健康状况在线监测系统及监测方法.pdf

健康监测设备：可穿戴设备实时监测健康状况。 #生活知识# #科技生活# #科技改变生活# #科技创新产品#

《健康状况在线监测系统及监测方法.pdf》由会员分享，可在线阅读，更多相关《健康状况在线监测系统及监测方法.pdf（11页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010737351.6 (22)申请日 2020.07.28 (71)申请人 江西业力医疗器械有限公司 地址 330000 江西省南昌市高新技术产业 开发区天祥大道2799号南昌佳海产业 园二期123栋 (72)发明人 魏元清 (74)专利代理机构 北京睿博行远知识产权代理 有限公司 11297 代理人 龚家骅 (51)Int.Cl. G16H 40/67(2018.01) G16H 50/30(2018.01) A61B 5/00(2006.01) A61B 5/021(。

2、2006.01) G08B 21/04(2006.01) (54)发明名称 一种健康状况在线监测系统及监测方法 (57)摘要 本发明公开了一种健康状况在线监测系统 及监测方法， 其使穿戴式终端设备捕获监测对象 的脉搏的物理信息； 终端设备将物理信息转换为 电信号， 并将电信号经放大和/或滤波处理为清 晰的脉搏波动信号； 是能将脉搏波动信号分割为 搏动段 （T2） 和平缓段 （T1） ； 将平缓段的数据和/ 或搏动段的数据传输到外部设备。 穿戴式终端设 备通过捕获人体的脉搏压电信号， 并将脉搏压电 信号转换为能传输的电信号。 本发明加油终端设 备续航久、 传输数据压力小、 学习速度快、 误报警 。

3、率低的优点。 权利要求书1页 说明书6页 附图3页 CN 111627550 A 2020.09.04 CN 111627550 A 1.一种健康状况在线监测方法， 其特征是： 使穿戴式终端设备捕获监测对象的脉搏的 物理信息； 所述的终端设备将所述的物理信息转换为电信号， 并将所述的电信号经放大和/ 或滤波处理为清晰的脉搏波动信号； 使能将所述的脉搏波动信号分割为搏动段T2和平缓段 T1； 将所述的平缓段的数据和/或搏动段的数据传输到外部设备。 2.根据如权利要求1所述的一种健康状况在线监测方法， 其特征是： 取所述的脉搏波动 信号的最高值Amax， 取s个大于0.5Amax的电位值， 求得平。

4、均值Aa； 遍历所述的脉搏波动信号 An， 将An+1的电位峰值的绝对值大于阈值AV的作为搏动信号的起始端， An+1的电位峰值的绝对 值小于阈值AV的作为搏动信号的终止端， 令起始端与终止端之间为搏动段T2， 相邻的搏动 周期之间的为平缓段T1； 所述的AV为0.33 Aa 0.26 Aa 。 3.根据如权利要求1所述的一种健康状况在线监测方法， 其特征是： 所述的外部设备通 过学习和/或识别搏动段T2的数据， 绑定和/或区分终端设备的有权用户。 4.根据如权利要求3所述的一种健康状况在线监测方法， 其特征是： 如为绑定用户， 且T 的监测值T不正常， 则进入报警监控流程和/或提示人工介入；。

5、 如非绑定的用户， 且监测值T 并没有生命危险， 则仅记录。 5.根据如权利要求1所述的一种健康状况在线监测方法， 其特征是： 所述的外部设备将 所述的搏动段T2的信息通过一个量化器得到量化幅度； 将所述的采 用分布函数调制化， 其中A为信号电位值， 为对信号电位值的微分。 6.根据如权利要求5所述的一种健康状况在线监测方法， 其特征是： 所述的外部设备将 所述的经调制化的搏动段T2的信息采用高斯混合模型GMM进行识别处理， 并利用最大似然 准则识别； 所述的最大似然准则的相似性度量采用如下算法： ， 其中为每个经调制化的搏 动段T2数据的特征矢量。 7.一种健康状况在线监测系统， 包括云端服。

6、务器， 和能与所述的云端服务器交换数据 的穿戴式终端设备， 其特征是： 用于实现如权利要求1-6任一权利要求所述的方法； 所述的穿戴式终端设备含有， 传感器组件， 用于捕获监测对象的脉搏的物理信息并以脉搏波动信号输出； 前置放大电路， 用于将所述的物理信息的电信号放大到滤波电路工况； 滤波电路， 二级放大电路， 将所述的滤波电路处理后的信号放大到陷波电路的工况； 陷波电路， 用于除去工频干扰； 数模转换电路、 单片机和通信模块； 所述的单片机上存储有实现如权利要求1方法的程序； 所述的单片机能将所述的脉搏 波动信号分分割为搏动段T2和平缓段T1。 8.根据如权利要求7所述的健康状况在线监测系统。

7、， 其特征是： 所述的传感器组件含有 压电传感器、 距离传感器和温度传感器。 9.一种存储介质， 其特征是： 所述的介质存储有能实现如权利要求1-6所述方法的程 序。 权利要求书 1/1 页 2 CN 111627550 A 2 一种健康状况在线监测系统及监测方法 0001 技术领域 0002 本发明属于医疗健康监测领域， 具体涉及一种健康状况在线监测系统及监测方 法。 背景技术 0003 经营大量的人口管理的学校、 成人护理机关、 惩教机构， 在观察处于其监督之下的 个体的健康和身体特征时， 遇到巨大的困难。 当个体的群组花费大量的时间接近时， 疾病与 受伤对于他们的一般健康和安全是持久的威。

8、胁。 在初始阶段尽早地检测疾病或受伤可能是 困难的， 尤其是对于不能识别他们自身症状的儿童、 老人来说。 0004 现有技术如公开号CN104334075B， 公开了一种用于监测人群中的个体的健康和安 全， 并且在检测到异常时发送报警通知的系统、 方法和服务器， 其包括： 将从所述个体获得 的生物测定数据与通过计算机学习方法的针对该个体而生成的生物测定模型进行比较。 生 物测定数据可以由无线生物测定传感器设备来收集， 该无线生物测定传感器设备向接收机 设备发送生物测定数据， 接收机设备将该生物测定数据中继给服务器。 所述生物测定模型 可以在服务器中维持并且包括： 基于在一段时间内收集到的或所分。

9、析的生物测定传感器数 据的、 针对每个个体的标称生物测定参数和门限生物测定参数。 当个体的生物测定数据超 出生物测定模型中的门限时， 服务器可以发出报警。 所发送的报警可以取决于异常的性质、 用户设置和过去的通知经历。 当在规定的持续时间之内没有答复时， 可以对报警进行逐步 升级。 0005 发明内容 0006 本发明的目的在于提供一种终端设备续航久、 传输数据压力小、 学习速度快、 误报 警率低的健康状况在线监测方法。 0007 本发明为实现上述目的所采取的技术方案为： 一种健康状况在线监测方法， 其使穿戴式终端设备捕获监测对象的脉搏的物理信息； 终端设备将物理信息转换为电信号， 并将电信号。

10、经放大和/或滤波处理为清晰的脉搏波动 信号； 是能将脉搏波动信号分割为搏动段 （T2） 和平缓段 （T1） ； 将平缓段的数据和/或搏动段 的数据传输到外部设备。 穿戴式终端设备通过捕获人体的脉搏压电信号， 并将脉搏压电信 号转换为能传输的电信号。 经过放大、 滤波后， 作为整个周期T的集合的压电信号， 由于监控 基数庞大， 在不拆分搏动段和平缓段的情况下， 会产生数据量过大， 浪费云资源， 同时也不 利于机器对脉搏特征的学习。 进行分割后， 在聚类学习过程中减少了背景噪音的无效学习， 能提高云端服务器的效率。 而对脉搏波动信号的分割， 分配在终端设备， 能进一步分散负 载， 进一步的， 减少。

11、无线传输的能量消耗， 提升终端监控时的电池续航能力。 说明书 1/6 页 3 CN 111627550 A 3 0008 为了进一步优化技术方案， 采取的技术措施还包括： 取脉搏波动信号的最高值Amax， 取s个大于0.5Amax的电位值， 求得平均值Aa； 遍历脉搏波 动信号An， 将An+1的电位峰值的绝对值大于阈值AV的作为搏动信号的起始端， An+1的电位峰值 的绝对值小于阈值AV的作为搏动信号的终止端， 令起始端与终止端之间为搏动段 （T2） ， 相 邻的搏动周期之间的为平缓段 （T1） ； AV为0.33 Aa 0.26 Aa 。 通过简单的算法实现了对 脉搏波动信号的分割分类， 。

12、并以此为基础， 减少了在传输过程中不必要的T1段的传输， 大大 减少了终端的电能消耗。 而经过筛选的信号搏动段 （T2） 被云端获取后， 通过云端对每个绑 定用户的搏动段 （T2） 的反复学习， 并达到能对新上传的该用户搏动段的识别。 采用上述范 围的AV进行简易的分段， 效率高， 算法简单。 即使出现分段错误， 也对后期的云端学习递归 基本没有影响。 0009 外部设备通过学习和/或识别搏动段 （T2） 的数据， 绑定和/或区分终端设备的有权 用户。 用户在新佩戴终端设备时， 需要让终端设备于云端保持连接， 待云端学习完成后， 建 立终端设备与用户之间的唯一绑定关系。 进而， 在新的搏动段 。

13、（T2） 数据到达云端后， 云端能 识别是否是绑定用户的脉搏。 0010 如为绑定用户， 且T的监测值 （T） 不正常， 则进入报警监控流程和/或提示人工介 入； 如非绑定的用户， 且监测值 （T） 并没有生命危险， 则仅记录。 降低因用户人为原因给他人 把玩试用终端时造成云端在线系统误报警的问题， 减少监控资源消耗。 处于安全考虑， 如果 监测值 （T） 反应佩戴人有生命危险， 例如监测值显示心脏骤停； 即使非绑定用户， 仍旧会受 到终端设备的正常监控， 并通知人员救治。 0011外部设备将搏动段 （T2） 的信息通过一个量化器得到量化幅度； 将采用分布函数调制化， 其中A为信号电位值， 为。

14、对信号电位值 的微分。 通过对量化幅度的调制化处理， 能进一步为GMM模型学习聚类做好数据准备。 0012 外部设备将经调制化的搏动段 （T2） 的信息采用高斯混合模型 （GMM） 进行识别处 理， 并利用最大似然准则识别； 最大似然准则的相似性度量采用如下算法： ， 其中为每个经调制化的 搏动段 （T2） 数据的特征矢量。 GMM模型采用的是基于相对熵的相似性准则， 属于模型生长聚 类算法的聚类策略， 设统计模型G和分别表示两个N维概率分布函数， 经K-L散度计算， 求 两个GMM模型距离的散度 （近似K-L的算法） 。 其类代表的产生、 类GMM的生成， 属于常规数学 模型， 不在此赘述。。

15、 0013 本发明还提供了一种用于实现上述方法的健康状况在线监测系统， 包括云端服务 器， 和能与云端服务器交换数据的穿戴式终端设备， 穿戴式终端设备含有， 传感器组件， 用于捕获监测对象的脉搏的物理信息并以脉搏波动信号输出； 前置放大电路， 用于将物理信息的电信号放大到滤波电路工况； 滤波电路， 二级放大电路， 将滤波电路处理后的信号放大到陷波电路的工况； 陷波电路， 用于出去工频干扰； 数模转换电路、 单片机和通信模块； 说明书 2/6 页 4 CN 111627550 A 4 单片机上存储有实现如权利要求1方法的程序； 单片机能将脉搏波动信号分分割为搏 动段 （T2） 和平缓段 （T1）。

16、 。 0014 传感器组件含有压电传感器、 距离传感器和温度传感器。 距离这些传感器组合后， 用于判断是否为佩戴状态。 不同于如运动手环的现有技术， 本技术具有健康监测报警的功 能， 因此， 当出现心率信号监测不到时， 有必要根据温度、 距离的信号辅助确定是否是终端 取下的状态。 否则对于误报频发， 不利于用户体验和服务器、 工作人员的应对压力。 0015 本发明还公开了一种存储介质， 该介质存储有能实现如前述健康状况在线监测方 法的程序。 0016 本发明由于采用了使穿戴式终端设备捕获监测对象的脉搏的物理信息； 终端设备 将物理信息转换为电信号， 并将电信号经放大和/或滤波处理为清晰的脉搏波。

17、动信号； 是能 将脉搏波动信号分割为搏动段 （T2） 和平缓段 （T1） ； 将平缓段的数据和/或搏动段的数据传 输到外部设备。 因而具有如下有益效果： 穿戴式终端设备通过捕获人体的脉搏压电信号， 并 将脉搏压电信号转换为能传输的电信号。 经过放大、 滤波后， 作为整个周期T的集合的压电 信号， 由于监控基数庞大， 在不拆分搏动段和平缓段的情况下， 会产生数据量过大， 浪费云 资源， 同时也不利于机器对脉搏特征的学习。 进行分割后， 在聚类学习过程中减少了背景噪 音的无效学习， 能提高云端服务器的效率。 而对脉搏波动信号的分割， 分配在终端设备， 能 进一步分散负载， 进一步的， 减少无线传输。

18、的能量消耗， 提升终端监控时的电池续航能力。 因此， 本发明是一种终端设备续航久、 传输数据压力小、 学习速度快、 误报警率低的健康状 况在线监测系统及监测方法。 附图说明 0017 图1为本发明监测系统终端电路模块连接示意图； 图2为本发明实施例信号滤波及分段示意图； 图3为本发明实施例对比识别率示意图； 图4为常用前置放大电路示意图； 图5为常用滤波电路示意图； 图6为本发明实施例采用的二级放大电路示意图； 图7为本发明实施例系统的界面展示示意图。 0018 附图标号。 具体实施方式 0019 以下结合具体实施方式和附图对本发明的技术方案作进一步详细描述： 实施例1： 一种健康状况在线监测。

19、方法， 其使穿戴式终端设备捕获监测对象的脉搏的物理信息； 终端设备将物理信息转换为电信号， 并将电信号经放大和/或滤波处理为清晰的脉搏波动 信号； 是能将脉搏波动信号分割为搏动段 （T2） 和平缓段 （T1） ； 将平缓段的数据和/或搏动段 的数据传输到外部设备。 穿戴式终端设备通过捕获人体的脉搏压电信号， 并将脉搏压电信 号转换为能传输的电信号。 经过放大、 滤波后， 作为整个周期T的集合的压电信号， 由于监控 基数庞大， 在不拆分搏动段和平缓段的情况下， 会产生数据量过大， 浪费云资源， 同时也不 说明书 3/6 页 5 CN 111627550 A 5 利于机器对脉搏特征的学习。 进行分。

20、割后， 在聚类学习过程中减少了背景噪音的无效学习， 能提高云端服务器的效率。 而对脉搏波动信号的分割， 分配在终端设备， 能进一步分散负 载， 进一步的， 减少无线传输的能量消耗， 提升终端监控时的电池续航能力。 0020 为了进一步优化技术方案， 采取的技术措施还包括： 取脉搏波动信号的最高值Amax， 取s个大于0.5Amax的电位值， 求得平均值Aa； 遍历脉搏波 动信号An， 将An+1的电位峰值的绝对值大于阈值AV的作为搏动信号的起始端， An+1的电位峰值 的绝对值小于阈值AV的作为搏动信号的终止端， 令起始端与终止端之间为搏动段 （T2） ， 相 邻的搏动周期之间的为平缓段 （T。

21、1） ； AV为0.33 Aa 0.26 Aa 。 通过简单的算法实现了对 脉搏波动信号的分割分类， 并以此为基础， 减少了在传输过程中不必要的T1段的传输， 大大 减少了终端的电能消耗。 而经过筛选的信号搏动段 （T2） 被云端获取后， 通过云端对每个绑 定用户的搏动段 （T2） 的反复学习， 并达到能对新上传的该用户搏动段的识别。 采用上述范 围的AV进行简易的分段， 效率高， 算法简单。 即使出现分段错误， 也对后期的云端学习递归 基本没有影响。 0021 外部设备通过学习和/或识别搏动段 （T2） 的数据， 绑定和/或区分终端设备的有权 用户。 用户在新佩戴终端设备时， 需要让终端设备。

22、于云端保持连接， 待云端学习完成后， 建 立终端设备与用户之间的唯一绑定关系。 进而， 在新的搏动段 （T2） 数据到达云端后， 云端能 识别是否是绑定用户的脉搏。 0022 如为绑定用户， 且T的监测值 （T） 不正常， 则进入报警监控流程和/或提示人工介 入； 如非绑定的用户， 且监测值 （T） 并没有生命危险， 则仅记录。 降低因用户人为原因给他人 把玩试用终端时造成云端在线系统误报警的问题， 减少监控资源消耗。 处于安全考虑， 如果 监测值 （T） 反应佩戴人有生命危险， 例如监测值显示心脏骤停； 即使非绑定用户， 仍旧会受 到终端设备的正常监控， 并通知人员救治。 0023外部设备将。

23、搏动段 （T2） 的信息通过一个量化器得到量化幅度； 将采用分布函数调制化， 其中A为信号电位值， 为对信号电位值 的微分。 通过对量化幅度的调制化处理， 能进一步为GMM模型学习聚类做好数据准备。 0024 外部设备将经调制化的搏动段 （T2） 的信息采用高斯混合模型 （GMM） 进行识别处 理， 并利用最大似然准则识别； 最大似然准则的相似性度量采用如下算法： ， 其中为每个经调制化的 搏动段 （T2） 数据的特征矢量。 GMM模型采用的是基于相对熵的相似性准则， 属于模型生长聚 类算法的聚类策略， 设统计模型G和分别表示两个N维概率分布函数， 经K-L散度计算， 求 两个GMM模型距离的。

24、散度 （近似K-L的算法） 。 其类代表的产生、 类GMM的生成， 属于常规数学 模型， 不在此赘述。 0025 本实施例还提供了一种用于实现上述方法的健康状况在线监测系统， 包括云端服 务器， 和能与云端服务器交换数据的穿戴式终端设备， 穿戴式终端设备含有， 传感器组件， 用于捕获监测对象的脉搏的物理信息并以脉搏波动信号输出； 前置放大电路， 用于将物理信息的电信号放大到滤波电路工况； 滤波电路， 说明书 4/6 页 6 CN 111627550 A 6 二级放大电路， 将滤波电路处理后的信号放大到陷波电路的工况； 陷波电路， 用于出去工频干扰； 数模转换电路、 单片机和通信模块； 单片机上。

25、存储有实现如权利要求1方法的程序； 单片机能将脉搏波动信号分分割为搏 动段 （T2） 和平缓段 （T1） 。 0026 传感器组件含有压电传感器、 距离传感器和温度传感器。 距离这些传感器组合后， 用于判断是否为佩戴状态。 不同于如运动手环的现有技术， 本技术具有健康监测报警的功 能， 因此， 当出现心率信号监测不到时， 有必要根据温度、 距离的信号辅助确定是否是终端 取下的状态。 否则对于误报频发， 不利于用户体验和服务器、 工作人员的应对压力。 0027 本实施例还公开了一种存储介质， 该介质存储有能实现如前述健康状况在线监测 方法的程序。 0028 实施例2: 脉搏波动的传导是心音信号体。

26、现， 通过放大、 滤波、 数模转换等步骤后， 通过过滤来自 身体、 环境造成的噪音后， 利用现代识别方式， 能将其进行特异性的识别， 作为用户的身份 识别。 0029 穿戴式终端设备包括如下几个电路模块： 传感器组件 （压电传感器） 、 前置放大电 路、 滤波电路、 二级放大电路、 陷波电路、 数模转换电路、 单片机、 蓝牙模块。 0030 压电传感器获取人体脉搏信号， 也可以是光感传感器。 为现有技术的传感器。 前置 放大电路的作用是将压电传感器获得的信号进行稳定放大的低频放大器， 优选的， 采用 AD620作为放大器辅以现有的外围电路设计。 附图中有常规放大几基线漂移抑制电路。 二级 放大。

27、电路， 的目的是将滤波信号将信号放大100至1000倍左右， 以便进入数模转换电路工作 范围。 陷波电路的目的是去除50Hz的工频干扰。 通过将上述电路模块组合后， 可以获得清晰 的脉搏波动信号。 将脉搏波动信号进行数模转换后输入单片机进行压缩处理后， 按需传输 到蓝牙模块。 0031 压缩处理的具体方法为， 在脉搏波动信号中找出脉搏的周期时长T。 将n个电位的 最高值An求得平均值Aa。 将An+1的电位峰值的绝对值大于阈值AV的作为搏动信号的起始端， An+1的电位峰值的绝对值小于阈值AV的作为搏动信号的终止端， 令起始端与终止端之间为 搏动周期T2， 搏动周期之间的为T1。 AV为0.3。

28、3 Aa 0.26 Aa 。 GMM模型的代码实现， 可以参 考 “声纹识别鲁棒性技术及其应用研究” ， 本发明参考了该文的放大电路。 然而， 在模型的实 现过程中， 由于该文的识别对象的信号近似度较低， 而本发明的研究对象信号近似度高， 因 此， 算法模型做了较大的调整。 且本发明对电信号分段的处理也未见报道。 通过本发明与该 文实验方法的对比， 可以从图3的对比 （图3表中上部所示曲线为本实施例1的数据变化趋 势） 看出， 本技术方案在样本数多的情况下具有对现有算法的优势。 通过新的分布函数的推 导和计算， 采用AV的限定方式减轻终端设备的算力负担， 使整个系统的综合性能较好。 0032 。

29、单片机将T1+T2赋值给T， 作为心率的周期， 经蓝牙或WIFI模块传至云端。 根据预设 的采样时间周期， 单片机定期的将T2的脉搏波动信号传送到云端， 作为脉搏特征识别数据 信息。 0033 当终端设备监测到T发生变化时， 将T2的脉搏波动信号传送到云端， 云端服务器根 据学习的数据进行判断认证是否为该终端绑定用户。 如为绑定用户， 且T的监测值不正常， 说明书 5/6 页 7 CN 111627550 A 7 则进入报警监控流程， 并提示护理人员人工介入。 如非绑定用户， 且监测值并没有生命危 险， 则仅记录。 降低因用户人为原因给他人把玩试用终端是造成云端在线系统误报警的问 题， 减少监。

30、控资源消耗。 0034 预警监控平台系统的整体包括： 1、 预警监控平台， 位于云服务器 （云端） ； 2、 穿戴式终端 （设备不限定， 穿戴式设备目前可以是一个手表， 也可以是很多其他类似 设备， 比如背心、 鞋垫等） ： 实时 （可按需调整上传时间， 比如20分钟或者2分钟上传一次数 据） 自动采集心率、 血压上传数据 （超出正常数值） 报警功能。 0035 同时， 可以整合了老人摔倒时自动上传数据的功能， 报警功能， 此功能为集成化功 能。 0036 24小时离线自动上传数据报警功能 （老人24小时未开机进行数据更新时， 会自动 报警， 防止独居老人猝死） 。 设备与设备之间能自动进行蓝。

31、牙通信握手功能 （以实现服务人 员和用户服务时长的管理记录） ； 具备利用各类信号源进行实时定位以帮助迷路走失者返 回的功能； 具备一键呼叫的功能； 具备接听电话的功能； 各类提示显示功能 （天气、 用药、 事 件等） 。 预警监控平台接警话务员一键呼出至穿戴设备功能， 以及时连线用户核实各类所 需服务内容 预警监控平台对于线下服务供应商对用户实现服务内容的派单、 接单等管理功能。 0037 尽管已结合优选的实施例描述了本发明， 然其并非用以限定本发明， 任何本领域 技术人员， 在不脱离本发明的精神和范围的情况下， 能够对在这里列出的主题实施各种改 变、 同等物的置换和修改， 因此本发明的保护范围当视所提出的权利要求限定的范围为准。 说明书 6/6 页 8 CN 111627550 A 8 图1 图2 图3 说明书附图 1/3 页 9 CN 111627550 A 9 图4 图5 图6 说明书附图 2/3 页 10 CN 111627550 A 10 图7 说明书附图 3/3 页 11 CN 111627550 A 11 。

网址：健康状况在线监测系统及监测方法.pdf https://www.yuejiaxmz.com/news/view/280561

相关内容

健康数据在线监测系统的制作方法
实时在线健康监测
生活健康状态监测系统技术方案
智能化健康监测系统
智能健康监测系统
智慧健康丨可穿戴健康监测系统：实时监测，守护健康
农业生态系统健康监测
室内环境监测系统：全天候在线监测空气质量状况
在线空气质量监测系统系统：守护家庭呼吸健康
可穿戴生命体征健康监测系统：实时监测，守护健康

随便看看