CN117012355B - 一种基于ai的社区医疗入口联动系统 - Google Patents
一种基于ai的社区医疗入口联动系统 Download PDFInfo
- Publication number
- CN117012355B CN117012355B CN202311244055.2A CN202311244055A CN117012355B CN 117012355 B CN117012355 B CN 117012355B CN 202311244055 A CN202311244055 A CN 202311244055A CN 117012355 B CN117012355 B CN 117012355B
- Authority
- CN
- China
- Prior art keywords
- user
- human body
- evaluation value
- state evaluation
- preset
- 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
- 238000011156 evaluation Methods 0.000 claims abstract description 95
- 238000007405 data analysis Methods 0.000 claims abstract description 63
- 238000001514 detection method Methods 0.000 claims abstract description 36
- 239000008280 blood Substances 0.000 claims abstract description 29
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 28
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 28
- 239000001301 oxygen Substances 0.000 claims abstract description 28
- 210000004369 blood Anatomy 0.000 claims abstract description 27
- 230000036772 blood pressure Effects 0.000 claims abstract description 22
- 230000035487 diastolic blood pressure Effects 0.000 claims abstract description 18
- 230000035488 systolic blood pressure Effects 0.000 claims abstract description 18
- 230000007246 mechanism Effects 0.000 claims abstract description 14
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 22
- 238000012937 correction Methods 0.000 claims description 16
- 230000001815 facial effect Effects 0.000 claims description 9
- 230000036541 health Effects 0.000 abstract description 45
- 230000007423 decrease Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000037323 metabolic rate Effects 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 206010057175 Mass conditions Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- 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
- G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
-
- 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
-
- 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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及社区医疗技术领域，尤其涉及一种基于AI的社区医疗入口联动系统，包括包括检测机构、数据获取模块和数据分析模块，检测机构通过图像采集单元、血氧检测单元和血压检测单元获取用户的健康数据，数据分析模块采用卷积神经网络ResNet50预测身体质量指数，根据数据获取模块获取的血氧值、收缩压以及舒张压计算用户的人体状态评价值，并根据用户的身体质量指数确定是否对人体状态评价值进行调整，根据用户的年龄确定是否对预设第二相对差进行修正，本发明克服现有技术中对人体健康状况检测的精确度低，对社区内存在健康风险的区域监控的准确性差问题。
Description
技术领域
本发明涉及社区医疗技术领域，尤其涉及一种基于AI的社区医疗入口联动系统。
背景技术
随着互联网的发展和人工智能技术的应用，社区医疗服务已经发展到一个新的阶段。然而，传统的社区医疗服务仍然存在一些问题，如数据收集不全面，数据分析不准确，健康评估效果不理想等，例如，传统的社区医疗服务通常只关注用户的基本信息和基本的健康数据，如年龄、性别、体重等，而忽视了其他重要的健康指标，如血氧值、血压等。此外，传统的社区医疗服务通常只对收集到的数据进行简单的统计分析，而没有利用先进的数据分析技术，如人工智能和机器学习等，进行深度分析，导致健康评估的结果往往不够准确。
因此，如何利用人工智能技术提高社区医疗服务的数据收集和分析能力，以提高健康评估的准确性，是当前社区医疗服务领域面临的一个重要问题。
中国专利公开号：CN109949934A公开了一种利用AI算法评估身体健康状态的计算方法，包括有身体健康数据采集系统、身体健康数据存储系统和身体健康数据分析系统；身体健康数据采集系统采集患者的身体健康信息，生成身体健康信息信号输出至身体健康数据存储系统进行存储；身体健康数据存储系统，包括有健康档案建立模块；所述健康档案建立模块用于为测评对象建立个人健康档案，或者为测评机构建立机构健康档案；身体健康数据分析系统，进行身体健康数据基本运算，通过AI算法进行评估分析、评估计算、评估处理与评估储存身体健康状态。
由此可见，现有技术存在以下问题：传统的社区医疗由于对人体状态的评估单一，从而无法精确地检测人体的健康状况，无法同时根据社区内大量居民的健康状况精确地监控社区内存在健康风险的区域。
发明内容
为此，本发明提供一种基于AI的社区医疗入口联动系统，用以克服现有技术中对人体健康状况检测的精确度低，对社区内存在健康风险的区域监控的准确性差问题。
为实现上述目的，本发明提供一种基于AI的社区医疗入口联动系统，包括：
检测机构，其包括设置在检测机构的上部中间位置，用以采集用户的面部图像的图像采集单元；设置在检测机构左侧，用以检测用户的血氧值的血氧检测单元；设置在检测机构的右侧，用以检测用户的人体血压的收缩压以及人体血压的舒张压的血压检测单元；
数据获取模块，用以获取包括了用户住址，用户上一次检测的历史人体状态评价值以及用户年龄的用户数据，图像采集单元采集的用户的面部图像，血氧检测单元检测的用户的血氧值以及血压检测单元检测的用户的人体血压的收缩压和舒张压；
数据分析模块，用以根据数据获取模块获取的面部图像采用卷积神经网络ResNet50预测用户的身体质量指数，根据数据获取模块获取的所述血氧值、收缩压以及舒张压计算用户的人体状态评价值，并根据用户的身体质量指数确定是否对人体状态评价值进行调整，在对人体状态评价值调整完成时根据用户的年龄确定是否对预设第二相对差进行修正；
其中，所述数据分析模块根据所述人体状态评价值确定对用户数据进行预处理的预处理方式。
进一步地，所述数据分析模块根据以下公式计算人体状态评价值，设定
，
其中，P表示人体状态评价值，A表示血氧值，B1表示人体血压的收缩压，B01表示年龄段在50岁至65岁之间的人体的收缩压平均值，B2表示人体血压的舒张压，B02表示年龄段在50岁至65岁之间的人体的舒张压平均值。
进一步地，所述数据分析模块根据所述人体状态评价值确定对用户数据进行预处理的若干预处理方式，若干所述预处理方式包括将用户住址标记为关注节点的第一预处理方式以及根据所述人体状态评价值与用户上一次检测的历史人体状态评价值的第一相对差确定是否将用户住址标记为关注节点的第二预处理方式。
进一步地，所述数据分析模块在以第一预处理方式对用户数据进行预处理完成时，根据社区内若干关注节点的凸包的凸包面积确定对凸包进行处理的若干处理方式，若干所述处理方式包括计算凸包内若干关注节点的密度的第一处理方式以及将凸包的极点删除的第二处理方式；
所述数据分析模块在第一处理方式下，根据以下公式计算所述密度，设定
D=S/M，
其中，D表示凸包内若干关注节点的密度，S表示凸包内关注节点的数量，M表示凸包面积。
进一步地，所述数据分析模块在计算凸包内若干关注节点的密度完成时，将所述密度大于预设密度的凸包所覆盖区域判定为重点关注区域。
进一步地，所述数据分析模块在第二预处理方式下，确定第一相对差，以在所述第一相对差小于等于预设第一相对差条件下确定将用户住址标记为关注节点；
其中，所述第一相对差由人体状态评价值与用户上一次检测的历史人体状态评价值确定。
进一步地，所述数据分析模块相应预处理方式下，确定用户的身体质量指数，以在用户的身体质量指数大于预设身体质量指数条件下确定对人体状态评价值进行调整。
进一步地，所述数据分析模块在确定对人体状态评价值调整条件下根据第二相对差确定对人体状态评价值进行调整的调整系数；
其中，所述第二相对差由身体质量指数与预设身体质量指数确定。
进一步地，所述数据分析模块在对人体状态评价值调整完成时，确定用户的年龄，以在用户的年龄大于预设年龄条件下确定对预设第二相对差进行修正。
进一步地，所述数据分析模块在确定对预设第二相对差修正条件下，根据第三相对差确定对预设第二相对差进行修正的修正系数；
其中，所述第三相对差由所述年龄与预设年龄确定。
与现有技术相比，本发明的有益效果在于，本发明采用预设人体状态评价值能够提供更精确的人体状态评估结果，从而增强了对人体健康检测评估的精确性。
进一步地，本发明通过提供更加精确的人体状态评价值有效提高了评估的准确性，同时根据凸包的面积确定对凸包进行处理的方式，避免了极点的出现影响确定凸包覆盖区域的准确性。
进一步地，本发明通过比较关注节点的密度与预设密度，以有效区分需要紧密关注的区域，更准确地检测出存在健康风险的区域。
进一步地，本发明能够有效过滤掉健康状况稳定的用户，聚焦于健康状况下降明显的用户，更精准地检测出健康风险。
进一步地，本发明通过比较用户的身体质量指数与预设身体质量指数来决定是否需要调整人体状态评价值，从而进一步提高评估精确性，以更严格地评估用户身体质量状况，有利于提供更准确的健康评估。
进一步地，本发明确定需要调整人体状态评价值的情况下，所述数据分析模块通过第二相对差来确定采用不同的调整系数对人体状态评价值进行调整进一步提高评估精确性，提供更准确的健康评估结果。
进一步地，本发明通过考虑年龄因素修正第二相对差以为不同年龄的用户提供更准确的的健康评估，人体随着年龄增长，代谢速率降低，身体质量指数的正常范围更高，通过修正第二相对差提高评估的精确性。
进一步地，本发明通过考虑年龄因素修正第二相对差以为不同年龄的用户提供更准确的的健康评估，人体随着年龄增长，代谢速率降低，身体质量指数的正常范围更高，通过修正系数以更加精准地修正第二相对差，提高评估的精确性。
附图说明
图1为本发明实施例基于AI的社区医疗入口联动系统的结构图；
图2为本发明实施例基于AI的社区医疗入口联动系统的逻辑框图；
图中，1-检测机构，2-图像采集单元，3-血氧检测单元，4-血压检测单元。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
请参阅图1和图2所示，图1为本发明实施例基于AI的社区医疗入口联动系统的结构图；图2为本发明实施例基于AI的社区医疗入口联动系统的逻辑框图。
本发明实施例基于AI的社区医疗入口联动系统，包括：
检测机构1，其包括设置在检测机构的上部中间位置，用以采集用户的面部图像的图像采集单元2；设置在检测机构左侧，用以检测用户的血氧值A的血氧检测单元3；设置在检测机构的右侧，用以检测用户的人体血压的收缩压B1以及人体血压的舒张压B2的血压检测单元4；
数据获取模块，用以获取包括了用户住址，用户上一次检测的历史人体状态评价值P1以及用户年龄L的用户数据，图像采集单元采集的用户的面部图像，血氧检测单元检测的用户的血氧值A以及血压检测单元检测的用户的人体血压的收缩压B1和舒张压B2；
数据分析模块，用以根据数据获取模块获取的面部图像采用卷积神经网络ResNet50预测用户的身体质量指数BMI，根据数据获取模块获取的所述血氧值A、收缩压B1以及舒张压B2计算用户的人体状态评价值P，并根据用户的身体质量指数BMI确定是否对人体状态评价值P进行调整，在对人体状态评价值P调整完成时根据用户的年龄L确定是否对预设第二相对差△BMI0进行修正；
其中，所述数据分析模块根据所述人体状态评价值P确定对用户数据进行预处理的预处理方式。
本发明实施例中，图像采集单元为工业相机，血氧检测单元为血氧仪，血压检测单元为电子血压计，使用过程中，用户面对检测机构，将左臂放置在血氧检测单元上，将右臂放置在血压检测单元上，所述图像采集单元采集用户的面部图像，所述血氧检测单元检测用户的血氧值，所述血压检测单元检测用户的人体血压的收缩压以及人体血压的舒张压。
具体而言，所述数据分析模块根据以下公式计算人体状态评价值P，设定
，
其中，A表示血氧值，B1表示人体血压的收缩压，B01表示年龄段在50岁至65岁之间的人体的收缩压平均值，B2表示人体血压的舒张压，B02表示年龄段在50岁至65岁之间的人体的舒张压平均值。
具体而言，所述数据分析模块根据所述人体状态评价值P与预设人体状态评价值P0的比对结果确定对用户数据进行预处理的预处理方式；
若P≤P0，所述数据分析模块确定以第一预处理方式对用户数据进行预处理；
若P＞P0，所述数据分析模块确定以第二预处理方式对用户数据进行预处理。
其中，第一预处理方式为将用户住址标记为关注节点，第二预处理方式为根据所述人体状态评价值P与用户上一次检测的历史人体状态评价值P1的第一相对差△P确定是否将用户住址标记为关注节点。
本发明实施例中，预设人体状态评价值P0取值为1.2，预设人体状态评价值P0是在血氧值A为90%，血压评价系数为0.1的情况下取得的，本领域技术人员可以根据具体情况对预设人体状态评价值P0进行调整。
具体而言，本发明采用预设人体状态评价值能够提供更精确的人体状态评估结果，从而增强了对人体健康检测评估的精确性。
具体而言，所述数据分析模块在以第一预处理方式对用户数据进行预处理完成时，根据社区内若干关注节点的凸包的凸包面积M与预设凸包面积M0的比对结果确定对凸包进行处理的处理方式；
若M≤M0，所述数据分析模块确定以第一处理方式处理凸包；
若M＞M0，所述数据分析模块确定以第二处理方式处理凸包。
其中，第一处理方式为计算凸包内若干关注节点的密度，第二处理方式为将凸包的极点删除。
本发明实施例中，预设凸包面积M0为社区面积的30%，本领域技术人员可以根据具体情况对预设凸包面积M0进行调整。
具体而言，本发明通过提供更加精确的人体状态评价值有效提高了评估的准确性，同时根据凸包的面积确定对凸包进行处理的方式，避免了极点的出现影响确定凸包覆盖区域的准确性。
具体而言，所述数据分析模块在第一处理方式下，根据以下公式计算所述密度D，设定
D=S/M，
其中，S表示凸包内关注节点的数量。
具体而言，所述数据分析模块在计算凸包内若干关注节点的密度D完成时，根据所述密度D与预设密度D0的比对结果确定是否将凸包所覆盖区域判定为重点关注区域；
若D≤D0，所述数据分析模块确定不将凸包所覆盖区域判定为重点关注区域；
若D＞D0，所述数据分析模块确定将凸包所覆盖区域判定为重点关注区域。
本发明实施例中，预设密度D0为10个关注节点每平方公里，本领域技术人员可以根据具体情况对预设凸包面积M0进行调整。
具体而言，本发明通过比较关注节点的密度与预设密度，以有效区分需要紧密关注的区域，更准确地检测出存在健康风险的区域。
具体而言，所述数据分析模块在第二预处理方式下，计算所述人体状态评价值P与用户上一次检测的历史人体状态评价值P1的第一相对差△P，并根据所述第一相对差△P与预设第一相对差△P0的比对结果确定是否将用户住址标记为关注节点，设定△P=（P-P1）/P1；
若△P≤△P0，所述数据分析模块确定将用户住址标记为关注节点；
若△P＞△P0，所述数据分析模块确定不将用户住址标记为关注节点。
本发明实施例中，预设第一相对差△P0取值为-0.05，本领域技术人员可以根据具体情况对预设第一相对差△P0进行调整。
具体而言，本发明能够有效过滤掉健康状况稳定的用户，聚焦于健康状况下降明显的用户，更精准地检测出健康风险。
具体而言，所述数据分析模块相应预处理方式下，确定用户的身体质量指数，根据用户的身体质量指数BMI与预设身体质量指数BMI0的比对结果确定是否对人体状态评价值P进行调整；
若BMI≤BMI0，所述数据分析模块确定不对人体状态评价值P进行调整；
若BMI＞BMI0，所述数据分析模块确定对人体状态评价值P进行调整。
本发明实施例中，预设身体质量指数BMI0取值为23.9，预设身体质量指数BMI0取自成年人身体质量指数BMI正常范围的最大值，本领域技术人员可以根据具体情况对预设身体质量指数BMI0进行调整。
具体而言，本发明通过比较用户的身体质量指数与预设身体质量指数来决定是否需要调整人体状态评价值，从而进一步提高评估精确性，以更严格地评估用户身体质量状况，有利于提供更准确的健康评估。
具体而言，所述数据分析模块在确定对人体状态评价值P调整条件下，计算身体质量指数BMI与预设身体质量指数BMI0的第二相对差△BMI，并根据所述第二相对差△BMI与预设第二相对差△BMI0的比对结果确定对人体状态评价值P进行调整的调整系数ki，设定△BMI=（BMI-BMI0）/BMI0；
若△BMI≤△BMI0，所述数据分析模块确定以第一调整系数k1对人体状态评价值P进行调整；
若△BMI＞△BMI0，所述数据分析模块确定以第二调整系数k2对人体状态评价值P进行调整。
其中，0＜k2＜k1＜1，本发明实施例第一调整系数k1优选为0.9，第二调整系数k2优选为0.8。
将调整后的人体状态评价值P设置为Pp=P×ki，i=1，2。
本发明实施例中，预设第二相对差△BMI0取值为0.05，预设第二相对差△BMI0是在身体质量指数BMI为25的情况下取得的。
具体而言，本发明确定需要调整人体状态评价值的情况下，所述数据分析模块通过第二相对差来确定采用不同的调整系数对人体状态评价值进行调整进一步提高评估精确性，提供更准确的健康评估结果。
具体而言，所述数据分析模块在对人体状态评价值P调整完成时，根据用户的年龄L与预设年龄L0的比对结果确定是否对预设第二相对差△BMI0进行修正；
若L≤L0，所述数据分析模块确定不对预设第二相对差△BMI0进行修正；
若L＞L0，所述数据分析模块确定对预设第二相对差△BMI0进行修正。
本发明实施例中，预设年龄L0取值为55岁，本领域技术人员可以根据具体情况对预设年龄L0进行调整。
具体而言，本发明通过考虑年龄因素修正第二相对差以为不同年龄的用户提供更准确的的健康评估，人体随着年龄增长，代谢速率降低，身体质量指数的正常范围更高，通过修正第二相对差提高评估的精确性。
具体而言，所述数据分析模块在确定对预设第二相对差△BMI0修正条件下，计算所述年龄L与预设年龄L0的第三相对差△L，并根据所述第三相对差△L与预设第三相对差△L0的比对结果确定对预设第二相对差△BMI0进行修正的修正系数Xi，设定△L=（L-L0）/L0；
若△L≤△L0，所述数据分析模块确定以第一修正系数X1对预设第二相对差△BMI0进行修正；
若△L＞△L0，所述数据分析模块确定以第二修正系数X2对预设第二相对差△BMI0进行修正。
其中，第一修正系数X1=，第二修正系数X2=/>。
将修正后的预设第二相对差△BMI0设置为△BMI1=△BMI0×Xi，i=1，2。
本发明实施例中，预设第三相对差△L0取值为0.18，预设第三相对差△L0是在所述年龄L为65岁的情况取得的，本领域技术人员可以根据具体情况对预设第三相对差△L0进行调整。
具体而言，本发明通过考虑年龄因素修正第二相对差以为不同年龄的用户提供更准确的的健康评估，人体随着年龄增长，代谢速率降低，身体质量指数的正常范围更高，通过修正系数以更加精准地修正第二相对差，提高评估的精确性。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，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 (3)
1.一种基于AI的社区医疗入口联动系统，其特征在于，包括：
检测机构，其包括设置在检测机构的上部中间位置，用以采集用户的面部图像的图像采集单元；设置在检测机构左侧，用以检测所述用户的血氧值的血氧检测单元；设置在检测机构的右侧，用以检测所述用户的人体血压的收缩压以及人体血压的舒张压的血压检测单元；
数据获取模块，用以获取包括用户住址、所述用户上一次检测的历史人体状态评价值以及用户年龄的用户数据，图像采集单元采集所述用户的面部图像，血氧检测单元检测所述用户的血氧值以及血压检测单元检测所述用户的所述人体血压的收缩压和舒张压；
数据分析模块，用以根据所述数据获取模块获取的所述面部图像采用卷积神经网络ResNet50预测所述用户的身体质量指数，根据所述数据获取模块获取的所述血氧值、收缩压以及舒张压计算所述用户的人体状态评价值，根据所述人体状态评价值确定对所述用户数据进行预处理的预处理方式，并根据所述用户的身体质量指数确定是否对所述人体状态评价值进行调整，在对所述人体状态评价值调整完成时根据所述用户年龄确定是否对预设第二相对差进行修正；
其中，所述数据分析模块根据以下公式计算所述人体状态评价值，设定
，
其中，P表示人体状态评价值，A表示血氧值，B1表示人体血压的收缩压，B01表示年龄在(50,65)岁之间的人体的收缩压平均值，B2表示人体血压的舒张压，B02表示年龄在(50,65)岁之间的人体的舒张压平均值；
所述数据分析模块根据所述人体状态评价值确定对所述用户数据进行预处理的预处理方式包括若干预处理方式，所述若干预处理方式包括将所述用户住址标记为关注节点的第一预处理方式以及根据所述人体状态评价值与第一相对差的比对结果确定是否将用户住址标记为关注节点的第二预处理方式，其中，所述第一相对差由所述人体状态评价值与所述用户上一次检测的历史人体状态评价值确定；
所述数据分析模块在以所述第一预处理方式对用户数据进行预处理完成时，根据社区内若干关注节点的凸包的面积确定对凸包进行处理的若干处理方式，所述若干处理方式包括计算凸包内若干关注节点的密度的第一处理方式以及将凸包的极点删除的第二处理方式；
所述数据分析模块在所述第一处理方式下，根据以下公式计算所述密度，设定
D=S/M
其中，D表示凸包内若干关注节点的密度，S表示凸包内关注节点的数量，M表示凸包面积;
所述数据分析模块在计算凸包内若干关注节点的密度完成时，将所述密度大于预设密度的凸包所覆盖区域判定为重点关注区域;
所述数据分析模块在相应预处理方式下，确定所述用户的所述身体质量指数，根据所述用户的所述身体质量指数与预设身体质量指数的比对结果确定是否对所述人体状态评价值进行调整，所述数据分析模块在确定对所述人体状态评价值调整条件下，根据第二相对差与预设第二相对差的比对结果确定对人体状态评价值进行调整的调整系数，其中，设定△BMI=（BMI-BMI0）/BMI0，△BMI表示为第二相对差，BMI表示为身体质量指数，BMI0表示预设身体质量指数；
若△BMI≤△BMI0，所述数据分析模块确定以第一调整系数k1对所述人体状态评价值进行调整；
若△BMI＞△BMI0，所述数据分析模块确定以第二调整系数k2对所述人体状态评价值进行调整，其中，△BMI0表示为预设第二相对差，0＜k2＜k1＜1；
将调整后的人体状态评价值设置为Pp=P×ki，其中，Pp表示调整后的人体状态评价值，ki表示调整系数，i=1，2；
所述数据分析模块在对所述人体状态评价值调整完成时，确定用户年龄，以在用户年龄大于预设年龄条件下确定对预设第二相对差进行修正，所述数据分析模块在确定对预设第二相对差修正条件下，根据第三相对差确定对预设第二相对差进行修正的修正系数，其中，设定△L=（L-L0）/L0，△L表示为第三相对差，L表示年龄,L0表示预设年龄；
若△L≤△L0，所述数据分析模块确定以第一修正系数X1对预设第二相对差进行修正；
若△L＞△L0，所述数据分析模块确定以第二修正系数X2对预设第二相对差进行修正；
其中，第一修正系数，第二修正系数/>；
将修正后的预设第二相对差设置为△BMI1=△BMI0×Xn，其中Xn表示修正系数，n=1，2。
2.根据权利要求1所述的基于AI的社区医疗入口联动系统，其特征在于，所述数据分析模块在第二预处理方式下，确定第一相对差，以在所述第一相对差小于且等于预设第一相对差下确定将用户住址标记为关注节点。
3.根据权利要求2所述的基于AI的社区医疗入口联动系统，其特征在于，所述数据分析模块在相应预处理方式下，确定用户的身体质量指数，以在用户的身体质量指数大于预设身体质量指数条件下确定对人体状态评价值进行调整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311244055.2A CN117012355B (zh) | 2023-09-26 | 2023-09-26 | 一种基于ai的社区医疗入口联动系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311244055.2A CN117012355B (zh) | 2023-09-26 | 2023-09-26 | 一种基于ai的社区医疗入口联动系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117012355A CN117012355A (zh) | 2023-11-07 |
| CN117012355B true CN117012355B (zh) | 2023-12-15 |
Family
ID=88562054
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311244055.2A Active CN117012355B (zh) | 2023-09-26 | 2023-09-26 | 一种基于ai的社区医疗入口联动系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117012355B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105054902A (zh) * | 2015-08-28 | 2015-11-18 | 浪潮集团有限公司 | 一种新型体检机及其体质评估方法 |
| CN106777873A (zh) * | 2016-11-18 | 2017-05-31 | 苏州国科康成医疗科技有限公司 | 社区化智慧云健康服务系统 |
| CN109949934A (zh) * | 2018-11-15 | 2019-06-28 | 陕西医链区块链集团有限公司 | 一种利用ai算法评估身体健康状态的计算方法 |
| CN112908483A (zh) * | 2021-03-31 | 2021-06-04 | 重庆电子工程职业学院 | 一种智慧健康社区系统 |
| CN113409925A (zh) * | 2021-06-11 | 2021-09-17 | 杭州卓健信息科技股份有限公司 | 一种基于互联网的未来健康屋管理系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9378336B2 (en) * | 2011-05-16 | 2016-06-28 | Dacadoo Ag | Optical data capture of exercise data in furtherance of a health score computation |
| CA2932204A1 (en) * | 2015-06-25 | 2016-12-25 | Alaya Care Inc. | Method for predicting adverse events for home healthcare of remotely monitored patients |
-
2023
- 2023-09-26 CN CN202311244055.2A patent/CN117012355B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105054902A (zh) * | 2015-08-28 | 2015-11-18 | 浪潮集团有限公司 | 一种新型体检机及其体质评估方法 |
| CN106777873A (zh) * | 2016-11-18 | 2017-05-31 | 苏州国科康成医疗科技有限公司 | 社区化智慧云健康服务系统 |
| CN109949934A (zh) * | 2018-11-15 | 2019-06-28 | 陕西医链区块链集团有限公司 | 一种利用ai算法评估身体健康状态的计算方法 |
| CN112908483A (zh) * | 2021-03-31 | 2021-06-04 | 重庆电子工程职业学院 | 一种智慧健康社区系统 |
| CN113409925A (zh) * | 2021-06-11 | 2021-09-17 | 杭州卓健信息科技股份有限公司 | 一种基于互联网的未来健康屋管理系统 |
Non-Patent Citations (2)
| Title |
|---|
| Design and Implementation of Housing Healthy Rules Discovery and Evaluation System;Yu Chong-chong;《2009 International Forum on Computer Science-Technology and Applications》;第217-221页 * |
| 基于大数据的区域协同智慧健康管理平台系统研究;陈娇花;《电子技术与软件工程》(第21期);第202-205页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117012355A (zh) | 2023-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5388580B2 (ja) | ヒトの健康に関する残差ベースの管理 | |
| JP5647984B2 (ja) | 被検者の呼吸における呼吸不足を検出するシステム及び方法 | |
| US20050171451A1 (en) | System and method for managing growth and development of a user | |
| US20090325766A1 (en) | Exercise condition detection apparatus, exercise condition detection program, and exercise condition detection method | |
| GB2488316A (en) | Method for determining respiration rate from uncorrupted signal segments | |
| JP2005034472A (ja) | 急性増悪の発生予測方法 | |
| CN111166294B (zh) | 一种基于心跳间期的睡眠呼吸暂停自动检测方法及装置 | |
| KR101576526B1 (ko) | 재활운동 지원 장치 및 방법 | |
| US20100069795A1 (en) | Method and system for contour fitting and posture identification, and method for contour model adaptation | |
| US20120108910A1 (en) | Performing measurement of a subject | |
| CN115662631B (zh) | 基于ai智能判别的养老院管理系统 | |
| CN108492890A (zh) | 一种人体健康状态监测系统及方法 | |
| US20100312144A1 (en) | Systems and Methods for Predicting Potentially Difficult Intubation of a Subject | |
| CN114403847B (zh) | 基于腹部和肺部数据相关性的呼吸状态检测方法及系统 | |
| CN109935327B (zh) | 基于智能决策支持的高血压患者心血管危险分层评估方法 | |
| CN117012355B (zh) | 一种基于ai的社区医疗入口联动系统 | |
| CN110811638A (zh) | 一种用于监测睡眠的svm分类器构建方法、系统及方法 | |
| US10674967B2 (en) | Estimating body composition on a mobile device | |
| JP2003216740A (ja) | 健康管理方法、健康管理システム、健康管理プログラム、及び健康管理プログラムを記録した媒体 | |
| CN116612621A (zh) | 一种手表健康监测系统及监测方法 | |
| US20220138947A1 (en) | Method for assessing cardiothoracic ratio and cardiothoracic ratio assessment system | |
| CN113164101B (zh) | 一种呼吸中止检测系统、方法、计算设备和储存介质 | |
| Yaying et al. | Respiratory rate estimation via simultaneously tracking and segmentation | |
| CN115732068B (zh) | 基于物联网的淋巴水肿肢体体积测量数据管理系统及方法 | |
| Mubeen et al. | Deep learning of facial depth maps for obstructive sleep apnea Prediction |
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 |