CN113160932A - 一种基于移动端反馈的脑卒中数据管理与分析*** - Google Patents

Abstract

本发明提出一种基于移动端反馈的脑卒中数据管理与分析***，包括后端数据汇总平台、前端数据产生平台以及移动终端；后端数据汇总平台汇总每个移动终端发送的与该移动终端对应的前端数据产生平台产生的患者数据；后端数据汇总平台包括数据分组组件以及数据分析组件；数据分组组件用于对所述汇总的患者数据进行分组，得到分组患者数据；数据分析组件对每个分组患者数据执行分组分析，并得出分析结果，当分析结果满足第一预定条件时，将分析结果发送至对应的移动终端；前端数据产生平台为包含人机交互界面的嵌入式设备，所述前端数据产生平台与所述移动终端通过近场无线通信技术进行数据传输。本发明可以充分利用移动终端辅助实现患者数据管理。

Description

一种基于移动端反馈的脑卒中数据管理与分析***

技术领域

本发明属于移动互联网技术领域，尤其涉及一种基于移动端反馈的脑卒中数据管理与分析***。

背景技术

随着集成半导体技术的飞速发展，嵌入式设备已经应用于我们的日常生活电视机、变频空调已经进入了千家万户，智能家居的理念已深入人心，而且家用电子医疗器械也正进入人们的家庭生活中。面对家庭生活中不断增长的嵌入式设备，人们期待有一种廉价的通信环节方便于智能家居和远程治疗，智能家居以及远程医疗的理念已经深入人心。

例如，申请号为CN201610269317.4的中国发明专利申请提出一种基于嵌入式***的医用康复训练仪。包括受力检测***和智能控制***；受力检测***包括力传感器和模数转换模块，智能控制***包括嵌入式微控制器、声光报警器和红外遥控模块；力传感器通过模数转换模块连接嵌入式微控制器，将力信号输入至嵌入式微控制器；声光报警器和红外遥控模块分别连接嵌入式微控制器，红外遥控模块将设定的训练时间及报警阈值存储到嵌入式微控制器中，声光报警器在施力达到报警阈值和达到设定训练时间时发出声音警报。该发明可使病人在监控***的保护下进行高效的康复训练活动，极大地提高了病人的骨折愈合率，缩短治疗时间，特别适用于下肢骨折病人康复训练。

然而，嵌入式***一般是指非个人计算机***，包括软件硬件两个部分。硬件包括处理器/微处理器、存储器及外设器件和 I/O 端口、图形控制器等。这种***不同于一般的计算机处理***，比如它通常不使用像硬盘那样大容量的存储介质，而大多数使用 EPROM、EEPROM 或闪存作为存储介质。应用程序控制着***的运行和行为，而操作***控制着应用程序编写与硬件的交互作用；对于内存有限的嵌入式设备来说，内存资源是相当宝贵的；同时，为了降低成本避免数据交互负担，嵌入式康复设备往往是本地设定运行模式，无法实现数据更新。

发明内容

为解决上述技术问题，本发明提出一种基于移动端反馈的脑卒中数据管理与分析***，包括后端数据汇总平台、前端数据产生平台以及移动终端；后端数据汇总平台汇总每个移动终端发送的与该移动终端对应的前端数据产生平台产生的患者数据；后端数据汇总平台包括数据分组组件以及数据分析组件；数据分组组件用于对所述汇总的患者数据进行分组，得到分组患者数据；数据分析组件对每个分组患者数据执行分组分析，并得出分析结果，当分析结果满足第一预定条件时，将分析结果发送至对应的移动终端；前端数据产生平台为包含人机交互界面的嵌入式设备，所述前端数据产生平台与所述移动终端通过近场无线通信技术进行数据传输。基于上述结构，本发明可以充分利用移动终端辅助实现患者数据管理。

在具体应用中，本发明的所述***包括至少一个后端数据汇总平台、多个移动终端与多个前端数据产生平台，每个前端数据平台对应至少一个移动终端；

作为更具体的实现，所述前端数据产生平台为患者康复锻炼设备或者装置，所述移动终端为智能手机；

所述患者康复锻炼设备或者装置为配置多个智能组合传感器的嵌入式装置，所述嵌入式装置的内存空间低于所述移动终端的内存空间，并且所述嵌入式装置的数据处理能力低于所述移动终端的数据处理能力，不过，所述嵌入式装置配置的多个智能组合传感器可以获得康复患者的多种康复锻炼参数，并发送至所述移动终端。

在具体布置上，所述移动终端和所述嵌入式装置位于同一个设定的目标范围，所述移动终端和所述嵌入式装置通过近场无线通信技术进行数据通信，所述移动终端具备远程通信能力，而所述嵌入式装置不具备远程通信能力。

因此，本发明的技术方案在具体实施时，所述后端数据汇总平台与多个移动终端通信，用于汇总每个移动终端发送的与该移动终端对应的前端数据产生平台产生的患者数据；

所述嵌入式设备为患者康复锻炼装置，所述康复锻炼装置包括多个组合传感器，每个组合传感器用于测量所述患者的康复锻炼参数，并将所述康复锻炼参数作为患者数据发送至与其进行近场无线通信的移动终端。

所述移动终端与所述后端数据汇总平台无线通信，所述移动终端包含至少一个数据预处理模型，所述数据预处理模型由所述后端数据汇总平台更新；

所述移动终端按照第一周期接收所述嵌入式设备产生的所述患者数据，采用至少一个数据预处理模型对其进行预处理后，将预处理后的所述患者数据发送至所述后端数据汇总平台。

所述后端数据汇总平台包括数据分组组件以及数据分析组件；

所述数据分组组件用于对所述汇总的患者数据进行分组，得到分组患者数据；

所述数据分析组件将每一个分组中的运动参数按照时间顺序排序，并采用时间序列预测模型预测未来预定时间段的预测参数。

判断每一个分组中的第一运动参数与该分组的预测参数的差值，

如果所述差值大于预定值，则向该第一运动参数对应的移动终端发送反馈信息，所述反馈信息包括所述预测参数。

所述移动终端接收所述分析结果，并将所述分析结果发送至所述嵌入式设备的人机交互界面上显示。

可见，本发明通过移动终端的辅助，使得低成本低内存低处理能力的嵌入式康复设备能够有效的获得反馈信息，从而能够更好的指导患者的康复锻炼；同时，采用汇总多个移动终端的数据并进行分组处理的方式，能够充分利用大数据的整体优势对个体提出准确、客观的反馈建议，避免单一个体的锻炼的盲目性。

本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。

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的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例的一种基于移动端反馈的脑卒中数据管理与分析***的总体结构图；

图2是图1所述***中前端数据产生平台与移动终端的数据交互示意图；

图3是图1所述***中后端数据汇总平台与移动终端的数据交互示意图；

图4是图1-图3所述实施例中移动终端的数据预处理流程示意图。

具体实施方式

下面，结合附图以及具体实施方式，对发明做出进一步的描述。

需要指出的是，在不同的实施例中，出现的“第一”或“第二”或者其他限定的“预设条件”，并不代表各个“预设条件”一定存在区别或者不存在区别。在本发明的上述不同技术方案中的判断条件中使用到的各种“预设条件”，本领域技术人员可以根据实际情况进行合理设置，本发明对此不作具体限定。后续在具体实施例介绍部分，相关的实施例可能也对部分“预设条件”给出了具体的限定条件，但是这仅仅是众多合理设置中的一种或者几种举例，并不是穷举式限定，也不构成对本发明实际保护范围的限定，任何符合实际情况的“预设条件”都应该属于本发明的保护范围之内。

结合后续整体的方案也可以理解，本发明的改进和核心构思也不在于“预设条件”本身，因此，根据实际情况进行合理设置的不同预设条件，只要符合客观情况，均可以实现本发明。

基于此，首先参照图1，是本发明一个实施例的一种基于移动端反馈的脑卒中数据管理与分析***的总体结构图。

在图1中，示出了一个后端数据汇总平台、多个移动终端以及多个前端数据产生平台。

所述后端数据汇总平台与多个移动终端通信，每个移动终端与对应的前端数据产生平台通信。

作为更一般性的例子，图1所述***包括至少一个后端数据汇总平台、多个移动终端与多个前端数据产生平台，每个前端数据平台对应至少一个移动终端。

因此，在图1基础上，接下来图2和图3分别展示前端数据产生平台与移动终端的数据交互示意图以及后端数据汇总平台与移动终端的数据交互示意图。

首先参见图2。

图2具体给出了前端数据产生平台的一个具体实施例。在图2中，所述前端数据产生平台为包含人机交互界面的嵌入式设备，所述前端数据产生平台与所述移动终端通过近场无线通信技术进行数据传输。

更具体的，所述嵌入式设备为患者康复锻炼装置，所述康复锻炼装置包括多个组合传感器，每个组合传感器用于测量所述患者的康复锻炼参数，并将所述康复锻炼参数作为患者数据发送至与其进行近场无线通信的移动终端。

显而易见的，图1-图2可以看出，所述后端数据汇总平台无法与前端数据产生平台产生任何数据交互，也就是说，所述嵌入式康复锻炼设备不具备与所述后端数据汇总平台执行数据交互的能力。

这是因为，嵌入式***是以应用为中心，以计算机技术为基础，软硬件可裁减，适应应用***对功能、可靠性、成本、体积、功耗等严格要求的专用计算机。它一般由微处理器、相关支撑硬件、嵌入式操作***及上层应用软件***等组成，用以实现对其他设备的控制、监视和管理等功能。

嵌入式***往往是针对某个方面的特定应用，其硬件是为特定的用户人群设计的，通常具备某种专用性特点。由于是针对特定的用户群体，因而***的硬件和操作***都应该设计为可裁减的，从而使***在满足用户使用需求的前提下达到最精简的配置。大多数专用的电子信息***都需要外设的及时响应，嵌入式***软件一般都是固化在存储器芯片或者***的存储器中，流行的嵌入式操作***都具备良好的实时性，这样的结构使得***能快速的响应外部事件，同时也大大提高了***的可靠性。以上的几个特性使得嵌入式***具备了低功耗的优点。

让家用嵌入式设备与网络互联的嵌入式服务器成为了智能家居和远程医疗最佳的解决方法，它可以让嵌入式设备以最低的代价获得最大的网络资源。要使用嵌入式服务器，嵌入式设备必须支持网络通信协议协议。网络可以通过为嵌入式设备提供远程通讯、在线升级、访问资源等功能。

但是，在实际应用上，对于最终目的来说，相关的网络应用只是***上的简单地进程，两者之间进行数据交换时必然引起数据的复制，从而就引起了内存资源的浪费。对于内存有限的嵌入式设备来说，内存资源是相当宝贵的，我们要尽量的降低协议栈对***内存资源的占用，因此，通常的嵌入式设备通常不单独开发网络通信协议协议，对于康复锻炼用的嵌入式设备尤其如此。

在上述基础上，作为更具体的例子，所述康复锻炼参数包括运动参数和生理参数；

所述运动参数包括步态、步速、身体平衡程度值之一或者其组合；

所述生理参数包括心率、血压以及肢体肌力。

在图2中，所述移动终端按照第一周期接收所述嵌入式设备产生的所述患者数据，采用至少一个数据预处理模型对其进行预处理。

作为更具体的例子，所述移动终端可安装至少一个康复数据APP，所述康复数据APP提供一个或者多个数据预处理模型，用于对康复数据进行适应性的预处理。

在本实施例中，所述移动终端利用所述数据预处理模型对所述康复锻炼装置发送的所述康复锻炼参数进行预处理的过程可参见图4，具体包括：

若针对某个运动参数存在多个相同的数值，则针对该运行参数仅保留一个数值；

若针对某个运动参数存在多个不同数值并且所述多个不同数值的变化范围在预定区间内，则将所述多个不同数值的平均值作为该运行参数的数值。

由于所述移动终端是按照第一周期接收所述嵌入式设备产生的所述患者数据，因此，针对同一个运动参数，将会到一个周期内接收到多个数值，例如，在一个周期内，可以得到多个步态/步速/身体平衡程度值。

由于本发明的技术方案针对的是康复患者，对于不同阶段的康复过程来说，产生的这些数值有些是有用的，有些是重复的（但是每一个都是真实的），但是对于康复分析来说，分析的是多个周期内的数据，如果全部采用原始数据，将产生巨大的数据传输量。

为解决此类问题，本实施例基于移动终端实现了上述数据预处理，重点在于开发了对应的健康康复数据APP，可以更新所述预处理模型。

所述移动终端按照第一周期接收所述嵌入式设备产生的所述患者数据，采用至少一个数据预处理模型对其进行预处理后，将预处理后的所述患者数据发送至所述后端数据汇总平台，即后端数据汇总平台与移动终端的数据交互，接下来可参见图3。

在图3中，示出所述后端数据汇总平台包括数据分组组件、数据分析组件、判断组件以及统计器。

所述数据分组组件用于对所述汇总的患者数据进行分组，得到分组患者数据；

更具体的，所述数据分组组件汇总多个移动终端发送的预处理后的患者数据，将相同的生理参数对应的运动参数分为一组。

作为示例，所述康复锻炼参数包括运动参数和生理参数；所述运动参数包括步态、步速、身体平衡程度值之一或者其组合；所述生理参数包括心率、血压以及肢体肌力。

这里的对应，是相对于不同的移动终端数据而言，下面以所述数据分组组件汇总两个移动终端发送的预处理后的患者数据为例，对上述对应分组的含义做出示意性说明，但是这个例子仅仅是示意性的，并不构成对本发明的限制。

设移动终端A发送的预处理后的患者数据为：

A1={步态A1；步速A1；心率1}(第一个周期)

A2={步态A2；步速A2；心率2}(第二个周期)；

移动终端B发送的预处理后的患者数据为：

B1={步态B1；步速B2；心率2}(第一个周期)；

B2={步态B2；步速B1；心率1}(第二个周期)；

假设所述数据分组组件以两个周期为单位进行数据汇总，则分组结果为：

{心率1：步态A1-步态B2}

{心率1：步速A1-步速B1}

{心率2：步态A2-步态B1}

{心率2：步速A2-步速B2}。

发明人发现，在实际锻炼过程中，患者可以控制或者自主（可能是刻意）调节步速、步态（还有身体平衡程度值），但是，患者的心率、血压以及肢体肌力是无法调节或者控制的。

因此，发明人创造性的发现，将客观的无法改变的生理参数作为分组标准，对哪些可能存在误导的运动参数执行分组分析，能够确保客观性。

显然，上述例子给出了将相同的心率参数对应的步态/步速参数分为一组的做法，同样的，还可以将相同的血压参数对应的步态/步速参数身体平衡程度值分为一组，将相同的肢体肌力对应的步态/步速参数身体平衡程度值分为一组，等等，本实施例对此不做展开。

接下来，所述数据分析组件对每个分组患者数据执行分组分析，并得出分析结果，具体包括：

将每一个分组中的运动参数按照时间顺序排序，并采用时间序列预测模型预测未来预定时间段的预测参数。

例如，基于前述实施例，对应的例子包括：

{心率1：步态A1-步态B2……预测步态Y1}

{心率1：步速A1-步速B1……预测步速Y1}

{心率2：步态A2-步态B1……预测步态Y2}

{心率2：步速A2-步速B2……预测步速Y2}。

当所述分析结果满足第一预定条件时，将所述分析结果发送至对应的移动终端，具体包括：

判断每一个分组中的第一运动参数与该分组的预测参数的差值，

如果所述差值大于预定值，则向该第一运动参数对应的移动终端发送反馈信息，所述反馈信息包括所述预测参数。

所述移动终端接收所述分析结果，并将所述分析结果发送至所述嵌入式设备的人机交互界面上显示。

这里分析结果，包括该移动终端对应的嵌入式锻炼设备当前的运动参数与分组时间序列的趋势对比图。

作为更进一步的优选，所述数据分析组件统计所述分析结果满足第一预定条件的次数，将所述次数大于预设值时，所述后端数据汇总平台更新所述分析结果对应的移动终端上的所述数据预处理模型。

作为示例，这里的更新包括更新所述移动终接收所述嵌入式设备产生的所述患者数据的周期、更新所述预定区间的大小等。

需要指出的是，之所以需要更新，是因为原有的周期、区间大小随着康复进程的推进，可能不再适用。因此，此处的更新能够优选的实现自学习，从而获得更客观准确的预处理结果。

综上所述，本发明的优点至少体现在：

(1)通过移动终端的辅助，使得低成本低内存低处理能力的嵌入式康复设备能够有效的获得反馈信息，从而能够更好的指导患者的康复锻炼；

(2)采用汇总多个移动终端的数据并进行分组处理的方式，能够充分利用大数据的整体优势对个体提出准确、客观的反馈建议，避免单一个体的锻炼的盲目性;

(3)基于闭环反馈统计反馈次数，从而调整对应的数据预处理模型，使得整个过程完成闭环自学习，分析过程属于动态的进化过程，能够自适应的适应康复进程。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于移动端反馈的脑卒中数据管理与分析***，所述***包括后端数据汇总平台、前端数据产生平台以及移动终端；

其特征在于：

所述后端数据汇总平台与多个移动终端通信，用于汇总每个移动终端发送的与该移动终端对应的前端数据产生平台产生的患者数据；

所述后端数据汇总平台包括数据分组组件以及数据分析组件；

所述数据分组组件用于对所述汇总的患者数据进行分组，得到分组患者数据；

所述数据分析组件对每个分组患者数据执行分组分析，并得出分析结果，当所述分析结果满足第一预定条件时，将所述分析结果发送至对应的移动终端；

所述前端数据产生平台为包含人机交互界面的嵌入式设备，所述前端数据产生平台与所述移动终端通过近场无线通信技术进行数据传输。

2.如权利要求1所述的一种基于移动端反馈的脑卒中数据管理与分析***，其特征在于：

所述嵌入式设备为患者康复锻炼装置，所述康复锻炼装置包括多个组合传感器，每个组合传感器用于测量所述患者的康复锻炼参数，并将所述康复锻炼参数作为患者数据发送至与其进行近场无线通信的移动终端。

3.如权利要求1所述的一种基于移动端反馈的脑卒中数据管理与分析***，其特征在于：

所述移动终端与所述后端数据汇总平台无线通信，所述移动终端包含至少一个数据预处理模型，所述数据预处理模型由所述后端数据汇总平台更新；

所述移动终端按照第一周期接收所述嵌入式设备产生的所述患者数据，采用至少一个数据预处理模型对其进行预处理后，将预处理后的所述患者数据发送至所述后端数据汇总平台。

4.如权利要求2所述的一种基于移动端反馈的脑卒中数据管理与分析***，其特征在于：

所述康复锻炼参数包括运动参数和生理参数；

所述运动参数包括步态、步速、身体平衡程度值之一或者其组合；

所述生理参数包括心率、血压以及肢体肌力。

5.如权利要求2所述的一种基于移动端反馈的脑卒中数据管理与分析***，其特征在于：

所述移动终端包含至少一个数据预处理模型;

所述移动终端利用所述数据预处理模型对所述康复锻炼装置发送的所述康复锻炼参数进行预处理，具体包括：

若针对某个运动参数存在多个相同的数值，则针对该运行参数仅保留一个数值；

若针对某个运动参数存在多个不同数值并且所述多个不同数值的变化范围在预定区间内，则将所述多个不同数值的平均值作为该运行参数的数值。

6.如权利要求2或5所述的一种基于移动端反馈的脑卒中数据管理与分析***，其特征在于：

所述数据分组组件用于对所述汇总的患者数据进行分组，得到分组患者数据，具体包括：

所述数据分组组件汇总多个移动终端发送的预处理后的患者数据；

将相同的生理参数对应的运动参数分为一组。

7.如权利要求6所述的一种基于移动端反馈的脑卒中数据管理与分析***，其特征在于：

所述数据分析组件对每个分组患者数据执行分组分析，并得出分析结果，具体包括：

将每一个分组中的运动参数按照时间顺序排序，并采用时间序列预测模型预测未来预定时间段的预测参数。

8.如权利要求7所述的一种基于移动端反馈的脑卒中数据管理与分析***，其特征在于：

当所述分析结果满足第一预定条件时，将所述分析结果发送至对应的移动终端，具体包括：

判断每一个分组中的第一运动参数与该分组的预测参数的差值，

如果所述差值大于预定值，则向该第一运动参数对应的移动终端发送反馈信息，所述反馈信息包括所述预测参数。

9.如权利要求1所述的一种基于移动端反馈的脑卒中数据管理与分析***，其特征在于：

所述移动终端接收所述分析结果，并将所述分析结果发送至所述嵌入式设备的人机交互界面上显示。

10.如权利要求3所述的一种基于移动端反馈的脑卒中数据管理与分析***，其特征在于：

所述数据分析组件统计所述分析结果满足第一预定条件的次数，将所述次数大于预设值时，所述后端数据汇总平台更新所述分析结果对应的移动终端上的所述数据预处理模型。

Images