CN112704479A - 基于物联网的健康智能监测***及方法 - Google Patents

基于物联网的健康智能监测***及方法 Download PDF

Info

Publication number
CN112704479A
CN112704479A CN202011505764.8A CN202011505764A CN112704479A CN 112704479 A CN112704479 A CN 112704479A CN 202011505764 A CN202011505764 A CN 202011505764A CN 112704479 A CN112704479 A CN 112704479A
Authority
CN
China
Prior art keywords
health
layer
data
intelligent
biological data
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.)
Pending
Application number
CN202011505764.8A
Other languages
English (en)
Inventor
刘东升
许翀寰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Gongshang University
Original Assignee
Zhejiang Gongshang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Gongshang University filed Critical Zhejiang Gongshang University
Priority to CN202011505764.8A priority Critical patent/CN112704479A/zh
Publication of CN112704479A publication Critical patent/CN112704479A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0008—Temperature signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Cardiology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Pulmonology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明公开了一种基于物联网的健康智能监测***及方法，该***包括：健康生物信号感知层、网络层、智能监测层和应用层；健康生物信号感知层收集健康生物数据；网络层上传健康生物数据；智能监测层对健康生物数据进行预处理并对深度学习模型进行训练；智能监测层通过训练后的深度学习模型对后续健康生物数据进行分析并输出分析结果；应用层根在分析结果存在异常时向对应的用户发送提示信息。本发明的基于物联网的健康智能监测***及方法，通过物联网收集老年人的健康生物数据，并将数据上传至云端进行智能分析，用不同的健康生物信号建立关联，然后在多种健康特征综合情况下进行老年人健康的智能监测。

Description

基于物联网的健康智能监测***及方法
技术领域
本发明属于物联网和人工智能的智慧养老技术领域，具体涉及一种基于物联网的健康智能监测***及方法。
背景技术
随着生活压力的日益增加，越来越多的人出现了亚健康甚至慢性疾病状态，老年人的健康问题尤其受到人们的关注。同时，老年人的儿女忙于工作，无法时刻顾及到父母的健康状态。
物联网的快速发展，使物联网中各类传感器的联网设备越来越多，生物健康信号收集也可以由物联网设备来完成。目前，大部分的健康监测工具，仅仅只是对当前用户的各类健康参数进行本地实时监测和显示，或者将数据通过蓝牙传送至手机客户端显示，也没有智能分析和异常提醒。虽然物联网和人工智能分别已经在生物信号健康领域有了较多的应用，但是两种新技术的融合并应用与生物信号监测领域的研究还相对较少。
发明内容
本发明提供了一种基于物联网的健康智能监测***及方法，采用如下的技术方案：
一种基于物联网的健康智能监测***，基于物联网的健康智能监测***包括：健康生物信号感知层、网络层、智能监测层和应用层；
健康生物信号感知层用于收集用户的健康生物数据并对其进行预处理；
网络层用于将健康生物信号感知层收集到的健康生物数据上传至智能监测层；
智能监测层对接收到的健康生物数据进行预处理并在健康生物数据达到训练集所需要的数据量时通过健康生物数据对深度学习模型进行训练；
智能监测层对后续接收到的健康生物数据进行预处理后再通过训练后的深度学习模型对健康生物数据进行分析并输出分析结果；
应用层分析智能监测层输出的分析结果并在分析结果存在异常时向对应的用户发送提示信息。
作为一种优选的实施方式，健康生物信号感知层对收集到的用户的健康生物数据进行预处理的具体方法包括：
对健康生物数据进行加窗处理，加窗公式为：
Figure BDA0002844885290000011
其中，O(n)为加窗后的输出，I(k)为离散后的数据，w为窗函数。
作为一种优选的实施方式，窗函数选用Hanning窗，
Figure BDA0002844885290000021
其中，N表示窗口数。
作为一种优选的实施方式，健康生物信号感知层包含体温监测设备、心率监测设备和行走速度传感器；
体温监测设备用于收集用户的体温数据；
心率监测设备用于收集用户的心率数据；
行走速度传感器用于收集用户的加速度数据和角速度数据。
作为一种优选的实施方式，健康生物信号感知层对收集到的用户的健康生物数据进行预处理的具体方法还包括：
对获取的加速度数据和角速度数据进行预处理；
Figure BDA0002844885290000022
其中，ai为第i次合成加速度，
Figure BDA0002844885290000023
和
Figure BDA0002844885290000024
表示在三个轴上的加速度；
Figure BDA0002844885290000025
其中，wi为第i次合成角速度，
Figure BDA0002844885290000026
和
Figure BDA0002844885290000027
表示在三个轴上的角速度。
作为一种优选的实施方式，定义心率计算公式为：
H＝U*S*60，
其中，S为一次处理频率统计的峰值数量，U为计算心率频率，H为最终心率值。
作为一种优选的实施方式，网络层与健康生物信号感知层无线传输。
作为一种优选的实施方式，智能监测层对接收到的健康生物数据进行预处理的具体方法为：
智能监测层对接收到的健康生物数据进行打标签和归一化。
一种基于物联网的健康智能监测方法，包含以下步骤：
通过健康生物信号感知层收集用户的健康生物数据并对其进行预处理；
通过网络层用于将健康生物信号感知层收集到的健康生物数据上传至智能监测层；
智能监测层对接收到的健康生物数据进行预处理并在健康生物数据达到训练集所需要的数据量时通过健康生物数据对深度学习模型进行训练；
智能监测层对后续接收到的健康生物数据进行预处理后再通过训练后的深度学习模型对健康生物数据进行分析并输出分析结果；
应用层分析智能监测层输出的分析结果并在分析结果存在异常时向对应的用户发送提示信息。
作为一种优选的实施方式，健康生物信号感知层对收集到的用户的健康生物数据进行预处理的具体方法包括：
对健康生物数据进行加窗处理，加窗公式为：
Figure BDA0002844885290000031
其中，O(n)为加窗后的输出，I(k)为离散后的数据，w为窗函数。
本发明的有益之处在于所提供的基于物联网的健康智能监测***及方法，通过物联网收集老年人的健康生物数据，并将数据上传至云端进行智能分析，用不同的健康生物信号建立关联，然后在多种健康特征综合情况下进行老年人健康的智能监测。
附图说明
图1是本发明的基于物联网的健康智能监测***的示意图；
图2是本发明的基于物联网的健康智能监测方法的示意图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
如图1所示为本发明的一种基于物联网的健康智能监测***，基于物联网的健康智能监测***包括：健康生物信号感知层、网络层、智能监测层和应用层。
健康生物信号感知层用于收集用户的健康生物数据并对其进行预处理。
作为一种优选的实施方式，健康生物信号感知层对收集到的用户的健康生物数据进行预处理的具体方法包括：
对每一时隙数据进行加窗处理，每一时隙即为一个周期，对健康生物数据进行加窗处理，加窗公式为：
Figure BDA0002844885290000032
其中，O(n)为加窗后的输出，I(k)为离散后的数据，w为窗函数。
作为一种优选的实施方式，窗函数选用汉宁(Hanning)窗，N表示窗口数，公式如下：
Figure BDA0002844885290000033
作为一种优选的实施方式，健康生物信号感知层包含体温监测设备、心率监测设备和行走速度传感器。体温监测设备用于收集用户的体温数据。心率监测设备用于收集用户的心率数据。行走速度传感器用于收集用户的加速度数据和角速度数据。
健康生物信号感知层对收集到的用户的健康生物数据进行预处理的具体方法还包括：
对获取的加速度数据和角速度数据进行预处理。
Figure BDA0002844885290000041
其中，ai为第i次合成加速度，
Figure BDA0002844885290000042
和
Figure BDA0002844885290000043
表示在XYZ三个轴上的加速度。
Figure BDA0002844885290000044
其中，wi为第i次合成角速度，
Figure BDA0002844885290000045
和
Figure BDA0002844885290000046
表示在XYZ三个轴上的角速度。
作为一种优选的实施方式，定义心率计算公式为：
H＝U*S*60，
其中，S为一次处理频率统计的峰值数量，U为计算心率频率，H为最终心率值。
网络层用于将健康生物信号感知层收集到的健康生物数据上传至智能监测层。作为一种优选的实施方式，网络层与健康生物信号感知层无线传输，无线传输方式包括但不限于wifi和蓝牙。传送至智能监测层的方式可以是无线或有线。
智能监测层包含三个阶段的工作。第一阶段是数据处理。智能监测层对接收到的健康生物数据进行预处理，智能监测层对接收到的健康生物数据进行打标签和归一化。可以理解的是，该预处理不限于打标签、归一化。第二阶段是深度学习模型的训练。智能监测层在健康生物数据达到训练集所需要的数据量时通过健康生物数据对深度学习模型进行训练。第三阶段是实时监测。智能监测层对后续接收到的健康生物数据进行预处理后再通过训练后的深度学习模型对健康生物数据进行分析并输出分析结果。
应用层用于部署适用于本发明的应用。应用层分析智能监测层输出的分析结果并在分析结果存在异常时向对应的用户发送提示信息。
如图2所示为本发明的一种基于物联网的健康智能监测方法，应用于上述的基于物联网的健康智能监测***，该方法主要包含以下步骤：
S1：通过健康生物信号感知层收集用户的健康生物数据并对其进行预处理。
S2：通过网络层用于将健康生物信号感知层收集到的健康生物数据上传至智能监测层。
S3：智能监测层对接收到的健康生物数据进行预处理并在健康生物数据达到训练集所需要的数据量时通过健康生物数据对深度学习模型进行训练。
S4：智能监测层对后续接收到的健康生物数据进行预处理后再通过训练后的深度学习模型对健康生物数据进行分析并输出分析结果。
S5：应用层分析智能监测层输出的分析结果并在分析结果存在异常时向对应的用户发送提示信息。
其中，每一个步骤中的具体实施方式参考前述的基于物联网的健康智能监测***中的描述。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (10)

1.一种基于物联网的健康智能监测***，其特征在于，所述基于物联网的健康智能监测***包括：健康生物信号感知层、网络层、智能监测层和应用层；
所述健康生物信号感知层用于收集用户的健康生物数据并对其进行预处理；
所述网络层用于将所述健康生物信号感知层收集到的健康生物数据上传至所述智能监测层；
所述智能监测层对接收到的健康生物数据进行预处理并在所述健康生物数据达到训练集所需要的数据量时通过所述健康生物数据对深度学习模型进行训练；
所述智能监测层对后续接收到的所述健康生物数据进行预处理后再通过训练后的所述深度学习模型对所述健康生物数据进行分析并输出分析结果；
所述应用层分析所述智能监测层输出的分析结果并在所述分析结果存在异常时向对应的用户发送提示信息。
2.根据权利要求1所述的基于物联网的健康智能监测***，其特征在于，
所述健康生物信号感知层对收集到的用户的健康生物数据进行预处理的具体方法包括：
对所述健康生物数据进行加窗处理，加窗公式为：
Figure FDA0002844885280000011
其中，O(n)为加窗后的输出，I(k)为离散后的数据，w为窗函数。
3.根据权利要求2所述的基于物联网的健康智能监测***，其特征在于，
窗函数选用Hanning窗，
Figure FDA0002844885280000012
其中，N表示窗口数。
4.根据权利要求3所述的基于物联网的健康智能监测***，其特征在于，
所述健康生物信号感知层包含体温监测设备、心率监测设备和行走速度传感器；
所述体温监测设备用于收集用户的体温数据；
所述心率监测设备用于收集用户的心率数据；
所述行走速度传感器用于收集用户的加速度数据和角速度数据。
5.根据权利要求4所述的基于物联网的健康智能监测***，其特征在于，
所述健康生物信号感知层对收集到的用户的健康生物数据进行预处理的具体方法还包括：
对获取的加速度数据和角速度数据进行预处理；
Figure FDA0002844885280000013
其中，ai为第i次合成加速度，
Figure FDA0002844885280000021
和
Figure FDA0002844885280000022
表示在三个轴上的加速度；
Figure FDA0002844885280000023
其中，wi为第i次合成角速度，
Figure FDA0002844885280000024
和
Figure FDA0002844885280000025
表示在三个轴上的角速度。
6.根据权利要求5所述的基于物联网的健康智能监测***，其特征在于，
定义心率计算公式为：
H＝U*S*60，
其中，S为一次处理频率统计的峰值数量，U为计算心率频率，H为最终心率值。
7.根据权利要求1所述的基于物联网的健康智能监测***，其特征在于，
所述网络层与所述健康生物信号感知层无线传输。
8.根据权利要求1所述的基于物联网的健康智能监测***，其特征在于，
所述智能监测层对接收到的健康生物数据进行预处理的具体方法为：
所述智能监测层对接收到的健康生物数据进行打标签和归一化。
9.一种基于物联网的健康智能监测方法，其特征在于，包含以下步骤：
通过健康生物信号感知层收集用户的健康生物数据并对其进行预处理；
通过网络层用于将所述健康生物信号感知层收集到的健康生物数据上传至智能监测层；
所述智能监测层对接收到的健康生物数据进行预处理并在所述健康生物数据达到训练集所需要的数据量时通过所述健康生物数据对深度学习模型进行训练；
所述智能监测层对后续接收到的所述健康生物数据进行预处理后再通过训练后的所述深度学习模型对所述健康生物数据进行分析并输出分析结果；
应用层分析所述智能监测层输出的分析结果并在所述分析结果存在异常时向对应的用户发送提示信息。
10.根据权利要求9所述的基于物联网的健康智能监测方法，其特征在于，
所述健康生物信号感知层对收集到的用户的健康生物数据进行预处理的具体方法包括：
对所述健康生物数据进行加窗处理，加窗公式为：
Figure FDA0002844885280000026
其中，O(n)为加窗后的输出，I(k)为离散后的数据，w为窗函数。
CN202011505764.8A 2020-12-18 2020-12-18 基于物联网的健康智能监测***及方法 Pending CN112704479A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011505764.8A CN112704479A (zh) 2020-12-18 2020-12-18 基于物联网的健康智能监测***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011505764.8A CN112704479A (zh) 2020-12-18 2020-12-18 基于物联网的健康智能监测***及方法

Publications (1)

Publication Number Publication Date
CN112704479A true CN112704479A (zh) 2021-04-27

Family

ID=75544587

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011505764.8A Pending CN112704479A (zh) 2020-12-18 2020-12-18 基于物联网的健康智能监测***及方法

Country Status (1)

Country Link
CN (1) CN112704479A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116189863A (zh) * 2023-01-14 2023-05-30 广东唯康教育科技股份有限公司 基于物联网的智慧健康养护管理***、交互平台及方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107334466A (zh) * 2017-08-08 2017-11-10 西安交通大学 一种可穿戴的慢性病智能监控及预警的装置与方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107334466A (zh) * 2017-08-08 2017-11-10 西安交通大学 一种可穿戴的慢性病智能监控及预警的装置与方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116189863A (zh) * 2023-01-14 2023-05-30 广东唯康教育科技股份有限公司 基于物联网的智慧健康养护管理***、交互平台及方法

Similar Documents

Publication Publication Date Title
US20220071588A1 (en) Sensor fusion to validate sound-producing behaviors
WO2017193497A1 (zh) 基于融合模型的智能化健康管理服务器、***及其控制方法
US10061389B2 (en) Gesture recognition system and gesture recognition method
CN108171278B (zh) 一种基于运动训练数据的运动模式识别方法和***
CN103294199B (zh) 一种基于脸部肌音信号的无声信息识别***
CN110151203B (zh) 基于多级雪崩式卷积递归网络eeg分析的疲劳驾驶识别方法
CN103961109A (zh) 基于加速度信号和角速度信号的人体姿态检测装置
CN111248879A (zh) 一种基于多模态注意力融合的高血压老年人活动分析方法
CN108958482B (zh) 一种基于卷积神经网络的相似性动作识别装置及方法
CN110265135A (zh) 一种基于惯性传感器的冲牙质量检测评估***及方法
WO2021004510A1 (zh) 基于传感器的分离式部署的人体行为识别健康管理***
CN107273677A (zh) 一种多通道神经功能定量评价***
Mesanza et al. A machine learning approach to perform physical activity classification using a sensorized crutch tip
CN106569606A (zh) 一种基于自然手势识别的智能家居红外控制***与方法
CN115064246A (zh) 一种基于多模态信息融合的抑郁症评估***及设备
CN105530581A (zh) 一种基于声音识别的智能穿戴设备和控制方法
KR20190047648A (ko) 행동에 대한 피드백을 제공하는 웨어러블 디바이스 및 방법
Jensen et al. Unobtrusive and energy-efficient swimming exercise tracking using on-node processing
CN112704479A (zh) 基于物联网的健康智能监测***及方法
CN110916672A (zh) 一种基于一维卷积神经网络的老年人日常活动监测方法
CN104980599A (zh) 一种手语语音通话方法及***
CN110807471A (zh) 一种多模态传感器的行为识别***及识别方法
CN117668648A (zh) 一种基于人工智能技术的宠物状态识别装置
Wang et al. Fall detection based on convolutional neural networks using smart insole
CN206400473U (zh) 一种可穿戴社交感知***

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210427

RJ01 Rejection of invention patent application after publication