一种医院住院部用智能医护手环及其深度学习建模方法技术

一种医院住院部用智能医护手环及其深度学习建模方法，深度学习建模方法包括以下步骤：A、检测生命体征，并将其传送至第一中央处理器上；B、第一中央处理器收到检测数据后完成集合经验模态分解；C、第一中央处理器通过算法并添加白噪声信号进行列序分析及处理得出LMF分量、将LMF分量输入第二中央处理器进行计算；D、当生命体征检测数据输入到第二中央处理上时，第二中央处理器采用相关算法对已存的训练学习模型进行训练和学习，从而算出生命体征检测数据；E、将生命体征检测数据显示出来；和/或，将生命体征检测数据传输到医护/医疗集成系统的后台进行存储、统计和/或分析。本发明专利技术反应速度快，性能稳定，出错率低，检测精准。

【技术实现步骤摘要】
一种医院住院部用智能医护手环及其深度学习建模方法
本专利技术涉及一种智能手环，特别涉及一种医院住院部用智能医护手环及其深度学习建模方法。
技术介绍
智能手环是近几年新兴的智能产品，其具有一定的智能性，且通过安装不同的APP可搭配不同的功能，即功能可以无限扩展；鉴于现有智能手环的特性，其逐渐被广泛应用于不同领域，其中应用于智能看护领域对人类有着深远影响，使智能手环更好的造福人类。传统看护用的智能手环普遍具有检测生命体征的功能，完成生命体征检测后，需要通过通讯模块将相关的检测数据发送至预先配套好的远端服务器或本地服务器，经过数据比对后再反馈对应的信息至智能手环上，供用户查看；由于检测数据需要发送至相应的远端服务器或本地服务器进行处理，数据的一来一回导致检测效率低，反应慢；而且在周围信号差的地方，检测效率就更低，且信号传输稳定性低及易出现数据掉包现象，导致容易出错，所以传统智能手环对网络信号有较高要求；更致命的缺点是现有智能手环大多采用LCD或OLCD等高能耗显示屏进行信息显示，由于功耗大造成智能手环需要频繁充电，导致增加了工作量，且当上述显示屏在缺电或故障时，其不能再继续显示相关信息，所以无法应用在医院的体征监测系统上，有一定的使用局限性。如中国专利文献号CN106108868A于2016年11月16日公开了一种可测温度的智能手环，并具体公开了：所述可测温度的智能手环包括分别与处理器连接的传感器、MCU模块、电池、闪存芯片、蓝牙通讯模块、震动马达、GPS模块、指示灯或显示屏幕和体动记录仪，所述传感器包括运动传感器、心跳检测传感器和温度传感器，所述可测温度的智能手环具有以下工作过程：S1、正常情况下，实时监测使用者的心跳心率数值，并通过无线接收发送模块传递至云端服务器；所述云端服务器对使用者的心跳心率数值进行综合统计；S2、当使用者心跳次数低于或高于系统预设定值或者当使用者心跳强度低于预设定值时，或者当使用者认为有必要时，该生命报警功能的可测温度的智能手环将自动启动以下一个或多个报警功能：震动或声音报警；向预先设定的特定对象发送该心跳状态的数据；向预先设定的特定对象发送GPS定位信息，告知对方自己的方位；向远程医疗终端发送该心跳状态的数据。该智能手环的检测数据就是需要通过云端服务器处理才能反馈给用户，导致检测效率低，数据传输效果容易受到外界因素影响，用户的使用体现差。因此，有必要做进一步改进。
技术实现思路
本专利技术的目的旨在提供一种反应速度快，连续工作/待机/续航时间长，性能稳定可靠，出错率低，检测精准，自动化程度高，有效减轻管理人员工作量的医院住院部用智能医护手环及其深度学习建模方法，以克服现有技术中的不足之处。按此目的设计的一种医院住院部用智能医护手环的深度学习建模方法，所述智能医护手环包括显示模块，用于显示相关信息；供电模块，用于为一个以上用电模块提供所需的电能；通讯模块，用于实现数据的无线远程传输；第一中央处理器，用于集合经验模态分解；第二中央处理器，用于本地数据库的建模并进行计算及控制多个模块；光电转换模组，用于检测佩戴者不同的生命体征；其特征在于：所述深度学习建模方法包括以下步骤A、光电转换模组执行指令开始检测相应的生命体征，并将检测数据通过阻抗匹配器传送至第一中央处理器上；B、当第一中央处理器接收到来自光电转换模组的检测数据后，随即完成集合经验模态分解；C、随后第一中央处理器通过相关算法并添加白噪声信号进行列序分析及处理得出三层以上LMF分量、并将LMF分量输入到第二中央处理器上进行计算；D、当第一中央处理器有生命体征检测数据输入到第二中央处理上时，第二中央处理器采用人工神经网络架构下的相关算法对第二中央处理器上已存的训练学习模型进行训练和学习，从而算出生命体征检测数据；E、第二中央处理器通过显示模块将生命体征检测数据显示出来；和/或，通过通讯模块将生命体征检测数据传输到医护/医疗集成系统的后台进行存储、统计和/或分析。所述智能医护手环还包括用于监控佩戴者是否跌倒的重力加速传感模块，重力加速传感模块与第二中央处理器连接，重力加速传感模块实时向第二中央处理器传输相关的数字信号。所述第二中央处理器对重力加速传感模块反馈的数字信号与第二中央处理器上的预设阀值进行实时比对，若数字信号高于预设阀值时，第二中央处理器通过通讯模块向医护/医疗集成系统传输报警信号。上述的智能医护手环，其特征在于：所述光电转换模组由多个发射和接收纳米波长的光波二极管组成；所述显示模块、通讯模块和第一中央处理器分别连接第二中央处理器；所述显示模块、通讯模块、第一中央处理器和第二中央处理器分别连接供电模块；所述光电转换模组连接阻抗匹配器的输入端，阻抗匹配器的输出端连接第一中央处理器的输入端；所述第二中央处理器上嵌入式预装有一定数量从人体活体中预检获取的生理信号和/或生命体征数据作为训练学习模型，所述训练学习模型存储于第二中央处理器上的本地数据库，患者在医院住院部登记住院时由护士或医生对患者使用标准的血压和心率仪器量出当时的血压值和心率值数据，并通过有线或无线连接的方式分别录入智能医护手环的第二中央处理器，形成第二次建模于第二中央处理器的数据库中并把中央处理器芯片的识别码戓生产编码与用户关联形成训练学习模型。所述显示模块为电子纸显示屏。所述光电转换模组包括用于检测血压的血压传感器、用于检测心率的心率传感器、用于检测体温的温度传感器和/或用于检测脉搏的脉搏传感器。所述生命体征数据包括正常血压范围值、正常心率范围值、正常体温范围值和/或正常脉搏范围值。所述通讯模块为GPRS模块、GSM模块、蓝牙模块和/或WIFI模块；所述第二中央处理器控制通讯模块进入休眠状态或工作状态。所述智能医护手环还包括用于实时监控智能医护手环具体位置的定位模块，定位模块分别连接供电模块和第二中央处理器。所述智能医护手环还包括用于实现紧急呼叫的紧急按键，第二中央处理器对紧急按键的脉冲信号进行处理并通过通讯模块传输至医护/医疗集成系统。本专利技术的智能医护手环中，由光电转换模组检测的生命体征数据可直接由第一中央处理器进行信号转换，然后由第二中央处理器进行建模和/或运算，从而准确的得出准确的生命体征数据，并可直接在显示模块上显示和/或传输至医护/医疗集成系统上；本智能医护手环具有深度学习建模等功能，由于无需进行数据的远程传输，所以反应灵敏迅速，而且通过第二中央处理器能精准得出所测的生命体征数据，降低了对传输信号的要求，能避免出现数据掉包现象，大大降低出错率，使检测数据更加可靠；智能医护手环往外传输的是已经得出的生命体征数据，所以数据传输稳定可靠；显示模块采用三色电子纸显示屏，能大大降低智能医护手环的能耗，从而有效提升智能医护手环的续航能力，此外，在无电或其他零部件(除显示模块外)故障的情况下，显示模块具有能持续显示信息的特点，所以三色电子纸显示屏十分符合医用观察，有效预防错配用药风险；智能医护手环上通过设置重力加速传感模块能实时通过其加速度数据进行分析并向医护/医疗集成系统发送跌倒警报信号，让佩戴者得到及时的求助；智能医护手环通过设置定位模块，能及时监控收环佩戴者离开住院部外出的移动轨迹，对佩戴者的位置进行实时跟踪。附图说明图1为本专利技术一实施例中医院住院部用智能医护本文档来自技高网...

【技术保护点】
1.一种医院住院部用智能医护手环的深度学习建模方法，所述智能医护手环包括显示模块，用于显示相关信息；供电模块，用于为一个以上用电模块提供所需的电能；通讯模块，用于实现数据的无线远程传输；第一中央处理器，用于集合经验模态分解；第二中央处理器，用于本地数据库的建模并进行计算及控制多个模块；光电转换模组，用于检测佩戴者不同的生命体征；阻抗匹配器，其特征在于：所述深度学习建模方法包括以下步骤A、光电转换模组执行指令开始检测相应的生命体征，并将检测数据通过阻抗匹配器传送至第一中央处理器上；B、当第一中央处理器接收到来自光电转换模组的检测数据后，随即完成集合经验模态分解；C、随后第一中央处理器通过相关算法并添加白噪声信号进行列序分析及处理得出三层以上LMF分量、并将LMF分量输入到第二中央处理器上进行计算；D、当第一中央处理器有生命体征检测数据输入到第二中央处理上时，第二中央处理器采用人工神经网络架构下的相关算法对第二中央处理器上已存的训练学习模型进行训练和学习，从而算出生命体征检测数据；E、第二中央处理器通过显示模块将生命体征检测数据显示出来；和/或，通过通讯模块将生命体征检测数据传输到医护/医疗集成系统的后台进行存储、统计和/或分析。...

【技术特征摘要】
1.一种医院住院部用智能医护手环的深度学习建模方法，所述智能医护手环包括显示模块，用于显示相关信息；供电模块，用于为一个以上用电模块提供所需的电能；通讯模块，用于实现数据的无线远程传输；第一中央处理器，用于集合经验模态分解；第二中央处理器，用于本地数据库的建模并进行计算及控制多个模块；光电转换模组，用于检测佩戴者不同的生命体征；阻抗匹配器，其特征在于：所述深度学习建模方法包括以下步骤A、光电转换模组执行指令开始检测相应的生命体征，并将检测数据通过阻抗匹配器传送至第一中央处理器上；B、当第一中央处理器接收到来自光电转换模组的检测数据后，随即完成集合经验模态分解；C、随后第一中央处理器通过相关算法并添加白噪声信号进行列序分析及处理得出三层以上LMF分量、并将LMF分量输入到第二中央处理器上进行计算；D、当第一中央处理器有生命体征检测数据输入到第二中央处理上时，第二中央处理器采用人工神经网络架构下的相关算法对第二中央处理器上已存的训练学习模型进行训练和学习，从而算出生命体征检测数据；E、第二中央处理器通过显示模块将生命体征检测数据显示出来；和/或，通过通讯模块将生命体征检测数据传输到医护/医疗集成系统的后台进行存储、统计和/或分析。2.根据权利要求1所述医院住院部用智能医护手环的深度学习建模方法，其特征在于：所述智能医护手环还包括用于监控佩戴者是否跌倒的重力加速传感模块，重力加速传感模块与第二中央处理器连接，重力加速传感模块实时向第二中央处理器传输相关的数字信号。3.根据权利要求2所述医院住院部用智能医护手环的深度学习建模方法，其特征在于：所述第二中央处理器对重力加速传感模块反馈的数字信号与第二中央处理器上的预设阀值进行实时比对，若数字信号高于预设阀值时，第二中央处理器通过通讯模块向医护/医疗集成系统传输报警信号。4.如权利要求1-3任一项所述的智能医护手环，其特征在于：所述光电...

【专利技术属性】
技术研发人员：李伟光，廖伟光，刘少兵，郭飞鸿，
申请(专利权)人：深圳市云护宝计算机技术有限公司，
类型：发明
国别省市：广东,44