CN117747040A - 一种产妇产后护理状况远程监控方法及系统 - Google Patents
一种产妇产后护理状况远程监控方法及系统 Download PDFInfo
- Publication number
- CN117747040A CN117747040A CN202410186193.8A CN202410186193A CN117747040A CN 117747040 A CN117747040 A CN 117747040A CN 202410186193 A CN202410186193 A CN 202410186193A CN 117747040 A CN117747040 A CN 117747040A
- Authority
- CN
- China
- Prior art keywords
- physiological data
- data
- degree
- initial
- sample
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000012544 monitoring process Methods 0.000 title claims abstract description 57
- 230000005856 abnormality Effects 0.000 claims abstract description 75
- 238000007906 compression Methods 0.000 claims abstract description 34
- 230000006835 compression Effects 0.000 claims abstract description 34
- 230000000474 nursing effect Effects 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims description 28
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 6
- 238000013144 data compression Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000036772 blood pressure Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 206010061218 Inflammation Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 230000036407 pain Effects 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及产妇生理数据存储传送技术领域,具体涉及一种产妇产后护理状况远程监控方法及系统。该方法获取产妇产后所有初始生理数据样本,并计算每个生理数据的噪声程度对其进行降噪,获得生理数据样本;计算生理数据之间的相似程度与数据异常程度,利用不同生理数据样本之间的相关性获得整体数据异常程度;进而获得生理数据之间的合并程度,并对生理数据进行合并获得合并生理数据样本;对合并生理数据样本进行压缩,获得压缩结果;将压缩结果传送到监控设备,对产妇产后护理状况进行远程监控。本发明使生理数据的压缩结果占据更少的储存空间,并提高了压缩结果的传送效率,方便了对产妇产后护理状况的实时监控。
Description
技术领域
本发明涉及产妇生理数据存储传送技术领域,具体涉及一种产妇产后护理状况远程监控方法及系统。
背景技术
随着我国医疗卫生事业快速发展,对于产妇的产后护理极为重视,由于产妇在产后会出现生理和心理的各种问题,因此对于产妇产后护理情况的监控就极为重要。在进行远程监控的过程中,数据的存储是一项比较重要的问题,通过数据压缩对多种数据样本进行压缩处理,保证监控过程中具有足够的数据进行分析。
对产妇产后的护理情况进行监控,能够得到各个维度的生理数据,例如心率、血压等不同生理状况的生理数据,这些生理数据中存在大量的正常生理数据。由于传统数据压缩技术只能对相同的产妇产后生理数据进行压缩,导致压缩后的生理数据仍然占据较大的存储空间,传送到监控终端时会出现压缩结果较长且压缩效率低下的情况,不利于对产妇产后护理状况的实时监控。
发明内容
为了解决传统数据压缩技术只能对相同的产妇产后生理数据进行压缩,导致压缩后的生理数据仍然占据较大的存储空间,压缩结果较长且压缩效率低下,不利于对产妇产后护理状况的实时监控的技术问题,本发明的目的在于提供一种产妇产后护理状况远程监控方法及系统,所采用的技术方案具体如下:
一种产妇产后护理状况远程监控方法,所述方法包括:
获取产妇产后每个维度下的初始生理数据样本,所述初始生理数据样本由时序上连续的初始生理数据构成;
根据每个初始生理数据样本中的每个初始生理数据相对于其他初始生理数据的数据突变程度,获得每个初始生理数据样本中每个初始生理数据的噪声程度;根据噪声程度对每个初始生理数据进行降噪,获得由生理数据组成的所有生理数据样本;
根据每个生理数据样本中相邻两个生理数据的出现频率差异与数据变化程度,获得相邻生理数据之间的相似程度;根据每个生理数据样本中每个生理数据在所述生理数据样本中的出现频率、偏离程度与数据变化程度,获得每个生理数据在每个生理数据样本中的数据异常程度;根据所述数据异常程度与每个生理数据样本与其他生理数据样本之间的相关系数,获得每个生理数据相对于所有生理数据样本的整体数据异常程度;
根据每个生理数据样本中相邻两个生理数据之间的所述相似程度,及相邻两个生理数据的所述整体数据异常程度,与相邻两个生理数据对应初始生理数据的噪声程度,获得相邻两个生理数据之间的合并程度;利用所述合并程度对所有生理数据进行合并,获得所有合并生理数据样本;对所有所述合并生理数据样本进行压缩,获得每个生理数据样本的压缩结果;
将所述压缩结果传输到监控终端,对产妇产后护理状况进行远程监控。
进一步地,所述噪声程度的获取方法包括:
根据噪声程度计算公式获取所述噪声程度,所述噪声程度计算公式如下所示:
;
式中,表示第/>个初始生理数据样本中第/>个初始生理数据的噪声程度;/>表示第/>个初始生理数据样本中第/>个初始生理数据的数据值;/>表示第/>个初始生理数据样本的初始生理数据均值;/>表示第/>个初始生理数据样本中第/>个初始生理数据的数据值;/>表示在第/>个初始生理数据样本中以第/>个初始生理数据为中心的第一邻域范围内的其他初始生理数据的数量;/>表示在第/>个初始生理数据样本中以第/>个初始生理数据为中心的第一邻域范围内的其他初始生理数据的序号;/>表示第/>个初始生理数据样本中以第/>个初始生理数据为中心的第一邻域范围内第/>个初始生理数据的数据值;/>表示第/>个初始生理数据样本中以第/>个初始生理数据为中心的第一邻域范围内第/>个初始生理数据的数据值;/>表示归一化函数。
进一步地,所述生理数据样本的获取方法包括:
预设第一阈值,对所有大于所述第一阈值的所述初始生理数据进行筛除,获得降噪之后的所有所述生理数据样本。
进一步地,所述相似程度的获取方法包括:
根据相似程度计算公式获得所述相似程度,所述相似程度计算公式如下所示:
;式中,/>表示在第/>个生理数据样本中第/>个生理数据与第/>个生理数据之间的相似程度;/>表示第/>个生理数据样本中第/>个生理数据到第/>1个生理数据的生理数据序号;/>表示在第/>个生理数据样本中第/>个生理数据到第/>1个生理数据的生理数据区间中第/>个生理数据的数据值;/>表示在第/>个生理数据样本中第/>个生理数据到第/>1个生理数据的生理数据区间中第/>个生理数据的数据值;/>表示在第/>个生理数据样本中第/>个生理数据的出现次数;/>表示在第/>个生理数据样本中第个生理数据的出现次数;/>表示生理数据的采样时间间隔。
进一步地,所述数据异常程度的获取方法包括:
根据数据异常程度计算公式获得所述数据异常程度,所述数据异常程度计算公式如下所示:
;
式中,表示在第/>个生理数据样本中第/>个生理数据的数据异常程度;/>表示第/>个生理数据样本中第/>个生理数据的出现频率;/>表示第/>个生理数据样本中第/>个生理数据的数据值;/>表示第/>个生理数据样本中的生理数据均值;/>表示第/>个生理数据样本中的生理数据最大值;/>表示在第/>个生理数据样本中以第/>个生理数据为中心的第二邻域范围内其他生理数据的数量;/>表示在第/>个生理数据样本中以第/>个生理数据为中心的第二邻域范围内的其他生理数据的序号;/>表示第/>个生理数据样本中以第/>个生理数据为中心第二邻域范围内第/>个生理数据的数据值;表示第/>个生理数据样本中以第/>个生理数据为中心第二邻域范围内第/>个生理数据的数据值;/>表示生理数据的采样时间间隔;/>表示归一化函数。
进一步地,所述整体数据异常程度包括:
将任意一个生理数据样本作为待计算数据样本;所述待计算数据样本中任选一个生理数据作为待计算生理数据;将待计算数据样本与每个其他生理数据样本组合为待计算组合;
在一个待计算组合中,获得所述待计算数据样本与其他生理数据样本之间的皮尔逊相关系数作为所述待计算数据样本与其他生理数据样本之间的相关系数;将所述其他生理数据样本中与所述待计算生理数据相同时刻的生理数据的所述数据异常程度与所述相关系数相乘,获得待计算生理数据的初始数据异常程度;
将所述待计算生理数据在所有待计算组合中的所述初始数据异常程度累加值,作为所述待计算生理数据的所述整体数据异常程度;
改变所述待计算生理数据以及待计算数据样本,获得每个生理数据样本中每个生理数据相对于所有生理数据样本的整体数据异常程度。
进一步地,所述合并程度的获取方法包括:
根据合并程度计算公式获取所述合并程度,所述合并程度计算公式如下所示:
;式中,/>表示第/>个生理数据样本中第/>个生理数据与第/>个生理数据之间的合并程度;表示第/>个生理数据样本中第/>个生理数据与第/>个生理数据之间的相似程度;/>表示第/>个生理数据样本中第/>个生理数据对应的初始生理数据的噪声程度;表示第/>个生理数据样本中第/>个生理数据对应的初始生理数据的噪声程度;/>表示第/>个生理数据样本中第/>个生理数据的整体数据异常程度;/>表示第个生理数据样本中第/>个生理数据的整体数据异常程度;/>表示归一化函数。
进一步地,所述合并生理数据样本获取方法包括:
预设第二阈值,当相邻两个生理数据之间的所述合并程度不小于预设第二阈值时,将所述合并程度不小于预设第二阈值的相邻两个生理数据进行标记,获得标记生理数据;
在每个生理数据样本中,对所有所述标记生理数据进行合并,将合并后的所有生理数据作为一个合并数据点,获得合并生理数据样本。
进一步地,根据所述压缩结果对产妇产后护理状况进行远程监控,包括:
在数据终端系统中将所述压缩结果解压缩,获得所有产妇产后异常情况;
根据产妇的所有异常情况对产妇产后护理状况进行监控。
一种产妇产后护理状况远程监控系统,所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述一种产妇产后护理状况远程监控方法的步骤。
本发明具有如下有益效果:
本发明获取所有初始生理数据样本,初始生理数据样本由时序上连续的初始生理数据构成;为了对初始生理数据样本进行降噪,需要每个初始生理数据样本中的每个初始生理数据相对于其他初始生理数据的数据突变程度,获得每个初始生理数据样本中每个初始生理数据的噪声程度,利用噪声程度进行降噪,获得所有生理数据样本;由于生理数据样本中的相邻两个生理数据,两个生理数据相似程度越高且同属于正常的生理数据时,该相邻两个生理数据合并后对其他生理数据的影响越小,所以计算相邻两个生理数据之间的相似程度与每个生理数据的数据异常程度;又因为不同生理数据样本中对应采样时刻的生理数据可能存在关联,会对生理数据的数据异常程度产生影响,所以根据数据异常程度与每个生理数据样本与其他生理数据样本之间的相关系数,获得每个生理数据相对于所有维度生理数据样本的整体数据异常程度;根据每个生理数据样本中相邻两个生理数据之间的相似程度,及相邻两个生理数据的异常程度与噪声程度,获得每个生理数据样本中相邻生理数据之间的合并程度,合并程度能够反映出相邻两个生理数据之间是否适合合并;利用合并程度对所有生理数据进行合并,将符合合并条件的所有生理数据合并,获得所有合并生理数据样本;对所有合并生理数据样本进行压缩,获得每个生理数据样本的压缩结果;将压缩结果传输到监控终端,对产妇产后护理状况进行远程监控。本发明使生理数据的压缩结果占据更少的储存空间,并提高了压缩结果的传输效率,方便了对产妇产后护理状况的实时监控。
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和优点,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的介绍,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的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种产妇产后护理状况远程监控方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种产妇产后护理状况远程监控方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种产妇产后护理状况远程监控方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种产妇产后护理状况远程监控方法流程图,该方法包括:
步骤S1:获取产妇产后每个维度下的初始生理数据样本,初始生理数据样本由时序上连续的初始生理数据构成。
本发明实施例提供一种产妇产后护理状况远程监控方法,针对产妇产后护理情况的监控问题,首先需要获取产妇的不同维度的生理数据,例如心率、血压等不同维度的生理数据,并将生理数据传输到监控的终端设备。所以本发明一个实施例中,对不同维度的生理数据采用不同的传感器进行采集,将每个维度的所有生理数据组成一个生理数据样本,获取所有维度产妇生理数据对应的所有初始生理数据样本,且采集生理数据的采样间隔设置为1s。
需要说明的是,在本发明其他实施例中,还可以采用其他方法采集不同维度的生理数据,且生理数据的采样间隔可以由实施人员自行设置,在此不做限定。
步骤S2:根据每个初始生理数据样本中的每个初始生理数据相对于其他初始生理数据的数据突变程度,获得每个初始生理数据样本中每个初始生理数据的噪声程度;根据噪声程度对每个初始生理数据进行降噪,获得由生理数据组成的所有生理数据样本。
由于在采集生理数据的过程中可能会出现电磁干扰,或是设备松动等情况,会导致生理数据样本中出现噪声数据,为了保证生理数据样本的准确性,需要对初始生理样本进行降噪。又因为噪声数据在相较于正常生理数据会发生剧烈的变化,且噪声数据与初始生理数据样本整体之间的数据差异较大,所以本发明实施例中,根据每个初始生理数据样本中的相邻生理数据之间的突变程度与每个生理数据和初始生理数据样本整体数据差异,获得每个生理数据样本中每个生理数据的噪声程度。
优选地,本发明一个实施例中,噪声程度获取方法包括:
根据噪声程度计算公式获取噪声程度,噪声程度计算公式如下所示:
式中,表示第/>个初始生理数据样本中第/>个初始生理数据的噪声程度;/>表示第/>个初始生理数据样本中第/>个初始生理数据的数据值;/>表示第/>个初始生理数据样本的初始生理数据均值;/>表示第/>个初始生理数据样本中第/>个初始生理数据的数据值;/>表示在第/>个初始生理数据样本中以第/>个初始生理数据为中心的第一邻域范围内的其他初始生理数据的数量;/>表示在第/>个初始生理数据样本中以第/>个初始生理数据为中心的第一邻域范围内的其他初始生理数据的序号;/>表示第/>个初始生理数据样本中以第/>个初始生理数据为中心的第一邻域范围内第/>个初始生理数据的数据值;/>表示第/>个初始生理数据样本中以第/>个初始生理数据为中心的第一邻域范围内第/>个初始生理数据的数据值;/>表示归一化函数。
在噪声程度计算公式中,表示第/>个初始生理数据样本中第/>个初始生理数据的数据值与第/>个初始生理数据样本的数据均值之间的差异,差异越大,说明第/>个初始生理数据样本中第/>个初始生理数据越偏离第/>个初始生理数据样本的整体,此时第/>个初始生理数据样本中第/>个初始生理数据越突出,越有可能是噪声数据点;越大,说明第/>个初始生理数据样本中第/>个初始生理数据与第个初始生理数据之间的数据差异越大,此时第/>个初始生理数据相较于相邻两个初始生理数据越突出;且/>表示第/>个初始生理数据样本中以第/>个初始生理数据为中心的第一邻域范围内相邻两个初始生理数据之间数据差异的均值;数据均值越大,说明第/>个初始生理数据样本中以第/>个初始生理数据为中心的第一邻域范围内数据变化程度越高,在此区间内越有可能出现噪声数据,此时第/>个初始生理数据在以第/>个初始生理数据为中心的第一邻域范围内越突出,越有可能是噪声数据。
本发明一个实施例中,第一邻域范围设置为5,即计算第个初始生理数据样本中第/>个初始生理数据到第/>个初始生理数据区间内数据变化程度。需要说明的是,第一邻域范围的选择可以由实施人员自行设置,在此不做限定。
优选地,本发明一个实施例中,生理数据样本的获取方法包括:
预设第一阈值,对所有大于第一阈值的初始生理数据进行筛除,获得降噪之后的所有生理数据样本。
本发明一个实施例中,预设第一阈值设置为0.7,即对所有噪声程度大于0.7的初始生理数进行降噪,获得所有降噪后的生理数据样本。需要说明的是,第一阈值可以由实施人员自行设置,在此不做限定。
至此,获得所有维度的生理数据样本。
步骤S3:根据每个生理数据样本中相邻两个生理数据的出现频率差异与数据变化程度,获得每个生理数据样本中相邻两个生理数据之间的相似程度;根据每个生理数据样本中每个生理数据在生理数据样本中的出现频率、偏离程度与数据变化程度,获得每个生理数据在每个生理数据样本中的数据异常程度;根据数据异常程度与每个生理数据样本与其他生理数据样本之间的相关系数,获得每个生理数据相对于所有维度生理数据样本的整体数据异常程度。
对于每个生理数据样本,若相邻生理数据之间数据值差异越小,且相邻两个生理数据在同一个生理数据样本中出现的频率越接近,能够说明相邻两个生理数据越相似,所以本发明实施例中,根据每个生理数据样本中相邻两个生理数据的出现频率差异与数据变化程度,获得每个生理数据样本中相邻两个生理数据之间的相似程度。
优选地,本发明一个实施例中,相似程度的获取方法包括:
根据相似程度计算公式获得相似程度,相似程度计算公式如下所示:
式中,表示在第/>个生理数据样本中第/>个生理数据与第/>个生理数据之间的相似程度;/>表示第/>个生理数据样本中第/>个生理数据到第/>1个生理数据的生理数据序号;/>表示在第/>个生理数据样本中第/>个生理数据到第/>1个生理数据的生理数据区间中第/>个生理数据的数据值;/>表示在第/>个生理数据样本中第/>个生理数据到第/>1个生理数据的生理数据区间中第/>个生理数据的数据值;/>表示在第/>个生理数据样本中第/>个生理数据的出现次数;/>表示在第/>个生理数据样本中第/>个生理数据的出现次数;/>表示生理数据的采样时间间隔。
在相似程度计算公式中,表示第/>个生理数据与第/>个生理数据的数据差异、第/>个生理数据与第/>1个生理数据的数据差异,以及第1个生理数据与第/>个生理数据的数据差异之间的数据差异和,反映了第/>个生理数据与第/>1个生理数据这相邻两个生理数据在邻域内的数据变化程度,数据变化程度越小,说明第/>个生理数据与第/>1个生理数据这相邻两个生理数据越相似;表示在第/>个生理数据样本中第/>个生理数据与第/>1个生理数据的出现次数差异,出现次数差异越小,出现频率差异越小,因为/>为第/>个生理数据与第/>1个生理数据的出现频率差异的倒数,出现频率差异越小,/>越大,此时第/>个生理数据与第/>1个生理数据之间的相似程度越大。
当产妇身体出现炎症、病痛或血压升高,心率加快等情况时,会表现为生理数据样本中出现异常生理数据点,此时异常生理数据点相对于生理数据样本会出现较大的偏离程度,并且在第一邻域范围内出现较大的数据变化,所以本发明实施例中,根据每个生理数据样本中每个生理数据在生理数据样本中的偏离程度,与每个生理数据在第一邻域范围内的数据变化程度,获得每个生理数据在每个生理数据样本中的数据异常程度。
优选地,本发明一个实施例中,数据异常程度的获取方法包括:
根据数据异常程度计算公式获得数据异常程度,数据异常程度计算公式如下所示:
式中,表示在第/>个生理数据样本中第/>个生理数据的数据异常程度;/>表示第/>个生理数据样本中第/>个生理数据的出现频率;/>表示第/>个生理数据样本中第/>个生理数据的数据值;/>表示第/>个生理数据样本中的生理数据均值;/>表示第/>个生理数据样本中的生理数据最大值;/>表示在第/>个生理数据样本中以第/>个生理数据为中心的第二邻域范围内其他生理数据的数量;/>表示在第/>个生理数据样本中以第/>个生理数据为中心的第二邻域范围内的其他生理数据的序号;/>表示第/>个生理数据样本中以第/>个生理数据为中心第二邻域范围内第/>个生理数据的数据值;表示第/>个生理数据样本中以第/>个生理数据为中心第二邻域范围内第/>个生理数据的数据值;/>表示生理数据的采样时间间隔;/>表示归一化函数。
在数据异常程度计算公式中,由于异常数据在生理数据样本中属于少数数据,第个生理数据样本中第/>个生理数据的出现频率越小,说明该生理数据越有可能是异常生理数据;/>表示第/>个生理数据样本中第/>个生理数据在第/>个生理数据样本中的偏离程度,其中第/>个生理数据样本中第/>个生理数据与第/>个生理数据样本的样本均值之间的数据差异越大,该生理数据与生理数据样本整体的差异越大,若该生理数据与生理数据样本中最大值的数据差异越小,说明该生理数据越不是正常数据,数据异常程度越大;且/>越大,第/>个生理数据样本中以第/>个生理数据为中心第二邻域范围内生理数据的数据变化程度越高,说明第/>个生理数据的以第个生理数据为中心第二邻域范围内数据变化越突出,该区间内越有可能存在异常生理数据,说明该区间对第/>个生理数据的异常影响越大,此时第/>个生理数据越有可能是异常生理数据。
本发明一个实施例中,第二邻域范围设置为5,即计算第个生理数据样本中第个生理数据到第/>个生理数据区间内生理数据的数据变化程度。需要说明的是,第二邻域范围的设置并不唯一,在此不做限定。
由于实际情况中,当某一个生理数据样本出现异常时则其对应时刻的其他维度的生理数据可能也会出现异常,且生理数据样本之间的关联程度越大,对生理数据样本内异常生理数据造成的影响越大。所以本发明实施例中,根据数据异常程度与每个生理数据样本与其他生理数据样本之间的相关系数,获得每个生理数据相对于所有维度生理数据样本的整体数据异常程度。
优选地,本发明一个实施例中,整体数据异常程度包括:
将任意一个生理数据样本作为待计算数据样本;待计算数据样本中任选一个生理数据作为待计算生理数据;将待计算数据样本与每个其他生理数据样本组合为待计算组合;对所有生理数据进行数据标准化,去掉量纲统一标准之后,再进行后续计算;在一个待计算组合中,获得待计算数据样本与其他生理数据样本之间的皮尔逊相关系数作为待计算数据样本与其他生理数据样本之间的相关系数,皮尔逊相关系数越大,说明其他生理数据样本对待计算数据样本中的生理数据影响越大;将其他生理数据样本中与待计算生理数据相同时刻的生理数据的数据异常程度与相关系数相乘,获得待计算生理数据的初始数据异常程度;将待计算生理数据在所有待计算组合中的初始数据异常程度累加值,作为待计算生理数据的整体数据异常程度;改变待计算生理数据以及待计算数据样本,获得每个生理数据样本中每个生理数据相对于所有生理数据样本的整体数据异常程度。
本发明一个实施例中,每个生理数据样本与其他生理数据样本之间的皮尔逊相关系数计算公式如下所示:
式中,表示第/>个生理数据样本与第/>个生理数据样本的相关系数;/>表示生理数据样本中的数据数量;/>表示第/>个生理数据样本的样本标准差;/>表示第/>个生理数据样本的样本标准差;/>表示第/>个生理数据样本中的数据均值;/>表示第/>个生理数据样本的数据均值;/>表示第/>个生理数据样本中第/>个生理数据的数据值;/>表示第/>个生理数据样本中第/>个生理数据的数据值。
本发明一个实施例中,整体数据异常程度计算公式如下所示:
式中,表示第/>个生理数据样本中第/>个生理数据的整体数据异常程度;/>表示生理数据样本的数量;/>表示生理数据样本的序号;/>表示第/>个生理数据样本与第/>个生理数据样本的皮尔逊相关系数;/>表示第/>个生理数据样本中与第/>个生理数据样本中第/>个生理数据采样时刻相同的生理数据的数据异常程度。
在整体数据异常程度计算公式中,越大,说明第/>个生理数据样本与第/>个生理数据样本的皮尔逊相关系数越大,此时第/>个生理数据样本每个生理数据对于第/>个生理数据样本采样时刻相同的生理数据影响程度越大;/>越大,说明第/>个生理数据样本中与第/>个生理数据样本中第/>个生理数据采样时刻相同的生理数据的数据异常程度越大;又因为第/>个生理数据样本对于第/>个生理数据样本的影响较大,即在两个生理数据样本中相同采样时刻的生理数据具有变化一致性,所以此时在第/>个生理数据样本中第/>个生理数据的数据异常程度也越大。
至此,获得每个生理数据样本的整体数据异常程度。
步骤S4:根据每个生理数据样本中相邻两个生理数据之间的相似程度,及相邻两个生理数据的整体数据异常程度,与相邻两个生理数据对应初始生理数据的噪声程度,获得相邻两个生理数据之间的合并程度;利用合并程度对所有生理数据进行合并,获得所有合并生理数据样本;对所有合并生理数据样本进行压缩,获得每个生理数据样本的压缩结果。
由于需要对产妇产后的异常情况进行监控,所以需要留意生理数据样本中的异常生理数据,然而产妇生理数据中含有大量无用的产妇正常情况的生理数据,并且这些无用的生理数据占据所有生理数据的极大比例。为了对数据压缩算法的压缩效率进行提升,需要对每个生理数据样本中的正常的生理数据进行合并,而可能表现出产妇当前状态异常的生理数据则需要保留下来,且对于生理数据样本中的相邻两个生理数据,两个生理数据相似程度越高且同属于正常的生理数据时,该相邻两个生理数据合并后对其他生理数据的影响越小。由于相邻两个生理数据能否进行合并与两者之间的相似程度和相邻两个生理数据的异常程度和噪声程度有关,所以本发明实施例中,根据每个生理数据样本中相邻两个生理数据之间的相似程度,及相邻两个生理数据的异常程度与噪声程度,获得每个生理数据样本中相邻生理数据之间的合并程度。
优选地,本发明一个实施例中,合并程度的获取方法包括:
式中,表示第/>个生理数据样本中第/>个生理数据与第/>个生理数据之间的合并程度;/>表示第/>个生理数据样本中第/>个生理数据与第/>个生理数据之间的相似程度;/>表示第/>个生理数据样本中第/>个生理数据对应的初始生理数据的噪声程度;/>表示第/>个生理数据样本中第/>个生理数据对应的初始生理数据的噪声程度;/>表示第/>个生理数据样本中第/>个生理数据的整体数据异常程度;/>表示第/>个生理数据样本中第/>个生理数据的整体数据异常程度;表示归一化函数。
在合并程度计算公式中,越大,说明第/>个生理数据样本中第/>个生理数据与第/>个生理数据的相似程度越大,说明第/>个生理数据与第/>个生理数据之间数据值越接近且在生理数据样本中出现频率越接近,如果第/>个生理数据与第个生理数据是正常数据的话,第/>个生理数据与第/>个生理数据之间合并程度越大;/>越小,说明第/>个生理数据样本中第/>个生理数据与第/>个生理数据对应的初始生理数据的噪声程度越小,第/>个生理数据与第/>个生理数据越有可能是生理数据样本中的正常生理数据,此时合并程度越大;/>越小,说明第/>个生理数据样本中第/>个生理数据与第/>个生理数据的整体数据异常程度越小,此时合并程度越大。
优选地,本发明一个实施例中,合并生理数据样本获取方法包括:
预设第二阈值,当相邻两个生理数据之间的合并程度不小于预设第二阈值时,将合并程度不小于预设第二阈值的相邻两个生理数据进行标记,获得标记生理数据;在每个生理数据样本中,对所有标记生理数据进行合并,将合并后的所有生理数据作为一个合并数据点,获得合并生理数据样本。
本发明一个实施例中,预设第二阈值设置为0.6,即当相邻两个生理数据之间的合并程度大于0.6时,认为该相邻两个生理数据符合合并条件,将该相邻两个生理数据作为标记生理数据;且在每个生理数据样本中,对所有标记生理数据进行合并,将每个合并后的数据点使用哈夫曼编码算法中的任意一个字符进行替代,获得每个合并生理数据样本。
本发明一个实施例中,在获得合并生理数据样本后,利用哈夫曼编码算法对合并生理数据样本进行压缩,获得每个合并生理数据样本的压缩结果,即每个生理数据样本的压缩结果。
需要说明的是,哈夫曼编码算法为本领域技术人员所熟知的技术手段,在此不做赘述,在本发明其他实施例中,也可以采用其他数据压缩方法获取合并生理数据样本与压缩结果,在此不做限定。
至此,获得每个生理数据样本的压缩结果。
步骤S5:将压缩结果传输到监控终端,对产妇产后护理状况进行远程监控。
对根据步骤S4获得的压缩结果进行存储,并传输至监控终端当中。优选地,本发明一个实施例中,根据压缩结果对产妇产后护理状况进行远程监控,包括:
在获得压缩结果后,在数据终端系统中将压缩结果解压缩,可以获得生理数据样本中的有效信息,即产妇产后的异常情况;获得产妇的所有异常情况后可以尽快通知相关人员进行处理。
至此,完成了产妇生理数据的存储传输,并利用传输到监控终端的产妇的有效信息对产妇护理状况的远程监控。
综上,本发明获取所有维度产妇生理数据对应的所有初始生理数据样本;为了对初始生理数据样本进行降噪,需要据每个初始生理数据样本中的每个初始生理数据相对于其他初始生理数据的数据突变程度,获得每个初始生理数据样本中每个初始生理数据的噪声程度,利用噪声程度进行降噪,获得所有生理样本;由于生理数据样本中的相邻两个生理数据,两个生理数据相似程度越高且同属于正常的生理数据时,该相邻两个生理数据合并后对其他生理数据的影响越小,所以计算相邻两个生理数据之间的相似程度与每个生理数据的数据异常程度;又因为不同生理数据样本中对应采样时刻的生理数据可能存在关联,会对生理数据的数据异常程度产生影响,所以根据数据异常程度与每个生理数据样本与其他生理数据样本之间的相关系数,获得每个生理数据相对于所有维度生理数据样本的整体数据异常程度;根据每个生理数据样本中相邻两个生理数据之间的相似程度,及相邻两个生理数据的异常程度与噪声程度,获得每个生理数据样本中相邻生理数据之间的合并程度,合并程度能够反映出相邻两个生理数据之间是否适合合并;利用合并程度对所有生理数据进行合并,将符合合并条件的所有生理数据合并,获得所有合并生理数据样本;对所有合并生理数据样本进行压缩,获得每个生理数据样本的压缩结果;将压缩结果传输到监控终端,对产妇产后护理状况进行远程监控。本发明使生理数据的压缩结果占据更少的储存空间,并提高了压缩结果的传输效率,方便了对产妇产后护理状况的实时监控。
本发明实施例还提供了一种产妇产后护理状况远程监控系统,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器在执行计算机程序时,可以实现一种产妇产后护理状况远程监控方法的步骤。
一种产妇产后生理数据压缩方法实施例:
在现有技术中,会出现传统数据压缩技术只能对相同的产妇产后的生理数据进行压缩,对于数据值不同但同属于“背景”的产妇产后正常情况下的生理数据无法进行压缩,导致压缩后的生理数据仍然占据较大的存储空间,传输到监控终端的压缩结果较长的技术问题。为了解决该技术问题,提出一种产妇产后生理数据压缩方法实施例。
步骤S1:获取产妇产后每个维度下的初始生理数据样本,初始生理数据样本由时序上连续的初始生理数据构成。
步骤S2:根据每个初始生理数据样本中的每个初始生理数据相对于其他初始生理数据的数据突变程度,获得每个初始生理数据样本中每个初始生理数据的噪声程度;根据噪声程度对每个初始生理数据进行降噪,获得由生理数据组成的所有生理数据样本。
步骤S3:根据每个生理数据样本中相邻两个生理数据的出现频率差异与数据变化程度,获得相邻生理数据之间的相似程度;根据每个生理数据样本中每个生理数据在生理数据样本中的偏离程度,与每个生理数据在第一邻域范围内的数据变化程度,获得每个生理数据在每个生理数据样本中的数据异常程度;根据数据异常程度与每个生理数据样本与其他生理数据样本之间的相关系数,获得每个生理数据相对于所有生理数据样本的整体数据异常程度。
步骤S4:根据每个生理数据样本中相邻两个生理数据之间的相似程度,及相邻两个生理数据的整体数据异常程度,与相邻两个生理数据对应初始生理数据的噪声程度,获得相邻两个生理数据之间的合并程度;利用合并程度对所有生理数据进行合并,获得所有合并生理数据样本;对所有合并生理数据样本进行压缩,获得每个生理数据样本的压缩结果。
由于步骤S1-S4在上述一种产妇产后护理状况远程监控方法及系统已经提及,在此不做赘述。
本实施例的技术效果:本实施例获取所有维度产妇生理数据对应的所有初始生理数据样本;为了对初始生理数据样本进行降噪,需要据每个初始生理数据样本中的每个初始生理数据相对于其他初始生理数据的数据突变程度,获得每个初始生理数据样本中每个初始生理数据的噪声程度,利用噪声程度进行降噪,获得所有生理样本;由于生理数据样本中的相邻两个生理数据,两个生理数据相似程度越高且同属于正常的生理数据时,该相邻两个生理数据合并后对其他生理数据的影响越小,所以计算相邻两个生理数据之间的相似程度与每个生理数据的数据异常程度;又因为不同生理数据样本中对应采样时刻的生理数据可能存在关联,会对生理数据的数据异常程度产生影响,所以根据数据异常程度与每个生理数据样本与其他生理数据样本之间的相关系数,获得每个生理数据相对于所有维度生理数据样本的整体数据异常程度;根据每个生理数据样本中相邻两个生理数据之间的相似程度,及相邻两个生理数据的异常程度与噪声程度,获得每个生理数据样本中相邻生理数据之间的合并程度,合并程度能够反映出相邻两个生理数据之间是否适合合并;利用合并程度对所有生理数据进行合并,将符合合并条件的所有生理数据合并,获得所有合并生理数据样本;对所有合并生理数据样本进行压缩,获得每个生理数据样本的压缩结果。本实施例减少了产妇产后生理数据中占据最大存储空间的产妇产后正常情况下的生理数据的存储面积,并保留了异常生理数据,提高了压缩结果的压缩质量。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (10)
1.一种产妇产后护理状况远程监控方法,其特征在于,所述方法包括:
获取产妇产后每个维度下的初始生理数据样本,所述初始生理数据样本由时序上连续的初始生理数据构成;
根据每个初始生理数据样本中的每个初始生理数据相对于其他初始生理数据的数据突变程度,获得每个初始生理数据样本中每个初始生理数据的噪声程度;根据噪声程度对每个初始生理数据进行降噪,获得由生理数据组成的所有生理数据样本;
根据每个生理数据样本中相邻两个生理数据的出现频率差异与数据变化程度,获得相邻生理数据之间的相似程度;根据每个生理数据样本中每个生理数据在所述生理数据样本中的出现频率、偏离程度与数据变化程度,获得每个生理数据在每个生理数据样本中的数据异常程度;根据所述数据异常程度与每个生理数据样本与其他生理数据样本之间的相关系数,获得每个生理数据相对于所有生理数据样本的整体数据异常程度;
根据每个生理数据样本中相邻两个生理数据之间的所述相似程度,及相邻两个生理数据的所述整体数据异常程度,与相邻两个生理数据对应初始生理数据的噪声程度,获得相邻两个生理数据之间的合并程度;利用所述合并程度对所有生理数据进行合并,获得所有合并生理数据样本;对所有所述合并生理数据样本进行压缩,获得每个生理数据样本的压缩结果;
将所述压缩结果传输到监控终端,对产妇产后护理状况进行远程监控。
2.根据权利要求1所述的一种产妇产后护理状况远程监控方法,其特征在于,所述噪声程度的获取方法包括:
根据噪声程度计算公式获取所述噪声程度,所述噪声程度计算公式如下所示:
;式中,/>表示第/>个初始生理数据样本中第/>个初始生理数据的噪声程度;/>表示第/>个初始生理数据样本中第/>个初始生理数据的数据值;/>表示第/>个初始生理数据样本的初始生理数据均值;/>表示第/>个初始生理数据样本中第/>个初始生理数据的数据值;/>表示在第/>个初始生理数据样本中以第/>个初始生理数据为中心的第一邻域范围内的其他初始生理数据的数量;/>表示在第/>个初始生理数据样本中以第/>个初始生理数据为中心的第一邻域范围内的其他初始生理数据的序号;/>表示第/>个初始生理数据样本中以第/>个初始生理数据为中心的第一邻域范围内第/>个初始生理数据的数据值;表示第/>个初始生理数据样本中以第/>个初始生理数据为中心的第一邻域范围内第/>个初始生理数据的数据值;/>表示归一化函数。
3.根据权利要求1所述的一种产妇产后护理状况远程监控方法,其特征在于,所述生理数据样本的获取方法包括:
预设第一阈值,对所有大于所述第一阈值的所述初始生理数据进行筛除,获得降噪之后的所有所述生理数据样本。
4.根据权利要求1所述的一种产妇产后护理状况远程监控方法,其特征在于,所述相似程度的获取方法包括:
根据相似程度计算公式获得所述相似程度,所述相似程度计算公式如下所示:
;式中,/>表示在第/>个生理数据样本中第/>个生理数据与第/>个生理数据之间的相似程度;/>表示第/>个生理数据样本中第/>个生理数据到第/>1个生理数据的生理数据序号;/>表示在第/>个生理数据样本中第/>个生理数据到第/>1个生理数据的生理数据区间中第个生理数据的数据值;/>表示在第/>个生理数据样本中第/>个生理数据到第1个生理数据的生理数据区间中第/>个生理数据的数据值;/>表示在第/>个生理数据样本中第/>个生理数据的出现次数;/>表示在第/>个生理数据样本中第个生理数据的出现次数;/>表示生理数据的采样时间间隔。
5.根据权利要求1所述的一种产妇产后护理状况远程监控方法,其特征在于,所述数据异常程度的获取方法包括:
根据数据异常程度计算公式获得所述数据异常程度,所述数据异常程度计算公式如下所示:
;式中,表示在第/>个生理数据样本中第/>个生理数据的数据异常程度;/>表示第/>个生理数据样本中第/>个生理数据的出现频率;/>表示第/>个生理数据样本中第/>个生理数据的数据值;/>表示第/>个生理数据样本中的生理数据均值;/>表示第/>个生理数据样本中的生理数据最大值;/>表示在第/>个生理数据样本中以第/>个生理数据为中心的第二邻域范围内其他生理数据的数量;/>表示在第/>个生理数据样本中以第/>个生理数据为中心的第二邻域范围内的其他生理数据的序号;/>表示第/>个生理数据样本中以第/>个生理数据为中心第二邻域范围内第/>个生理数据的数据值;/>表示第/>个生理数据样本中以第/>个生理数据为中心第二邻域范围内第/>个生理数据的数据值;表示生理数据的采样时间间隔;/>表示归一化函数。
6.根据权利要求1所述的一种产妇产后护理状况远程监控方法,其特征在于,所述整体数据异常程度包括:
将任意一个生理数据样本作为待计算数据样本;所述待计算数据样本中任选一个生理数据作为待计算生理数据;将待计算数据样本与每个其他生理数据样本组合为待计算组合;
在一个待计算组合中,获得所述待计算数据样本与其他生理数据样本之间的皮尔逊相关系数作为所述待计算数据样本与其他生理数据样本之间的相关系数;将所述其他生理数据样本中与所述待计算生理数据相同时刻的生理数据的所述数据异常程度与所述相关系数相乘,获得待计算生理数据的初始数据异常程度;
将所述待计算生理数据在所有待计算组合中的所述初始数据异常程度累加值,作为所述待计算生理数据的所述整体数据异常程度;
改变所述待计算生理数据以及待计算数据样本,获得每个生理数据样本中每个生理数据相对于所有生理数据样本的整体数据异常程度。
7.根据权利要求1所述的一种产妇产后护理状况远程监控方法,其特征在于,所述合并程度的获取方法包括:
根据合并程度计算公式获取所述合并程度,所述合并程度计算公式如下所示:
;式中,/>表示第个生理数据样本中第/>个生理数据与第/>个生理数据之间的合并程度;/>表示第/>个生理数据样本中第/>个生理数据与第/>个生理数据之间的相似程度;/>表示第/>个生理数据样本中第/>个生理数据对应的初始生理数据的噪声程度;/>表示第/>个生理数据样本中第/>个生理数据对应的初始生理数据的噪声程度;/>表示第/>个生理数据样本中第/>个生理数据的整体数据异常程度;/>表示第/>个生理数据样本中第/>个生理数据的整体数据异常程度;/>表示归一化函数。
8.根据权利要求1所述的一种产妇产后护理状况远程监控方法,其特征在于,所述合并生理数据样本获取方法包括:
预设第二阈值,当相邻两个生理数据之间的所述合并程度不小于预设第二阈值时,将所述合并程度不小于预设第二阈值的相邻两个生理数据进行标记,获得标记生理数据;
在每个生理数据样本中,对所有所述标记生理数据进行合并,将合并后的所有生理数据作为一个合并数据点,获得合并生理数据样本。
9.根据权利要求1所述的一种产妇产后护理状况远程监控方法,其特征在于,根据所述压缩结果对产妇产后护理状况进行远程监控,包括:
在数据终端系统中将所述压缩结果解压缩,获得所有产妇产后异常情况;
根据产妇的所有异常情况对产妇产后护理状况进行监控。
10.一种产妇产后护理状况远程监控系统,所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1~9任意一项所述一种产妇产后护理状况远程监控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410186193.8A CN117747040B (zh) | 2024-02-20 | 2024-02-20 | 一种产妇产后护理状况远程监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410186193.8A CN117747040B (zh) | 2024-02-20 | 2024-02-20 | 一种产妇产后护理状况远程监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117747040A true CN117747040A (zh) | 2024-03-22 |
CN117747040B CN117747040B (zh) | 2024-05-24 |
Family
ID=90281716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410186193.8A Active CN117747040B (zh) | 2024-02-20 | 2024-02-20 | 一种产妇产后护理状况远程监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117747040B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003065887A1 (en) * | 2002-02-08 | 2003-08-14 | Boston Medical Technologies, Inc. | Compressing of physiological signals in a telemetry system |
CA2744215A1 (en) * | 2009-11-20 | 2010-06-10 | Virginia Commonwealth University | Method and apparatus for determining critical care parameters |
CN107784314A (zh) * | 2016-08-26 | 2018-03-09 | 北京协同创新智能电网技术有限公司 | 一种多变量报警系统的正常异常数据划分方法及系统 |
CN110334548A (zh) * | 2019-07-16 | 2019-10-15 | 桂林电子科技大学 | 一种基于差分隐私的数据异常检测方法 |
CN116226484A (zh) * | 2023-05-05 | 2023-06-06 | 北京视酷科技有限公司 | 一种超滤水处理装置监测数据管理系统 |
CN116383754A (zh) * | 2023-06-05 | 2023-07-04 | 丹纳威奥贯通道系统(青岛)有限公司 | 一种机车车辆配件生产在线监测系统及方法 |
CN116595426A (zh) * | 2023-07-17 | 2023-08-15 | 济南大陆机电股份有限公司 | 一种工业物联网数据智能采集管理系统 |
CN116701886A (zh) * | 2023-08-07 | 2023-09-05 | 知心健(南京)科技有限公司 | 一种运动肺测试数据智能分析管理系统 |
CN116719983A (zh) * | 2023-07-28 | 2023-09-08 | 中日友好医院(中日友好临床医学研究所) | 一种动静脉内瘘远程监测及警示系统 |
CN117540220A (zh) * | 2024-01-09 | 2024-02-09 | 巨洋神州科技集团有限公司 | 一种近零碳园区源网荷匹配方法及系统 |
CN117538491A (zh) * | 2024-01-09 | 2024-02-09 | 武汉怡特环保科技有限公司 | 一种站房空气质量智能监测方法及系统 |
-
2024
- 2024-02-20 CN CN202410186193.8A patent/CN117747040B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003065887A1 (en) * | 2002-02-08 | 2003-08-14 | Boston Medical Technologies, Inc. | Compressing of physiological signals in a telemetry system |
CA2744215A1 (en) * | 2009-11-20 | 2010-06-10 | Virginia Commonwealth University | Method and apparatus for determining critical care parameters |
CN107784314A (zh) * | 2016-08-26 | 2018-03-09 | 北京协同创新智能电网技术有限公司 | 一种多变量报警系统的正常异常数据划分方法及系统 |
CN110334548A (zh) * | 2019-07-16 | 2019-10-15 | 桂林电子科技大学 | 一种基于差分隐私的数据异常检测方法 |
CN116226484A (zh) * | 2023-05-05 | 2023-06-06 | 北京视酷科技有限公司 | 一种超滤水处理装置监测数据管理系统 |
CN116383754A (zh) * | 2023-06-05 | 2023-07-04 | 丹纳威奥贯通道系统(青岛)有限公司 | 一种机车车辆配件生产在线监测系统及方法 |
CN116595426A (zh) * | 2023-07-17 | 2023-08-15 | 济南大陆机电股份有限公司 | 一种工业物联网数据智能采集管理系统 |
CN116719983A (zh) * | 2023-07-28 | 2023-09-08 | 中日友好医院(中日友好临床医学研究所) | 一种动静脉内瘘远程监测及警示系统 |
CN116701886A (zh) * | 2023-08-07 | 2023-09-05 | 知心健(南京)科技有限公司 | 一种运动肺测试数据智能分析管理系统 |
CN117540220A (zh) * | 2024-01-09 | 2024-02-09 | 巨洋神州科技集团有限公司 | 一种近零碳园区源网荷匹配方法及系统 |
CN117538491A (zh) * | 2024-01-09 | 2024-02-09 | 武汉怡特环保科技有限公司 | 一种站房空气质量智能监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117747040B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Higgins et al. | The effects of lossy compression on diagnostically relevant seizure information in EEG signals | |
Raeiatibanadkooki et al. | Compression and encryption of ECG signal using wavelet and chaotically Huffman code in telemedicine application | |
US20080243012A1 (en) | Method of compressing electrocardiogram data and electrocardiogram telemetry system using the same | |
EP2430975A1 (en) | Principal component analysis or independent component analysis applied to ambulatory electrocardiogram signals | |
WO2020228420A1 (zh) | 降噪自编码器的训练方法、心电信号的降噪方法及其装置 | |
Kale et al. | Review of ECG compression techniques and implementations | |
Garry et al. | An evaluation of the effects of wavelet coefficient quantisation in transform based EEG compression | |
Kumar et al. | Electrocardiogram signal compression based on 2D-transforms: a research overview | |
Jha et al. | Electrocardiogram data compression techniques for cardiac healthcare systems: A methodological review | |
EP1972268A1 (en) | Method of compressing electrocardiogram data and electrocardiogram telemetry system using the same | |
Damasevicius et al. | BoostEMD: an extension of EMD method and its application for denoising of EMG signals | |
CN115868941A (zh) | 用于智能戒指的信息管理方法 | |
Ranjeet et al. | An efficient compression system for ECG signal using QRS periods and CAB technique based on 2D DWT and Huffman coding | |
CN117747040B (zh) | 一种产妇产后护理状况远程监控方法及系统 | |
Guedri et al. | ECG compression with Douglas-Peucker algorithm and fractal Interpolation. | |
Sahu et al. | Diagnosis-steganography-transmission: an innovative integrated paradigm for ECG healthcare | |
CN110537907B (zh) | 一种基于奇异值分解的心电信号压缩及识别方法 | |
CN113033358A (zh) | 一种基于深度神经网络的无袖带血压建模方法 | |
Liu et al. | Studying the effects of compression in EEG-based wearable sleep monitoring systems | |
CN113499080B (zh) | R波检测方法、装置、设备和介质 | |
Yousri et al. | A design for an efficient hybrid compression system for EEG data | |
DE102013217935A1 (de) | Verfahren, Vorrichtung und System zur Gewinnung eines medizinischen Bilddatensatzes | |
Baliarsingh et al. | ECG Compression using Decomposed Transform for E-Healthcare | |
Kumar et al. | ECG signal compression algorithm based on joint-multiresolution analysis (J-MRA) | |
Coviello et al. | Comparison of data compression methods for implanted real-time peripheral nervous system |
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 |