CN112315432A - 信息监测方法、信息监测装置及计算机可读存储介质 - Google Patents

Abstract

本公开是关于一种信息监测方法、信息监测装置及计算机可读存储介质。信息监测方法包括：获取用户的体征参数，并确定所述体征参数的标准值和所述用户的典型因素，所述典型因素至少包括性别和年龄中的一个或多个。根据所述用户的典型因素，修正所述用户的体征参数。基于修正后的所述用户的体征参数和所述体征参数的标准值，确定所述用户的健康状态。通过本公开提供的信息检测方法，能够基于典型因素修正获取的用户的体征参数，进而使得到的修正后的体征参数能够更贴合用户实际的健康状态，从而提高用户的健康状态的监测准确性。

Description

信息监测方法、信息监测装置及计算机可读存储介质

技术领域

本公开涉及数据处理技术领域，尤其涉及一种信息监测方法、信息监测装置及计算机可读存储介质。

背景技术

生命体征可以用于表征病人的健康状态，进而作为判断病情轻重和危急程度的指征。生命体征可以包括：心率、脉搏、血压、呼吸、疼痛、血氧、瞳孔和角膜反射的改变等。当某一项生命体征出现异常时，会导致严重或致命的疾病，同时某些疾病也可能导致该生命体征发生变化或恶化。因此，为便于获知用户的健康状态，需对用户的生命体征进行监测，以便及时发现异常。

相关技术中，监测用户的生命体征时，直接将获取的用户的生命体征对应的体征参数作为判定用户是否健康的依据，进而确定该用户的健康状态。但由于个体差异，导致确定的用户健康状态准确度不高，容易造成误判。

发明内容

为克服相关技术中存在的问题，本公开提供一种信息监测方法、信息监测装置及计算机可读存储介质。

根据本公开实施例的第一方面，提供一种信息监测方法，包括：获取用户的体征参数，并确定所述体征参数的标准值和所述用户的典型因素，所述典型因素至少包括性别和年龄中的一个或多个。根据所述用户的典型因素，修正所述用户的体征参数。基于修正后的所述用户的体征参数和所述体征参数的标准值，确定所述用户的健康状态。

在一实施例中，所述根据所述用户的典型因素，修正所述用户的体征参数，包括：基于典型因素与修正参数对应列表，确定匹配所述用户的典型因素的第一修正值。基于所述第一修正值，修正所述用户的体征参数。

在另一实施例中，所述典型因素与修正值对应列表采用下述方式进行确定：获取多个样本体征参数，以及各所述样本体征参数对应的典型因素。基于各所述样本体征参数和各所述样本体征参数对应的所述典型因素，通过统计分析模型，确定体征参数与典型因素之间对应的修正系数。基于所述修正系数和所述典型因素，确定多个体征参数对应的多个修正值，得到所述典型因素与修正值对应列表。

在又一实施例中，所述典型因素包括第一典型因素和其他典型因素。所述修正值包括指定修正值。所述基于所述修正系数和所述典型因素，确定多个体征参数对应的多个修正参数，得到所述典型因素与修正值对应列表，包括：基于所述典型因素，确定所述第一典型因素对应的所述指定修正值。根据所述第一典型因素与所述其他典型因素之间的差值，将所述指定修正值增加或者减小所述修正系数的所述差值的倍数，得到所述其他典型因素对应的修正值。根据所述第一典型因素对应的所述指定修正值和所述其他典型因素对应的修正值，得到所述典型因素与修正值对应列表。其中，若所述其他典型因素大于所述第一典型因素，则将所述指定修正值减少所述修正系数的所述差值的倍数。若所述其他典型因素小于所述第一典型因素，则将所述指定修正值增加述修正系数的所述差值的倍数。

在又一实施例中，所述体征参数的标准值采用下述方式进行确定：确定所述用户的体征参数对应的测量时间。基于测量时间与所述体征参数的标准值之间的对应关系，和所述用户的体征参数对应的测量时间，确定所述体征参数的标准值。

在又一实施例中，所述测量时间与所述体征参数的标准值之间的对应关系采用下述方式进行确定，包括：根据所述体征参数在指定时间内出现的最大值，确定所述体征参数的第一标准值以及所述第一标准值所对应的第一测量时间。根据所述体征参数在指定时间内出现的最小值，确定所述体征参数的第二标准值以及所述第二标准值所对应的第二测量时间。基于所述用户的作息规律、所述第一标准值、所述第一测量时间、所述第二标准值以及所述第二测量时间，确定测量时间与所述体征参数的标准值之间的对应关系。

在又一实施例中，所述信息监测方法，还包括：基于所述用户的健康状态进行报警提示。

根据本公开实施例的第二方面，提供一种信息监测装置，包括：获取单元，用于获取用户的体征参数，并确定所述体征参数的标准值和所述用户的典型因素，所述典型因素至少包括性别和年龄中的一个或多个。修正单元，用于根据所述用户的典型因素，修正所述用户的体征参数。确定单元，用于基于修正后的所述用户的体征参数和所述体征参数的标准值，确定所述用户的健康状态。

在一实施例中，所述修正单元采用下述方式根据所述用户的典型因素，修正所述用户的体征参数：基于典型因素与修正参数对应列表，确定匹配所述用户的典型因素的第一修正值。基于所述第一修正值，修正所述用户的体征参数。

在另一实施例中，所述典型因素与修正值对应列表采用下述方式进行确定：获取多个样本体征参数，以及各所述样本体征参数对应的典型因素。基于各所述样本体征参数和各所述样本体征参数对应的所述典型因素，通过统计分析模型，确定体征参数与典型因素之间对应的修正系数。基于所述修正系数和所述典型因素，确定多个体征参数对应的多个修正值，得到所述典型因素与修正值对应列表。

在又一实施例中，所述典型因素包括第一典型因素和其他典型因素。所述修正值包括指定修正值。所述基于所述修正系数和所述典型因素，确定多个体征参数对应的多个修正参数，得到所述典型因素与修正值对应列表，采用下述方式进行确定：基于所述典型因素，确定所述第一典型因素对应的所述指定修正值。根据所述第一典型因素与所述其他典型因素之间的差值，将所述指定修正值增加或者减小所述修正系数的所述差值的倍数，得到所述其他典型因素对应的修正值。根据所述第一典型因素对应的所述指定修正值和所述其他典型因素对应的修正值，得到所述典型因素与修正值对应列表。其中，若所述其他典型因素大于所述第一典型因素，则将所述指定修正值减少所述修正系数的所述差值的倍数。若所述其他典型因素小于所述第一典型因素，则将所述指定修正值增加述修正系数的所述差值的倍数。

在又一实施例中，所述体征参数的标准值采用下述方式进行确定：确定所述用户的体征参数对应的测量时间。基于测量时间与所述体征参数的标准值之间的对应关系，和所述用户的体征参数对应的测量时间，确定所述体征参数的标准值。

在又一实施例中，所述测量时间与所述体征参数的标准值之间的对应关系采用下述方式进行确定，包括：根据所述体征参数在指定时间内出现的最大值，确定所述体征参数的第一标准值以及所述第一标准值所对应的第一测量时间。根据所述体征参数在指定时间内出现的最小值，确定所述体征参数的第二标准值以及所述第二标准值所对应的第二测量时间。基于所述用户的作息规律、所述第一标准值、所述第一测量时间、所述第二标准值以及所述第二测量时间，确定测量时间与所述体征参数的标准值之间的对应关系。

在又一实施例中，所述信息监测装置，还包括：提示单元，用于基于所述用户的健康状态进行报警提示。

根据本公开实施例的第五方面，提供一种信息监测装置，包括：存储器，用于存储指令；以及处理器，用于调用所述存储器存储的指令执行上述任意一种所述的信息监测方法。

根据本公开实施例的第六方面，提供一种计算机可读存储介质，存储有指令，所述指令被处理器执行时，执行上述任意一种所述的信息监测方法。

本公开的实施例提供的技术方案可以包括以下有益效果：通过本公开提供的信息检测方法，能够基于典型因素修正获取的用户的体征参数，进而使得到的修正后的体征参数能够更贴合用户实际的健康状态，从而提高用户的健康状态的监测准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种信息监测方法的流程图。

图2是根据一示例性实施例示出的一种对应列表确定方法的流程图。

图3是根据一示例性实施例示出的另一种信息监测方法的流程图。

图4是根据一示例性实施例示出的一种信息监测装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

相关技术中，确定用户的健康状态时，是基于直接获取的体征参数进行判定。若高于或者低于指定标准，则表示该用户的健康状态异常。若属于指定标准，则表示该用户的健康状态正常。但由于个体之间存在差异，采用统一标准进行测量，容易使确定的用户的健康状态不准确，进而容易导致误判，偏离用户实际的健康状态。

有鉴于此，本公开提供一种信息监测方法，能够根据典型因素修正获取的用户的体征参数，进而补偿个体差异，使修正后的用户的体征参数更贴合用户的实际健康状态，从而提高监测时准确度。

图1是根据一示例性实施例示出的一种信息监测方法的流程图，如图1所示，信息监测方法包括以下步骤S11至步骤S13。

在步骤S11中，获取用户的体征参数，并确定体征参数的标准值和用户的典型因素。

在本公开实施例中，为便于确定用户的身体健康状态，需要通过获取用户的体征参数作为判断依据，进而将获取的用户的体征参数与对应的体征参数的标准值进行对比，从而确定用户的健康状态。其中，体征参数可以包括：体温、血压、心率、血氧、脉搏、呼吸、血糖、瞳孔或者角膜反射等，标准值可以包括：具体值或者指定区间。

为便于监测，通常将体征参数的标准值设为统一标准，即针对同一类型的体征参数采用统一的标准值进行对比。但在实际生活中，各用户之间的典型因素不同，对应的各用户体征参数的标准值也存在个体差异。从而直接将获取的用户的体征参数与体征参数的标准值进行对比，容易产生误判，影响用户的健康状态的监测真实性。因此，为提高监测的准确率，在将用户的体征参数与体征参数的标准值进行对比前，确定用户的典型因素，进而便于根据用户的典型因素修正体征参数，从而在进行对比时能够消除个体差异，提高监测的准确度。其中，典型因素可以包括性别、年龄或者性别和年龄，在本公开中不进行限定。确定的典型因素越多，进行修正时，得到的修正后的体征参数越准确。

在步骤S12中，根据用户的典型因素，修正用户的体征参数。

在本公开实施例中，将获取的用户的体征参数根据的用户的典型因素进行修正，进而消除个体差异，使修正后的用户的体征参数能够与用户真实的健康状态进行匹配，从而提高监测的准确度。例如：在体征参数为体温的具体值、典型因素为性别的条件下，且低浅度体温的标准值属于35.8℃至36.2℃之间，获取的女性和男性的体温测量值均为35.8摄氏度时，若直接将获取的用户的体征参数直接体征参数的标准值进行对比，则只能认为男性和女性的体温偏低但是正常。但在实际中，女性的体温略高于男性，在获取的用户的体温值均在体征参数的标准值的指定范围区间的边界的情况下，女性的实际健康状态相比于男性更容易出现异常。因此，将获取的用户的体征参数根据典型因素进行修正，能更好的反映用户的真实健康状态，进而便于准确监测。

在一实施例中，为便于快速确定修正值，可以基于典型因素与修正参数对应列表，确定匹配用户的典型因素的第一修正值，进而根据对应的第一修正值，修正用户的体征参数。

在步骤S13中，基于修正后的用户的体征参数和体征参数的标准值，确定用户的健康状态。

在本公开实施例中，经过修正后的用户的体征参数能够更准确的反应用户真实的健康状态，进而将其与体征参数的标准值进行对比，能够更好地反映出用户的健康状态，从而提高监测的有效性。

通过上述实施例，通过基于典型因素对用户的体征参数进行修正，进而消除用户的个体差异，使修正后的用户的体征参数能够更准确地匹配用户的健康状态，从而提高监测的准确度和有效性。

本公开实施例以下将对典型因素与修正值对应列表确定的过程进行说明。

图2是根据一示例性实施例示出的一种对应列表确定方法的流程图，如图2所示，对应列表确定方法包括以下步骤S21至步骤S23。

在步骤S21中，获取多个样本体征参数，以及各样本体征参数对应的典型因素。

在本公开实施例中，预先获取多个样本体征参数和各样本体征参数对应的典型因素，以便通过大量的体征参数数据和典型因素数据，确定体征参数与典型因素之间的关联关系，确定体征参数与典型因素之间的对应关系，进而得到对应的且能够消除因典型因素不同产生的个体差异的修正值，从而提高监测的准确度。

在步骤S22中，基于各样本体征参数和各样本体征参数对应的典型因素，通过统计分析模型，确定体征参数与典型因素之间对应的修正系数。

在本公开实施例中，基于统计分析模型，将获取的各样本体征参数和各样本体征参数对应的典型因素进行统计、分析，进而得到体征参数在不同典型因素下之间的对应关系，并基于二者之间的对应关系，得到能够基于获取的体征参数或者典型因素预测对应的典型因素或者体征参数的关联方程，从而确定体征参数与典型因素之间对应的修正系数，以便通过该修正系数能够快速得到不同典型因素下的体征参数修正值，提高修正准确度。其中，统计分析模型可以包括：回归模型或者聚类分析模型，在本公开中不进行限定。

在一实施例中，统计分析模型包括回归模型，可以通过回归模型确定体征参数与典型因素之间对应的修正系数。回归模型是基于数理统计分析方法中用于研究一个变量与另一个或者另一些变量之间的具体依赖关系的计算方法和理论。根据回归模型得到的关系式，能够通过一个或多个变量的取值预测或者控制另一个特定变量的取值，并确定该预测或者控制的精确程度。因此，通过回归模型能够基于获取的各样本体征参数和各样本体征参数对应的典型因素进行统计、分析，能够得到体征参数与典型因素之间合理的、精确的回归关系，进而得到体征参数与典型因素相关的回归关系式，从而根据该回归关系式确定体征参数与典型因素之间对应的修正系数，以便通过该修正系数能够快速得到不同典型因素下的体征参数修正值，提高修正准确度。

在一例中，回归模型可以包括：线性回归模型。当体征参数与典型因素之间有明确的线性关系时，可以采用线性回归模型确认二者之间的线性关系，从而得到相关的线性回归方程，并将该线性回归方程对应的线性系数作为该体征参数与典型因素之间对应的修正系数。在一实时场景中，以体征参数为体温、典型因素为年龄例。在60岁至90岁的人群中，体温随着年龄的增长而降低。因此，通过线性回归方程，可以快速确定在60岁至90岁之间的典型因素与体温之间的线性关系，从而快速确定该体温与60岁至90岁之间对应的修正系数。

在另一例中，回归模型还可以包括：曲线回归模型。当体征参数与典型因素之间不具有明确的线性关系时，可以采用曲线回归模型确定二者之间的非线性关系，进而确定体征参数与典型因素之间在数量变化上的特征和规律，从而根据该特征和规律得到体征参数与典型因素之间对应的修正系数。在一实时场景中，以体征参数为体温、典型因素为年龄例。在5岁至15岁的人群中，体温随着年龄的增长可能增减、不变或者降低。因此，通过曲线回归方程，可以发现5岁至15岁之间的典型因素与体温之间的变化特征及变化规律，进而基于该特征以及规律确定该体温与5岁至15岁之间对应的修正系数。

在步骤S23中，基于修正系数和典型因素，确定多个体征参数对应的多个修正值，得到典型因素与修正值对应列表。

在本公开实施例中，基于确定的修正系数和典型因素，分别确定各典型因素对应的修正值，进而得到各体征参数与修正值之间的对应关系，得到典型因素与修正值对应列表。从而在监测时，能够基于获取的用户的体征参数以及用户的典型因素快速确定该用户对应的修正值，促进监测进程，加快确定用户的健康状况。

通过上述实施例，能够基于回归模型，将体征参数与典型因素之间的关联性进行具体量化，进而便于清晰、直观地确定体征参数与典型因素之间关联关系，得到典型因素与修正值对应列表，以便根据该典型因素与修正值对应列表将获取的用户的体征参数进行修正，使修正后的用户的体征参数能够与用户的真实健康状态相匹配，从而提高监测准确度。

在一实施例中，在同一体征参数下，不同典型因素对应的修正值不同。典型因素可以包括第一典型因素和其他典型因素。因此，为便于确定各典型因素对应的修正值，可以将任意一个典型因素作为第一典型因素，将该第一典型因素对应的指定修正值作为基准值，将其他典型因素对应的修正值基于确定的修正系数、该其他典型因素与第一典型因素之间的差值以及第一典型因素对应的指定修正值进行确定。即，若其他典型因素大于第一典型因素，则将指定修正值减少修正系数的差值的倍数；若其他典型因素小于第一典型因素，则将指定修正值增加修正系数的差值的倍数。例如：第一典型因素对应的指定修正值为T，修正系数为0.005，若其他典型因素与第一典型因素之间的差值为正5时，即其他典型因素大于第一典型因素，且差值为5，则该其他典型因素对应的指定修正值为T-5*0.005＝T-0.025。若其他典型因素与第一典型因素之间的差值为负5时，即其他典型因素小于第一典型因素，且差值为5，则该其他典型因素对应的指定修正值为T+5*0.005＝T+0.025。进而快速确定各典型因素对应的修正值，得到典型因素与修正值对应列表。

在一实施场景中，体征参数对应的是用户的体温值，典型因素为年龄。基于线性回归模型得到年龄与体温之间的线性回归方程：y＝-0.007x+36.985。其中，x表征年龄，y表征体温，-0.007表征修正系数。当年龄增长一岁时，则体温减少0.007℃。若年龄减少一岁，则体温增加0.007℃。将年龄60岁作为第一年龄，其对应的指定修正值为T，进而确定60-90岁之间各典型因素对应的修正值，从而得到如表1所示的年龄与修正值对应列表。

年龄	60	61	62	…	90
						体温(℃)	T	T-0.007	T-0.014	…	T-0.021

表1

在另一实施例中，若典型因素涉及的因素较少，例如典型因素为性别，只有男性和女性。由于现实生活中，男性的体温较为恒定。因此，可以采用男性对应的指定修正值作为基准值，将女性的体温对应的修正值基于男性对应的指定修正值和修正系数进行确定。进而得到性别与修正值对应列表。例如：将男性作为第一性别，其对应的指定修正值为T，修正系数为0.221，则女性对应的修正值为T+0.221。得到如表2所示的性别与修正值对应列表。

性别	男性	女性
			体温(℃)	T	T+0.221

表2

在又一实施例中，由于人体的体征参数容易根据时间产生上下波动，因此，为便于提高监测的准确度，体征参数的标准值可以基于其对应的测量时间进行确定。预先获取测量时间与体征参数的标准值之间的对应关系，进而可知在不同测量时间下对应的体征参数的标准值，从而根据获取的用户的体征参数对应的测量时间可以提供合适的体征参数的标准值，使在进行监测时，能够匹配用户真实的健康状况，避免误检测。例如：人体的体温容易受到时间的影响，若在下午时，随着人体的活动的加剧，新陈代谢旺盛、身体散热多，导致体温高。若在午夜时，人体处于睡眠状态，新陈代谢速率慢，身体放热少，体温较低。因此，在确定体温的标准值时，可以根据不同的测量时间确定体温的标准值与测量时间之间的对应关系，进而在监测时提供合适的体征参数的标准值进行对比，从而提高监测的准确度。

在又一实施例中，为提高监测的准确度，使得到的修正值能够更真实的反映出用户的身体健康状态，获取测量时间与体征参数的标准值之间的对应关系时，可以基于用户的作息规律、体征参数在指定时间内的峰谷值进行确定。在一例中，体征参数在指定时间内的峰谷值可以包括：体征参数在24小时内的数值变化，进而确定该体征参数在24小时内的最大值和最小值。在另一例中，体征参数在指定时间内的峰谷值还可以包括：体征参数在24小时内的数值变化，进而确定该体征参数在24小时内的多个峰谷值变化，将各峰谷值产生的时间范围作为指定时间，并在各指定时间内确定各指定时间对应的峰谷值的最大值和最小值，以及各峰谷值对应的最大值对应的测量时间和最小值对应的测量时间。

在确定测量时间与体征参数的标准值之间的对应关系时，根据体征参数在指定时间内出现的最大值，确定体征参数的第一标准值以及第一标准值所对应的第一测量时间。根据体征参数在指定时间内出现的最小值，确定体征参数的第二标准值以及第二标准值所对应的第二测量时间。进而可以获知，在第一测量时间内对应的第一标准值是该体征参数最大的标准值，若获取的用户的体征参数在第一测量时间内超过该第一标准值，则表征该用户的身体状态可能出现异常。在第二测量时间内对应的第二标准值是该体征参数最小的标准值，若获取的用户的体征参数在第二测量时间内超过该第二标准值，则表征该用户的身体状态可能出现异常。通过用户的作息规律可以确定用户的作息状态，进而可以依据用户当前的作息状态调节体征参数对应的标准值，从而在进行监测时，使修正值在修正用户的体征参数时更具有针对性，有利于提高监测结果的准确性。其中，第一标准值大于体征参数最大值，第二标准值小于体征参数最小值。

基于相同发明构思，本公开还提供另一种信息监测方法。

图3是根据一示例性实施例示出的一种对应列表确定方法的流程图，如图3所示，对应列表确定方法包括以下步骤S31至步骤S34。

在步骤S31中，获取用户的体征参数，并确定体征参数的标准值和用户的典型因素。

在步骤S32中，根据用户的典型因素，修正用户的体征参数。

在步骤S33中，基于修正后的用户的体征参数和体征参数的标准值，确定用户的健康状态。

在步骤S34中，基于用户的健康状态进行报警提示。

在本公开实施例中，健康状态可以包括：健康正常或者健康异常。若用户的健康状态出现异常时，则进行报警提示，以用于提醒用户身体健康出现异常，便于用户及时调整自身状态或者及时就医，进而做到及时防护、降低并发症发生或者轻症转重症风险的可能性。报警提示可以包括：通过发出警报声或者通过语音播报健康异常具体情况进行提示，以便用户能够及时获知自身健康异常的信息。

通过上述实施例，通过报警提示，能够基于监测的用户的健康状态进行及时提示，进而使用户及时发现自身健康状态的异常，从而进行合理防护。

在一实施场景中，为便于实时监测用户的健康状态，及时提示用户其体征参数异常，需要及时注意并快速调整时，可以通过能够采用上述信息监测方法进行监测的穿戴设备进行实时监测，从而实现随时随地的监测，以降低并发症的发生或者降低轻症转重症的风险。可穿戴设备可以包括：智能手环、智能手表、智能眼镜等可随身穿戴的设备，在本公开中不进行限定。

在另一实时场景中，为便于多方面监测用户的健康状态，减少并发症的发生，提高可穿戴设备的利用率，可以同时监测用户的多种体征参数，进而进行多方面参考，从而精确判断用户的健康状态，并进行准确的预警。

基于相同的构思，本公开实施例还提供一种信息监测装置。

可以理解的是，本公开实施例提供的信息监测装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。结合本公开实施例中所公开的各示例的单元及算法步骤，本公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能，但是这种实现不应认为超出本公开实施例的技术方案的范围。

图4是根据一示例性实施例示出的一种信息监测装置框图。参照图4，该信息监测装置100包括获取单元101，修正单元102和确定单元103。

获取单元101，用于获取用户的体征参数，并确定体征参数的标准值和用户的典型因素，典型因素至少包括性别和年龄中的一个或多个。

修正单元102，用于根据用户的典型因素，修正用户的体征参数。

确定单元103，用于基于修正后的用户的体征参数和体征参数的标准值，确定用户的健康状态。

在一实施例中，修正单元102采用下述方式根据用户的典型因素，修正用户的体征参数：基于典型因素与修正参数对应列表，确定匹配用户的典型因素的第一修正值。基于第一修正值，修正用户的体征参数。

在另一实施例中，典型因素与修正值对应列表采用下述方式进行确定：获取多个样本体征参数，以及各样本体征参数对应的典型因素。基于各样本体征参数和各样本体征参数对应的典型因素，通过统计分析模型，确定体征参数与典型因素之间对应的修正系数。基于修正系数和典型因素，确定多个体征参数对应的多个修正值，得到典型因素与修正值对应列表。

在又一实施例中，典型因素包括第一典型因素和其他典型因素。修正值包括指定修正值。基于修正系数和典型因素，确定多个体征参数对应的多个修正参数，得到典型因素与修正值对应列表，采用下述方式进行确定：基于典型因素，确定第一典型因素对应的指定修正值。根据第一典型因素与其他典型因素之间的差值，将指定修正值增加或者减小修正系数的差值的倍数，得到其他典型因素对应的修正值。根据第一典型因素对应的指定修正值和其他典型因素对应的修正值，得到典型因素与修正值对应列表。其中，若其他典型因素大于第一典型因素，则将指定修正值减少修正系数的差值的倍数。若其他典型因素小于第一典型因素，则将指定修正值增加述修正系数的差值的倍数。

在又一实施例中，体征参数的标准值采用下述方式进行确定：确定用户的体征参数对应的测量时间。基于测量时间与体征参数的标准值之间的对应关系，和用户的体征参数对应的测量时间，确定体征参数的标准值。

在又一实施例中，测量时间与体征参数的标准值之间的对应关系采用下述方式进行确定，包括：根据体征参数在指定时间内出现的最大值，确定体征参数的第一标准值以及第一标准值所对应的第一测量时间。根据体征参数在指定时间内出现的最小值，确定体征参数的第二标准值以及第二标准值所对应的第二测量时间。基于用户的作息规律、第一标准值、第一测量时间、第二标准值以及第二测量时间，确定测量时间与体征参数的标准值之间的对应关系。

在又一实施例中，信息监测装置100，还包括：提示单元，用于基于用户的健康状态进行报警提示。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

进一步的，在示例性实施例中，信息监测装置可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。例如，面板端子清洁度检测装置包括：存储器，用于存储指令；以及处理器，用于调用所述存储器存储的指令执行上述任意一种实施例提供的信息监测方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器，上述指令可由信息监测装置的处理器执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

进一步可以理解的是，本公开中“多个”是指两个或两个以上，其它量词与之类似。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

进一步可以理解的是，术语“第一”、“第二”等用于描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开，并不表示特定的顺序或者重要程度。实际上，“第一”、“第二”等表述完全可以互换使用。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。

进一步可以理解的是，除非有特殊说明，“连接”包括两者之间不存在其他构件的直接连接，也包括两者之间存在其他元件的间接连接。

进一步可以理解的是，本公开实施例中尽管在附图中以特定的顺序描述操作，但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作，或是要求执行全部所示的操作以得到期望的结果。在特定环境中，多任务和并行处理可能是有利的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种信息监测方法，其体征在于，所述信息监测方法包括：

获取用户的体征参数，并确定所述体征参数的标准值和所述用户的典型因素，所述典型因素至少包括性别和年龄中的一个或多个；

根据所述用户的典型因素，修正所述用户的体征参数；

基于修正后的所述用户的体征参数和所述体征参数的标准值，确定所述用户的健康状态。

2.根据权利要求1所述的信息监测方法，其体征在于，所述根据所述用户的典型因素，修正所述用户的体征参数，包括：

基于典型因素与修正参数对应列表，确定匹配所述用户的典型因素的第一修正值；

基于所述第一修正值，修正所述用户的体征参数。

3.根据权利要求2所述的信息监测方法，其体征在于，所述典型因素与修正值对应列表采用下述方式进行确定：

获取多个样本体征参数，以及各所述样本体征参数对应的典型因素；

基于各所述样本体征参数和各所述样本体征参数对应的所述典型因素，通过统计分析模型，确定体征参数与典型因素之间对应的修正系数；

基于所述修正系数和所述典型因素，确定多个体征参数对应的多个修正值，得到所述典型因素与修正值对应列表。

4.根据权利要求3所述的信息监测方法，其体征在于，

所述典型因素包括第一典型因素和其他典型因素；

所述修正值包括指定修正值；

所述基于所述修正系数和所述典型因素，确定多个体征参数对应的多个修正参数，得到所述典型因素与修正值对应列表，包括：

基于所述典型因素，确定所述第一典型因素对应的所述指定修正值；

根据所述第一典型因素与所述其他典型因素之间的差值，将所述指定修正值增加或者减小所述修正系数的所述差值的倍数，得到所述其他典型因素对应的修正值；

根据所述第一典型因素对应的所述指定修正值和所述其他典型因素对应的修正值，得到所述典型因素与修正值对应列表；

其中，若所述其他典型因素大于所述第一典型因素，则将所述指定修正值减少所述修正系数的所述差值的倍数；

若所述其他典型因素小于所述第一典型因素，则将所述指定修正值增加述修正系数的所述差值的倍数。

5.根据权利要求1所述的信息监测方法，其体征在于，所述体征参数的标准值采用下述方式进行确定：

确定所述用户的体征参数对应的测量时间；

基于测量时间与所述体征参数的标准值之间的对应关系，和所述用户的体征参数对应的测量时间，确定所述体征参数的标准值。

6.根据权利要求5所述的信息监测方法，其体征在于，所述测量时间与所述体征参数的标准值之间的对应关系采用下述方式进行确定，包括：

根据所述体征参数在指定时间内出现的最大值，确定所述体征参数的第一标准值以及所述第一标准值所对应的第一测量时间；

根据所述体征参数在指定时间内出现的最小值，确定所述体征参数的第二标准值以及所述第二标准值所对应的第二测量时间；

基于所述用户的作息规律、所述第一标准值、所述第一测量时间、所述第二标准值以及所述第二测量时间，确定测量时间与所述体征参数的标准值之间的对应关系。

7.根据权利要求1-6中任意一种所述的信息监测方法，其体征在于，所述信息监测方法，还包括：

基于所述用户的健康状态进行报警提示。

8.一种信息监测装置，其体征在于，所述信息监测装置包括：

获取单元，用于获取用户的体征参数，并确定所述体征参数的标准值和所述用户的典型因素，所述典型因素至少包括性别和年龄中的一个或多个；

修正单元，用于根据所述用户的典型因素，修正所述用户的体征参数；

确定单元，用于基于修正后的所述用户的体征参数和所述体征参数的标准值，确定所述用户的健康状态。

9.一种信息监测装置，其特征在于，所述信息监测装置包括：

存储器，用于存储指令；以及

处理器，用于调用所述存储器存储的指令执行如权利要求1-7中任意一项所述的信息监测方法。

10.一种计算机可读存储介质，其特征在于，存储有指令，所述指令被处理器执行时，执行如权利要求1-7中任意一项所述的信息监测方法。

Images