设备
CN114287919A (zh) * 2021-12-14 2022-04-08 深圳数联天下智能科技有限公司 基于心冲击信号的j波定位方法、装置、设备及介质
CN114699040A (zh) * 2022-02-21 2022-07-05 华南师范大学 基于生理信号的醒睡检测方法、装置、设备以及存储介质
CN114732361A (zh) * 2022-04-07 2022-07-12 华南师范大学 基于生理信号的睡眠分期预测方法、设备以及存储介质
CN115024716A (zh) * 2022-05-30 2022-09-09 西安电子科技大学 基于心率标签生成的心冲击图信号重建方法

Also Published As

Publication number Publication date
CN116172527B (zh) 2023-09-22

Similar Documents

Publication Publication Date Title
US10786211B2 (en) Monitoring, predicting and treating clinical episodes
US11147476B2 (en) Monitoring a sleeping subject
JP5155856B2 (ja) 臨床症状の予測および監視技術
US8998830B2 (en) Monitoring, predicting and treating clinical episodes
US8591430B2 (en) Adherent device for respiratory monitoring
US9449493B2 (en) Burglar alarm control
US9883809B2 (en) Monitoring, predicting and treating clinical episodes
JP5281406B2 (ja) 臨床発作患者の監視方法及びシステム
Shouldice et al. Detection of obstructive sleep apnea in pediatric subjects using surface lead electrocardiogram features
JP2012502671A (ja) 臨床症状のモニタリング、予測及び治療
CN111466906B (zh) 穿戴式睡眠监测仪及监测方法
US11696691B2 (en) Monitoring, predicting, and treating clinical episodes
CN108784669A (zh) 一种非接触式心跳及呼吸紊乱监测系统及方法
JP2009539416A (ja) 潜在的に生命を脅かす病気の発症を予想するための装置、方法並びにコンピュータ可読コード
EP2648616A2 (en) Monitoring, predicting and treating clinical episodes
Jones et al. Identifying movement onset times for a bed-based pressure sensor array
CN113080849A (zh) 一种智能床垫及其睡眠监测方法
CN109730659B (zh) 一种基于微波信号监测的智能床垫
US20220031196A1 (en) Monitoring a sleeping subject
CN116172527B (zh) 一种智能健康监测方法、系统及装置
CN107569212B (zh) 一种基于心率检测呼吸睡眠暂停综合征的设备和系统
EP3248126A1 (en) Intelligent personalized wearable monitoring and alerting electronic arrangement, system and method thereof
CN115295161B (zh) 一种基于毫米波雷达的疗养监护方法及系统
Khatami et al. Obstructive sleep apnea detection using ECG signal: A survey
Xu et al. Vital signs monitoring system based on piezoelectric film sensors

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
TR01 Transfer of patent right

Effective date of registration: 20240411

Address after: 071700 556, No. 131 Rongdong Minglang South Street, Rongcheng County, Xiong'an District, China (Hebei) Pilot Free Trade Zone, Baoding City, Hebei Province (self declared)

Patentee after: Jirun Technology (Xiongan) Co.,Ltd.

Country or region after: China

Address before: 407-3, Building 2, No. 379, Tayuan Road, High tech Zone, Suzhou City, Jiangsu Province, 215000

Patentee before: Kangyuan (Jiangsu) Technology Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right