CN118248332A - 一种智能多模态生理数据监测*** - Google Patents
一种智能多模态生理数据监测*** Download PDFInfo
- Publication number
- CN118248332A CN118248332A CN202410327644.5A CN202410327644A CN118248332A CN 118248332 A CN118248332 A CN 118248332A CN 202410327644 A CN202410327644 A CN 202410327644A CN 118248332 A CN118248332 A CN 118248332A
- Authority
- CN
- China
- Prior art keywords
- patient
- health
- data
- physiological data
- module
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 79
- 230000036541 health Effects 0.000 claims abstract description 126
- 230000005856 abnormality Effects 0.000 claims abstract description 27
- 230000003993 interaction Effects 0.000 claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims abstract description 7
- 201000010099 disease Diseases 0.000 claims description 33
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 33
- 238000004458 analytical method Methods 0.000 claims description 29
- 230000000737 periodic effect Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000005195 poor health Effects 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 abstract description 5
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000036760 body temperature Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003862 health status Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 208000017667 Chronic Disease Diseases 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000013399 early diagnosis Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000008376 long-term health Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000026350 Inborn Genetic disease Diseases 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 208000016361 genetic disease Diseases 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供了一种智能多模态生理数据监测***,所述***包括患者信息创建模块、参数采集模块、异常监测模块、警报通知模块和交互模块;所述患者信息创建模块用于根据患者的个人资料和健康历史建立个性化的健康监测模板;所述参数采集模块用于采集患者的实时生理数据;所述异常监测模块用于监测患者的健康异常情况;所述警报通知模块在监测到患者存在健康异常情况时为患者和医护人员发出警报通知;所述交互模块用于完成***与用户之间的交互沟通;本发明通过综合患者信息创建、参数采集、异常监测、警报通知以及交互沟通功能,为患者提供了一个全面的健康管理方案。
Description
技术领域
本发明涉及健康监测***技术领域,尤其涉及一种智能多模态生理数据监测***。
背景技术
在当今社会,随着人口老龄化加剧以及慢性疾病患病率的持续上升,人们对于健康管理的需求日益增长;传统的健康监测方法依赖于定期的医院检查或家用医疗设备,这些方法往往无法提供连续、全面的健康状态监测,也难以满足个性化健康管理的需求;此外,随着信息技术和移动互联网的迅速发展,智能健康监测***成为了医疗健康领域的一个重要发展趋势,它通过实时收集和分析个人健康数据,为用户提供及时、准确的健康信息和建议,极大地提高了健康管理的效率和效果。
查阅相关已公开技术方案,公开号为CN115153460A的技术提出一种多模态生理指标监测与分析***,包括智能可穿戴设备和智能终端,所述智能可穿戴设备设置为测量用户的体温数据、血氧饱和度数据、心率数据和皮肤电数据,并传输至智能终端,所述智能终端设置为对接收的数据进行存储、处理并向用户显示生理指标状态;利用本发明,用户能够通过智能可穿戴设备,以便携、方便、准确的方式采集自身的生理指标数据,并通过智能终端实时反映人体的生理指标状态,满足用户健康监测的需求;但该方案虽然能够便携地采集并实时显示用户的生理指标数据,但缺乏对采集数据进行深入分析和异常监测的功能,无法提供基于用户健康数据的个性化健康管理和疾病预警。
发明内容
本发明的目的在于,针对目前所存在的不足,提出了一种智能多模态生理数据监测***。
本发明采用如下技术方案:
一种智能多模态生理数据监测***,所述***包括患者信息创建模块、参数采集模块、异常监测模块、警报通知模块和交互模块;
所述患者信息创建模块用于根据患者的个人资料和健康历史建立个性化的健康监测模板;所述参数采集模块用于采集患者的实时生理数据;所述异常监测模块用于监测患者的健康异常情况;所述警报通知模块在监测到患者存在健康异常情况时为患者和医护人员发出警报通知;所述交互模块用于完成***与用户之间的交互沟通;
所述患者信息创建模块包括个人资料收集单元、健康历史收集单元和模板生成单元;所述个人资料收集单元用于收集患者的基本信息,所述健康历史收集单元用于收集患者的病史记录,所述模板生成单元基于患者的基本信息和病史记录建立健康监测模板,所述健康监测模板包括各项生理数据的标准值以及正常波动范围;
所述异常监测模块包括数据预处理单元、实时数据比对单元和周期数据比对单元;所述数据预处理单元用于对采集的实时生理数据进行数据清洗处理,包括去除噪声处理和误差值处理;所述实时数据比对单元用于根据实时生理数据判别患者的健康异常情况;所述周期数据比对单元用于根据周期性的生理数据分析患者的健康趋势;
进一步的,所述模板生成单元对于健康监测模板的建立包括以下步骤:
S11:设定基础标准值:根据医学标准和指南为各项生理数据设定基础标准值以及正常波动范围;
S12:个人资料调整:根据患者基本信息对基础标准值进行调整;
S13:病史记录调整:根据患者的病史记录对各项生理数据的基础标准值以及波动范围进行进一步调整生成最终的标准值以及正常波动范围;
进一步的,所述实时数据比对单元通过将患者的实时生理数据与健康监测模板上的标准值和正常波动范围进行比对,当实时生理数据落在预设的正常波动范围内时,此时认定患者处于健康状态;当实时生理数据不在预设的正常波动范围内时,此时判定患者存在健康异常情况;
进一步的,所述周期数据比对单元以当前时间为时间截点设定采集周期,并根据采集周期内的生理数据分析患者的健康趋势;所述周期数据比对单元对于健康趋势的分析通过以下步骤进行:
S21:建立各个生理数据关于时间的函数,并计算各个生理数据的偏差函数;设某生理数据关于时间的函数为f(t),则该生理数据的偏差函数f1(t)为:
其中,a和b分别为该生理数据对应健康监测模板上的波动范围边界值;
S22:设采集周期为ts,计算各生理数据的健康趋势参数S:
其中,tnow为当前时间,为当前采集周期的趋势变动因子,/>为当前采集周期的上一采集周期的趋势变动因子;满足:
S23:为每种生理参数的健康趋势参数设定判断阈值,当健康趋势参数大于判断阈值时,判定该生理参数的健康趋势较差,即患者的健康状况处在恶化状态;
进一步的,所述警报通知模块包括实时警报单元、病情分析单元和病况通知单元;所述实时警报单元用于监控来自实时数据比对单元和周期数据比对单元的结果输出,当监控到患者存在健康异常情况或某种生理参数的健康趋势较差时,向患者和医护人员发出对应的警报通知;所述病情分析单元基于周期数据对比单元的结果输出分析患者可能患有疾病的类型和风险程度;所述病况通知单元用于将病情分析单元的分析结果告知患者和医护人员。
本发明所取得的有益效果是:
本发明通过患者信息创建模块建立个性化的健康监测模板,能够根据患者的个人资料和健康历史定制监测指标;这样的个性化设置更贴合患者的实际健康状况,提高监测的准确性和有效性;
通过结合实时数据比对单元和周期数据比对单元,***能够提供即时的健康状态反馈以及长期的健康趋势分析;这有助于及时发现健康异常情况和监测患者健康状况的长期变化,对早期诊断和预防性干预至关重要;
通过病情分析单元评估患者患有各种疾病的风险程度,为医护人员提供科学、准确的决策支持,促进精准医疗的实现;
综合患者信息创建、参数采集、异常监测、警报通知以及交互沟通功能,为患者提供了一个全面的健康管理方案。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制,而是将重点放在示出实施例的原理上。在不同的视图中,相同的附图标记指定对应的部分。
图1为本发明整体模块示意图。
图2为本发明模板生成单元工作流程示意图。
图3为本发明周期数据比对单元工作流程示意图。
图4为本发明病情分析单元工作流程示意图。
具体实施方式
为了使得本发明的目的、技术方案及优点更加清楚明白,以下结合其实施例,对本发明进行进一步详细说明;应当理解,此处所描述的具体实施例仅用于解释本发明,并不用于限定本发明;对于本领域技术人员而言,在查阅以下详细描述之后,本实施例的其它***、方法和/或特征将变得显而易见;旨在所有此类附加的***、方法、特征和优点都包括在本说明书内;包括在本发明的范围内,并且受所附权利要求书的保护;在以下详细描述描述了所公开的实施例的另外的特征,并且这些特征根据以下将详细描述将是显而易见的。
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”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组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,不能理解为对本专利的限制,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。
实施例一。
如图1所示,本实施例提供一种智能多模态生理数据监测***,所述***包括患者信息创建模块、参数采集模块、异常监测模块、警报通知模块和交互模块;
所述患者信息创建模块用于根据患者的个人资料和健康历史建立个性化的健康监测模板;所述参数采集模块用于采集患者的实时生理数据;所述异常监测模块用于监测患者的健康异常情况;所述警报通知模块在监测到患者存在健康异常情况时为患者和医护人员发出警报通知;所述交互模块用于完成***与用户之间的交互沟通;
所述患者信息创建模块包括个人资料收集单元、健康历史收集单元和模板生成单元;所述个人资料收集单元用于收集患者的基本信息,所述健康历史收集单元用于收集患者的病史记录,所述模板生成单元基于患者的基本信息和病史记录建立健康监测模板,所述健康监测模板包括各项生理数据的标准值以及正常波动范围;
所述异常监测模块包括数据预处理单元、实时数据比对单元和周期数据比对单元;所述数据预处理单元用于对采集的实时生理数据进行数据清洗处理,包括去除噪声处理和误差值处理;所述实时数据比对单元用于根据实时生理数据判别患者的健康异常情况;所述周期数据比对单元用于根据周期性的生理数据分析患者的健康趋势;
进一步的,如图2所示,所述模板生成单元对于健康监测模板的建立包括以下步骤:
S11:设定基础标准值:根据医学标准和指南为各项生理数据设定基础标准值以及正常波动范围;
S12:个人资料调整:根据患者基本信息对基础标准值进行调整;
S13:病史记录调整:根据患者的病史记录对各项生理数据的基础标准值以及波动范围进行进一步调整生成最终的标准值以及正常波动范围;
进一步的,所述实时数据比对单元通过将患者的实时生理数据与健康监测模板上的标准值和正常波动范围进行比对,当实时生理数据落在预设的正常波动范围内时,此时认定患者处于健康状态;当实时生理数据不在预设的正常波动范围内时,此时判定患者存在健康异常情况;
进一步的,如图3所示,所述周期数据比对单元以当前时间为时间截点设定采集周期,并根据采集周期内的生理数据分析患者的健康趋势;所述周期数据比对单元对于健康趋势的分析通过以下步骤进行:
S21:建立各个生理数据关于时间的函数,并计算各个生理数据的偏差函数;设某生理数据关于时间的函数为f(t),则该生理数据的偏差函数f1(t)为:
其中,a和b分别为该生理数据对应健康监测模板上的波动范围边界值;
S22:设采集周期为ts,计算各生理数据的健康趋势参数S:
其中,tnow为当前时间,为当前采集周期的趋势变动因子,/>为当前采集周期的上一采集周期的趋势变动因子;满足:
S23:为每种生理参数的健康趋势参数设定判断阈值,当健康趋势参数大于判断阈值时,判定该生理参数的健康趋势较差,即患者的健康状况处在恶化状态;
进一步的,所述警报通知模块包括实时警报单元、病情分析单元和病况通知单元;所述实时警报单元用于监控来自实时数据比对单元和周期数据比对单元的结果输出,当监控到患者存在健康异常情况或某种生理参数的健康趋势较差时,向患者和医护人员发出对应的警报通知;所述病情分析单元基于周期数据对比单元的结果输出分析患者可能患有疾病的类型和风险程度;所述病况通知单元用于将病情分析单元的分析结果告知患者和医护人员。
实施例二:
本实施例应当理解为至少包含前述任一一个实施例的全部特征,并在其基础上进一步改进;
本实施例提供一种智能多模态生理数据监测***,所述***包括患者信息创建模块、参数采集模块、异常监测模块、警报通知模块和交互模块;
所述患者信息创建模块用于根据患者的个人资料和健康历史建立个性化的健康监测模板;所述参数采集模块用于采集患者的实时生理数据;所述异常监测模块用于监测患者的健康异常情况;所述警报通知模块在监测到患者存在健康异常情况时为患者和医护人员发出警报通知;所述交互模块用于完成***与用户之间的交互沟通;
所述患者信息创建模块包括个人资料收集单元、健康历史收集单元和模板生成单元;所述个人资料收集单元用于收集患者的基本信息,所述健康历史收集单元用于收集患者的病史记录,所述模板生成单元基于患者的基本信息和病史记录建立健康监测模板,所述健康监测模板包括各项生理数据的标准值以及正常波动范围;
所述异常监测模块包括数据预处理单元、实时数据比对单元和周期数据比对单元;所述数据预处理单元用于对采集的实时生理数据进行数据清洗处理,包括去除噪声处理和误差值处理;所述实时数据比对单元用于根据实时生理数据判别患者的健康异常情况;所述周期数据比对单元用于根据周期性的生理数据分析患者的健康趋势;
所述参数采集模块集成在用户佩戴的智能可穿戴设备中,如智能手环或健康监测贴片,所述参数采集模块采集的生理参数类型包括但不限于心率、血压、血糖、体温和血氧饱和度;
所述患者信息创建模块、异常监测模块、警报通知模块和交互模块集成在手机APP或云端服务平台中,这些模块通过无线网络与用户佩戴的智能可穿戴设备进行数据交换,实现实时健康监测、数据分析、异常预警和用户交互;
进一步的,所述模板生成单元对于健康监测模板的建立包括以下步骤:
S11:设定基础标准值:根据医学标准和指南为各项生理数据设定基础标准值以及正常波动范围;所述基础标准值以及正常波动范围为一般人群的健康水平,如设定心率的标准值为每分钟80次,正常波动范围为每分钟60~100次;
S12:个人资料调整:根据患者基本信息对基础标准值进行调整;所述基本信息包括但不限于年龄、性别、体重和身高,如根据年龄调整心率的基础标准值,年龄越大的患者其心率的基础标准值调整的越低;
S13:病史记录调整:根据患者的病史记录对各项生理数据的基础标准值以及波动范围进行进一步调整生成最终的标准值以及正常波动范围;所述病史记录包括但不限于患者的既往疾病、手术历史、药物使用情况和家族遗传疾病,如患有高血压的患者,其血压的正常波动范围需设定的比一般人群更窄,以紧密监控潜在的风险;
进一步的,所述实时数据比对单元通过将患者的实时生理数据与健康监测模板上的标准值和正常波动范围进行比对,当实时生理数据落在预设的正常波动范围内时,此时认定患者处于健康状态;当实时生理数据不在预设的正常波动范围内时,此时判定患者存在健康异常情况;
进一步的,所述周期数据比对单元以当前时间为时间截点设定采集周期,并根据采集周期内的生理数据分析患者的健康趋势;所述周期数据比对单元对于健康趋势的分析通过以下步骤进行:
S21:建立各个生理数据关于时间的函数,并计算各个生理数据的偏差函数;设某生理数据关于时间的函数为f(t),则该生理数据的偏差函数f1(t)为:
其中,a和b分别为该生理数据对应健康监测模板上的波动范围边界值;
S22:设采集周期为ts,计算各生理数据的健康趋势参数S:
其中,tnow为当前时间,为当前采集周期的趋势变动因子,/>为当前采集周期的上一采集周期的趋势变动因子;满足:
S23:为每种生理参数的健康趋势参数设定判断阈值,当健康趋势参数大于判断阈值时,判定该生理参数的健康趋势较差,即患者的健康状况处在恶化状态;
通过建立偏差函数f1(t),可以量化每个生理参数相对于其正常波动范围的偏离程度;使得***能够精确地捕捉到即使是微小的健康状态变化,这对于早期异常检测和干预至关重要;
通过计算健康趋势参数S,本方案综合了生理参数的即时变化、长期趋势以及变化速率,提供了一个综合的健康状态指标;通过引入趋势变动因子来捕捉连续采集周期内的健康状态波动,结合时间序列分析,所计算出的健康趋势参数能够更准确的评估健康状态的动态变化,尤其是对慢性病患者的长期健康管理具有重要价值;
进一步的,所述警报通知模块包括实时警报单元、病情分析单元和病况通知单元;所述实时警报单元用于监控来自实时数据比对单元和周期数据比对单元的结果输出,当监控到患者存在健康异常情况或某种生理参数的健康趋势较差时,向患者和医护人员发出对应的警报通知;所述病情分析单元基于周期数据对比单元的结果输出分析患者可能患有疾病的类型和风险程度;所述病况通知单元用于将病情分析单元的分析结果告知患者和医护人员;
进一步的,如图4所示,所述病情分析单元对于患者可能患有疾病的类型和风险程度的具体分析步骤如下:
S31:将各生理参数的的健康趋势参数S进行归一化处理;
S32:设定各疾病类型的预测模型,所述预测模型中包含有对应疾病对应的各种生理参数在疾病诊断和评估中的权重比例;
S33:计算患者与各疾病类型之间的比例相似度:
其中,为患者与某疾病类型D之间的比例相似度,/>为患者的健康趋势参数向量,满足/>其中si为患者第i种生理参数对应的健康趋势参数的归一化值,满足1≤i≤n,n为患者生理参数的数量,/>为某疾病类型D的参数比例向量,满足其中Di为第i种生理参数在疾病类型D中的权重比例;
S34:根据比例相似度划分患者患有各疾病类型的风险程度:
通过将患者的健康趋势参数向量而非传统的静态数据与特定疾病类型的参数比例向量进行比较,可以更敏感地捕捉到健康状况的微小变化和潜在的异常趋势,实现了对患者健康状态的动态监测与疾病风险评估的结合;从而在疾病形成的早期阶段就能够进行预警;这种方法特别适用于那些需要长期监测和早期诊断的慢性病,如心血管疾病、糖尿病等;与传统仅基于静态数据的比较相比,为早期识别疾病风险提供了更为精细和深入的洞察;
进一步的,所述交互模块通过直观的用户界面完成***与用户之间的数据与信息交互,具体交互展示内容包括:
生理数据展示:通过图形和表格展示患者的各种生理数据;
评估结果展示:展示异常监测模块获取的健康异常情况判别结果与健康趋势分析结果;
警报信息展示:展示警报通知模块发出的警报通知和病情分析单元的分析结果;
互动咨询展示:提供交互界面允许患者直接与医护人员进行交流,询问健康相关问题或获取具体的医疗建议。
以上所公开的内容仅为本发明的优选可行实施例,并非因此局限本发明的保护范围,所以凡是运用本发明说明书及附图内容所做的等效技术变化,均包含于本发明的保护范围内,此外,随着技术发展其中的元素可以更新的。
Claims (5)
1.一种智能多模态生理数据监测***,其特征在于,所述***包括患者信息创建模块、参数采集模块、异常监测模块、警报通知模块和交互模块;
所述患者信息创建模块用于根据患者的个人资料和健康历史建立个性化的健康监测模板;所述参数采集模块用于采集患者的实时生理数据;所述异常监测模块用于监测患者的健康异常情况;所述警报通知模块在监测到患者存在健康异常情况时为患者和医护人员发出警报通知;所述交互模块用于完成***与用户之间的交互沟通;
所述患者信息创建模块包括个人资料收集单元、健康历史收集单元和模板生成单元;所述个人资料收集单元用于收集患者的基本信息,所述健康历史收集单元用于收集患者的病史记录,所述模板生成单元基于患者的基本信息和病史记录建立健康监测模板,所述健康监测模板包括各项生理数据的标准值以及正常波动范围;
所述异常监测模块包括数据预处理单元、实时数据比对单元和周期数据比对单元;所述数据预处理单元用于对采集的实时生理数据进行数据清洗处理,包括去除噪声处理和误差值处理;所述实时数据比对单元用于根据实时生理数据判别患者的健康异常情况;所述周期数据比对单元用于根据周期性的生理数据分析患者的健康趋势。
2.根据权利要求1所述的一种智能多模态生理数据监测***,其特征在于,所述模板生成单元对于健康监测模板的建立包括以下步骤:
S11:设定基础标准值:根据医学标准和指南为各项生理数据设定基础标准值以及正常波动范围;
S12:个人资料调整:根据患者基本信息对基础标准值进行调整;
S13:病史记录调整:根据患者的病史记录对各项生理数据的基础标准值以及波动范围进行进一步调整生成最终的标准值以及正常波动范围。
3.根据权利要求2所述的一种智能多模态生理数据监测***,其特征在于,所述实时数据比对单元通过将患者的实时生理数据与健康监测模板上的标准值和正常波动范围进行比对,当实时生理数据落在预设的正常波动范围内时,此时认定患者处于健康状态;当实时生理数据不在预设的正常波动范围内时,此时判定患者存在健康异常情况。
4.根据权利要求3所述的一种智能多模态生理数据监测***,其特征在于,所述周期数据比对单元以当前时间为时间截点设定采集周期,并根据采集周期内的生理数据分析患者的健康趋势;所述周期数据比对单元对于健康趋势的分析通过以下步骤进行:
S21:建立各个生理数据关于时间的函数,并计算各个生理数据的偏差函数;设某生理数据关于时间的函数为f(t),则该生理数据的偏差函数f1(t)为:
其中,a和b分别为该生理数据对应健康监测模板上的波动范围边界值;
S22:设采集周期为ts,计算各生理数据的健康趋势参数S:
其中,tnow为当前时间,为当前采集周期的趋势变动因子,/>为当前采集周期的上一采集周期的趋势变动因子;满足:
S23:为每种生理参数的健康趋势参数设定判断阈值,当健康趋势参数大于判断阈值时,判定该生理参数的健康趋势较差,即患者的健康状况处在恶化状态。
5.根据权利要求4所述的一种智能多模态生理数据监测***,其特征在于,所述警报通知模块包括实时警报单元、病情分析单元和病况通知单元;所述实时警报单元用于监控来自实时数据比对单元和周期数据比对单元的结果输出,当监控到患者存在健康异常情况或某种生理参数的健康趋势较差时,向患者和医护人员发出对应的警报通知;所述病情分析单元基于周期数据对比单元的结果输出分析患者可能患有疾病的类型和风险程度;所述病况通知单元用于将病情分析单元的分析结果告知患者和医护人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410327644.5A CN118248332A (zh) | 2024-03-21 | 2024-03-21 | 一种智能多模态生理数据监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410327644.5A CN118248332A (zh) | 2024-03-21 | 2024-03-21 | 一种智能多模态生理数据监测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118248332A true CN118248332A (zh) | 2024-06-25 |
Family
ID=91560006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410327644.5A Pending CN118248332A (zh) | 2024-03-21 | 2024-03-21 | 一种智能多模态生理数据监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118248332A (zh) |
-
2024
- 2024-03-21 CN CN202410327644.5A patent/CN118248332A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5841196B2 (ja) | ヒトの健康に関する残差ベースの管理 | |
US7621871B2 (en) | Systems and methods for monitoring and evaluating individual performance | |
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 | |
CN108778097A (zh) | 用于评估心力衰竭的装置和方法 | |
EP2298158A1 (en) | Adaptive selection of a warning limit in patient monitoring | |
Al-Dmour et al. | A fuzzy logic–based warning system for patients classification | |
WO2022099668A1 (zh) | 一种基于家族遗传病与体征数据关联的精准健康管理与风险预警方法及*** | |
CN113520395A (zh) | 一种精神状态的实时评估***和方法 | |
CN109124655A (zh) | 精神状态分析方法、装置、设备、计算机介质及多功能椅 | |
CN117617921B (zh) | 基于物联网的智能血压监控***及方法 | |
CN112037896A (zh) | 一种面向血液透析的智能云护士助理*** | |
CN204744132U (zh) | 远程健康检测与服务*** | |
Ahmed | An intelligent healthcare service to monitor vital signs in daily life–a case study on health-iot | |
CN116978510A (zh) | 一种居家脑卒中患者的护理分级评估*** | |
CN107516019A (zh) | 无创健康预测***及方法 | |
CN117854745A (zh) | 一种智能健康管理***、方法、设备及介质 | |
CN117158938A (zh) | 一种应用于智能手表的健康监测方法、装置及电子设备 | |
Panagiotou et al. | A multi: modal decision making system for an ambient assisted living environment | |
US20220254502A1 (en) | System, method and apparatus for non-invasive & non-contact monitoring of health racterstics using artificial intelligence (ai) | |
CN116072310A (zh) | 一种应用于医疗健康服务的智能边缘计算*** | |
CN118248332A (zh) | 一种智能多模态生理数据监测*** | |
CN110428893A (zh) | 一种远程医疗生命体征数据采集装置 | |
Khan et al. | Severe analysis of cardiac disease detection using the wearable device by artificial intelligence | |
CN114093450A (zh) | 一种基于可穿戴设备的慢病管理***及方法 | |
US20220167931A1 (en) | Wearable detection & treating device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |