CN113080945A - 一种帕金森患者的病情监控方法及*** - Google Patents
一种帕金森患者的病情监控方法及*** Download PDFInfo
- Publication number
- CN113080945A CN113080945A CN202110490497.XA CN202110490497A CN113080945A CN 113080945 A CN113080945 A CN 113080945A CN 202110490497 A CN202110490497 A CN 202110490497A CN 113080945 A CN113080945 A CN 113080945A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- obtaining
- condition
- motion
- 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.)
- Withdrawn
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
- A61B5/103—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
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4812—Detecting sleep stages or cycles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4815—Sleep quality
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Neurology (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Developmental Disabilities (AREA)
- Neurosurgery (AREA)
- Hospice & Palliative Care (AREA)
- Educational Technology (AREA)
- Child & Adolescent Psychology (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种帕金森患者的病情监控方法及***,其中,所述方法包括:通过所述定位感应装置获得所述第一用户的运动情况信息;根据所述预定运动标准等级和所述第一用户的运动情况信息,获得第一运动差值信息;对所述第一生物电信号进行特征分析,获得所述第一用户的第一睡眠状况信息;将所述第一运动差值信息和所述第一睡眠状况信息输入病情评估模型,获得第一病情状态信息;对所述第一病情状态信息进行等级划分,获得第一病情严重等级;按照所述第一病情严重等级,对所述第一用户进行相应治疗。解决了现有技术难以对帕金森患者病情状态进行量化评价,进而影响患者治疗效果的技术问题。
Description
技术领域
本发明涉及病情监控领域,尤其涉及一种帕金森患者的病情监控方法及***。
背景技术
帕金森病是一种常见的神经***变性疾病,老年人多见,平均发病年龄为60岁左右,大部分帕金森病患者为散发病例。帕金森病最主要的病理改变是中脑黑质多巴胺能神经元的变性死亡,由此而引起纹状体多巴胺含量显著性减少而致病。导致这一病理改变的确切病因目前仍不清楚,遗传因素、环境因素、年龄老化、氧化应激等均可能参与帕金森病多巴胺能神经元的变性死亡过程。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术难以对帕金森患者病情状态进行量化评价,进而影响患者治疗效果的技术问题。
发明内容
本申请实施例通过提供一种帕金森患者的病情监控方法及***,解决了现有技术难以对帕金森患者病情状态进行量化评价,进而影响患者治疗效果的技术问题,达到对帕金森患者身体状况进行实时监控,量化患者病情状态以准确判断病情严重等级,进而为后续治疗康复提供科学依据的技术效果。
鉴于上述问题,提出了本申请实施例提供一种帕金森患者的病情监控方法及***。
第一方面,本申请实施例提供了一种帕金森患者的病情监控方法,所述方法包括:获得第一用户的身体特征信息;根据所述第一用户的身体特征信息,获得预定运动标准等级;通过所述定位感应装置获得所述第一用户的运动情况信息;根据所述预定运动标准等级和所述第一用户的运动情况信息,获得第一运动差值信息;通过所述生物电传感装置获得所述第一用户的第一生物电信号;对所述第一生物电信号进行特征分析,获得所述第一用户的第一睡眠状况信息;将所述第一运动差值信息和所述第一睡眠状况信息输入病情评估模型,获得第一病情状态信息;对所述第一病情状态信息进行等级划分,获得第一病情严重等级;按照所述第一病情严重等级,对所述第一用户进行相应治疗。
另一方面,本申请还提供了一种帕金森患者的病情监控***,所述***包括第一获得单元,所述第一获得单元用于获得第一用户的身体特征信息;第二获得单元,所述第二获得单元用于根据所述第一用户的身体特征信息,获得预定运动标准等级;第三获得单元,所述第三获得单元用于通过定位感应装置获得所述第一用户的运动情况信息;第四获得单元,所述第四获得单元用于根据所述预定运动标准等级和所述第一用户的运动情况信息,获得第一运动差值信息;第五获得单元,所述第五获得单元用于通过生物电传感装置获得所述第一用户的第一生物电信号;第六获得单元,所述第六获得单元用于对所述第一生物电信号进行特征分析,获得所述第一用户的第一睡眠状况信息;第七获得单元,所述第七获得单元用于将所述第一运动差值信息和所述第一睡眠状况信息输入病情评估模型,获得第一病情状态信息;第八获得单元,所述第八获得单元用于对所述第一病情状态信息进行等级划分,获得第一病情严重等级;第九获得单元,所述第九获得单元用于对第一路面的路面情况进行分析,获得第一路面复杂度;第十获得单元,所述第十获得单元用于对所述第一病情严重等级和所述第一路面复杂度进行适应程度检测,获得第一适配度;第十一获得单元,所述第十一获得单元用于如果所述第一适配度不在预定适配度之内,获得第一适配度差值;第一判断单元,所述第一判断单元用于判断所述第一适配度差值是否在预定安全等级之内;第一推送单元,所述第一推送单元用于如果所述第一适配度差值在预定安全等级之内,向所述第一用户推送第二路面;第一发送单元,所述第一发送单元用于如果所述第一适配度差值不在预定安全等级之内,将所述第一用户的所述第一病情严重等级和第一定位信息发送给第二用户。
第三方面,本发明提供了一种帕金森患者的病情监控***,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了通过所述定位感应装置获得所述第一用户的运动情况信息;根据所述预定运动标准等级和所述第一用户的运动情况信息,获得第一运动差值信息;对所述第一生物电信号进行特征分析,获得所述第一用户的第一睡眠状况信息;将所述第一运动差值信息和所述第一睡眠状况信息输入病情评估模型,获得第一病情状态信息;对所述第一病情状态信息进行等级划分,获得第一病情严重等级;按照所述第一病情严重等级,对所述第一用户进行相应治疗,进而达到对帕金森患者身体状况进行实时监控,量化患者病情状态以准确判断病情严重等级,进而为后续治疗康复提供科学依据的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种帕金森患者的病情监控方法的流程示意图;
图2为本申请实施例一种帕金森患者的病情监控***的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,第七获得单元17,第八获得单元18,第九获得单元19,第十获得单元20,第十一获得单元21,第一判断单元22,第一推送单元23,第一发送单元24,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种帕金森患者的病情监控方法及***,解决了现有技术难以对帕金森患者病情状态进行量化评价,进而影响患者治疗效果的技术问题,达到对帕金森患者身体状况进行实时监控,量化患者病情状态以准确判断病情严重等级,进而为后续治疗康复提供科学依据的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
帕金森病是一种常见的神经***变性疾病,老年人多见,平均发病年龄为60岁左右,大部分帕金森病患者为散发病例。帕金森病最主要的病理改变是中脑黑质多巴胺能神经元的变性死亡,由此而引起纹状体多巴胺含量显著性减少而致病。导致这一病理改变的确切病因目前仍不清楚,遗传因素、环境因素、年龄老化、氧化应激等均可能参与帕金森病多巴胺能神经元的变性死亡过程。但现有技术存在难以对帕金森患者病情状态进行量化评价,进而影响患者治疗效果的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种帕金森患者的病情监控方法,所述方法包括:获得第一用户的身体特征信息;根据所述第一用户的身体特征信息,获得预定运动标准等级;通过所述定位感应装置获得所述第一用户的运动情况信息;根据所述预定运动标准等级和所述第一用户的运动情况信息,获得第一运动差值信息;通过所述生物电传感装置获得所述第一用户的第一生物电信号;对所述第一生物电信号进行特征分析,获得所述第一用户的第一睡眠状况信息;将所述第一运动差值信息和所述第一睡眠状况信息输入病情评估模型,获得第一病情状态信息;对所述第一病情状态信息进行等级划分,获得第一病情严重等级;按照所述第一病情严重等级,对所述第一用户进行相应治疗。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种帕金森患者的病情监控方法,其中,所述方法包括:
步骤S100:获得第一用户的身体特征信息;
具体而言,所述第一用户为需要进行病情监控的帕金森患者,所述第一用户的身体特征信息为所述第一用户的身体详细参数信息,包括身高、体重、年龄和作息规律、饮食规律、身体健康程度、有无疾病残疾等,身体状态越好,患者的运动状态标准越好。
步骤S200:根据所述第一用户的身体特征信息,获得预定运动标准等级;
具体而言,所述预定运动标准等级为根据患者的身体特征,预先确定的患者运动标准等级,包括运动时间、运动距离、运动步态、运动高度等,如70岁以上无疾病老人,由于身体各项机能下降,运动较为迟缓,脚步之间的距离一般不超过30cm。
步骤S300:通过所述定位感应装置获得所述第一用户的运动情况信息;
进一步而言,其中,所述通过所述定位感应装置获得所述第一用户的运动情况信息,本申请实施例步骤S300还包括:
步骤S310:通过所述定位感应装置获得所述第一用户的第一方向位移;
步骤S320:通过所述定位感应装置获得所述第一用户的第二方向位移;
步骤S330:根据所述第一方向位移和所述第二方向位移,获得所述第一用户的运动轨迹;
步骤S340:获得所述第一用户的运动时间;
步骤S350:根据所述第一用户的运动轨迹和所述第一用户的运动时间,计算获得所述第一用户的运动加速度;
步骤S360:根据所述第一用户的运动轨迹和所述第一用户的运动加速度,获得所述第一用户的运动情况信息。
具体而言,所述定位感应装置为监测患者的实时定位,及时通过定位位置获得患者的运动状态信息。通过所述定位感应装置获得所述第一用户的第一方向位移,即患者运动走路时在水平方向的位移,通过所述定位感应装置获得所述第一用户的第二方向位移,即患者运动走路时在垂直高度方向的位移。通过患者分别在水平方向和垂直方向的位移,可以拟合出患者在运动过程中的运动曲线轨迹,再根据患者的运动时间,按照变速运动中位移加速度公式计算患者运动时的加速度变化。所述运动加速度是速度变化量与发生这一变化所用时间的比值,是描述物体速度变化快慢的物理量,是矢量包括大小和方向。通过患者的运动轨迹和运动加速度,可以监测得出患者的运动情况,达到通过实时采集患者运动数据,对其步态进行计算分析,识别病情发作中患者步态冻结或震颤频率,进而可为诊疗提供定量可靠的依据的技术效果。
步骤S400:根据所述预定运动标准等级和所述第一用户的运动情况信息,获得第一运动差值信息;
步骤S500:通过所述生物电传感装置获得所述第一用户的第一生物电信号;
具体而言,根据所述预定运动标准等级和所述第一用户的运动情况信息,可以获得患者平时在运动中与标准状态的差异,可以判断出患者病情的严重等级状态。所述生物电传感装置为将人体在身体反射区上的生物信号变换成对应的生物电数据的监测装置,通过生物电传感装置可以监测出患者在睡眠时的生物电频率,进而科学有效的判断出患者睡眠质量。
步骤S600:对所述第一生物电信号进行特征分析,获得所述第一用户的第一睡眠状况信息;
进一步而言,其中,所述对所述第一生物电信号进行特征分析,获得所述第一用户的第一睡眠状况信息,本申请实施例步骤S600还包括:
步骤S610:对所述第一生物电信号进行特征分析,获得第一电波频率信息;
步骤S620:对所述第一电波频率信息进行特征分类,获得第一类别电波信息;
步骤S630:根据所述第一类别电波信息的概率分布,获得第一睡眠指数;
步骤S640:根据所述第一睡眠指数,获得所述第一用户的第一睡眠状况信息。
具体而言,对患者睡眠时的生物电信号进行提取分析,得到不同的电波频率信息,所述电波频率信息与睡眠意识相关,与其他意识水平区别开来,按照频率大小对所述第一电波频率信息进行特征分类,获得不同类别电波信息。根据所述第一类别电波信息的不同,确定所述睡眠等级信息,如深度睡眠中的δ波、浅度睡眠状态的θ波、放松入睡状态的α波和清醒状态的β波。对所述类别电波频率进行概率分布统计,得到不同类别电波的出现频次,根据表明睡眠中电波的出现频率,得出相应的睡眠指数,并以此获得患者的睡眠状况。因此,患者的睡眠指数越高,睡眠状况也就越好,达到通过生物电波科学准确的确定睡眠质量,以便更加准确判断患者精神状态的技术效果。
步骤S700:将所述第一运动差值信息和所述第一睡眠状况信息输入病情评估模型,获得第一病情状态信息;
进一步而言,其中,所述将所述第一运动差值信息和所述第一睡眠状况信息输入病情评估模型,获得第一病情状态信息,本申请实施例步骤S700还包括:
步骤S710:将所述第一运动差值信息和所述第一睡眠状况信息输入病情评估模型中,其中,所述病情评估模型通过多组训练数据训练获得,所述多组训练数据中的每一组训练数据均包括:所述第一运动差值信息、所述第一睡眠状况信息和用来标识第一病情状态信息的标识信息;
步骤S720:获得所述病情评估模型中的第一输出结果,所述第一输出结果包括所述第一病情状态信息。
具体而言,所述病情评估模型为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络***,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习***。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks,ANN),是对人类大脑***的一阶特性的一种描述。简单地讲,它是一个数学模型。通过大量训练数据的训练,将所述第一运动差值信息和所述第一睡眠状况信息输入神经网络模型,则输出所述第一病情状态信息。
更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述第一运动差值信息、所述第一睡眠状况信息和用来标识第一病情状态信息的标识信息,将所述第一运动差值信息和所述第一睡眠状况信息输入到神经网络模型中,根据用来标识第一病情状态信息的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的第一输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而使得输出的病情状态信息更加合理、准确,进而达到对患者身体运动状态和精神状态的共同监测评估,进而使得对患者的病情状态把控更加准确有效的技术效果。
步骤S800:对所述第一病情状态信息进行等级划分,获得第一病情严重等级;
具体而言,对分析得出的所述第一病情状态信息进行等级划分,得到患者的病情严重等级,并根据病情严重程度对患者进行相应阶段的治疗。如将病情分为早、中、晚三个等级,早期等级,患者开始出现帕金森症状,但时间较短,症状较轻,一般不影响生活、社交和工作,建议不必服药,靠锻炼来改善症状;中期等级,帕金森症状和体征逐渐加重,已影响到患者的日常生活和社交活动,需要进行药物治疗,首选西药美多巴类,具有针对性强、起效快等优势,根据个人情况进行选定;晚期等级,患者的临床症状加重,运动症状和非运动症状严重影响帕金森患者的身体和精神,此时除了西药以外,可以采取外科手术进行治疗,如脑起搏器治疗。
步骤S900:对第一路面的路面情况进行分析,获得第一路面复杂度;
步骤S1000:对所述第一病情严重等级和所述第一路面复杂度进行适应程度检测,获得第一适配度;
具体而言,所述第一路面复杂度为对所述第一路面的路面情况进行分析后路面的复杂程度,包括路面高低、路面宽度、路面坡值角度、摩擦系数、转弯角度及转弯个数等。对所述第一病情严重等级和所述第一路面复杂度进行适应程度检测分析,判断患者的病情严重程度与所述路面复杂度的适配程度,如果所述第一适配度在预定适配度之内,表明患者可以安全自主的通过所述路面。
步骤S1100:如果所述第一适配度不在预定适配度之内,获得第一适配度差值;
步骤S1200:判断所述第一适配度差值是否在预定安全等级之内;
具体而言,如果所述第一适配度不在预定适配度之内,表明患者的病情严重程度不能支持其自主安全的从所述路面通过,如所述路面的坡值角度较大,获得患者的病情严重程度与所述路面的适配差值,并判断所述第一适配度差值是否在预定安全等级之内,所述预定安全等级为患者的人身安全预定等级。
步骤S1300:如果所述第一适配度差值在预定安全等级之内,向所述第一用户推送第二路面;
步骤S1400:如果所述第一适配度差值不在预定安全等级之内,将所述第一用户的所述第一病情严重等级和第一定位信息发送给第二用户。
具体而言,如果所述第一适配度差值在预定安全等级之内,表明患者无人身安全风险,向患者推送另外一条适配度适应的路面,如推送一条路面较为平缓,转弯个数较少的路面。如果所述第一适配度差值不在预定安全等级之内,表明患者存在人身安全风险,可能导致发病风险,将患者的所述第一病情严重等级和所处的所述第一定位信息发送给第二用户,所述第二用户为患者的监管人,如患者的子女等,避免患者发生安全风险。
进一步而言,本申请实施例步骤S360还包括:
步骤S361:根据所述第一用户的作息规律,确定第一监测时间间隔信息;
步骤S362:根据所述第一监测时间间隔信息,对所述第一用户的运动情况信息进行监测,获得第一运动数据集合;
步骤S363:获得预定数据关联度阈值;
步骤S364:判断所述第一运动数据集合中各数据之间的第一关联度是否在所述预定数据关联度阈值之内;
步骤S365:如果所述第一关联度不在所述预定数据关联度阈值之内,获得第一删除指令;
步骤S366:根据所述第一删除指令,将所述数据从所述第一运动数据集合中删除。
具体而言,所述第一用户的作息规律为患者各项日常活动开展的时间表,根据患者的作息规律,确定运动监测时间间隔,根据所述第一监测时间间隔信息,对患者的运动情况信息进行监测,得到其运动数据集合包括运动位移、运动时间等。所述预定数据关联度阈值为预先设定的运动数据集合中各数据之间的关联度,数据之间的关联度只有在所述预定关联度之内,才是有效可用的数据,判断所述第一运动数据集合中各数据之间的第一关联度是否在所述预定数据关联度阈值之内,如果所述第一关联度不在所述预定数据关联度阈值之内,即所述数据不满足预定关联度,可能是由于监测时使用不当,导致数据偏差过大不能被使用,发出删除指令,并根据所述删除指令,将所述数据从所述第一运动数据集合中删除。达到保证数据之间的关联有效性,使用准确有效的数据,为患者的病情判断及治疗提供准确依据的技术效果。
进一步而言,本申请实施例还包括:
步骤S1010:获得所述第一用户的第一并发症信息;
步骤S1020:获得所述第一用户的第一不良生活习惯史信息;
步骤S1030:获得第一相关性系数,所述第一相关性系数为所述第一并发症信息与所述第一用户的运动情况信息的相关性;
步骤S1040:获得第二相关性系数,所述第二相关性系数为所述第一不良生活习惯史信息与所述第一用户的运动情况信息的相关性;
步骤S1050:对所述第一相关性系数和所述第二相关性系数进行平均值计算,获得第一综合相关性系数;
步骤S1060:根据所述第一综合相关性系数,对所述第一病情状态信息进行修正,获得第二病情状态信息。
具体而言,所述第一用户的第一并发症信息为帕金森患者的其他并发症信息,如糖尿病、高血压、心脑血管等疾病,所述第一用户的第一不良生活***均值计算,获得并发症和不良生活习惯史对患者运动情况的综合相关性系数,并根据所述第一综合相关性系数,对所述第一病情状态信息进行修正,得到修正后的患者病情状态。达到通过并发症、不良生活习惯史多因素对患者的运动情况影响性,进而对患者的病情状态进行修正,确保患者病情状态评估更加准确的技术效果。
进一步而言,本申请实施例步骤S1060还包括:
步骤S1061:根据所述第二病情状态信息,获得第一制表指令;
步骤S1062:根据所述第一制表指令,为所述第一用户制定第一心理状态评估表;
步骤S1063:获得所述第一心理状态评估表的第一评估结果;
步骤S1064:对所述第一评估结果进行评分计算,获得第一心理健康指数;
步骤S1065:根据所述第一心理健康指数,对所述第二病情状态信息进行修正。
具体而言,帕金森疾病作为一种慢性疾病,其发病率随着老年人口的增多不断提高,对患者的运动功能和非运动功能都造成很大的影响,增加了社会的经济负担。帕金森患者的自主神经功能在患病的早期就开始出现下降,日常活动能力也在疾病进程中逐渐下降,对患者的生活质量造成了很大影响,帕金森患者中抑郁症和焦虑症的发病率也处于较高水平,因此将患者的心理评估状态也应纳入病情状态评估中。根据所述制表指令,为所述第一用户制定第一心理状态评估表,所述心理评估表根据患者的病情状态进行制定,如在心理抑郁方面可以制定添加汉密顿抑郁量表,临床上评定抑郁状态时应用得最为普遍的量表。对患者的所述第一评估结果进行评分计算,并对评分进行定级获得心理健康指数,所述心理健康指数可以评价患者病情的严重程度,根据所述心理健康指数,对所述第二病情状态信息进行修正。达到定期对帕金森患者进行心理状态评估,为开展帕金森病患者心理干预提供科学的依据,进而为患者取得良好心理状态的技术效果。
综上所述,本申请实施例所提供的一种帕金森患者的病情监控方法及***具有如下技术效果:
1、由于采用了通过所述定位感应装置获得所述第一用户的运动情况信息;根据所述预定运动标准等级和所述第一用户的运动情况信息,获得第一运动差值信息;对所述第一生物电信号进行特征分析,获得所述第一用户的第一睡眠状况信息;将所述第一运动差值信息和所述第一睡眠状况信息输入病情评估模型,获得第一病情状态信息;对所述第一病情状态信息进行等级划分,获得第一病情严重等级;按照所述第一病情严重等级,对所述第一用户进行相应治疗,进而达到对帕金森患者身体状况进行实时监控,量化患者病情状态以准确判断病情严重等级,进而为后续治疗康复提供科学依据的技术效果。
2、由于采用了将所述第一运动差值信息和所述第一睡眠状况信息输入神经网络模型的方式,进而使得输出的病情状态信息更加合理、准确,进而达到对患者身体运动状态和精神状态的共同监测评估,进而使得对患者的病情状态把控更加准确有效的技术效果。
实施例二
基于与前述实施例中一种帕金森患者的病情监控方法同样发明构思,本发明还提供了一种帕金森患者的病情监控***,如图2所示,所述***包括:
第一获得单元11,所述第一获得单元11用于获得第一用户的身体特征信息;
第二获得单元12,所述第二获得单元12用于根据所述第一用户的身体特征信息,获得预定运动标准等级;
第三获得单元13,所述第三获得单元13用于通过定位感应装置获得所述第一用户的运动情况信息;
第四获得单元14,所述第四获得单元14用于根据所述预定运动标准等级和所述第一用户的运动情况信息,获得第一运动差值信息;
第五获得单元15,所述第五获得单元15用于通过生物电传感装置获得所述第一用户的第一生物电信号;
第六获得单元16,所述第六获得单元16用于对所述第一生物电信号进行特征分析,获得所述第一用户的第一睡眠状况信息;
第七获得单元17,所述第七获得单元17用于将所述第一运动差值信息和所述第一睡眠状况信息输入病情评估模型,获得第一病情状态信息;
第八获得单元18,所述第八获得单元18用于对所述第一病情状态信息进行等级划分,获得第一病情严重等级;
第九获得单元19,所述第九获得单元19用于对第一路面的路面情况进行分析,获得第一路面复杂度;
第十获得单元20,所述第十获得单元20用于对所述第一病情严重等级和所述第一路面复杂度进行适应程度检测,获得第一适配度;
第十一获得单元21,所述第十一获得单元21用于如果所述第一适配度不在预定适配度之内,获得第一适配度差值;
第一判断单元22,所述第一判断单元22用于判断所述第一适配度差值是否在预定安全等级之内;
第一推送单元23,所述第一推送单元23用于如果所述第一适配度差值在预定安全等级之内,向所述第一用户推送第二路面;
第一发送单元24,所述第一发送单元24用于如果所述第一适配度差值不在预定安全等级之内,将所述第一用户的所述第一病情严重等级和第一定位信息发送给第二用户。
进一步的,所述***还包括:
第十二获得单元,所述第十二获得单元用于通过所述定位感应装置获得所述第一用户的第一方向位移;
第十三获得单元,所述第十三获得单元用于通过所述定位感应装置获得所述第一用户的第二方向位移;
第十四获得单元,所述第十四获得单元用于根据所述第一方向位移和所述第二方向位移,获得所述第一用户的运动轨迹;
第十五获得单元,所述第十五获得单元用于获得所述第一用户的运动时间;
第十六获得单元,所述第十六获得单元用于根据所述第一用户的运动轨迹和所述第一用户的运动时间,计算获得所述第一用户的运动加速度;
第十七获得单元,所述第十七获得单元用于根据所述第一用户的运动轨迹和所述第一用户的运动加速度,获得所述第一用户的运动情况信息。
进一步的,所述***还包括:
第一确定单元,所述第一确定单元用于根据所述第一用户的作息规律,确定第一监测时间间隔信息;
第十八获得单元,所述第十八获得单元用于根据所述第一监测时间间隔信息,对所述第一用户的运动情况信息进行监测,获得第一运动数据集合;
第十九获得单元,所述第十九获得单元用于获得预定数据关联度阈值;
第二判断单元,所述第二判断单元用于判断所述第一运动数据集合中各数据之间的第一关联度是否在所述预定数据关联度阈值之内;
第二十获得单元,所述第二十获得单元用于如果所述第一关联度不在所述预定数据关联度阈值之内,获得第一删除指令;
第一删除单元,所述第一删除单元用于根据所述第一删除指令,将所述数据从所述第一运动数据集合中删除。
进一步的,所述***还包括:
第二十一获得单元,所述第二十一获得单元用于对所述第一生物电信号进行特征分析,获得第一电波频率信息;
第二十二获得单元,所述第二十二获得单元用于对所述第一电波频率信息进行特征分类,获得第一类别电波信息;
第二十三获得单元,所述第二十三获得单元用于根据所述第一类别电波信息的概率分布,获得第一睡眠指数;
第二十四获得单元,所述第二十四获得单元用于根据所述第一睡眠指数,获得所述第一用户的第一睡眠状况信息。
进一步的,所述***还包括:
第二十五获得单元,所述第二十五获得单元用于获得所述第一用户的第一并发症信息;
第二十六获得单元,所述第二十六获得单元用于获得所述第一用户的第一不良生活习惯史信息;
第二十七获得单元,所述第二十七获得单元用于获得第一相关性系数,所述第一相关性系数为所述第一并发症信息与所述第一用户的运动情况信息的相关性;
第二十八获得单元,所述第二十六获得单元用于获得第二相关性系数,所述第二相关性系数为所述第一不良生活习惯史信息与所述第一用户的运动情况信息的相关性;
第二十九获得单元,所述第二十九获得单元用于对所述第一相关性系数和所述第二相关性系数进行平均值计算,获得第一综合相关性系数;
第三十获得单元,所述第三十获得单元用于根据所述第一综合相关性系数,对所述第一病情状态信息进行修正,获得第二病情状态信息。
进一步的,所述***还包括:
第三十一获得单元,所述第三十一获得单元用于根据所述第二病情状态信息,获得第一制表指令;
第一制表单元,所述第一制表单元用于根据所述第一制表指令,为所述第一用户制定第一心理状态评估表;
第三十二获得单元,所述第三十二获得单元用于获得所述第一心理状态评估表的第一评估结果;
第三十三获得单元,所述第三十三获得单元用于对所述第一评估结果进行评分计算,获得第一心理健康指数;
第一修正单元,所述第一修正单元用于根据所述第一心理健康指数,对所述第二病情状态信息进行修正。
进一步的,所述***还包括:
第一输入单元,所述第一输入单元用于将所述第一运动差值信息和所述第一睡眠状况信息输入病情评估模型中,其中,所述病情评估模型通过多组训练数据训练获得,所述多组训练数据中的每一组训练数据均包括:所述第一运动差值信息、所述第一睡眠状况信息和用来标识第一病情状态信息的标识信息;
第三十四获得单元,所述第三十四获得单元用于获得所述病情评估模型中的第一输出结果,所述第一输出结果包括所述第一病情状态信息。
前述图1实施例一中的一种帕金森患者的病情监控方法的各种变化方式和具体实例同样适用于本实施例的一种帕金森患者的病情监控***,通过前述对一种帕金森患者的病情监控方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种帕金森患者的病情监控***的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种帕金森患者的病情监控方法的发明构思,本发明还提供一种帕金森患者的病情监控***,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种帕金森患者的病情监控方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他***通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种帕金森患者的病情监控方法,所述方法包括:获得第一用户的身体特征信息;根据所述第一用户的身体特征信息,获得预定运动标准等级;通过所述定位感应装置获得所述第一用户的运动情况信息;根据所述预定运动标准等级和所述第一用户的运动情况信息,获得第一运动差值信息;通过所述生物电传感装置获得所述第一用户的第一生物电信号;对所述第一生物电信号进行特征分析,获得所述第一用户的第一睡眠状况信息;将所述第一运动差值信息和所述第一睡眠状况信息输入病情评估模型,获得第一病情状态信息;对所述第一病情状态信息进行等级划分,获得第一病情严重等级;按照所述第一病情严重等级,对所述第一用户进行相应治疗。解决了现有技术难以对帕金森患者病情状态进行量化评价,进而影响患者治疗效果的技术问题,达到对帕金森患者身体状况进行实时监控,量化患者病情状态以准确判断病情严重等级,进而为后续治疗康复提供科学依据的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的***。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令***的制造品,该指令***实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种帕金森患者的病情监控方法,其中,所述方法应用于一帕金森患者的病情监控***,所述***包括一定位感应装置和一生物电传感装置,所述方法包括:
获得第一用户的身体特征信息;
根据所述第一用户的身体特征信息,获得预定运动标准等级;
通过所述定位感应装置获得所述第一用户的运动情况信息;
根据所述预定运动标准等级和所述第一用户的运动情况信息,获得第一运动差值信息;
通过所述生物电传感装置获得所述第一用户的第一生物电信号;
对所述第一生物电信号进行特征分析,获得所述第一用户的第一睡眠状况信息;
将所述第一运动差值信息和所述第一睡眠状况信息输入病情评估模型,获得第一病情状态信息;
对所述第一病情状态信息进行等级划分,获得第一病情严重等级;
对第一路面的路面情况进行分析,获得第一路面复杂度;
对所述第一病情严重等级和所述第一路面复杂度进行适应程度检测,获得第一适配度;
如果所述第一适配度不在预定适配度之内,获得第一适配度差值;
判断所述第一适配度差值是否在预定安全等级之内;
如果所述第一适配度差值在预定安全等级之内,向所述第一用户推送第二路面;
如果所述第一适配度差值不在预定安全等级之内,将所述第一用户的所述第一病情严重等级和第一定位信息发送给第二用户。
2.如权利要求1所述的方法,其中,所述通过所述定位感应装置获得所述第一用户的运动情况信息,包括:
通过所述定位感应装置获得所述第一用户的第一方向位移;
通过所述定位感应装置获得所述第一用户的第二方向位移;
根据所述第一方向位移和所述第二方向位移,获得所述第一用户的运动轨迹;
获得所述第一用户的运动时间;
根据所述第一用户的运动轨迹和所述第一用户的运动时间,计算获得所述第一用户的运动加速度;
根据所述第一用户的运动轨迹和所述第一用户的运动加速度,获得所述第一用户的运动情况信息。
3.如权利要求2所述的方法,其中,所述方法包括:
根据所述第一用户的作息规律,确定第一监测时间间隔信息;
根据所述第一监测时间间隔信息,对所述第一用户的运动情况信息进行监测,获得第一运动数据集合;
获得预定数据关联度阈值;
判断所述第一运动数据集合中各数据之间的第一关联度是否在所述预定数据关联度阈值之内;
如果所述第一关联度不在所述预定数据关联度阈值之内,获得第一删除指令;
根据所述第一删除指令,将所述数据从所述第一运动数据集合中删除。
4.如权利要求1所述的方法,其中,所述对所述第一生物电信号进行特征分析,获得所述第一用户的第一睡眠状况信息,包括:
对所述第一生物电信号进行特征分析,获得第一电波频率信息;
对所述第一电波频率信息进行特征分类,获得第一类别电波信息;
根据所述第一类别电波信息的概率分布,获得第一睡眠指数;
根据所述第一睡眠指数,获得所述第一用户的第一睡眠状况信息。
5.如权利要求1所述的方法,其中,所述方法包括:
获得所述第一用户的第一并发症信息;
获得所述第一用户的第一不良生活习惯史信息;
获得第一相关性系数,所述第一相关性系数为所述第一并发症信息与所述第一用户的运动情况信息的相关性;
获得第二相关性系数,所述第二相关性系数为所述第一不良生活习惯史信息与所述第一用户的运动情况信息的相关性;
对所述第一相关性系数和所述第二相关性系数进行平均值计算,获得第一综合相关性系数;
根据所述第一综合相关性系数,对所述第一病情状态信息进行修正,获得第二病情状态信息。
6.如权利要求5所述的方法,其中,所述方法包括:
根据所述第二病情状态信息,获得第一制表指令;
根据所述第一制表指令,为所述第一用户制定第一心理状态评估表;
获得所述第一心理状态评估表的第一评估结果;
对所述第一评估结果进行评分计算,获得第一心理健康指数;
根据所述第一心理健康指数,对所述第二病情状态信息进行修正。
7.如权利要求1所述的方法,其中,所述将所述第一运动差值信息和所述第一睡眠状况信息输入病情评估模型,获得第一病情状态信息,包括:
将所述第一运动差值信息和所述第一睡眠状况信息输入病情评估模型中,其中,所述病情评估模型通过多组训练数据训练获得,所述多组训练数据中的每一组训练数据均包括:所述第一运动差值信息、所述第一睡眠状况信息和用来标识第一病情状态信息的标识信息;
获得所述病情评估模型中的第一输出结果,所述第一输出结果包括所述第一病情状态信息。
8.一种帕金森患者的病情监控***,其中,所述***包括:
第一获得单元,所述第一获得单元用于获得第一用户的身体特征信息;
第二获得单元,所述第二获得单元用于根据所述第一用户的身体特征信息,获得预定运动标准等级;
第三获得单元,所述第三获得单元用于通过定位感应装置获得所述第一用户的运动情况信息;
第四获得单元,所述第四获得单元用于根据所述预定运动标准等级和所述第一用户的运动情况信息,获得第一运动差值信息;
第五获得单元,所述第五获得单元用于通过生物电传感装置获得所述第一用户的第一生物电信号;
第六获得单元,所述第六获得单元用于对所述第一生物电信号进行特征分析,获得所述第一用户的第一睡眠状况信息;
第七获得单元,所述第七获得单元用于将所述第一运动差值信息和所述第一睡眠状况信息输入病情评估模型,获得第一病情状态信息;
第八获得单元,所述第八获得单元用于对所述第一病情状态信息进行等级划分,获得第一病情严重等级;
第九获得单元,所述第九获得单元用于对第一路面的路面情况进行分析,获得第一路面复杂度;
第十获得单元,所述第十获得单元用于对所述第一病情严重等级和所述第一路面复杂度进行适应程度检测,获得第一适配度;
第十一获得单元,所述第十一获得单元用于如果所述第一适配度不在预定适配度之内,获得第一适配度差值;
第一判断单元,所述第一判断单元用于判断所述第一适配度差值是否在预定安全等级之内;
第一推送单元,所述第一推送单元用于如果所述第一适配度差值在预定安全等级之内,向所述第一用户推送第二路面;
第一发送单元,所述第一发送单元用于如果所述第一适配度差值不在预定安全等级之内,将所述第一用户的所述第一病情严重等级和第一定位信息发送给第二用户。
9.一种帕金森患者的病情监控***,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110490497.XA CN113080945A (zh) | 2021-05-06 | 2021-05-06 | 一种帕金森患者的病情监控方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110490497.XA CN113080945A (zh) | 2021-05-06 | 2021-05-06 | 一种帕金森患者的病情监控方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113080945A true CN113080945A (zh) | 2021-07-09 |
Family
ID=76681501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110490497.XA Withdrawn CN113080945A (zh) | 2021-05-06 | 2021-05-06 | 一种帕金森患者的病情监控方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113080945A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114343585A (zh) * | 2022-01-13 | 2022-04-15 | 平安科技(深圳)有限公司 | 认知和行为障碍的预警方法、装置、设备及存储介质 |
-
2021
- 2021-05-06 CN CN202110490497.XA patent/CN113080945A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114343585A (zh) * | 2022-01-13 | 2022-04-15 | 平安科技(深圳)有限公司 | 认知和行为障碍的预警方法、装置、设备及存储介质 |
CN114343585B (zh) * | 2022-01-13 | 2023-09-29 | 平安科技(深圳)有限公司 | 认知和行为障碍的预警方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3566231B1 (en) | Apparatus and method for triggering a fall risk alert to a person | |
CN109887568B (zh) | 基于医嘱的健康管理*** | |
US20170249821A1 (en) | Fall risk assessment device and method | |
US20210225510A1 (en) | Human body health assessment method and system based on sleep big data | |
Braito et al. | Assessment of upper limb use in children with typical development and neurodevelopmental disorders by inertial sensors: a systematic review | |
CN107391941A (zh) | 一种提高用药依从性的方法和*** | |
CN114449944A (zh) | 疾病状态预测 | |
CN113380427A (zh) | 一种基于佩戴式智能终端的健康管理平台及管理方法 | |
CN112216360A (zh) | 一种糖尿病病人日常血糖监测数据采集管理方法及*** | |
CN113080945A (zh) | 一种帕金森患者的病情监控方法及*** | |
CN111798961A (zh) | 一种基于心脏病的健康处方生成方法 | |
Do et al. | Personalized prediction of asthma severity and asthma attack for a personalized treatment regimen | |
CN112885466A (zh) | 一种基于用户体质的肾脏疾病的预防方法及*** | |
CN109300546A (zh) | 一种基于大数据和人工智能的个体亚健康状态评估方法 | |
CN117352175A (zh) | 一种用于骨科护理的骨折智能辅助监测*** | |
KR102028676B1 (ko) | 병원 진료 애프터케어 서비스 제공 방법, 서버 및 프로그램 | |
CN112992312B (zh) | 一种脊髓损伤康复训练合格监测方法及*** | |
CN115440363A (zh) | 一种用于老年人的居家危险识别*** | |
KR102357041B1 (ko) | 인공 지능을 이용한 질병 분석 및 예측 방법 | |
CN117219227B (zh) | 一种基于模糊神经网络的麻醉给药控制*** | |
EP4376015A1 (en) | Device and method for determining a recommendation value of a control parameter of a fluid infusion device | |
TWI796275B (zh) | 疾病風險評估方法 | |
CN112274163B (zh) | 一种基于多模态生理数据采集的腕部工作负荷的预测方法和装置 | |
CN114613506B (zh) | 基于大数据的路径预测管控方法、装置及存储介质 | |
CN116936097B (zh) | 一种训练灯用户眼部异常运动智能检测方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210709 |