CN113393936B - 一种基于端-边-云架构的失能老人健康监护*** - Google Patents
一种基于端-边-云架构的失能老人健康监护*** Download PDFInfo
- Publication number
- CN113393936B CN113393936B CN202110762837.XA CN202110762837A CN113393936B CN 113393936 B CN113393936 B CN 113393936B CN 202110762837 A CN202110762837 A CN 202110762837A CN 113393936 B CN113393936 B CN 113393936B
- Authority
- CN
- China
- Prior art keywords
- data
- cloud
- layer
- microprocessor
- server
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/60—Healthcare; Welfare
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
Landscapes
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Pathology (AREA)
- Bioethics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及一种基于端‑边‑云架构的失能老人健康监护***,属于物联网技术领域。该***由三层架构构成:包括生理参数传感器模块、环境参数传感器模块、扩展传感器模块构成的感知端;微处理器、服务器构成的边缘计算层以及云平台层。感知端将采集失能老人生理参数、所处环境参数等数据实时传送给边缘计算层;边缘计算层的微处理器对采集到的数据进行初步分析、计算、筛选后通过WiFi发送到边缘计算层的服务器,服务器对数据进行本地存储、可视化显示、使用双向长短时记忆网络模型完成对心电数据处理和预判,最终通过MQTT协议上传至云平台层;云平台层可进一步对数据进行分析、处理、存储或流转到其它云服务应用。
Description
技术领域
本发明属于物联网技术领域,涉及一种基于端-边-云架构的失能老人健康监护***。
背景技术
目前,专利CN111657891A公布了一种基于边缘计算平台的老年人健康状况监测方法,该***包括数据采集层、数据传输层及数据存储层。数据采集层采用可穿戴设备,用于采集生命体征参数;传输层为基于MQTT协议的边缘计算平台;数据存储层布置在云端。所述方法利用边缘计算平台低延迟、高效率、高安全性和超强的实时计算能力,将采集到的老人生命体征数据实时上传并保存,从而达到实时监测和数据存储。该方法着眼于实时监测但过于依赖网络平台,所有数据直接上传到云端没有进行本地备份;数据在边缘计算层只是简单的转发,没有对生命体征参数进行特征提取、分类,没有充分发挥边缘计算平台的计算能力;在人机交互上上面也没有提出有效解决办法,对医护人员使用该***并不友好。
专利CN108521461B公告授权了一种基于边缘计算的健康监测方法,该***每个边缘节点(一个边缘节点对应一个医疗设备)对用户的身体进行监测,并基于监测的指标数据进行边缘计算,确定指标数据的类别(例如,正常类别、轻度类别、中度类别等等),将所述指标数据类别发送至云服务器。该专利中一个边缘节点电子设备至少要包括至少一个发送装置、一个存储器、一个处理器、一个接收装置以及一个通信总线,多个边缘节点就需要多套电子设备,造价昂贵,并不适用于康养机构。
发明内容
有鉴于此,本发明的目的在于提供一种基于端-边-云架构的失能老人健康监护***。
为达到上述目的,本发明提供如下技术方案:
一种基于端-边-云架构的失能老人健康监护***,该***包括感知端、边缘计算层和云平台层;
所述感知端包括生理参数传感器、环境参数传感器和扩展传感器;
所述边缘计算层包括微处理器和本地PC机服务器;
所述生理参数传感器用于采集心率、心电和血氧;
所述环境参数传感器用于采集温湿度和氨气;
所述扩展传感器包括压力传感器和GPS;压力传感器用于采集长期卧床老人身体局部受压情况;GPS用于采集长期坐轮椅老人的运行轨迹信息;
所述云平台层部署在云服务器上,提供数据采集、数据存储、转发和命令下发;
所述微处理器对采集到的数据进行初步分析、计算和筛选后,通过WiFi发送到边缘计算层的本地PC机服务器,服务器对数据进行本地存储和可视化显示,使用双向长短时记忆网络BLSTM模型完成对心电数据处理和预判,并通过MQTT协议上传至云平台层。
可选的,所述微处理器为STM32系列微处理器。
可选的,所述本地服务器基于PC机搭建,包括QT上位机以及关系型数据库MySQL,QT上位机通过socket接收微处理器发送的数据,将数据存储进数据库的同时显示在UI界面上;
具体分为以下步骤:
S31:与微处理器建立链接:QT上位机通过QTCPSocket类函数创建通信套接字,采用listen()函数监听客户端的请求,当套接字接受到微处理器发送的客户端数据时,使用readyData()函数读取数据;
S32:建立数据库:在PC机上安装MySQL数据库并创建数据表格,QT上位机通过QtSql模块实现与MySQL数据库关联,利用QSqlQuery类语句实现数据库表的创建、数据***和查询功能;通过QSqlTableModel类指令建立显示模型并采用QTableView类视图实现数据库表的显示;
S33:绘制轨迹图:QT上位机使用QWebEngineView类与HTML/JavaScript进行交互,加载百度地图,调用HTML中的函数将GPS传感器采集的经纬度参数绘制出失能老人轮椅运行轨迹;
S34:绘制曲线图:QT上位机使用Qchart类,采用笛卡尔坐标系将心电、血氧、心率和温湿度数据绘制成曲线;
S35:绘制热力图:QT上位机使用QPainter+QImage两个类函数来绘制压力热力图,显示长期卧床老人与床接触面压力的强弱程度。
可选的,所述QT上位机调用python文件,将c语言格式转换为python语言格式,使用双向长短时记忆网络BLSTM建立心电异常预测模型;
具体分为以下步骤:
S41:信号预处理:将心电信号中每一个采样点都减去原始信号的均值,并按比例线性调节信号幅值到-1和1之间,得到归一化后的心电数据;采用Pan-Tompkins方法检测R波并标记索引号,以R波位置为参照,分别向前和向后截取1/3和2/3平均心跳的信号作为双向长短时记忆网络部分单个心跳输入;经过预处理后的第t个心跳的第m个采样点由式(1)求出;
D表示每个记录中的平均心跳间隔,t代表R波的索引号,Rt表示R波的位置;
S42:建立预测模型并训练:首先串联两层BLSTM网络,在BLSTM层之后引入Dropout层,以减少过拟合;为保存连续心跳的序列特征,在BLSTM和多层感知机MLP之间放置扁平层Flatten,最后接MLP,采用小批量梯度下降法MBGD对模型进行训练,采用K-折交差验证法验证,最终训练好的模型应用到心电监测上。
可选的,所述云平台布置在能提供IoT功能的云服务器上,QT上位机作为客户端通过轻量型mqtt协议与云服务器的连接,发布数据;
具体分为以下步骤:
S51:创建物模型:在云服务器上创建产品和设备,并从属性、服务和事件三个维度给设备定义压力、心电、血氧、GPS定位和温湿度的功能,完成物理实体在云端的数字化;
S52:设备接入:QT上位机作为客户端设备利用Qtmqtt类函数,采用hmacsha1、hmacmd5或hmacsha256签名算法与云服务器通过“一机一密”注册认证方式直接连接,将传感器采集的数据和边缘计算处理的结果转变为物模型功能Topic消息的数据格式,发布到云服务器;
S53:数据解析:传感器采集到的原始数据和边缘计算的结果透传到云服务器物联网平台,透传数据为二进制格式,经过云平台解析后转换成物联网平台定义的标准格式Alink JSON数据,最终将数据远端备份的同时流转到其它云服务应用。
可选的,所述云服务器为可提供IoT功能的云平台。
本发明的有益效果在于:将原有基于云平台计算的部分计算任务,下放到监护***的边缘计算模块上,有效降低了云计算中心的处理负担,减缓网络带宽与数据中心的压力,降低了处理和传输时延,提高了监护***预警的实时性和有效性。同时医护人员只需要一台电脑或者一个移动终端即可实现对失能老人的监护,大大缓解了养老机构人手紧张问题,实现了医、护、患之间的信息实时交互,初步实现了失能老人护理的智能化、可视化、精准化和高效化。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为本发明***结构图;
图2为数据采集流程图;
图3为QT上位机UI界面设计流程图;
图4为算法流程图;
图5为云连接流程图。
附图标记:11-生理参数传感器模块,12-环境参数传感器模块,13-扩展传感器模块,21-微处理器,22-本地服务器2,S31-与微处理器通信并读取数据,S32-数据库显示,S33-绘制热力图,S34-绘制曲线图,S35-绘制轨迹图,S41-心电数据预处理,S42-神经网络模型训练,S51-创建物模型,S52-设备接入,S53-数据解析。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
如图1所示,本发明提供了一种基于端-边-云架构的失能老人健康监护***解决方案与方法,该***包括有生理参数传感器模块11、环境参数传感器模块12、扩展传感器模块13构成设备感知端;由微处理器21和本地PC服务器22构成边缘计算层;云平台部署在远端云服务器上。
如图2所示,所述的感知端包括心率、心电、血氧生理参数传感器模块;温湿度、氨气环境参数传感器模块以及GPS传感器和压力传感器扩展传感器模块;所述的边缘计算层包括STM32系列微处理器和本地PC机服务器,压力传感器通过ADC接入微处理器,温湿度传感器通过I2C总线接入微处理器,血氧传感器模块、心电传感器和GPS模块通过串口有线接入微处理器。微处理器通过WiFi模块连入以太网,采用传输控制协议(TCP/IP)将数据发送到本地服务器。
如图3所示,本地服务器基于PC机搭建,包括QT上位机以及关系型数据库(MySQL),QT上位机通过socket接收微处理器发送的数据,将数据存储进数据库的同时显示在UI界面上。具体分为以下步骤:
S31、与微处理器建立链接:QT上位机通过QTCPSocket类函数创建通信套接字,采用listen()函数监听客户端的请求,当套接字接受到微处理器发送的客户端数据时,使用readyData()函数读取数据;
S32、建立数据库:在PC机上安装MySQL数据库并创建数据表格,QT上位机通过QtSql模块实现与MySQL数据库关联,利用QSqlQuery类语句实现数据库表的创建、数据***、查询等功能;通过QSqlTableModel类指令建立显示模型并采用QTableView类视图实现数据库表的显示。
S33、绘制轨迹图:QT上位机使用QWebEngineView类与HTML/JavaScript进行交互,加载百度地图,调用HTML中的函数将GPS传感器采集的经、纬度参数绘制出失能老人轮椅运行轨迹;
S34、绘制曲线图:QT上位机使用Qchart类,采用笛卡尔坐标系将心电、血氧、心率、温湿度等数据绘制成曲线;
S35、绘制热力图:QT上位机使用QPainter+QImage两个类函数来绘制压力热力图,直观显示长期卧床老人与床接触面压力的强弱程度。
如图4所示,QT上位机调用python文件,将c语言格式转换为python语言格式,使用BLSTM(双向长短时记忆网络)建立心电异常预测模型,具体分为以下步骤:
S41、信号预处理:将心电信号中每一个采样点都减去原始信号的均值,并按比例线性调节信号幅值到-1和1之间,得到归一化后的心电数据;采用Pan-Tompkins方法检测R波并标记索引号,以R波位置为参照,分别向前和向后截取1/3和2/3平均心跳的信号作为双向长短时记忆网络部分单个心跳输入。经过以上步骤预处理后的第t个心跳的第m个采样点可由式1求出(D表示每个记录中的平均心跳间隔,t代表R波的索引号,Rt表示R波的位置):
S42、建立预测模型并训练:首先串联两层BLSTM网络,在BLSTM层之后引入Dropout层,以减少过拟合;为了更好地保存连续心跳的序列特征,在BLSTM和多层感知机(MLP)之间放置了一个扁平层Flatten,最后接MLP,采用小批量梯度下降法(MBGD)对模型进行训练,采用K-折交差验证法验证,最终训练好的模型应用到心电监测上。
如图5所示,所述云平台布置在能提供IoT功能的云服务器上,此时QT上位机作为客户端通过轻量型mqtt协议与云服务器的连接,发布数据,具体分为以下步骤:
S51、创建物模型:在云服务器上(可以为阿里云IoT平台、华为云IoT平台或者任何一个可提供IoT功能的云平台)创建产品、设备,并从属性、服务、事件三个维度给设备定义压力、心电、血氧、GPS定位、温湿度的功能,完成物理实体在云端的数字化。
S52、设备接入:此时QT上位机作为客户端设备利用Qtmqtt类函数,采用hmacsha1签名算法(也可为hmacmd5和hmacsha256)与云服务器通过“一机一密”注册认证方式直接连接,将传感器采集的数据和边缘计算处理的结果转变为物模型功能Topic消息的数据格式,发布到云服务器;
S53、数据解析:传感器采集到的原始数据和边缘计算的结果透传到云服务器物联网平台,此透传数据为二进制格式,经过云平台解析后转换成物联网平台定义的标准格式(Alink JSON)数据,最终将数据远端备份的同时流转到其它云服务应用。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于端-边-云架构的失能老人健康监护***,其特征在于:该***包括感知端、边缘计算层和云平台层;
所述感知端包括生理参数传感器、环境参数传感器和扩展传感器;
所述边缘计算层包括微处理器和本地PC机服务器;
所述生理参数传感器用于采集心率、心电和血氧;
所述环境参数传感器用于采集温湿度和氨气;
所述扩展传感器包括压力传感器和GPS;压力传感器用于采集长期卧床老人身体局部受压情况;GPS用于采集长期坐轮椅老人的运行轨迹信息;
所述云平台层部署在云服务器上,提供数据采集、数据存储、转发和命令下发;
所述微处理器对采集到的数据进行初步分析、计算和筛选后,通过WiFi发送到边缘计算层的本地PC机服务器,服务器对数据进行本地存储和可视化显示,使用双向长短时记忆网络BLSTM模型完成对心电数据处理和预判,并通过MQTT协议上传至云平台层;
所述本地PC机服务器基于PC机搭建,包括QT上位机以及关系型数据库MySQL,QT上位机通过socket接收微处理器发送的数据,将数据存储进数据库的同时显示在UI界面上;
具体分为以下步骤:
S31:与微处理器建立链接:QT上位机通过QTCPSocket类函数创建通信套接字,采用listen()函数监听客户端的请求,当套接字接受到微处理器发送的客户端数据时,使用readyData()函数读取数据;
S32:建立数据库:在PC机上安装MySQL数据库并创建数据表格,QT上位机通过QtSql模块实现与MySQL数据库关联,利用QSqlQuery类语句实现数据库表的创建、数据***和查询功能;通过QSqlTableModel类指令建立显示模型并采用QTableView类视图实现数据库表的显示;
S33:绘制轨迹图:QT上位机使用QWebEngineView类与HTML/JavaScript进行交互,加载百度地图,调用HTML中的函数将GPS传感器采集的经纬度参数绘制出失能老人轮椅运行轨迹;
S34:绘制曲线图:QT上位机使用Qchart类,采用笛卡尔坐标系将心电、血氧、心率和温湿度数据绘制成曲线;
S35:绘制热力图:QT上位机使用QPainter+QImage两个类函数来绘制压力热力图,显示长期卧床老人与床接触面压力的强弱程度。
2.根据权利要求1所述的一种基于端-边-云架构的失能老人健康监护***,其特征在于:所述微处理器为STM32系列微处理器。
3.根据权利要求1所述的一种基于端-边-云架构的失能老人健康监护***,其特征在于:所述QT上位机调用python文件,将c语言格式转换为python语言格式,使用双向长短时记忆网络BLSTM建立心电异常预测模型;
具体分为以下步骤:
S41:信号预处理:将心电信号中每一个采样点都减去原始信号的均值,并按比例线性调节信号幅值到-1和1之间,得到归一化后的心电数据;采用Pan-Tompkins方法检测R波并标记索引号,以R波位置为参照,分别向前和向后截取1/3和2/3平均心跳的信号作为双向长短时记忆网络部分单个心跳输入;经过预处理后的第t个心跳的第m个采样点由式(1)求出;
D表示每个记录中的平均心跳间隔,t代表R波的索引号,Rt表示R波的位置;
S42:建立预测模型并训练:首先串联两层BLSTM网络,在BLSTM层之后引入Dropout层,以减少过拟合;为保存连续心跳的序列特征,在BLSTM和多层感知机MLP之间放置扁平层Flatten,最后接MLP,采用小批量梯度下降法MBGD对模型进行训练,采用K-折交差验证法验证,最终训练好的模型应用到心电监测上。
4.根据权利要求3所述的一种基于端-边-云架构的失能老人健康监护***,其特征在于:所述云平台布置在能提供IoT功能的云服务器上,QT上位机作为客户端通过轻量型mqtt协议与云服务器的连接,发布数据;
具体分为以下步骤:
S51:创建物模型:在云服务器上创建产品和设备,并从属性、服务和事件三个维度给设备定义压力、心电、血氧、GPS定位和温湿度的功能,完成物理实体在云端的数字化;
S52:设备接入:QT上位机作为客户端设备利用Qtmqtt类函数,采用hmacsha1、hmacmd5或hmacsha256签名算法与云服务器通过“一机一密”注册认证方式直接连接,将传感器采集的数据和边缘计算处理的结果转变为物模型功能Topic消息的数据格式,发布到云服务器;
S53:数据解析:传感器采集到的原始数据和边缘计算的结果透传到云服务器物联网平台,透传数据为二进制格式,经过云平台解析后转换成物联网平台定义的标准格式AlinkJSON数据,最终将数据远端备份的同时流转到其它云服务应用。
5.根据权利要求4所述的一种基于端-边-云架构的失能老人健康监护***,其特征在于:所述云服务器为可提供IoT功能的云平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110762837.XA CN113393936B (zh) | 2021-07-06 | 2021-07-06 | 一种基于端-边-云架构的失能老人健康监护*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110762837.XA CN113393936B (zh) | 2021-07-06 | 2021-07-06 | 一种基于端-边-云架构的失能老人健康监护*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113393936A CN113393936A (zh) | 2021-09-14 |
CN113393936B true CN113393936B (zh) | 2023-01-24 |
Family
ID=77625283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110762837.XA Active CN113393936B (zh) | 2021-07-06 | 2021-07-06 | 一种基于端-边-云架构的失能老人健康监护*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113393936B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114157680B (zh) * | 2021-12-01 | 2022-07-08 | 中国人民解放军总医院 | Icu多设备语义互操作的数据传输***、方法及可读存储介质 |
CN116055530B (zh) * | 2023-03-15 | 2023-06-16 | 深圳普菲特信息科技股份有限公司 | 基于工业物联网的对象建模方法、***和可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354431A (zh) * | 2015-11-23 | 2016-02-24 | 南京先进激光技术研究院 | 一种老人健康智能监护*** |
CN105426023A (zh) * | 2015-12-31 | 2016-03-23 | 田雪松 | 信息交互方法及*** |
CN205179107U (zh) * | 2015-11-24 | 2016-04-20 | 贾如春 | 基于互联网+的智能养老监护*** |
CN105740621A (zh) * | 2016-01-29 | 2016-07-06 | 江阴中科今朝科技有限公司 | 人体行为数据的移动监测及智能养老健康云平台 |
CN106821366A (zh) * | 2015-10-14 | 2017-06-13 | 张胜国 | 智能心电监护*** |
CN206651940U (zh) * | 2016-12-06 | 2017-11-21 | 天津瑞世通科技有限公司 | 一种基于物联网的瘫痪护理病床 |
CN108498246A (zh) * | 2017-12-24 | 2018-09-07 | 镇江美利通医疗电子有限公司 | 一种具有自动返航功能的电动轮椅 |
CN108682455A (zh) * | 2018-05-18 | 2018-10-19 | 济南浪潮高新科技投资发展有限公司 | 一种基于NB-IoT的远程医疗监控***及方法 |
CN110558975A (zh) * | 2019-10-14 | 2019-12-13 | 齐鲁工业大学 | 一种基于lrf-elm和blstm的心电信号分类方法及*** |
CN110648737A (zh) * | 2019-08-20 | 2020-01-03 | 首都医科大学 | 基于老年照护指南和失能失智的知识库建立***及方法 |
CN112603326A (zh) * | 2020-12-09 | 2021-04-06 | 重庆大学 | 一种基于nb-iot技术的失能老人监护*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102801A (zh) * | 2013-04-07 | 2014-10-15 | 甘肃百合物联科技信息有限公司 | 基于移动互联网的老年健康监测和管理*** |
US20180090229A1 (en) * | 2016-06-28 | 2018-03-29 | Alodeep Sanyal | Automated Continuous and Adaptive Health Monitoring |
CN107194191A (zh) * | 2017-06-20 | 2017-09-22 | 北京时代科华科技有限公司 | 一种健康看护智能生态*** |
CN110246594A (zh) * | 2018-03-08 | 2019-09-17 | 上海仪电(集团)有限公司中央研究院 | 基于多功能网关的智慧医疗养老*** |
-
2021
- 2021-07-06 CN CN202110762837.XA patent/CN113393936B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106821366A (zh) * | 2015-10-14 | 2017-06-13 | 张胜国 | 智能心电监护*** |
CN105354431A (zh) * | 2015-11-23 | 2016-02-24 | 南京先进激光技术研究院 | 一种老人健康智能监护*** |
CN205179107U (zh) * | 2015-11-24 | 2016-04-20 | 贾如春 | 基于互联网+的智能养老监护*** |
CN105426023A (zh) * | 2015-12-31 | 2016-03-23 | 田雪松 | 信息交互方法及*** |
CN105740621A (zh) * | 2016-01-29 | 2016-07-06 | 江阴中科今朝科技有限公司 | 人体行为数据的移动监测及智能养老健康云平台 |
CN206651940U (zh) * | 2016-12-06 | 2017-11-21 | 天津瑞世通科技有限公司 | 一种基于物联网的瘫痪护理病床 |
CN108498246A (zh) * | 2017-12-24 | 2018-09-07 | 镇江美利通医疗电子有限公司 | 一种具有自动返航功能的电动轮椅 |
CN108682455A (zh) * | 2018-05-18 | 2018-10-19 | 济南浪潮高新科技投资发展有限公司 | 一种基于NB-IoT的远程医疗监控***及方法 |
CN110648737A (zh) * | 2019-08-20 | 2020-01-03 | 首都医科大学 | 基于老年照护指南和失能失智的知识库建立***及方法 |
CN110558975A (zh) * | 2019-10-14 | 2019-12-13 | 齐鲁工业大学 | 一种基于lrf-elm和blstm的心电信号分类方法及*** |
CN112603326A (zh) * | 2020-12-09 | 2021-04-06 | 重庆大学 | 一种基于nb-iot技术的失能老人监护*** |
Non-Patent Citations (3)
Title |
---|
"基于Qt Web的工业HMI应用";钟世平 等;《电工技术》;20210225(第4期);第8-9页 * |
"家庭式医疗健康监护***的研究与实现";李超;《中国优秀硕士学位论文全文数据库 (医药卫生科技辑)》;20200715;第E080-23页 * |
"结合CNN与双向LSTM的心律失常分类";李兴秀 等;《计算机科学与探索》;20210204;第15卷(第12期);第2353-2361页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113393936A (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Raj et al. | HEMAN: Health monitoring and nous: An IoT based e-health care system for remote telemedicine | |
US9183351B2 (en) | Mobile system with network-distributed data processing for biomedical applications | |
CN103637780B (zh) | 一种人体睡眠心率和呼吸监测*** | |
CN113393936B (zh) | 一种基于端-边-云架构的失能老人健康监护*** | |
CN106073736A (zh) | 一种可扩展的人体参数监控记录*** | |
CN108899084A (zh) | 一种智慧养老健康监护*** | |
CN101791214A (zh) | 面向社区医疗的便携式监护*** | |
CN105286911A (zh) | 一种健康监测***和健康监测方法 | |
CN107115106A (zh) | 一种远程医疗辅助机器人 | |
CN211674200U (zh) | 用于老年人日常照护的智能健康监测*** | |
CN105133871A (zh) | 一种健康小屋及其管理*** | |
CN106308772A (zh) | 一种可穿戴远程健康监护***及方法 | |
CN203153715U (zh) | 多参数远程医疗监护*** | |
CN111583582A (zh) | 适用于居家养老的多传感器信息融合技术的行为分析*** | |
Hegde et al. | Survey on development of smart healthcare monitoring system in IoT environment | |
Hamza Cherif et al. | Monitoring driver health status in real time | |
Ramani et al. | IOT based employee health monitoring system | |
CN113658703A (zh) | 一种智慧医疗养老*** | |
CN106805952A (zh) | 一种溶栓患者安全监护与报警*** | |
Alshorman et al. | A wireless oxygen saturation and heart rate monitoring and alarming system based on the qatar early warning scoring system | |
CN112735086A (zh) | 一种心脏病术后实时监测预警设备 | |
CN111755137A (zh) | 一种基于社区的医疗监护方法及*** | |
CN116072310A (zh) | 一种应用于医疗健康服务的智能边缘计算*** | |
TWI766471B (zh) | 基於小波分解與強度頻譜的睡眠呼吸強度之檢測系統 | |
CN113616171A (zh) | 一种感测心率呼吸体动的监测*** |
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 |