基于多信息决策的健康管理方法、系统、设备及存储介质技术方案

本发明专利技术揭示了一种基于多信息决策的健康管理方法、系统、设备及存储介质，其方法包括：建立用于评价使用者健康程度的处理区间；获取使用者的生物信号和运动信号，并通过生物信号和运动信号在对应区间内换算出相应的健康评价；根据运动区间、情绪区间和睡眠区间的健康评价分别判断使用者是否处于健康状态；若使用者至少一个处理区间处于非健康状态，则根据运动区间、情绪区间和睡眠区间的健康评价匹配出对应的反馈训练，协助使用者对调整当前的健康状况。通过结合可穿戴软硬件以及算法、反馈技术等软件形成嵌套式多重闭循环系统，实现多源传感信息从软件和硬件系统层面的高度融合，形成以身心健康评估模型为核心的健康管理。

Health management methods, systems, equipment and storage media based on multi-information decision-making

The invention discloses a health management method, system, equipment and storage medium based on multi-information decision-making, which includes: establishing a processing interval for evaluating the health degree of users; acquiring the bio-signals and motion signals of users, and converting them into corresponding health evaluation through bio-signals and motion signals; and according to the motion interval, emotional interval and motion interval. Sleep interval health assessment judges whether the user is in a healthy state; if at least one processing interval of the user is in a non-healthy state, the corresponding feedback training is matched according to the health evaluation of the exercise interval, emotional interval and sleep interval to assist the user in adjusting the current health status. Through the combination of wearable software and hardware as well as software such as algorithm and feedback technology, a nested multiple closed-loop system is formed to realize the high integration of multi-source sensing information from the software and hardware system level, and to form a health management based on the physical and mental health assessment model.

【技术实现步骤摘要】
基于多信息决策的健康管理方法、系统、设备及存储介质
本专利技术涉及到电子信息领域，特别是涉及到一种基于多信息决策的健康管理方法、系统、设备及存储介质。
技术介绍
穿戴式技术(WearableTechnology)是信息技术的扩展和延伸，即把信息的采集、存储、显示、传输、分析等功能与我们的日常穿戴相结合，成为我们穿戴的一部分如衣服、帽子、眼镜、手环、手表、鞋子等等。早在20世纪50年代就有人提出穿戴式计算机的概念，一直到70年代，加拿大多伦多大学的SteveMann教授专利技术了用于控制照相设备的穿戴式计算机，才成为有真正意义上的穿戴式产品。无线传输的实现，使得穿戴式计算机出现了飞跃，使得穿戴式产品和计算机大规模存储和处理分开，便于穿戴式产品更加小巧贴身，促进了穿戴式技术向着精确、稳定、可靠、耐用、省电等更加精细的方向发展。近年来，随着云计算、大数据等技术的发展，为穿戴式医疗、移动医疗带来了新的曙光。穿戴式健康监护通过无损、实时地数字化记录人的体征和感知信息，并通过移动互联网、云计算和大数据分析，与医疗资源无缝对接，实现对个体健康的充分监护和医疗资源的高效利用。典型的可穿戴式躯感网节点平台能够通过生物传感器精确地采集生理信号，通过微控制器处理过的数据，以无线的方式传输到智能终端上，所有的传感器数据由智能终端负责收集，并进一步处理，融合，然后通过无线局域网、蓝牙或3G/4G网络传送到中央监控服务器。其核心问题可以归结为健康信息的获取、存储、传输、分析和利用。各种可移动式监测仪器的相继面世，说明可移动式医疗系统的研究已经有了相当成果，但是总体上还没有实现长期连续监测的目标，也还没有实现传感器模块的微型化、智能化的要求。尤其缺乏基于智能穿戴式技术及多源异构传感信息的健康管理系统用于个体多场景全天候的实时监控、预警及反馈干预。
技术实现思路
本专利技术的主要目的为提供基于多信息决策的健康管理方法、系统、设备及存储介质，以解决
技术介绍
中所提出的至少一个技术问题。本专利技术提出一种基于多信息决策的健康管理方法，包括：建立用于评价使用者健康程度的处理区间，包括运动区间、情绪区间和睡眠区间；获取使用者的生物信号和运动信号，并通过上述生物信号和运动信号在对应区间内换算出相应的健康评价；根据上述运动区间、情绪区间和睡眠区间的健康评价分别判断使用者是否处于健康状态；若使用者至少一个处理区间处于非健康状态，则根据上述运动区间、情绪区间和睡眠区间的健康评价匹配出对应的反馈训练，协助使用者对调整当前的健康状况。进一步地，在上述的基于多信息决策的健康管理方法中，上述生物信号包括心率信号、温度信号、呼吸信号和人体姿势特征，上述运动信号包括加速度信号和方向信号；上述通过上述生物信号和运动信号在对应区间内换算出相应的健康评价的步骤，包括：上述运动区间根据上述加速度信号和方向信号进行健康评价；上述情绪区间根据使用者自我评价表、生活事件表、上述心率信号和温度信号进行健康评价；上述睡眠区间根据上述心率信号、呼吸信号和人体姿势特征进行健康评价。进一步地，在上述的基于多信息决策的健康管理方法中，上述运动区间根据上述加速度信号和方向信号进行健康评价的步骤，包括：将上述加速度信号进行过滤处理；分别提取指定时间段内上述加速度信号和方向信号的特征评估值；根据上述特征评估值和方向信号得出上述使用者在上述指定时间段内的运动量和能量消耗量，并将上述运动量和能量消耗量与预设的阈值进行比较；根据比较结果换算出上述运动区间的健康等级。进一步地，在上述的基于多信息决策的健康管理方法中，上述情绪区间根据使用者的自我评量表、生活事件量表、上述心率信号和温度信号进行健康评价的步骤，包括：分别提取上述心电信号和温度信号中的生理特征向量；利用统计学法提取上述自我评量表和生活事件量表中的心理特征向量；根据上述生理特征向量和心理特征向量，通过模糊C均值算法和有序加权平均算子对健康状态进行初级分类，其中，上述初级分类结果包括：健康、亚健康和异常；当上述健康状态的初级分类为亚健康时，通过基于D-S证据理论的信息融合模型分析使用者的心理状态是否为良性进行二次分类，当上述健康状态的初级分类为异常时，生成与当前状态相对应的反馈训练信号，其中，上述二次分类结果包括健康和非健康；当上述健康状态的二级分类为健康时，对使用者的压力进行量值评价，并判断压力评价量值是否大于量化阈值，当上述健康状态的二级分类为非健康时，生成与当前状态相对应的反馈训练信号；若压力评价量值大于量化阈值时，则生成与当前状态相对应的反馈训练信号。进一步地，在上述的基于多信息决策的健康管理方法中，上述睡眠区间根据上述心率信号、呼吸信号和人体姿势特征进行健康评价的步骤，包括：提取上述心率信号中的心率变异性时域、心率变异性频域、心率变异性几何特征和心率变异性非线性特征；根据上述心率变异性时域、心率变异性频域、心率变异性几何特征、心率变异性非线性特征和人体姿态特征，通过数据融合和统计分析法得出睡眠评估指标，其中，上述睡眠评估指标包括：呼吸紊乱/微觉醒指数、睡眠分期。进一步地，在上述的基于多信息决策的健康管理方法中，在获取使用者的生物信号和运动信号，并通过上述生物信号和运动信号在对应区间内换算出相应的健康评价的步骤之后，还包括步骤：通过上述运动信号换算出运动状态，并判断使用者是否处于运动过程；当使用者出与运动过程时，获取使用者位置信息并进行实时进行位置跟踪和位置上报。本专利技术提出一种基于多信息决策的健康管理系统，包括：用于建立用于评价使用者健康程度的处理区间，包括运动区间、情绪区间和睡眠区间；通过上述生物信号和运动信号在对应区间内换算出相应的健康评价；根据上述运动区间、情绪区间和睡眠区间的健康评价分别判断使用者是否处于健康状态的控制单元；用于获取使用者的生物信号和运动信号的获取电路，其中，与上述获取电路连接的传感器包括：用于获取生物信号的心电传感器、体温传感器、呼吸传感器和压力传感器，以及用于获取运动信号的加速度传感器和角速度传感器；用于若使用者至少一个处理区间处于非健康状态，则根据上述运动区间、情绪区间和睡眠区间的健康评价匹配出对应的反馈训练，协助使用者对调整当前的健康状况的移动人机交互终端；上述心电传感器、体温传感器、呼吸传感器、压力传感器、加速度传感器和角速度传感器分别与上述获取电路电连接，将获取的生物信号和运动信号发送至上述获取电路进行特征提取，上述获取电路采用分时复用的方式对上述生物信号和运动信号进行分时提取；上述获取电路与上述控制单元通过第一射频电路进行无线连接；上述控制单元与移动人机交互终端通过第二射频电路进行无线连接。进一步地，在上述的基于多信息决策的健康管理系统中，上述加速度传感器包括第一传感器组和第二传感器组，上述第一传感器组和第二传感器组分别与获取电路连接，其中，上述控制单元通过上述第一传感器组获取的第一加速度信号与上述角速度传感器获取的加速度信号检测多姿势动作，上述控制单元通过上述第二传感器组获取的第二加速度信号检测单姿势动作。本专利技术提出一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，上述处理器执行上述程序时实现如上述实施例中任意一项上述的方法。本专利技术提出一种计算机可读存储介质，其上存储有本文档来自技高网...

【技术保护点】
1.一种基于多信息决策的健康管理方法，其特征在于，包括：建立用于评价使用者健康程度的处理区间，包括运动区间、情绪区间和睡眠区间；获取使用者的生物信号和运动信号，并通过所述生物信号和运动信号在对应区间内换算出相应的健康评价；根据所述运动区间、情绪区间和睡眠区间的健康评价分别判断使用者是否处于健康状态；若使用者至少一个处理区间处于非健康状态，则根据所述运动区间、情绪区间和睡眠区间的健康评价匹配出对应的反馈训练，协助使用者对调整当前的健康状况。

【技术特征摘要】
1.一种基于多信息决策的健康管理方法，其特征在于，包括：建立用于评价使用者健康程度的处理区间，包括运动区间、情绪区间和睡眠区间；获取使用者的生物信号和运动信号，并通过所述生物信号和运动信号在对应区间内换算出相应的健康评价；根据所述运动区间、情绪区间和睡眠区间的健康评价分别判断使用者是否处于健康状态；若使用者至少一个处理区间处于非健康状态，则根据所述运动区间、情绪区间和睡眠区间的健康评价匹配出对应的反馈训练，协助使用者对调整当前的健康状况。2.根据权利要求1所述的基于多信息决策的健康管理方法，其特征在于，所述生物信号包括心率信号、温度信号、呼吸信号和人体姿势特征，所述运动信号包括加速度信号和方向信号；所述通过所述生物信号和运动信号在对应区间内换算出相应的健康评价的步骤，包括：所述运动区间根据所述加速度信号和方向信号进行健康评价；所述情绪区间根据使用者自我评价表、生活事件表、所述心率信号和温度信号进行健康评价；所述睡眠区间根据所述心率信号、呼吸信号和人体姿势特征进行健康评价。3.根据权利要求2所述的基于多信息决策的健康管理方法，其特征在于，所述运动区间根据所述加速度信号和方向信号进行健康评价的步骤，包括：将所述加速度信号进行过滤处理；分别提取指定时间段内所述加速度信号的特征评估值；根据所述特征评估值和方向信号得出所述使用者在所述指定时间段内的运动量和能量消耗量，并将所述运动量和能量消耗量与预设的阈值进行比较；根据比较结果换算出所述运动区间的健康等级。4.根据权利要求2所述的基于多信息决策的健康管理方法，其特征在于，所述情绪区间根据使用者的自我评量表、生活事件量表、所述心率信号和温度信号进行健康评价的步骤，包括：分别提取所述心电信号和温度信号中的生理特征向量；利用统计学法提取所述自我评量表和生活事件量表中的心理特征向量；根据所述生理特征向量和心理特征向量，通过模糊C均值算法和有序加权平均算子对健康状态进行初级分类，其中，所述初级分类结果包括：健康、亚健康和异常；当所述健康状态的初级分类为亚健康时，通过基于D-S证据理论的信息融合模型分析使用者的心理状态是否为良性进行二次分类，当所述健康状态的初级分类为异常时，生成与当前状态相对应的反馈训练信号，其中，所述二次分类结果包括健康和非健康；当所述健康状态的二级分类为健康时，对使用者的压力进行量值评价，并判断压力评价量值是否大于量化阈值，当所述健康状态的二级分类为非健康时，生成与当前状态相对应的反馈训练信号；若压力评价量值大于量化阈值时，则生成与当前状态相对应的反馈训练信号。5.根据权利要求2所述的基于多信息决策的健康管理方法，其特征在于，所述睡眠区间根据所述心率信号、呼吸信号和人体姿势特...

【专利技术属性】
技术研发人员：陈乾，吴万庆，
申请(专利权)人：深圳市儿童医院，
类型：发明
国别省市：广东,44