CN117133400B - 一种基于用户数据的提醒方法及系统 - Google Patents
一种基于用户数据的提醒方法及系统 Download PDFInfo
- Publication number
- CN117133400B CN117133400B CN202311242171.0A CN202311242171A CN117133400B CN 117133400 B CN117133400 B CN 117133400B CN 202311242171 A CN202311242171 A CN 202311242171A CN 117133400 B CN117133400 B CN 117133400B
- Authority
- CN
- China
- Prior art keywords
- time
- user
- medicine
- reminding
- taking
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000003814 drug Substances 0.000 claims abstract description 184
- 230000003993 interaction Effects 0.000 claims abstract description 25
- 230000009471 action Effects 0.000 claims description 49
- 230000000694 effects Effects 0.000 claims description 34
- 230000037213 diet Effects 0.000 claims description 12
- 235000005911 diet Nutrition 0.000 claims description 12
- 230000015654 memory Effects 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 7
- 235000012054 meals Nutrition 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000004936 stimulating effect Effects 0.000 claims description 4
- 210000000936 intestine Anatomy 0.000 claims description 3
- 230000007794 irritation Effects 0.000 claims description 3
- 210000002784 stomach Anatomy 0.000 claims description 3
- 229940079593 drug Drugs 0.000 description 15
- 230000007958 sleep Effects 0.000 description 5
- 230000036578 sleeping time Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 239000002775 capsule Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000008187 granular material Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010067484 Adverse reaction Diseases 0.000 description 1
- 206010070840 Gastrointestinal tract irritation Diseases 0.000 description 1
- 102000004877 Insulin Human genes 0.000 description 1
- 108090001061 Insulin Proteins 0.000 description 1
- 241000190070 Sarracenia purpurea Species 0.000 description 1
- 206010000059 abdominal discomfort Diseases 0.000 description 1
- 230000006838 adverse reaction Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004793 poor memory Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
- 238000012549 training 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Medical Preparation Storing Or Oral Administration Devices (AREA)
Abstract
本发明涉及智能家电技术领域,提供一种基于用户数据的提醒方法及系统,方法包括:获取用户数据,基于用户数据来计算患者的服药情况,计算对应的提醒时间;在到达提醒时间时,通过向交互装置发送提醒指令来提醒患者服药,使得提醒时间满足患者的服药要求,并能按时提醒患者服药,避免出现忘记服药的情况。
Description
技术领域
本发明涉及智能家电技术领域,尤其涉及一种基于用户数据的提醒方法及系统。
背景技术
患者为消除病症或维持身体状态,需要每天按时服药;
但许多高龄患者记忆力衰退,容易记不清是否已服药以及忘记服药,也有患者事务繁忙而导致忘记服药,在无人提醒的情况下会导致患者的病情受到影响。
发明内容
本发明提供了一种基于用户数据的提醒方法,用于解决现有技术中无人提醒患者,导致忘记服药影响病情的问题。
本发明第一方面提供了一种基于用户数据的提醒方法,包括:
获取用户数据,基于用户数据确定提醒时间;
在到达提醒时间时,向交互装置发送提醒指令。
可选的,所述在到达提醒时间时,向交互装置发送提醒指令之后,还包括:
根据用户数据得到药物种类,并基于药物种类确定对应的预设用户服药动作特征;
实时获取用户图像,并检测用户动作;当识别用户图像中的动作符合预设用户服药动作特征时,记录第一服药时间;识别所述第一服药时间所在的第一提醒时间范围,将对应的提醒时间剔除。
可选的,所述获取用户数据,基于用户数据确定提醒时间具体为:
获取用户数据,得到用户的起居时间和服药频率,根据用户起居时间计算用户活动时间段,并根据服药频率将用户活动时间段平均划分,将活动时间段的首尾时刻和平均划分后时间段的间隔时刻作为第一提醒时间。
可选的,所述识别所述第一服药时间所在的第一提醒时间范围,将对应的提醒时间剔除之后,还包括:判断所述第一服药时间是否在提醒时间的第一提醒时间范围内,若否,则计算剩余服药次数和用户剩余活动时间段,将用户剩余活动时间段以剩余服药次数进行平均划分,将平均划分后的剩余活动时间段间隔时刻和最后时刻作为第二提醒时间,基于第二提醒时间发送提醒指令。
可选的,所述在到达提醒时间时,向交互装置发送提醒指令之后,还包括:在提醒时间的第二提醒时间范围内,监控智能门锁数据;若存在智能门锁内部打开且未识别到用户服药时,识别用户图像中与智能门锁接触的用户,若为服药用户则向服务器发送告警信息。
可选的,所述根据用户数据得到药物种类之后,还包括:获取用户数据中的药物信息,识别其对于肠胃刺激性;若存在有刺激性药物,则在第一提醒时间之前的第三提醒时间范围再设置第三提醒时间,当到达第三提醒时间时,向交互装置发送餐饮提醒指令;
获取预设的饮食动作特征,当识别用户图像中的动作符合预设饮食动作特征时,记录第一餐饮时间;若不存在第一餐饮时间而检测到用户图像中动作符合用户服药动作特征时,则向交互装置发送警告信息。
可选的,所述根据用户数据得到药物种类之后,还包括:识别需要低温存储的药物信息,并得到药物存储温度;将需低温存储的药物信息发送至交互装置,并将所述药物存储温度发送至智能冰箱。
本申请第二方面提供了一种基于用户数据的提醒系统,包括:
数据处理模块,用于获取用户数据,基于用户数据确定提醒时间;
提醒模块,用于在到达提醒时间时,向交互装置发送提醒指令。
本申请第三方面提供了一种基于用户数据的提醒方法设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行本发明第一方面任一项所述的一种基于用户数据的提醒方法。
本申请第四方面提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行本发明第一方面任一项所述的一种基于用户数据的提醒方法。
从以上技术方案可以看出,本发明具有以下优点:通过获取用户数据,基于用户数据来计算患者的服药情况,计算对应的提醒时间;在到达提醒时间时,通过向交互装置发送提醒指令来提醒患者服药,使得提醒时间满足患者的服药要求,并能按时提醒患者服药,避免出现忘记服药的情况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其它的附图。
图1为一种基于用户数据的提醒方法的第一个流程图;
图2为一种基于用户数据的提醒方法的第二个流程图;
图3为一种基于用户数据的提醒系统结构图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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、完整的描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
本发明提供了一种基于用户数据的提醒方法,用于解决现有技术中无人提醒患者,导致忘记服药影响病情的问题。
实施例一
请参阅图1,图1为本发明实施例提供的一种基于用户数据的提醒方法的第一个流程图。
S100,获取用户数据,基于用户数据确定提醒时间;
需要说明的是,本实施例中的用户数据具体为用户的健康数据,即包括用户的患病信息、应服药物信息等;可以通过用户预先输入医嘱信息来作为用户数据,医嘱信息中至少会有应服用的药物,系统可通过联网自动获取药物对应的服用方法,或用户直接输入和扫描药物中包含的说明书,基于文本识别获取应服药物信息,本实施例中的应服药物信息包括服药频率以及服药量,如一天服药两次每次两颗;
应服药物信息的服药频率可以计算出每次服药之间的时间间隔,保证药物在体内全天的药效均匀分布;用户可以设置首次服药时间,基于首次服药时间以服药时间间隔来确定服药的提醒时间,例如一天服药三次,间隔时间为8小时,首次服药时间为早上8点,则可以确定提醒时间在下午4点和晚上12点。
S200,在到达提醒时间时,向交互装置发送提醒指令。
需要说明的是,本实施例中的交互装置具体为智能家居等物联网设备,例如蓝牙音箱或智能开关,提醒指令可具体为声音播放指令,向蓝牙音箱发送声音播放指令播放预设的音频,或向智能开关发送连续的开闭指令作为提醒指令,智能开关连接灯具,连续开闭指令实现灯光闪烁,通过声音和灯光来提醒用户服药,也可以是向用户的移动终端发送提醒指令。
本实施例中,通过获取用户数据,基于用户数据来计算患者的服药情况,计算对应的提醒时间;在到达提醒时间时,通过向交互装置发送提醒指令来提醒患者服药,使得提醒时间满足患者的服药要求,并能按时提醒患者服药,避免出现忘记服药的情况。
以上为本申请提供的一种基于用户数据的提醒方法的第一个实施例的详细说明,下面为本申请提供的一种基于用户数据的提醒方法的第二个实施例的详细说明。
实施例二
本实施例中,进一步的提供了一种基于用户数据的提醒方法,请参见图2,前述步骤S200在到达提醒时间时,向交互装置发送提醒指令具体还包括步骤S201-S202,具体为:
S201,根据用户数据得到药物种类,并基于药物种类确定对应的预设用户服药动作特征;
需要说明的是,用户数据中的应服药物信息包含了药物种类,例如为口服液、冲剂、药片胶囊等,不同的药物种类对应的服用动作不同,例如对于口服液药物,用户会手持药瓶在嘴部下方以吸管服用口服液,对应的的用户服药动作特征可以为手部持续在嘴部附近区域超过预设时间;而药片胶囊等,需要和水服用,用户手部会快速接近嘴部并离开,并伴随手部握水杯喝水动作;冲剂则是单独的手部握杯的喝水动作,用户服药动作特征一般就是针对用户做出服药动作的身体部位运动情况;用户运动特征需进行预设存储,再根据不同的药物种类调取预设的用户服药动作特征;
S202,实时获取用户图像,并检测用户动作;当识别用户图像中的动作符合预设用户服药动作特征时,记录第一服药时间;识别所述第一服药时间所在的第一提醒时间范围,将对应的提醒时间剔除。
需要说明的是,物联网智能家居中的智能监控摄像头可以实时获取用户图像,在实时监控画面中进行用户动作识别;
本实施例中的用户动作识别具体算法为人体骨架提取算法,使用监控画面视频或深度数据捕捉用户的动作,然后使用图像处理算法,如骨架提取算法、颜色分割、背景减除等,从图像中提取出人体骨架信息;骨架信息包括人体关键点和连接关键点的边,本实施例中主要关注手部和头部骨架连接点即可,对用户手部骨架状态识别用户服药动作特征,来得到对应服用的药物种类,以头部尤其上下颚骨架的状态识别用户是否在服药;动作识别使用机器学习或深度学习算法,对提取的人体骨架信息进行识别,常使用卷积神经网络、循环神经网络和长短时记忆网络技术,预先进行训练学习得到成熟神经网络模型后再用于识别;
通过监控检测到用户做出了符合用户服药动作特征的动作时,可以视为用户进行了一次服药;前述步骤中确定提醒时间后,并非只在提醒时间的那一刻进行提醒,而是在一个预设的第一提醒时间范围内以预设频率向交互装置发送提醒指令,例如预设第一提醒时间范围为30分钟,预设频率为3次,而提醒时间为14:00,则会在13:45,14:00和14:15分别发出提醒指令,当检测到用户服药后,则将该14:00的提醒时间剔除,则在该第一提醒时间范围内不会在重复提醒了。
进一步的,所述步骤S100获取用户数据,基于用户数据确定提醒时间具体为:获取用户数据,得到用户的起居时间和服药频率,根据用户起居时间计算用户活动时间段,并根据服药频率将用户活动时间段平均划分,将活动时间段的首尾时刻和平均划分后时间段的间隔时刻作为第一提醒时间;
本实施例中的起居时间可以为用户预设的起床闹钟和睡眠提醒时间,以此确定用户的具体服药期间;还可以根据用户佩戴的智能手表监测的用户睡眠数据来得到起居时间,很多用户可能作息并不符合自己设定的时间,例如在起床闹钟前就醒了或闹钟醒后赖床或睡过头,会存在实际起床时间与起床闹钟设置时间不符的情况;用户也会存在熬夜晚睡的情况,玩手机导致实际睡眠时间远晚于设定的睡眠时间,可采用预设日期范围内的入睡平均时间,以一周的智能手表监测到用户进入睡眠状态的时间平均来作为起居时间;
以用户起居时间计算用户活动时间段,以起床时间为活动时间段的开始,以入睡时间作为活动时间段结束,并根据用户数据中的药物服药频率设置第一提醒时间,服药频率具体为每日n次,则将活动时间段平均划分为n-1段,将时间段的分隔时间点作为第一提醒时间;例如用户起床时间为早上8点,睡眠提醒时间为晚上24点,服药频率为每日三次,则将活动时间段平均划分为两段,早上八点到下午四点,下午四点到晚上24点,则第一提醒时间为8:00、16:00和24:00,具体的第一提醒时间可以根据第一提醒时间范围调整,例如设置第一提醒时间范围为30分钟,即在第一提醒时间的前后15分钟内以预设频率进行提醒,则将8:00的第一提醒时间修改为8:15,避免服药提醒影响用户睡眠。
进一步的,所述识别所述第一服药时间所在的第一提醒时间范围,将对应的提醒时间剔除之后,还包括:判断所述第一服药时间是否在提醒时间的第一提醒时间范围内,若否,则计算剩余服药次数和用户剩余活动时间段,将用户剩余活动时间段以剩余服药次数进行平均划分,将平均划分后的剩余活动时间段间隔时刻和最后时刻作为第二提醒时间,基于第二提醒时间发送提醒指令。
用户可能出现确实没时间或有事耽搁服药的情况,因此需要根据实际的服药时间重新对提醒时间进行修正;基于用户数据在得到药物信息服药频率后,还可以计算服药间隔时间,即一天服药三次,间隔时间为8小时,设置一个时间比例,如50%,服药间隔时间小于50%的间隔时间,则要对服药次数进行适应性修正,减少服药次数,例如用户服药频率为每日3次,原计划服药提醒时间为8、16、24点,而用户因居家工作繁忙,下午17点才第一次服药,此时其活动剩余时间为17-24共7小时,在这7小时内以不适应于再进行两次服药,一般轻症病情减少药物服用量只会影响药效,不会影响药物性质,但短时间内多次服药会导致人体内药物浓度过高,影响用户健康,因此减少当日的服药次数,具体的时间比例根据药物半衰期设置,药物半衰期影响体内药物含量变化,若吃药时间间隔太短可能会影响药物效果、加重药物不良反应、导致胃肠道不适、影响肝肾功能、产生药物依赖性等;当出现修正服药次数时,需向服务器发送警告信息,通知用户的监护人,如通知老人的子女或儿童的父母。
进一步的,在提醒时间的第二提醒时间范围内,监控智能门锁数据;若存在智能门锁内部打开且未识别到用户服药时,识别用户图像中与智能门锁接触的用户,若为服药用户则向服务器发送告警信息。第二提醒时间范围为提醒时间之前的一段预设时间,例如在16:00的提醒时间之前,第二提醒时间范围为30分钟,则检测到智能门锁在15:30-16:00之间从内部被打开,且未识别到用户动作符合预设动作特征,即未服药时,在用户图像中对与智能门锁接触的用户进行人脸识别,判断当前是否为应服药用户在开启智能门锁,若是,则存在用户未服药离家的可能,无法后续通过智能家居实现提醒,可能存在用户无法服药的情况,因此需通过服务器发送警告信息,通知用户监护人,或将后续的提醒指令发送至用户的移动终端上;预先在系统中存储服药用户的人脸信息,在识别与智能门锁接触的用户时以人脸识别技术判断当前要开门离开的用户是否为需要服药的用户。
前述步骤S201之后还包括,获取用户数据中的药物信息,识别其对于肠胃刺激性;若存在有刺激性药物,则在第一提醒时间之前的第三提醒时间范围再设置第三提醒时间,当到达第三提醒时间时,向交互装置发送餐饮提醒指令;
有很多药物对肠胃有刺激性,因此需要再饭后一段时间再服用,为保证药物效果,本实施例会在到达服药提醒时间前进行餐饮的提醒,先吃饭再吃药,该第三提醒时间范围可以根据用户数据和药物信息设置,一般可以为30分钟,使得用户在餐后30分钟再服药,避免引起肠胃不适。
获取预设的饮食动作特征,当识别用户图像中的动作符合预设饮食动作特征时,记录第一餐饮时间;若不存在第一餐饮时间而检测到用户图像中动作符合用户服药动作特征时,则向交互装置发送警告信息;
进一步的,识别需要低温存储的药物信息,并得到药物存储温度;将需低温存储的药物信息发送至交互装置,并将所述药物存储温度发送至智能冰箱。需要说明的是,有许多药物需要低温存储保持活性,例如蛋白质类的胰岛素开封后需在2℃左右存储,需提醒用户将药物存储进冰箱,避免药物失效,并将药物对应的存储温度发送至智能冰箱完成控温。
以上为本申请提供的第一方面的一种基于用户数据的提醒方法的详细说明,下面为本申请第二方面提供的一种基于用户数据的提醒系统的实施例的详细说明。
请参阅图3,图3为一种基于用户数据的提醒系统结构图。本实施例提供了一种基于用户数据的提醒系统,包括:
数据处理模块10,用于获取用户数据,基于用户数据确定提醒时间;
提醒模块20,用于在到达提醒时间时,向交互装置发送提醒指令。
本申请第三方面还提供了一种基于用户数据的提醒方法设备,包括处理器以及存储器:其中存储器用于存储程序代码,并将程序代码传输给处理器;处理器用于根据程序代码中的指令执行上述一种基于用户数据的提醒方法。
本申请第四方面提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行上述一种基于用户数据的提醒方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和设备的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,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,所述单元的划分,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。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
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中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述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,可以存储在一个计算机可读取存储介质中。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,服务器,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。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种基于用户数据的提醒方法,其特征在于包括:
获取实时用户数据,得到用户的当日起居时间和服药频率,根据用户当日起居时间计算用户活动时间段和服药间隔时间,并根据服药频率将用户活动时间段平均划分,若服药间隔时间小于预设比例的预设间隔时间,则减少服药频率;将活动时间段的首尾时刻和平均划分后时间段的间隔时刻作为第一提醒时间;
在到达提醒时间时,向交互装置发送提醒指令,在提醒时间的第二提醒时间范围内,监控智能门锁数据;若存在智能门锁内部打开且未识别到用户服药时,识别用户图像中与智能门锁接触的用户,若为服药用户则向服务器发送告警信息;
根据用户数据得到药物种类,并基于药物种类确定对应的预设用户服药动作特征;获取用户数据中的药物信息,识别其对于肠胃刺激性;若存在有刺激性药物,则在第一提醒时间之前的第三提醒时间范围处设置第三提醒时间,当到达第三提醒时间时,向交互装置发送餐饮提醒指令;
获取预设的饮食动作特征,当识别用户图像中的动作符合预设饮食动作特征时,记录第一餐饮时间;若不存在第一餐饮时间而检测到用户图像中动作符合用户服药动作特征时,则向交互装置发送警告信息;
实时获取用户图像,并检测用户动作;当识别用户图像中的动作符合预设用户服药动作特征时,记录第一服药时间;识别所述第一服药时间所在的第一提醒时间范围,将对应的提醒时间剔除;判断所述第一服药时间是否在提醒时间的第一提醒时间范围内,若否,则计算剩余服药次数和用户剩余活动时间段,将用户剩余活动时间段以剩余服药次数进行平均划分,若平均划分后的间隔时间与服药间隔时间的比例小于预设的时间比例,所述时间比例根据药物半衰期设置,则修正服药次数,再以修正后的服药次数将剩余活动时间段平均划分后的间隔时刻和最后时刻作为第二提醒时间,基于第二提醒时间发送提醒指令,并发送修正服药次数的提醒信息。
2.根据权利要求1所述的一种基于用户数据的提醒方法,其特征在于,所述根据用户数据得到药物种类之后,还包括:识别需要低温存储的药物信息,并得到药物存储温度;将需低温存储的药物信息发送至交互装置,并将所述药物存储温度发送至智能冰箱。
3.一种基于用户数据的提醒系统,其特征在于,包括:
数据处理模块,用于获取实时用户数据,得到用户的当日起居时间和服药频率,根据用户当日起居时间计算用户活动时间段和服药间隔时间,并根据服药频率将用户活动时间段平均划分,若服药间隔时间小于预设比例的预设间隔时间,则减少服药频率;将活动时间段的首尾时刻和平均划分后时间段的间隔时刻作为第一提醒时间;
提醒模块,用于在到达提醒时间时,向交互装置发送提醒指令,在提醒时间的第二提醒时间范围内,监控智能门锁数据;若存在智能门锁内部打开且未识别到用户服药时,识别用户图像中与智能门锁接触的用户,若为服药用户则向服务器发送告警信息;根据用户数据得到药物种类,并基于药物种类确定对应的预设用户服药动作特征;获取用户数据中的药物信息,识别其对于肠胃刺激性;若存在有刺激性药物,则在第一提醒时间之前的第三提醒时间范围处设置第三提醒时间,当到达第三提醒时间时,向交互装置发送餐饮提醒指令;获取预设的饮食动作特征,当识别用户图像中的动作符合预设饮食动作特征时,记录第一餐饮时间;若不存在第一餐饮时间而检测到用户图像中动作符合用户服药动作特征时,则向交互装置发送警告信息;实时获取用户图像,并检测用户动作;当识别用户图像中的动作符合预设用户服药动作特征时,记录第一服药时间;识别所述第一服药时间所在的第一提醒时间范围,将对应的提醒时间剔除;判断所述第一服药时间是否在提醒时间的第一提醒时间范围内,若否,则计算剩余服药次数和用户剩余活动时间段,将用户剩余活动时间段以剩余服药次数进行平均划分,若平均划分后的间隔时间与服药间隔时间的比例小于预设的时间比例,所述时间比例根据药物半衰期设置,则修正服药次数,再以修正后的服药次数将剩余活动时间段平均划分后的间隔时刻和最后时刻作为第二提醒时间,基于第二提醒时间发送提醒指令,并发送修正服药次数的提醒信息。
4.一种基于用户数据的提醒设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-2任一项所述的一种基于用户数据的提醒方法。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行权利要求1-2任一项所述的一种基于用户数据的提醒方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311242171.0A CN117133400B (zh) | 2023-09-25 | 2023-09-25 | 一种基于用户数据的提醒方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311242171.0A CN117133400B (zh) | 2023-09-25 | 2023-09-25 | 一种基于用户数据的提醒方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117133400A CN117133400A (zh) | 2023-11-28 |
CN117133400B true CN117133400B (zh) | 2024-05-03 |
Family
ID=88862928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311242171.0A Active CN117133400B (zh) | 2023-09-25 | 2023-09-25 | 一种基于用户数据的提醒方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117133400B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110269804A (zh) * | 2019-06-20 | 2019-09-24 | 杭州翼心信息科技有限公司 | 异常服药患者的管理方法、系统及药盒 |
CN110619698A (zh) * | 2019-09-27 | 2019-12-27 | 青岛海尔科技有限公司 | 基于物联网操作系统的信息提示方法及装置 |
CN111916175A (zh) * | 2020-07-17 | 2020-11-10 | 上海聚音信息科技有限公司 | 基于参数变化自适应调整提醒计划的系统、方法及药盒 |
CN113450891A (zh) * | 2021-02-02 | 2021-09-28 | 中南大学湘雅医院 | 服药提醒方法、装置、计算机设备和存储介质 |
CN116492227A (zh) * | 2023-03-23 | 2023-07-28 | 中山大学附属第一医院 | 基于人工智能的服药提示方法及系统 |
-
2023
- 2023-09-25 CN CN202311242171.0A patent/CN117133400B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110269804A (zh) * | 2019-06-20 | 2019-09-24 | 杭州翼心信息科技有限公司 | 异常服药患者的管理方法、系统及药盒 |
CN110619698A (zh) * | 2019-09-27 | 2019-12-27 | 青岛海尔科技有限公司 | 基于物联网操作系统的信息提示方法及装置 |
CN111916175A (zh) * | 2020-07-17 | 2020-11-10 | 上海聚音信息科技有限公司 | 基于参数变化自适应调整提醒计划的系统、方法及药盒 |
CN113450891A (zh) * | 2021-02-02 | 2021-09-28 | 中南大学湘雅医院 | 服药提醒方法、装置、计算机设备和存储介质 |
CN116492227A (zh) * | 2023-03-23 | 2023-07-28 | 中山大学附属第一医院 | 基于人工智能的服药提示方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117133400A (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11942200B2 (en) | Adjustment of medication dosages based on detection of physical behavior events | |
US11369321B2 (en) | Monitoring and tracking system, method, article and device | |
US11759399B2 (en) | Performance mode adjustment based on activity detection | |
US20230297858A1 (en) | Nutritional Content Determination Based on Gesture Detection Data | |
Kalantarian et al. | A wearable sensor system for medication adherence prediction | |
US20160071390A1 (en) | System for monitoring individuals as they age in place | |
US11367517B2 (en) | Gesture-based detection of a physical behavior event based on gesture sensor data and supplemental information from at least one external source | |
US20160287076A1 (en) | Aggregating inferences related to infant data | |
CN113035322A (zh) | 用于跟踪食物摄入和其它行为并提供相关反馈的方法和设备 | |
CN109887568A (zh) | 基于医嘱的健康管理系统 | |
US20180365385A1 (en) | Monitoring and evaluating patient reactions to medications | |
CN106821309A (zh) | 老人健康智能管理系统 | |
US20210229199A1 (en) | Method and tool for reconditioning a damaged thread | |
CN106919776A (zh) | 一种目标活动提醒的方法及装置 | |
CN109727653A (zh) | 一种社区智能健康监控系统 | |
CN114616627A (zh) | 身体行为事件的自动检测和药物分配系统的对应调整 | |
CN111191483B (zh) | 看护方法、装置及存储介质 | |
CN117133400B (zh) | 一种基于用户数据的提醒方法及系统 | |
CN116492227B (zh) | 基于人工智能的服药提示方法及系统 | |
CN114730630A (zh) | 用于预测疗法采用的系统和方法 | |
CN113921105A (zh) | 一种基于大数据和人工智能的成瘾改善方法 | |
CN115779229B (zh) | 一种改善睡眠的方法与系统 | |
CN111105592A (zh) | 一种独居老人智能看护系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |