CN117037993B - 智能化血压监测管理方法及系统 - Google Patents
智能化血压监测管理方法及系统 Download PDFInfo
- Publication number
- CN117037993B CN117037993B CN202311277560.7A CN202311277560A CN117037993B CN 117037993 B CN117037993 B CN 117037993B CN 202311277560 A CN202311277560 A CN 202311277560A CN 117037993 B CN117037993 B CN 117037993B
- Authority
- CN
- China
- Prior art keywords
- blood pressure
- data information
- curve
- user
- time period
- 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
- 230000036772 blood pressure Effects 0.000 title claims abstract description 379
- 238000012544 monitoring process Methods 0.000 title claims abstract description 43
- 238000007726 management method Methods 0.000 title abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012937 correction Methods 0.000 claims description 69
- 238000012549 training Methods 0.000 claims description 64
- 230000007613 environmental effect Effects 0.000 claims description 27
- 238000009499 grossing Methods 0.000 claims description 27
- 230000011218 segmentation Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 17
- 238000003062 neural network model Methods 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 10
- 238000013145 classification model Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 238000006467 substitution reaction 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
- 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
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Cardiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- Surgery (AREA)
- Primary Health Care (AREA)
- Physiology (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Vascular Medicine (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请涉及血压检测技术领域,提供一种智能化血压监测管理方法及系统,其中,该方法包括:基于用户在预设时间段内的血压数据信息、用户的用户数据、获取血压数据信息的标识码得到目标血压数据信息,并基于目标血压数据信息绘制用户在预设时间段内的血压变化曲线;在预设的标准血压曲线数据库中获取与预设时间段对应的标准血压变化曲线;基于血压变化曲线和标准血压变化曲线判断在预设时间段内用户的血压是否出现异常;若在预设时间段内用户的血压出现异常,获取用户在预设时间段内的行为信息,并基于行为信息为用户生成健康指导方案,及将健康指导方案发送至智能手环。采用该方法可以提高血压监测管理的便捷性。
Description
技术领域
本申请涉及血压检测技术领域,尤其涉及一种智能化血压监测管理方法及系统。
背景技术
血压监测是衡量人体健康状况的重要指标之一。特别是对于患有高血压或相关疾病的个体来说,有效管理血压至关重要,传统的血压监测方法需要使用专门的血压计进行定期测量,然后将数据记录下来。然而,这种血压监测方法比较麻烦。随着人们生活节奏的提高,人们对于便捷地监测血压的需求也在不断增加。
发明内容
本申请提供一种智能化血压监测管理方法及系统,以实现在用户的日常生活中对用户的血压进行自动化监控。
第一方面,本申请提供一种智能化血压监测管理方法,包括:
获取用户的用户数据,并通过智能手环获取所述用户在预设时间段内的血压数据信息,及获取所述智能手环的标识码;其中,所述用户佩戴所述智能手环;
基于所述标识码在预设的血压数据信息修正模型数据库中获取与所述智能手环匹配的血压数据信息修正模型,并基于所述血压数据信息修正模型对所述血压数据信息进行修正,得到中间血压数据信息;
基于所述用户数据对所述中间血压数据信息进行优化处理,得到目标血压数据信息,并基于所述目标血压数据信息绘制所述用户在所述预设时间段内的血压变化曲线;
在预设的标准血压曲线数据库中获取与所述预设时间段对应的标准血压变化曲线;
基于所述血压变化曲线和所述标准血压变化曲线判断在所述预设时间段内所述用户的血压是否出现异常;
若在所述预设时间段内所述用户的血压出现异常,获取所述用户在所述预设时间段内的行为信息,并基于所述行为信息为所述用户生成健康指导方案,及将所述健康指导方案发送至所述智能手环。
在一种实现方式中,所述通过智能手环获取用户在预设时间段内的血压数据信息,包括:
通过所述智能手环获取所述用户在所述预设时间段内的脉搏数据信息;
基于所述脉搏数据信息绘制所述用户在所述预设时间段内的脉搏波;
基于所述脉搏波获取所述血压数据信息。
在一种实现方式中,所述血压数据信息修正模型的训练方法,包括:
获取训练数据集;其中,所述训练数据集包括多个数据对,所述数据对为同时采用所述智能手环检测的第一血压值和采用血压计检测的第二血压值之间的匹配关系;
基于预设的样本分类模型将所述训练数据集分为第一训练集、第二训练集;其中,所述第一训练集中的每个所述数据对对应的所述第一血压值小于所述第二血压值,所述第二训练集中的每个所述数据对对应的所述第一血压值不小于所述第二血压值;
构建第一神经网络模型,并基于所述第一训练集对所述第一神经网络模型进行训练,得到第一中间血压数据信息修正模型;
构建第二神经网络模型,并基于所述第二训练集对所述第二神经网络模型进行训练,得到第二中间血压数据信息修正模型;
基于预设的数据分布特征提取模型获取第一数据分布特征和第二数据分布特征;其中,所述第一数据分布特征为所述第一训练集中的所述第一血压值的分布特征,所述第二数据分布特征为所述第二训练集中的所述第一血压值的分布特征;
基于所述第一数据分布特征对所述第一中间血压数据信息修正模型进行定义,并基于所述第二数据分布特征对所述第二中间血压数据信息修正模型进行定义;
基于定义后的所述第一中间血压数据信息修正模型和定义后的所述第二中间血压数据信息修正模型,生成所述血压数据信息修正模型。
在一种实现方式中,所述用户数据包括所述用户在所述预设时间段内所处的地理位置信息,所述基于所述用户数据对所述中间血压数据信息进行优化处理,包括:
基于所述地理位置信息获取所述用户在所述预设时间段内所处的环境信息;其中,所述环境信息包括多个环境参数;
针对每个所述环境参数,在预设的血压数据信息优化数据库中获取与所述环境参数对应的血压数据信息优化策略;
基于所有所述血压数据信息优化策略对所述中间血压数据信息进行优化处理。
在一些实施例中,所述基于所述血压变化曲线和所述标准血压变化曲线判断在所述预设时间段内所述用户的血压是否出现异常,包括:
分别对所述血压变化曲线和所述标准血压变化曲线进行平滑处理,得到平滑处理后的所述血压变化曲线和所述标准血压变化曲线;
在预设的曲线分割数据库中获取与所述预设时间段对应的曲线分割模型;
基于所述曲线分割模型分别对平滑处理后的所述血压变化曲线和所述标准血压变化曲线进行分割,得到第一曲线集和第二曲线集;其中,所述第一曲线集为平滑处理后的所述血压变化曲线对应的曲线集,所述第二曲线集为平滑处理后的所述标准血压变化曲线对应的曲线集;
针对所述第一曲线集中的每个第一曲线,在所述第二曲线集中获取与所述第一曲线对应的第二曲线,并计算所述第一曲线与所述第二曲线之间的相似度,及将所述相似度与预设相似度进行比较;
若存在任一所述相似度小于所述预设相似度,确定在所述预设时间段内所述用户的血压出现异常。
第二方面,本申请提供一种智能化血压监测管理系统,包括:
第一获取模块,用于获取用户的用户数据,并通过智能手环获取所述用户在预设时间段内的血压数据信息,及获取所述智能手环的标识码;其中,所述用户佩戴所述智能手环;
第二获取模块,用于基于所述标识码在预设的血压数据信息修正模型数据库中获取与所述智能手环匹配的血压数据信息修正模型,并基于所述血压数据信息修正模型对所述血压数据信息进行修正,得到中间血压数据信息;
处理模块,用于基于所述用户数据对所述中间血压数据信息进行优化处理,得到目标血压数据信息,并基于所述目标血压数据信息绘制所述用户在所述预设时间段内的血压变化曲线;
第三获取模块,用于在预设的标准血压曲线数据库中获取与所述预设时间段对应的标准血压变化曲线;
判断模块,用于基于所述血压变化曲线和所述标准血压变化曲线判断在所述预设时间段内所述用户的血压是否出现异常;
生成模块,用于若在所述预设时间段内所述用户的血压出现异常,获取所述用户在所述预设时间段内的行为信息,并基于所述行为信息为所述用户生成健康指导方案,及将所述健康指导方案发送至所述智能手环。
在一种实现方式中,所述第一获取模块,包括:
第一获取单元,用于通过所述智能手环获取所述用户在所述预设时间段内的脉搏数据信息;
绘制单元,用于基于所述脉搏数据信息绘制所述用户在所述预设时间段内的脉搏波;
第二获取单元,用于基于所述脉搏波获取所述血压数据信息。
在一种实现方式中,所述用户数据包括所述用户在所述预设时间段内所处的地理位置信息,所述处理模块,包括:
第三获取单元,用于基于所述地理位置信息获取所述用户在所述预设时间段内所处的环境信息;其中,所述环境信息包括多个环境参数;
第四获取单元,用于针对每个所述环境参数,在预设的血压数据信息优化数据库中获取与所述环境参数对应的血压数据信息优化策略;
第一处理单元,用于基于所有所述血压数据信息优化策略对所述中间血压数据信息进行优化处理。
在一种实现方式中,所述判断模块,包括:
第二处理单元,用于分别对所述血压变化曲线和所述标准血压变化曲线进行平滑处理,得到平滑处理后的所述血压变化曲线和所述标准血压变化曲线;
第五获取单元,用于基于所述预设时间段在预设的曲线分割数据库中获取与所述预设时间段对应的曲线分割模型;
分割单元,用于基于所述曲线分割模型分别对平滑处理后的所述血压变化曲线和所述标准血压变化曲线进行分割,得到第一曲线集和第二曲线集;其中,所述第一曲线集为平滑处理后的所述血压变化曲线对应的曲线集,所述第二曲线集为平滑处理后的所述标准血压变化曲线对应的曲线集;
计算单元,用于针对所述第一曲线集中的每个第一曲线,在所述第二曲线集中获取与所述第一曲线对应的第二曲线,并计算所述第一曲线与所述第二曲线之间的相似度,及将所述相似度与预设相似度进行比较;
确定单元,用于若存在任一所述相似度小于所述预设相似度,确定在所述预设时间段内所述用户的血压出现异常。
本申请提供了智能化血压监测管理方法及系统,其中,所述方法包括获取用户的用户数据,并通过智能手环获取所述用户在预设时间段内的血压数据信息,及获取所述智能手环的标识码;其中,所述用户佩戴所述智能手环;基于所述标识码在预设的血压数据信息修正模型数据库中获取与所述智能手环匹配的血压数据信息修正模型,并基于所述血压数据信息修正模型对所述血压数据信息进行修正,得到中间血压数据信息;基于所述用户数据对所述中间血压数据信息进行优化处理,得到目标血压数据信息,并基于所述目标血压数据信息绘制所述用户在所述预设时间段内的血压变化曲线;在预设的标准血压曲线数据库中获取与所述预设时间段对应的标准血压变化曲线;基于所述血压变化曲线和所述标准血压变化曲线判断在所述预设时间段内所述用户的血压是否出现异常;若在所述预设时间段内所述用户的血压出现异常,获取所述用户在所述预设时间段内的行为信息,并基于所述行为信息为所述用户生成健康指导方案,及将所述健康指导方案发送至所述智能手环。采用该实施例的方法,一方面,可以实现在日常生活中对所述用户的血压进行自动化监控,提高了血压监控的便捷性,另一方面,可以在血压出现异常时,基于所述用户的行为信息为所述用户生成健康指导方案,并将所述健康指导方案发送至所述用户佩戴的智能手环,提高了所述用户的健康管理意识。
附图说明
为了更清楚地说明本发明实施例的技术方案,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为本申请实施例提供的智能化血压监测管理方法的流程示意图;
图2为本申请实施例提供的智能化血压监测管理系统的结构示意性框图。
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的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。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。
还应当理解,在此本申请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申请。如在本申请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,在本申请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。
血压监测是衡量人体健康状况的重要指标之一。特别是对于患有高血压或相关疾病的个体来说,有效管理血压至关重要,传统的血压监测方法需要使用专门的血压计进行定期测量,然后将数据记录下来。然而,这种血压监测方法比较麻烦。随着人们生活节奏的提高,人们对于便捷地监测血压的需求也在不断增加。为此,本申请实施例提供一种智能化血压监测管理方法及系统。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述实施例及实施例中的特征可以相互结合。
请参阅图1,图1为本申请实施例提供的智能化血压监测管理方法的流程示意图,如图1所示,本申请实施例提供的智能化血压监测管理方法包括步骤S100至步骤S600。
步骤S100、获取用户的用户数据,并通过智能手环获取所述用户在预设时间段内的血压数据信息,及获取所述智能手环的标识码;其中,所述用户佩戴所述智能手环。
其中,所述预设时间段为一天中的任一特定时间段,例如,上午7:00至上午9:00、上午9:00至上午11:00、上午11:00至下午1:00。
步骤S200、基于所述标识码在预设的血压数据信息修正模型数据库中获取与所述智能手环匹配的血压数据信息修正模型,并基于所述血压数据信息修正模型对所述血压数据信息进行修正,得到中间血压数据信息。
可以理解地,基于所述血压数据信息修正模型对所述血压数据信息进行修正,可以提高所述血压数据信息的真实性。
可以理解地,所述智能手环并不能直接测量用户的血压,因此,通过所述智能手环获取的所述血压数据信息与所述用户的真实血压数据信息存在较大的误差,而不同的智能手环各自获取到的所述血压数据信息与真实血压数据信息之间的误差程度是不同的,因此,针对所述智能手环,需要训练与其匹配的所述血压数据信息修正模型,并将训练得到的所述血压数据信息修正模型与所述智能手环的标识码之间的匹配关系存储至所述血压数据信息修正模型数据库中,关于所述血压数据信息修正模型的具体训练方法在下文中有详细介绍,这里不再赘述。
步骤S300、基于所述用户数据对所述中间血压数据信息进行优化处理,得到目标血压数据信息,并基于所述目标血压数据信息绘制所述用户在所述预设时间段内的血压变化曲线。
其中,所述用户数据包括但不限于所述用户的年龄、性别以及所述用户在所述预设时间段内所处的位置信息。
可以理解地,所述用户数据会对所述用户在预设时间段内的标准血压值产生影响,基于所述用户数据对所述中间血压数据信息进行优化处理的目的是使所述目标数据信息更加符合评价标准,从而提高血压监测管理的精确性。
步骤S400、在预设的标准血压曲线数据库中获取与所述预设时间段对应的标准血压变化曲线。
可以理解地,在每天的不同时间段人体正常血压值的变化趋势是不同的,因此,在一天的不同时间段需要设置不同的标准血压变化曲线。
步骤S500、基于所述血压变化曲线和所述标准血压变化曲线判断在所述预设时间段内所述用户的血压是否出现异常。
步骤S600、若在所述预设时间段内所述用户的血压出现异常,获取所述用户在所述预设时间段内的行为信息,并基于所述行为信息为所述用户生成健康指导方案,及将所述健康指导方案发送至所述智能手环。
其中,所述行为信息包括所述用户在所述预设时间段内的饮食信息、活动信息和睡眠信息等。
需要说明的是,在每天中的任一所述预设时间段都要采用步骤S100至步骤S600的方法对用户的血压进行监测。
采用本实施例的方法,一方面,可以实现在日常生活中对所述用户的血压进行自动化监控,提高了血压监控的便捷性,另一方面,可以在血压出现异常时,基于所述用户的行为信息为所述用户生成健康指导方案,并将所述健康指导方案发送至所述用户佩戴的智能手环,能够及时提醒所述用户注意自己的日常行为,提高了所述用户的健康管理意识。
在一些实施例中,所述通过智能手环获取用户在预设时间段内的血压数据信息,包括以下步骤:
通过所述智能手环获取所述用户在所述预设时间段内的脉搏数据信息;
基于所述脉搏数据信息绘制所述用户在所述预设时间段内的脉搏波;
基于所述脉搏波获取所述血压数据信息。
该实施例通过所述智能手环获取所述用户在所述预设时间段内的脉搏数据信息,并基于所述脉搏数据信息绘制所述用户在所述预设时间段内的脉搏波,及基于所述脉搏波获取所述血压数据信息,可以对所述用户在所述预设时间段内的血压数据信息进行全面的评估,从而提高血压监测管理的精确性。
在一些实施例中,所述血压数据信息修正模型的训练方法,包括以下步骤:
获取训练数据集;其中,所述训练数据集包括多个数据对,所述数据对为同时采用所述智能手环检测的第一血压值和采用血压计检测的第二血压值之间的匹配关系;
基于预设的样本分类模型将所述训练数据集分为第一训练集、第二训练集;其中,所述第一训练集中的每个所述数据对对应的所述第一血压值小于所述第二血压值,所述第二训练集中的每个所述数据对对应的所述第一血压值不小于所述第二血压值;
构建第一神经网络模型,并基于所述第一训练集对所述第一神经网络模型进行训练,得到第一中间血压数据信息修正模型;
构建第二神经网络模型,并基于所述第二训练集对所述第二神经网络模型进行训练,得到第二中间血压数据信息修正模型;
基于预设的数据分布特征提取模型获取第一数据分布特征和第二数据分布特征;其中,所述第一数据分布特征为所述第一训练集中的所述第一血压值的分布特征,所述第二数据分布特征为所述第二训练集中的所述第一血压值的分布特征;
基于所述第一数据分布特征对所述第一中间血压数据信息修正模型进行定义,并基于所述第二数据分布特征对所述第二中间血压数据信息修正模型进行定义;
基于定义后的所述第一中间血压数据信息修正模型和定义后的所述第二中间血压数据信息修正模型,生成所述血压数据信息修正模型。
需要说明的是,基于所述第一数据分布特征对所述第一中间血压数据信息修正模型进行定义是为了限定所述第一中间血压数据信息修正模型的使用范围,相应地,基于所述第二数据分布特征对所述第二中间血压数据信息修正模型进行定义为了限定所述第一中间血压数据信息修正模型的使用范围,可以理解地,所述血压数据信息包括多个血压值,在基于所述血压数据信息修正模型对所述血压数据信息进行修正时,若某一所述血压值符合所述第一数据分布特征,则利用所述第一中间血压数据信息修正模型对所述血压值进行修正,若某一所述血压值符合所述第二数据分布特征,则利用所述第二中间血压数据信息修正模型对所述血压值进行修正。
本实施例通过将所述训练数据集分为所述第一训练数据集和所述第二训练数据集,并分别基于所述第一训练数据集和所述第二训练数据集得到所述第一中间血压数据信息修正模型和所述第二中间血压数据信息修正模型,及基于所述第一数据分布特征对所述第一中间血压数据信息修正模型进行定义,基于所述第二数据分布特征对所述第二中间血压数据信息修正模型进行定义,提高了所述血压数据信息修正模型的训练效果,使所述血压数据信息修正模型在对血压数据信息进行修正时,可以根据血压值的分布特征,选择与血压值的分布特征匹配的修正方案对血压值进行修正,可以提高所述血压数据信息的准确性,从而提高血压监测管理方法的精确性。
在一些实施例中,所述用户数据包括所述用户在所述预设时间段内所处的地理位置信息,所述基于所述用户数据对所述中间血压数据信息进行优化处理,包括以下步骤:
基于所述地理位置信息获取所述用户在所述预设时间段内所处的环境信息;其中,所述环境信息包括多个环境参数;
针对每个所述环境参数,在预设的血压数据信息优化数据库中获取与所述环境参数对应的血压数据信息优化策略;
基于所有所述血压数据信息优化策略对所述中间血压数据信息进行优化处理。
其中,所述环境参数包括但不限于温度、湿度、海拔高度等。
可以理解地,任一所述环境参数都会对所述用户在所述预设时间段内的标准血压值产生影响,通过任一所述环境参数对应的所述血压数据信息优化策略分别对所述中间血压数据信息进行优化处理,可以使得到的所述血压数据信息更加符合评价标准,从而提高血压监测管理的精确性。
在一些实施例中,所述基于所述血压变化曲线和所述标准血压变化曲线判断在所述预设时间段内所述用户的血压是否出现异常,包括:
分别对所述血压变化曲线和所述标准血压变化曲线进行平滑处理,得到平滑处理后的所述血压变化曲线和所述标准血压变化曲线;
在预设的曲线分割数据库中获取与所述预设时间段对应的曲线分割模型;
基于所述曲线分割模型分别对平滑处理后的所述血压变化曲线和所述标准血压变化曲线进行分割,得到第一曲线集和第二曲线集;其中,所述第一曲线集为平滑处理后的所述血压变化曲线对应的曲线集,所述第二曲线集为平滑处理后的所述标准血压变化曲线对应的曲线集;
针对所述第一曲线集中的每个第一曲线,在所述第二曲线集中获取与所述第一曲线对应的第二曲线,并计算所述第一曲线与所述第二曲线之间的相似度,及将所述相似度与预设相似度进行比较;
若存在任一所述相似度小于所述预设相似度,确定在所述预设时间段内所述用户的血压出现异常。
可以理解地,所述第一曲线集中的第一曲线的数量和所述第二曲线集中的第二曲线的数量相同,所述第一曲线集中的第一曲线和所述第二曲线集中的第二曲线是一一对应的关系。
本实施例的方法通过基于所述曲线分割模型分别对平滑处理后的所述血压变化曲线和所述标准血压变化曲线进行分割,得到第一曲线集和第二曲线集,并针对所述第一曲线集中的每个第一曲线,在所述第二曲线集中获取与所述第一曲线对应的第二曲线,并计算所述第一曲线与所述第二曲线之间的相似度,及将所述相似度与预设相似度进行比较,及在若存在任一所述相似度小于所述预设相似度时,确定在所述预设时间段内所述用户的血压出现异常,提高了对所述用户在所述预设时间段内的血压是否出现异常的判断的准确性,从而提高了血压监测管理的精确性。
请参阅图2,图2为本申请实施例提供的智能化血压监测管理系统100的结构示意性框图,如图2所示,智能化血压监测管理系统100,包括:
第一获取模块110,用于获取用户的用户数据,并通过智能手环获取所述用户在预设时间段内的血压数据信息,及获取所述智能手环的标识码;其中,所述用户佩戴所述智能手环。
第二获取模块120,用于基于所述标识码在预设的血压数据信息修正模型数据库中获取与所述智能手环匹配的血压数据信息修正模型,并基于所述血压数据信息修正模型对所述血压数据信息进行修正,得到中间血压数据信息。
处理模块130,用于基于所述用户数据对所述中间血压数据信息进行优化处理,得到目标血压数据信息,并基于所述目标血压数据信息绘制所述用户在所述预设时间段内的血压变化曲线。
第三获取模块140,用于在预设的标准血压曲线数据库中获取与所述预设时间段对应的标准血压变化曲线。
判断模块150,用于基于所述血压变化曲线和所述标准血压变化曲线判断在所述预设时间段内所述用户的血压是否出现异常。
生成模块160,用于若在所述预设时间段内所述用户的血压出现异常,获取所述用户在所述预设时间段内的行为信息,并基于所述行为信息为所述用户生成健康指导方案,及将所述健康指导方案发送至所述智能手环。
在一些实施例中,第一获取模块110,包括:
第一获取单元,用于通过所述智能手环获取所述用户在所述预设时间段内的脉搏数据信息。
绘制单元,用于基于所述脉搏数据信息绘制所述用户在所述预设时间段内的脉搏波。
第二获取单元,用于基于所述脉搏波获取所述血压数据信息。
在一些实施例中,所述用户数据包括所述用户在所述预设时间段内所处的地理位置信息,处理模块130,包括:
第三获取单元,用于基于所述地理位置信息获取所述用户在所述预设时间段内所处的环境信息;其中,所述环境信息包括多个环境参数。
第四获取单元,用于针对每个所述环境参数,在预设的血压数据信息优化数据库中获取与所述环境参数对应的血压数据信息优化策略。
第一处理单元,用于基于所有所述血压数据信息优化策略对所述中间血压数据信息进行优化处理。
在一些实施例中,判断模块150,包括:
第二处理单元,用于分别对所述血压变化曲线和所述标准血压变化曲线进行平滑处理,得到平滑处理后的所述血压变化曲线和所述标准血压变化曲线。
第五获取单元,用于基于所述预设时间段在预设的曲线分割数据库中获取与所述预设时间段对应的曲线分割模型。
分割单元,用于基于所述曲线分割模型分别对平滑处理后的所述血压变化曲线和所述标准血压变化曲线进行分割,得到第一曲线集和第二曲线集;其中,所述第一曲线集为平滑处理后的所述血压变化曲线对应的曲线集,所述第二曲线集为平滑处理后的所述标准血压变化曲线对应的曲线集。
计算单元,用于针对所述第一曲线集中的每个第一曲线,在所述第二曲线集中获取与所述第一曲线对应的第二曲线,并计算所述第一曲线与所述第二曲线之间的相似度,及将所述相似度与预设相似度进行比较。
确定单元,用于若存在任一所述相似度小于所述预设相似度,确定在所述预设时间段内所述用户的血压出现异常。
需要说明的是,所属技术领域的技术人员可以清楚了解到,为了描述的方便和简洁,上述描述的装置和各个模块及单元的具体工作过程,可以参考前述智能化血压监测管理方法实施例中的对应过程,在此不再赘述。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,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申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种智能化血压监测管理方法,其特征在于,包括:
获取用户的用户数据,并通过智能手环获取所述用户在预设时间段内的血压数据信息,及获取所述智能手环的标识码;其中,所述用户佩戴所述智能手环;
基于所述标识码在预设的血压数据信息修正模型数据库中获取与所述智能手环匹配的血压数据信息修正模型,并基于所述血压数据信息修正模型对所述血压数据信息进行修正,得到中间血压数据信息;
基于所述用户数据对所述中间血压数据信息进行优化处理,得到目标血压数据信息,并基于所述目标血压数据信息绘制所述用户在所述预设时间段内的血压变化曲线;
在预设的标准血压曲线数据库中获取与所述预设时间段对应的标准血压变化曲线;
基于所述血压变化曲线和所述标准血压变化曲线判断在所述预设时间段内所述用户的血压是否出现异常;
若在所述预设时间段内所述用户的血压出现异常,获取所述用户在所述预设时间段内的行为信息,并基于所述行为信息为所述用户生成健康指导方案,及将所述健康指导方案发送至所述智能手环;
其中,所述血压数据信息修正模型的训练方法,包括:
获取训练数据集;其中,所述训练数据集包括多个数据对,所述数据对为同时采用所述智能手环检测的第一血压值和采用血压计检测的第二血压值之间的匹配关系;
基于预设的样本分类模型将所述训练数据集分为第一训练集、第二训练集;其中,所述第一训练集中的每个所述数据对对应的所述第一血压值小于所述第二血压值,所述第二训练集中的每个所述数据对对应的所述第一血压值不小于所述第二血压值;
构建第一神经网络模型,并基于所述第一训练集对所述第一神经网络模型进行训练,得到第一中间血压数据信息修正模型;
构建第二神经网络模型,并基于所述第二训练集对所述第二神经网络模型进行训练,得到第二中间血压数据信息修正模型;
基于预设的数据分布特征提取模型获取第一数据分布特征和第二数据分布特征;其中,所述第一数据分布特征为所述第一训练集中的所述第一血压值的分布特征,所述第二数据分布特征为所述第二训练集中的所述第一血压值的分布特征;
基于所述第一数据分布特征对所述第一中间血压数据信息修正模型进行定义,并基于所述第二数据分布特征对所述第二中间血压数据信息修正模型进行定义;
基于定义后的所述第一中间血压数据信息修正模型和定义后的所述第二中间血压数据信息修正模型,生成所述血压数据信息修正模型。
2.根据权利要求1所述的智能化血压监测管理方法,其特征在于,所述通过智能手环获取用户在预设时间段内的血压数据信息,包括:
通过所述智能手环获取所述用户在所述预设时间段内的脉搏数据信息;
基于所述脉搏数据信息绘制所述用户在所述预设时间段内的脉搏波;
基于所述脉搏波获取所述血压数据信息。
3.根据权利要求1所述的智能化血压监测管理方法,其特征在于,所述用户数据包括所述用户在所述预设时间段内所处的地理位置信息,所述基于所述用户数据对所述中间血压数据信息进行优化处理,包括:
基于所述地理位置信息获取所述用户在所述预设时间段内所处的环境信息;其中,所述环境信息包括多个环境参数;
针对每个所述环境参数,在预设的血压数据信息优化数据库中获取与所述环境参数对应的血压数据信息优化策略;
基于所有所述血压数据信息优化策略对所述中间血压数据信息进行优化处理。
4.根据权利要求1所述的智能化血压监测管理方法,其特征在于,所述基于所述血压变化曲线和所述标准血压变化曲线判断在所述预设时间段内所述用户的血压是否出现异常,包括:
分别对所述血压变化曲线和所述标准血压变化曲线进行平滑处理,得到平滑处理后的所述血压变化曲线和所述标准血压变化曲线;
在预设的曲线分割数据库中获取与所述预设时间段对应的曲线分割模型;
基于所述曲线分割模型分别对平滑处理后的所述血压变化曲线和所述标准血压变化曲线进行分割,得到第一曲线集和第二曲线集;其中,所述第一曲线集为平滑处理后的所述血压变化曲线对应的曲线集,所述第二曲线集为平滑处理后的所述标准血压变化曲线对应的曲线集;
针对所述第一曲线集中的每个第一曲线,在所述第二曲线集中获取与所述第一曲线对应的第二曲线,并计算所述第一曲线与所述第二曲线之间的相似度,及将所述相似度与预设相似度进行比较;
若存在任一所述相似度小于所述预设相似度,确定在所述预设时间段内所述用户的血压出现异常。
5.一种智能化血压监测管理系统,其特征在于,包括:
第一获取模块,用于获取用户的用户数据,并通过智能手环获取所述用户在预设时间段内的血压数据信息,及获取所述智能手环的标识码;其中,所述用户佩戴所述智能手环;
第二获取模块,用于基于所述标识码在预设的血压数据信息修正模型数据库中获取与所述智能手环匹配的血压数据信息修正模型,并基于所述血压数据信息修正模型对所述血压数据信息进行修正,得到中间血压数据信息;
处理模块,用于基于所述用户数据对所述中间血压数据信息进行优化处理,得到目标血压数据信息,并基于所述目标血压数据信息绘制所述用户在所述预设时间段内的血压变化曲线;
第三获取模块,用于在预设的标准血压曲线数据库中获取与所述预设时间段对应的标准血压变化曲线;
判断模块,用于基于所述血压变化曲线和所述标准血压变化曲线判断在所述预设时间段内所述用户的血压是否出现异常;
生成模块,用于若在所述预设时间段内所述用户的血压出现异常,获取所述用户在所述预设时间段内的行为信息,并基于所述行为信息为所述用户生成健康指导方案,及将所述健康指导方案发送至所述智能手环;
其中,所述血压数据信息修正模型的训练方法,包括:
获取训练数据集;其中,所述训练数据集包括多个数据对,所述数据对为同时采用所述智能手环检测的第一血压值和采用血压计检测的第二血压值之间的匹配关系;
基于预设的样本分类模型将所述训练数据集分为第一训练集、第二训练集;其中,所述第一训练集中的每个所述数据对对应的所述第一血压值小于所述第二血压值,所述第二训练集中的每个所述数据对对应的所述第一血压值不小于所述第二血压值;
构建第一神经网络模型,并基于所述第一训练集对所述第一神经网络模型进行训练,得到第一中间血压数据信息修正模型;
构建第二神经网络模型,并基于所述第二训练集对所述第二神经网络模型进行训练,得到第二中间血压数据信息修正模型;
基于预设的数据分布特征提取模型获取第一数据分布特征和第二数据分布特征;其中,所述第一数据分布特征为所述第一训练集中的所述第一血压值的分布特征,所述第二数据分布特征为所述第二训练集中的所述第一血压值的分布特征;
基于所述第一数据分布特征对所述第一中间血压数据信息修正模型进行定义,并基于所述第二数据分布特征对所述第二中间血压数据信息修正模型进行定义;
基于定义后的所述第一中间血压数据信息修正模型和定义后的所述第二中间血压数据信息修正模型,生成所述血压数据信息修正模型。
6.根据权利要求5所述的智能化血压监测管理系统,其特征在于,所述第一获取模块,包括:
第一获取单元,用于通过所述智能手环获取所述用户在所述预设时间段内的脉搏数据信息;
绘制单元,用于基于所述脉搏数据信息绘制所述用户在所述预设时间段内的脉搏波;
第二获取单元,用于基于所述脉搏波获取所述血压数据信息。
7.根据权利要求5所述的智能化血压监测管理系统,其特征在于,所述用户数据包括所述用户在所述预设时间段内所处的地理位置信息,所述处理模块包括:
第三获取单元,用于基于所述地理位置信息获取所述用户在所述预设时间段内所处的环境信息;其中,所述环境信息包括多个环境参数;
第四获取单元,用于针对每个所述环境参数,在预设的血压数据信息优化数据库中获取与所述环境参数对应的血压数据信息优化策略;
第一处理单元,用于基于所有所述血压数据信息优化策略对所述中间血压数据信息进行优化处理。
8.根据权利要求5所述的智能化血压监测管理系统,其特征在于,所述判断模块,包括:
第二处理单元,用于分别对所述血压变化曲线和所述标准血压变化曲线进行平滑处理,得到平滑处理后的所述血压变化曲线和所述标准血压变化曲线;
第五获取单元,用于基于所述预设时间段在预设的曲线分割数据库中获取与所述预设时间段对应的曲线分割模型;
分割单元,用于基于所述曲线分割模型分别对平滑处理后的所述血压变化曲线和所述标准血压变化曲线进行分割,得到第一曲线集和第二曲线集;其中,所述第一曲线集为平滑处理后的所述血压变化曲线对应的曲线集,所述第二曲线集为平滑处理后的所述标准血压变化曲线对应的曲线集;
计算单元,用于针对所述第一曲线集中的每个第一曲线,在所述第二曲线集中获取与所述第一曲线对应的第二曲线,并计算所述第一曲线与所述第二曲线之间的相似度,及将所述相似度与预设相似度进行比较;
确定单元,用于若存在任一所述相似度小于所述预设相似度,确定在所述预设时间段内所述用户的血压出现异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311277560.7A CN117037993B (zh) | 2023-10-07 | 2023-10-07 | 智能化血压监测管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311277560.7A CN117037993B (zh) | 2023-10-07 | 2023-10-07 | 智能化血压监测管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117037993A CN117037993A (zh) | 2023-11-10 |
CN117037993B true CN117037993B (zh) | 2024-01-26 |
Family
ID=88632125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311277560.7A Active CN117037993B (zh) | 2023-10-07 | 2023-10-07 | 智能化血压监测管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117037993B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105615852A (zh) * | 2016-03-17 | 2016-06-01 | 北京永数网络科技有限公司 | 一种血压检测系统及方法 |
CN106037695A (zh) * | 2016-05-20 | 2016-10-26 | 深圳市玉成创新科技有限公司 | 血压检测设备、血压监测系统及方法 |
CN111631698A (zh) * | 2020-05-12 | 2020-09-08 | 东南大学 | 基于运动模式级联约束的可穿戴血压监测及修正方法 |
CN113436742A (zh) * | 2021-07-20 | 2021-09-24 | 南京旭嵘产品设计有限公司 | 一种基于健康监测的云端系统 |
CN114724663A (zh) * | 2022-04-08 | 2022-07-08 | 苏钢 | 一种血压管理方法及系统 |
CN115770028A (zh) * | 2022-12-16 | 2023-03-10 | 深圳市爱都科技有限公司 | 血压检测方法、系统、装置及存储介质 |
CN116636821A (zh) * | 2023-05-29 | 2023-08-25 | 首都医科大学宣武医院 | 一种血压管理系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4295759A4 (en) * | 2021-06-02 | 2024-07-17 | Samsung Electronics Co Ltd | PORTABLE ELECTRONIC BLOOD PRESSURE MEASUREMENT DEVICE AND OPERATING METHOD THEREFOR |
-
2023
- 2023-10-07 CN CN202311277560.7A patent/CN117037993B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105615852A (zh) * | 2016-03-17 | 2016-06-01 | 北京永数网络科技有限公司 | 一种血压检测系统及方法 |
CN106037695A (zh) * | 2016-05-20 | 2016-10-26 | 深圳市玉成创新科技有限公司 | 血压检测设备、血压监测系统及方法 |
CN111631698A (zh) * | 2020-05-12 | 2020-09-08 | 东南大学 | 基于运动模式级联约束的可穿戴血压监测及修正方法 |
CN113436742A (zh) * | 2021-07-20 | 2021-09-24 | 南京旭嵘产品设计有限公司 | 一种基于健康监测的云端系统 |
CN114724663A (zh) * | 2022-04-08 | 2022-07-08 | 苏钢 | 一种血压管理方法及系统 |
CN115770028A (zh) * | 2022-12-16 | 2023-03-10 | 深圳市爱都科技有限公司 | 血压检测方法、系统、装置及存储介质 |
CN116636821A (zh) * | 2023-05-29 | 2023-08-25 | 首都医科大学宣武医院 | 一种血压管理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117037993A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2677927B1 (en) | Respiration monitoring method and system | |
CN117617921B (zh) | 基于物联网的智能血压监控系统及方法 | |
CN116418882B (zh) | 基于hplc双模载波通信的存储器数据压缩方法 | |
CN115587532A (zh) | 一种工业建筑能耗工况异常监测方法、系统和存储介质 | |
CN117786429B (zh) | 基于可穿戴设备的老人健康监测数据处理方法 | |
CN117037993B (zh) | 智能化血压监测管理方法及系统 | |
CN104736066A (zh) | 生物计量声音测试设备和生物计量声音测试方法 | |
CN112022172B (zh) | 一种基于多模态生理数据的压力检测方法和装置 | |
CN117807551A (zh) | 基于智能戒指的心率异常捕获方法及系统 | |
CN110458713B (zh) | 模型监控方法、装置、计算机设备及存储介质 | |
CN115115038A (zh) | 一种基于单导联心电信号的模型构建方法及性别识别方法 | |
JP7024025B2 (ja) | システム、プログラム | |
CN113723674A (zh) | 一种基于大数据相关性的医疗风险预测方法 | |
CN113191191A (zh) | 一种基于用户习惯分析的社区疫情管理方法和系统 | |
EP3675001A1 (en) | A computer implemented method, a system and computer program for determining optimal behavior path for a user | |
CN116300391B (zh) | 一种智能手表佩戴监测方法、系统、存储介质及智能终端 | |
CN116542575B (zh) | 一种设备健康度评估方法、系统、电子设备及存储介质 | |
CN113257380B (zh) | 一种差值核查及差值核查规则的制订方法和装置 | |
CN117898687B (zh) | 多维度生命体征监测方法、装置、系统及智能戒指 | |
CN117423457B (zh) | 远程健康监测方法及其系统 | |
CN114626008B (zh) | 一种基于幂相关随机过程的铁路路基沉降预测方法和装置 | |
KR102431205B1 (ko) | 학습 데이터 생성 장치 및 인공지능 데이터 학습이 적용된 증상 진단 시스템 | |
CN113571186B (zh) | 一种失能人员健康预警方法 | |
TWI765420B (zh) | 心衰竭預測組件 | |
CN117373665A (zh) | 基于大数据的数字化健康管理方法及相关装置 |
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 |