CN114098655A - 一种智能睡眠风险监测方法及*** - Google Patents

一种智能睡眠风险监测方法及*** Download PDF

Info

Publication number
CN114098655A
CN114098655A CN202210083322.1A CN202210083322A CN114098655A CN 114098655 A CN114098655 A CN 114098655A CN 202210083322 A CN202210083322 A CN 202210083322A CN 114098655 A CN114098655 A CN 114098655A
Authority
CN
China
Prior art keywords
risk
sleep
target user
sign
attribute
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.)
Granted
Application number
CN202210083322.1A
Other languages
English (en)
Other versions
CN114098655B (zh
Inventor
王炳坤
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.)
De Rucci Healthy Sleep Co Ltd
Original Assignee
De Rucci Healthy Sleep Co Ltd
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 De Rucci Healthy Sleep Co Ltd filed Critical De Rucci Healthy Sleep Co Ltd
Priority to CN202210083322.1A priority Critical patent/CN114098655B/zh
Publication of CN114098655A publication Critical patent/CN114098655A/zh
Application granted granted Critical
Publication of CN114098655B publication Critical patent/CN114098655B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
    • 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
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4818—Sleep apnoea
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6891—Furniture
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6892—Mats
    • 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
    • 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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • 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
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Epidemiology (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Anesthesiology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种智能睡眠风险监测方法及***，所述方法包括：基于医疗大数据构建用于识别目标用户高发疾病的疾病风险识别模型，并基于疾病风险识别模型识别出的目标用户高发疾病确定出目标用户的风险体征项；将风险体征项的风险概率作为风险体征项的风险权重，基于风险体征项和风险权重构建用于评估目标用户睡眠风险的睡眠风检模型以实现对目标用户睡眠风险监测的定制化服务；利用智能床垫中集成的监测单元对目标用户的风险体征项进行实时采集得到风险体征实时数据，并将风险体征实时数据输入睡眠风检模型得出目标用户的实时睡眠风险，再在实时睡眠风险超风险阈值情况下进行睡眠预警。本发明能提高睡眠风险的监测精度。

Description

一种智能睡眠风险监测方法及***
技术领域
本发明涉及智能家居技术领域，具体涉及一种智能睡眠风险监测方法及***。
背景技术
人们一生有三分之一的时间在睡眠中度过，随着生活节奏的加快，超负荷的工作压力等对人们的睡眠质量和健康带来了严重的影响，例如睡眠过程中可能因呼吸暂停综合征导致高血压、冠心病、中风和猝死等问题，严重威胁人们的健康。由于睡眠中突发疾病而未能及时得到有效的医疗救治而死亡的案例屡见不鲜，为此，出现了各类健康监控装置，其能够监控人们在日常生活中各类生理指标，并且将各类生理指标统计出健康报表并及时反馈，以便人们及时了解自己的身体健康动向。然而，随着独居老人数量的增加，尤其对已经身患心肌梗塞、脑溢血、心脏病等疾病的中老年人来说，在睡眠中监控自己的身体状态是一个很有必要的措施，此类人群迫切希望在睡眠状态突发疾病时能得到及时且有效的医疗救治。
现有技术201711455386.5提出一种基于酒店的智能枕头的健康检测方法及智能枕头，通过安装在智能枕头上的传感器，实时获取的睡眠者的生理参数信息并进行分析，若生理参数信息超出预设范围，且超出预设范围的持续时长大于第一预设时长，则发出用于提示身体存在异常的第一报警信息，有助于人们及时获知自己的身体是否存在异常，有利于在身体存在异常的情况下能够在最佳时间采取治疗措施。但该方法设定的是只要一项生理数据超出阈值就判定身体存在异常，没有综合考虑多项体征数据或者是在考虑多项体征指标数据时采用无差别式考虑，导致不能准确贴合用户个体的差异性，使得诊断精确度不高。
发明内容
本发明的目的在于提供一种智能睡眠风险监测方法及***，以解决现有技术中没有综合考虑多项体征数据或者是在考虑多项体征指标数据时采用无差别式考虑，导致不能准确贴合用户个体的差异性，使得诊断精确度不高的技术问题。
为解决上述技术问题，本发明具体提供下述技术方案：
一种智能睡眠风险监测方法，包括以下步骤：
基于医疗大数据构建用于识别目标用户高发疾病的疾病风险识别模型，并基于所述疾病风险识别模型识别出的目标用户高发疾病确定出目标用户的风险体征项；
将所述风险体征项的风险概率作为风险体征项的风险权重，基于所述风险体征项和风险权重构建用于评估目标用户睡眠风险的睡眠风检模型以实现对目标用户睡眠风险监测的定制化服务；
利用智能床垫中集成的监测单元对目标用户的风险体征项进行实时采集得到风险体征实时数据，并将风险体征实时数据输入睡眠风检模型得出目标用户的实时睡眠风险，再在所述实时睡眠风险超风险阈值情况下进行睡眠预警。
可选的，所述基于医疗大数据构建用于识别目标用户高发疾病的疾病风险识别模型，包括：
设置表征病患患病特征的特征字段，并在医疗大数据中对病患数据按特征字段进行逐项数据抽取得到一组病患训练样本，所述特征字段包括：性别属性，年龄属性，地域属性，季节属性，以及病种属性；
利用BP神经网络对所述性别属性，年龄属性，地域属性，季节属性，以及病种属性构建表征性别属性，年龄属性，地域属性，季节属性和病种属性非线性映射关系的映射模型作为疾病风险识别模型，所述疾病风险识别模型的函数表达式为：
Figure 825009DEST_PATH_IMAGE001
；
式中，
Figure 742149DEST_PATH_IMAGE002
表征病患训练样本y的病种属性，
Figure 584203DEST_PATH_IMAGE003
、
Figure 979412DEST_PATH_IMAGE004
、
Figure 357566DEST_PATH_IMAGE005
、
Figure 180029DEST_PATH_IMAGE006
分别表征为病患训练样本y的性别属性，年龄属性，地域属性，季节属性，BP表征为神经网络；
将训练样本以数据量为7:3分割成训练集和测试集代入疾病风险识别模型进行模型训练以损失函数最小为原则确定疾病风险识别模型，其中，所述损失函数设定为：
Figure 509379DEST_PATH_IMAGE007
；
式中，
Figure 770596DEST_PATH_IMAGE008
表征为损失函数值，n表征为病患训练样本的总数目，
Figure 439475DEST_PATH_IMAGE009
表征病患训练样本y的病种属性的真实值，
Figure 432839DEST_PATH_IMAGE002
表征为疾病风险识别模型输出的病患训练样本y的病种属性的预测值。
可选的，所述风险体征项的风险概率的确定方法包括：
在医疗大数据中统计出每个病种属性的所有死亡诱因，以及每个死亡诱因的死亡概率；
选取死亡概率排在前m个的死亡诱因作为对应病种属性的m项风险体征项，并将前m个死亡诱因的死亡概率进行概率总和归一化处理得到各项风险体征项的风险概率，其中，所述风险概率的计算公式为：
Figure 810337DEST_PATH_IMAGE010
；
式中，
Figure 609666DEST_PATH_IMAGE011
表征为第i项风险体征项的风险概率，
Figure 133051DEST_PATH_IMAGE012
表征为第i项死亡诱因的死亡概率，m表征为风险体征项的总数目，i为计量常数，无实质含义；
将病种属性、风险体征项以及风险概率进行线性映射构成映射列表。
可选的，所述基于所述疾病风险识别模型识别出的目标用户高发疾病确定出目标用户的风险体征项，包括：
目标用户在填充性别属性，年龄属性，地域属性，季节属性得到一条目标用户的用户数据，并将所述用户数据输入至疾病风险识别模型以得到目标用户的病种属性；
在映射列表中根据目标用户的病种属性查询得到目标用户的m项风险体征项。
可选的，所述将所述风险体征项的风险概率作为风险体征项的风险权重，包括：
在映射列表中根据风险体征项依次查询得到每项风险体征项的风险概率作为对应体征项的风险权重。
可选的，所述基于所述风险体征项和风险权重构建用于评估目标用户睡眠风险的睡眠风检模型，包括：
将风险体征项和风险权重进行权重求和得到目标用户睡眠风险的风险评分，以作为评估目标用户睡眠风险的睡眠风检模型，所述睡眠风检模型的模型表达式为：
Figure 562895DEST_PATH_IMAGE013
；
式中，
Figure 866838DEST_PATH_IMAGE014
表征为目标用户睡眠风险的风险评分，
Figure 204278DEST_PATH_IMAGE011
表征为第i项风险体征项的风险概率，
Figure 847749DEST_PATH_IMAGE015
表征为第i项风险体征项。
可选的，所述将风险体征实时数据输入睡眠风检模型得出目标用户的实时睡眠风险，包括：
将风险体征实时数据
Figure 746697DEST_PATH_IMAGE016
输入睡眠风检模型得出目标用户的风险评分
Figure 475619DEST_PATH_IMAGE017
，以表征目标用户的实时睡眠风险；
式中，
Figure 554433DEST_PATH_IMAGE018
表征为目标用户实时睡眠风险的风险评分，
Figure 114727DEST_PATH_IMAGE019
表征为第i项风险体征项的风险体征实时数据。
可选的，所述在所述实时睡眠风险超风险阈值情况下进行睡眠预警，包括：
设定风险阈值
Figure 886374DEST_PATH_IMAGE020
，其中，
当
Figure 837013DEST_PATH_IMAGE021
，则判定实时睡眠风险超风险阈值，同步向目标用户的紧急联系人进行预警通告；
当
Figure 719518DEST_PATH_IMAGE022
，则判定实时睡眠风险未超风险阈值，无需进行预警通告。
另一方面，本发明提供了一种用于执行所述的智能睡眠风险监测方法的睡眠风险监测***，包括：
模型构建单元，用于基于医疗大数据构建用于识别目标用户高发疾病的疾病风险识别模型，并基于所述疾病风险识别模型识别出的目标用户高发疾病确定出目标用户的风险体征项；
监测单元，用于将所述风险体征项的风险概率作为风险体征项的风险权重，基于所述风险体征项和风险权重构建用于评估目标用户睡眠风险的睡眠风检模型以实现对目标用户睡眠风险监测的定制化服务；
实时风控单元，用于利用智能床垫中集成的监测单元对目标用户的风险体征项进行实时采集得到风险体征实时数据，并将风险体征实时数据输入睡眠风检模型得出目标用户的实时睡眠风险，再在所述实时睡眠风险超风险阈值情况下进行睡眠预警。
可选的，所述监测单元分别集成有对应所有风险体征项的体征监测装置，并将体征监测装置以栅格状均匀分布于智能床垫中。
本发明与现有技术相比较具有如下有益效果：
本发明提供一种智能睡眠风险监测方法及***，基于医疗大数据构建用于识别目标用户高发疾病的疾病风险识别模型，并基于所述疾病风险识别模型识别出的目标用户高发疾病确定出目标用户的风险体征项，再综合考虑目标用户的多项体征数据的共性同时能准确抓取用户个体的差异性，提高风检精确度，而且在所述实时睡眠风险超风险阈值情况下进行睡眠预警，实现了对目标用户睡眠状况的实时风控来保障目标用户的睡眠安全性。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述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示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例提供的睡眠风险监测方法流程图；
图2为本发明实施例提供的睡眠风险监测***结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，由于突发疾病而未能及时得到有效的医疗救治而死亡的案例屡见不鲜，为此出现了各类健康监控装置，其能够监控人们在日常生活中各类生理指标，并且将各类生理指标统计出健康报表并及时反馈，以便人们及时了解自己的身体健康动向。然而，随着独居老人数量的增加，尤其对已经身患心肌梗塞、脑溢血、心脏病等疾病的中老年人来说，在睡眠中监控自己的身体状态是一个很有必要的措施，此类人群迫切希望在睡眠状态突发疾病时能得到及时且有效的医疗救治，因此本发明提供了一种智能睡眠风险监测方法，构建睡眠风检模型对用户进行实时睡眠监测和风险预警，有效的提高了安全系数。
一方面，本实施例提供一种智能睡眠风险监测方法，包括以下步骤：
步骤S1、基于医疗大数据构建用于识别目标用户高发疾病的疾病风险识别模型，并基于疾病风险识别模型识别出的目标用户高发疾病确定出目标用户的风险体征项；
基于医疗大数据构建用于识别目标用户高发疾病的疾病风险识别模型，包括：
设置表征病患患病特征的特征字段，并在医疗大数据中对病患数据按特征字段进行逐项数据抽取得到一组病患训练样本，特征字段包括：性别属性，年龄属性，地域属性，季节属性，以及病种属性；
利用BP神经网络对性别属性，年龄属性，地域属性，季节属性，以及病种属性构建表征性别属性，年龄属性，地域属性，季节属性和病种属性非线性映射关系的映射模型作为疾病风险识别模型，疾病风险识别模型的函数表达式为：
Figure 134319DEST_PATH_IMAGE001
；
式中，
Figure 76867DEST_PATH_IMAGE002
表征病患训练样本y的病种属性，
Figure 514802DEST_PATH_IMAGE003
、
Figure 997736DEST_PATH_IMAGE004
、
Figure 470305DEST_PATH_IMAGE005
、
Figure 583755DEST_PATH_IMAGE006
分别表征为病患训练样本y的性别属性，年龄属性，地域属性，季节属性，BP表征为神经网络；
将训练样本以数据量为7:3分割成训练集和测试集代入疾病风险识别模型进行模型训练以损失函数最小为原则确定疾病风险识别模型，其中，损失函数设定为：
Figure 508986DEST_PATH_IMAGE007
；
式中，
Figure 733294DEST_PATH_IMAGE008
表征为损失函数值，n表征为病患训练样本的总数目，
Figure 355642DEST_PATH_IMAGE009
表征病患训练样本y的病种属性的真实值，
Figure 639993DEST_PATH_IMAGE002
表征为疾病风险识别模型输出的病患训练样本y的病种属性的预测值。
建立疾病风险识别模型，可用于根据目标用户的性别属性，年龄属性，地域属性，季节属性获得该目标用户在该性别、该地域、该年龄和该季节可能存在高发的病种属性，从而对该病种属性进行准确监测，比如：心血管疾病，在年龄增长、冬季都会存在高发性，而某些单性别疾病（妇科癌变），随年龄增长也会存在高发性，地域生态、饮食的不同，也会导致各地域高发病种的差别，因此利用性别属性，年龄属性，地域属性和季节属性，可基本涵盖目标用户的病种确定的主要因素，在实际使用时也可根据需要进行增删。
风险体征项的风险概率的确定方法包括：
在医疗大数据中统计出每个病种属性的所有死亡诱因，以及每个死亡诱因的死亡概率；
选取死亡概率排在前m个的死亡诱因作为对应病种属性的m项风险体征项，并将前m个死亡诱因的死亡概率进行概率总和归一化处理得到各项风险体征项的风险概率，其中，风险概率的计算公式为：
Figure 52520DEST_PATH_IMAGE010
；
式中，
Figure 80519DEST_PATH_IMAGE011
表征为第i项风险体征项的风险概率，
Figure 262102DEST_PATH_IMAGE012
表征为第i项死亡诱因的死亡概率，m表征为风险体征项的总数目，i为计量常数，无实质含义；
将病种属性、风险体征项以及风险概率进行线性映射构成映射列表。
假如目标用户识别出的病种属性为心血管疾病，且心血管疾病的风险体征项为窒息，心跳骤停，高烧感染等等，则对应的计算出窒息、心跳骤停和高烧感染的风险概率，并形成如表1所示的映射列表。
表1 映射列表
Figure 514091DEST_PATH_IMAGE024
步骤S2、将风险体征项的风险概率作为风险体征项的风险权重，基于风险体征项和风险权重构建用于评估目标用户睡眠风险的睡眠风检模型以实现对目标用户睡眠风险监测的定制化服务；
基于疾病风险识别模型识别出的目标用户高发疾病确定出目标用户的风险体征项，包括：
目标用户在填充性别属性，年龄属性，地域属性，季节属性得到一条目标用户的用户数据，并将用户数据输入至疾病风险识别模型以得到目标用户的病种属性；
在映射列表中根据目标用户的病种属性查询得到目标用户的m项风险体征项。
由于目标用户根据自身的性别属性，年龄属性，地域属性，季节属性可以获得在该性别、该地域、该年龄和该季节可能存在高发的病种属性，该病种属性具有与目标用户的唯一绑定特点，即表示目标用户在该性别、该地域、该年龄和该季节可能存在高发的病种，当目标用户在下个季节或地域都会产生另一种结果，因此该病种属性是具有时空特性，具有唯一性，从而根据该病种属性得到的m项风险体征项也具有唯一性，因此，通过该目标用户的m项风险体征项建立的睡眠风检模型呈现定制化特点，只为该目标用户进行精准服务，且准确性得到提高，增强智能家居的使用体验，最终形成厂家的核心竞争力。
将风险体征项的风险概率作为风险体征项的风险权重，包括：
在映射列表中根据风险体征项依次查询得到每项风险体征项的风险概率作为对应体征项的风险权重。
基于风险体征项和风险权重构建用于评估目标用户睡眠风险的睡眠风检模型，包括：
将风险体征项和风险权重进行权重求和得到目标用户睡眠风险的风险评分，以作为评估目标用户睡眠风险的睡眠风检模型，睡眠风检模型的模型表达式为：
Figure 413914DEST_PATH_IMAGE013
；
式中，
Figure 42342DEST_PATH_IMAGE025
表征为目标用户睡眠风险的风险评分，
Figure 344010DEST_PATH_IMAGE026
表征为第i项风险体征项的风险概率，
Figure 766901DEST_PATH_IMAGE027
表征为第i项风险体征项。
风险权重对应风险体征项的危险程度，即目标用户更高发的意外原因，因此在进行风险评估时需要赋予危险程度高的风险体征项以高权重，以凸显该风险体征项的危险程度，比如：在心血管疾病中心梗是危险程度最高的因素，那么在进行心跳监测时，心跳发生微小变化就会通过权重进行放大，更易被察觉到，安全性更强。
将风险体征实时数据输入睡眠风检模型得出目标用户的实时睡眠风险，包括：
将风险体征实时数据
Figure 717802DEST_PATH_IMAGE028
输入睡眠风检模型得出目标用户的风险评分
Figure 87603DEST_PATH_IMAGE029
，以表征目标用户的实时睡眠风险；
式中，
Figure 978199DEST_PATH_IMAGE030
表征为目标用户实时睡眠风险的风险评分，
Figure 775254DEST_PATH_IMAGE031
表征为第i项风险体征项的风险体征实时数据。
步骤S3、利用智能床垫中集成的监测单元对目标用户的风险体征项进行实时采集得到风险体征实时数据，并将风险体征实时数据输入睡眠风检模型得出目标用户的实时睡眠风险，再在实时睡眠风险超风险阈值情况下进行睡眠预警，以实现对目标用户睡眠状况的实时风控来保障目标用户的睡眠安全性。
以心血管疾病为例，选取三个风险体征项：心跳骤停，窒息，高烧感染，则对应监测目标对象的心跳数据、呼吸数据以及体温数据作为风险体征实时数据，并将风险体征实时数据输入睡眠风检模型得出目标用户的实时睡眠风险。
在实时睡眠风险超风险阈值情况下进行睡眠预警，包括：
设定风险阈值
Figure 446406DEST_PATH_IMAGE032
，其中，
当
Figure 619899DEST_PATH_IMAGE033
，则判定实时睡眠风险超风险阈值，同步向目标用户的紧急联系人进行预警通告；
当
Figure 692897DEST_PATH_IMAGE034
，则判定实时睡眠风险未超风险阈值，无需进行预警通告。
另一方面，如图2所示，基于上述智能睡眠风险监测方法，本发明实施例还提供一种睡眠风险监测***，包括：
模型构建单元1，用于基于医疗大数据构建用于识别目标用户高发疾病的疾病风险识别模型，并基于所述疾病风险识别模型识别出的目标用户高发疾病确定出目标用户的风险体征项；
监测单元2，用于将所述风险体征项的风险概率作为风险体征项的风险权重，基于所述风险体征项和风险权重构建用于评估目标用户睡眠风险的睡眠风检模型以实现对目标用户睡眠风险监测的定制化服务；
实时风控单元3，用于利用智能床垫中集成的监测单元对目标用户的风险体征项进行实时采集得到风险体征实时数据，并将风险体征实时数据输入睡眠风检模型得出目标用户的实时睡眠风险，再在所述实时睡眠风险超风险阈值情况下进行睡眠预警。
进一步地，监测单元分别集成有对应所有风险体征项的体征监测装置，并将体征监测装置以栅格状均匀分布于智能床垫中。例如，体征监测装置可以包括用于检测人体体温的体温检测装置或者用于检测人的心率的心率检测装置等，本实施例对此不作枚举。
本发明实施例提供的睡眠风险监测方法及***，基于医疗大数据构建用于识别目标用户高发疾病的疾病风险识别模型，并基于所述疾病风险识别模型识别出的目标用户高发疾病确定出目标用户的风险体征项，再综合考虑目标用户的多项体征数据的共性同时能准确抓取用户个体的差异性，提高风检精确度，而且在所述实时睡眠风险超风险阈值情况下进行睡眠预警，实现了对目标用户睡眠状况的实时风控来保障目标用户的睡眠安全性。
以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。

Claims (9)

1.一种智能睡眠风险监测方法，其特征在于，包括以下步骤：
基于医疗大数据构建用于识别目标用户高发疾病的疾病风险识别模型，并基于所述疾病风险识别模型识别出的目标用户高发疾病确定出目标用户的风险体征项；
将所述风险体征项的风险概率作为风险体征项的风险权重，基于所述风险体征项和风险权重构建用于评估目标用户睡眠风险的睡眠风检模型以实现对目标用户睡眠风险监测的定制化服务；
利用智能床垫中集成的监测单元对目标用户的风险体征项进行实时采集得到风险体征实时数据，并将风险体征实时数据输入睡眠风检模型得出目标用户的实时睡眠风险，再在所述实时睡眠风险超风险阈值情况下进行睡眠预警。
2.根据权利要求1所述的一种智能睡眠风险监测方法，其特征在于：所述基于医疗大数据构建用于识别目标用户高发疾病的疾病风险识别模型，包括：
设置表征病患患病特征的特征字段，并在医疗大数据中对病患数据按特征字段进行逐项数据抽取得到一组病患训练样本，所述特征字段包括：性别属性，年龄属性，地域属性，季节属性，以及病种属性；
利用BP神经网络对所述性别属性，年龄属性，地域属性，季节属性，以及病种属性构建表征性别属性，年龄属性，地域属性，季节属性和病种属性非线性映射关系的映射模型作为疾病风险识别模型，所述疾病风险识别模型的函数表达式为：
Figure 955181DEST_PATH_IMAGE001
；
式中，
Figure 897729DEST_PATH_IMAGE002
表征病患训练样本y的病种属性，
Figure 335664DEST_PATH_IMAGE003
、
Figure 693964DEST_PATH_IMAGE004
、
Figure 166533DEST_PATH_IMAGE005
、
Figure 279983DEST_PATH_IMAGE006
分别表征为病患训练样本y的性别属性，年龄属性，地域属性，季节属性，BP表征为神经网络；
将训练样本以数据量为7:3分割成训练集和测试集代入疾病风险识别模型进行模型训练以损失函数最小为原则确定疾病风险识别模型，其中，所述损失函数设定为：
Figure 205214DEST_PATH_IMAGE007
；
式中，
Figure 367205DEST_PATH_IMAGE008
表征为损失函数值，n表征为病患训练样本的总数目，
Figure 428702DEST_PATH_IMAGE009
表征病患训练样本y的病种属性的真实值，
Figure 713052DEST_PATH_IMAGE002
表征为疾病风险识别模型输出的病患训练样本y的病种属性的预测值。
3.根据权利要求2所述的一种智能睡眠风险监测方法，其特征在于：所述风险体征项的风险概率的确定方法包括：
在医疗大数据中统计出每个病种属性的所有死亡诱因，以及每个死亡诱因的死亡概率；
选取死亡概率排在前m个的死亡诱因作为对应病种属性的m项风险体征项，并将前m个死亡诱因的死亡概率进行概率总和归一化处理得到各项风险体征项的风险概率，其中，所述风险概率的计算公式为：
Figure 125579DEST_PATH_IMAGE010
；
式中，
Figure 28944DEST_PATH_IMAGE011
表征为第i项风险体征项的风险概率，
Figure 210527DEST_PATH_IMAGE011
表征为第i项死亡诱因的死亡概率，m表征为风险体征项的总数目，i为计量常数，无实质含义；
将病种属性、风险体征项以及风险概率进行线性映射构成映射列表。
4.根据权利要求3所述的一种智能睡眠风险监测方法，其特征在于：所述基于所述疾病风险识别模型识别出的目标用户高发疾病确定出目标用户的风险体征项，包括：
目标用户在填充性别属性，年龄属性，地域属性，季节属性得到一条目标用户的用户数据，并将所述用户数据输入至疾病风险识别模型以得到目标用户的病种属性；
在映射列表中根据目标用户的病种属性查询得到目标用户的m项风险体征项。
5.根据权利要求4所述的一种智能睡眠风险监测方法，其特征在于：所述将所述风险体征项的风险概率作为风险体征项的风险权重，包括：
在映射列表中根据风险体征项依次查询得到每项风险体征项的风险概率作为对应体征项的风险权重。
6.根据权利要求5所述的一种智能睡眠风险监测方法，其特征在于：所述基于所述风险体征项和风险权重构建用于评估目标用户睡眠风险的睡眠风检模型，包括：
将风险体征项和风险权重进行权重求和得到目标用户睡眠风险的风险评分，以作为评估目标用户睡眠风险的睡眠风检模型，所述睡眠风检模型的模型表达式为：
Figure 337883DEST_PATH_IMAGE012
；
式中，
Figure 175389DEST_PATH_IMAGE013
表征为目标用户睡眠风险的风险评分，
Figure 741499DEST_PATH_IMAGE011
表征为第i项风险体征项的风险概率，
Figure 43168DEST_PATH_IMAGE014
表征为第i项风险体征项。
7.根据权利要求6所述的一种智能睡眠风险监测方法，其特征在于，所述将风险体征实时数据输入睡眠风检模型得出目标用户的实时睡眠风险，包括：
将风险体征实时数据
Figure 341425DEST_PATH_IMAGE015
输入睡眠风检模型得出目标用户的风险评分
Figure 728544DEST_PATH_IMAGE016
，以表征目标用户的实时睡眠风险；
式中，
Figure 98346DEST_PATH_IMAGE017
表征为目标用户实时睡眠风险的风险评分，
Figure 929554DEST_PATH_IMAGE018
表征为第i项风险体征项的风险体征实时数据。
8.根据权利要求7所述的一种智能睡眠风险监测方法，其特征在于，所述在所述实时睡眠风险超风险阈值情况下进行睡眠预警，包括：
设定风险阈值
Figure 726609DEST_PATH_IMAGE019
，其中，
当
Figure 335445DEST_PATH_IMAGE020
，则判定实时睡眠风险超风险阈值，同步向目标用户的紧急联系人进行预警通告；
当
Figure 446620DEST_PATH_IMAGE021
，则判定实时睡眠风险未超风险阈值，无需进行预警通告。
9.一种睡眠风险监测***，用于执行权利要求1~8任一项所述的智能睡眠风险监测方法，其特征在于，包括：
模型构建单元（1），用于基于医疗大数据构建用于识别目标用户高发疾病的疾病风险识别模型，并基于所述疾病风险识别模型识别出的目标用户高发疾病确定出目标用户的风险体征项；
监测单元（2），用于将所述风险体征项的风险概率作为风险体征项的风险权重，基于所述风险体征项和风险权重构建用于评估目标用户睡眠风险的睡眠风检模型以实现对目标用户睡眠风险监测的定制化服务；
实时风控单元（3），用于利用智能床垫中集成的监测单元对目标用户的风险体征项进行实时采集得到风险体征实时数据，并将风险体征实时数据输入睡眠风检模型得出目标用户的实时睡眠风险，再在所述实时睡眠风险超风险阈值情况下进行睡眠预警。
CN202210083322.1A 2022-01-25 2022-01-25 一种智能睡眠风险监测方法及*** Active CN114098655B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210083322.1A CN114098655B (zh) 2022-01-25 2022-01-25 一种智能睡眠风险监测方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210083322.1A CN114098655B (zh) 2022-01-25 2022-01-25 一种智能睡眠风险监测方法及***

Publications (2)

Publication Number Publication Date
CN114098655A true CN114098655A (zh) 2022-03-01
CN114098655B CN114098655B (zh) 2022-04-26

Family

ID=80360859

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210083322.1A Active CN114098655B (zh) 2022-01-25 2022-01-25 一种智能睡眠风险监测方法及***

Country Status (1)

Country Link
CN (1) CN114098655B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114947458A (zh) * 2022-06-27 2022-08-30 慕思健康睡眠股份有限公司 基于睡眠床垫的酒店房间推荐方法、装置、设备及介质
CN115281487A (zh) * 2022-08-26 2022-11-04 慕思健康睡眠股份有限公司 一种基于智能床垫的睡眠监测方法及相关产品
CN117133450A (zh) * 2023-10-27 2023-11-28 深圳市力牧生物科技有限公司 基于数据共享的宠物医疗智能诊断方法、***及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204302976U (zh) * 2014-03-21 2015-04-29 徐飞龙 人体疾病风险预警***
JP2016123605A (ja) * 2014-12-26 2016-07-11 積水化学工業株式会社 感染症リスク判定システム
CN107169307A (zh) * 2017-07-07 2017-09-15 中北大学 健康风险评估方法和装置
WO2019046854A1 (en) * 2017-09-01 2019-03-07 University Of Cincinnati SYSTEM, METHOD, COMPUTER PROGRAM PRODUCT AND APPARATUS FOR DYNAMIC PREDICTIVE SURVEILLANCE IN CRITICAL HEALTH ASSESSMENT AND RESULTS / SCORE / (CHAOS) STUDY
CN111417337A (zh) * 2017-12-27 2020-07-14 欧姆龙健康医疗事业株式会社 疾病发作风险预测装置、方法以及程序
CN112117004A (zh) * 2020-09-18 2020-12-22 清数健康医疗数据科学研究院(南京)有限公司 一种基于多源医学数据的糖尿病风险预测模型
US20210225515A1 (en) * 2018-07-13 2021-07-22 E-Diagmed System and method for generating a list of probabilities associated with a list of diseases, computer program product

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204302976U (zh) * 2014-03-21 2015-04-29 徐飞龙 人体疾病风险预警***
JP2016123605A (ja) * 2014-12-26 2016-07-11 積水化学工業株式会社 感染症リスク判定システム
CN107169307A (zh) * 2017-07-07 2017-09-15 中北大学 健康风险评估方法和装置
WO2019046854A1 (en) * 2017-09-01 2019-03-07 University Of Cincinnati SYSTEM, METHOD, COMPUTER PROGRAM PRODUCT AND APPARATUS FOR DYNAMIC PREDICTIVE SURVEILLANCE IN CRITICAL HEALTH ASSESSMENT AND RESULTS / SCORE / (CHAOS) STUDY
CN111417337A (zh) * 2017-12-27 2020-07-14 欧姆龙健康医疗事业株式会社 疾病发作风险预测装置、方法以及程序
US20210225515A1 (en) * 2018-07-13 2021-07-22 E-Diagmed System and method for generating a list of probabilities associated with a list of diseases, computer program product
CN112117004A (zh) * 2020-09-18 2020-12-22 清数健康医疗数据科学研究院(南京)有限公司 一种基于多源医学数据的糖尿病风险预测模型

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
苏静等: "开封市农村居民高血压病季节发病特征", 《河南预防医学杂志》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114947458A (zh) * 2022-06-27 2022-08-30 慕思健康睡眠股份有限公司 基于睡眠床垫的酒店房间推荐方法、装置、设备及介质
CN114947458B (zh) * 2022-06-27 2023-09-05 慕思健康睡眠股份有限公司 基于睡眠床垫的酒店房间推荐方法、装置、设备及介质
CN115281487A (zh) * 2022-08-26 2022-11-04 慕思健康睡眠股份有限公司 一种基于智能床垫的睡眠监测方法及相关产品
CN117133450A (zh) * 2023-10-27 2023-11-28 深圳市力牧生物科技有限公司 基于数据共享的宠物医疗智能诊断方法、***及存储介质
CN117133450B (zh) * 2023-10-27 2024-02-06 深圳市力牧生物科技有限公司 基于数据共享的宠物医疗智能诊断方法、***及存储介质

Also Published As

Publication number Publication date
CN114098655B (zh) 2022-04-26

Similar Documents

Publication Publication Date Title
CN114098655B (zh) 一种智能睡眠风险监测方法及***
CN108348745B (zh) 预测医疗保健事件的***和方法
CN103393416B (zh) 基于电视***的生理指标监控***
CN104055521B (zh) 用户身份识别方法、识别***及健康仪
JP6551959B1 (ja) ソフトウェア、健康状態判定装置及び健康状態判定方法
CN110226802A (zh) 一种面向健康的基于多传感器的资源调配管理***
CN113409941B (zh) Osahs识别方法、模型、模型建立方法、及装置
WO2021044520A1 (ja) ソフトウェア、健康状態判定装置及び健康状態判定方法
CN110911018A (zh) 基于云计算的人体健康数据采集***及健康监控方法
CN106599802A (zh) 一种基于云技术的智能楼道监控***
CN110782990A (zh) 用于基层公卫服务脑卒中风险评估的方法、***及移动平台
JP2016189085A (ja) 情報処理装置、情報処理システム、端末装置及びプログラム
CN111820879A (zh) 一种适用于慢性疾病患者的健康评价管理方法
KR20020005888A (ko) 원격 건강관리 서비스를 제공하는 방법 및 시스템
CN113327680A (zh) 患病风险预警方法、装置、设备及存储介质
CN112972154B (zh) 一种基于敲击信号预警的方法
CN109480532B (zh) 一种基于敲击信号的预警***
CN113113145B (zh) 基于远程监控和视频处理的智慧居家养老服务管理一体化智能平台
CN117133464B (zh) 一种老年人健康智能监测***及监测方法
CN114758786A (zh) 基于无创参数的创伤后失血性休克动态早期预警***
CN114517952A (zh) 空调器的控制方法
CN106991293A (zh) 一种重症疾病早期沟通***、方法及沟通仪
CN113598721A (zh) 可穿戴终端及其核心体温监测方法和计算机可读存储介质
CN116098592A (zh) 一种基于生理指标的高温预警方法、装置及可穿戴设备
Wong et al. Probabilistic detection of vital sign abnormality with Gaussian process regression

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