基于智能穿戴的长期连续生理信号的健康异常预测方法技术

本发明专利技术公开了基于智能穿戴的长期连续生理信号的健康异常预测方法，包括如下步骤：步骤1：通过穿戴设备，采集个体健康数据后，上传并保存到云平台，形成长程健康数据档案；步骤2：计算不同的长时间尺度个体近期健康数据特征值，计算不同的长时间尺度历史健康数据特征值，求多个长时间尺度的近期数据特征值与多个长时间尺度的历史数据特征值的差别，当偏移超过对应阈值时，给出慢性病预警。使用智能穿戴所采集的长期连续的多种生理信号，利用长周期健康数据作为分析对像，并以个体历史数据为参考，预测个体健康异常(如慢性病)的发生及发展，不需要高深复杂的算法模型，即可从杂乱的长程数据中寻找出潜在的健康参数异常变化进程。

【技术实现步骤摘要】
基于智能穿戴的长期连续生理信号的健康异常预测方法
本专利技术涉及健康
，特别涉及基于智能穿戴的长期连续生理信号的健康异常预测方法。
技术介绍
慢性病起病隐匿，具有初期症状不明显的特点，容易被患者耐受，因此在初期难以发觉，造成漏诊，不利于慢性病的早预防、早发现。定期体检被认为是慢性病早发现早预防的有效方法。但是在我国定期体检还未普及，体检意识不够强，定期体检价格较高，且体检结果具有临时性和一过性，从而导致了慢性病的漏诊率较高。如果慢性病得不到有效控制，会带来很多并发症，例如高血压、糖尿病会显著提高心梗脑梗的发生概率，不仅造成巨大的经济负担，还会显著降低患者的生活质量和生存率。近年来，随着智能穿戴设备逐渐成熟，使随时随地连续监测个体的生理信号成为可能，例如心率、血氧饱和度、呼吸频率、血压、血糖、温度、活动量、睡眠信息等生理信号可得到长程连续的监测。这些生理指标可能在疾病前期就已经发生改变，生理指标在数值上的变化比个体的主观感受更加直接和客观，其中可能包含了慢性疾病发病前或前期的信息，深度挖掘这些信息可能可以帮助我们预测慢性病的发病，从本文档来自技高网...

【技术保护点】
1.基于智能穿戴的长期连续生理信号的健康异常预测方法，其特征在于，包括如下步骤：/n步骤1：通过智能穿戴设备，采集个体健康数据后，上传并保存到云平台，形成长程健康数据档案；/n步骤2：计算不同时间尺度内个体近期健康数据，计算不同时间尺度历史健康数据，求近期数据与历史数据偏移，当偏移超过对应阈值时(或存在统计上的显著差异时)，给出慢性病预警。/n

【技术特征摘要】
1.基于智能穿戴的长期连续生理信号的健康异常预测方法，其特征在于，包括如下步骤：
步骤1：通过智能穿戴设备，采集个体健康数据后，上传并保存到云平台，形成长程健康数据档案；
步骤2：计算不同时间尺度内个体近期健康数据，计算不同时间尺度历史健康数据，求近期数据与历史数据偏移，当偏移超过对应阈值时(或存在统计上的显著差异时)，给出慢性病预警。


2.如权利要求1所述的基于智能穿戴的长期连续生理信号的健康异常预测方法，其特征在于，智能穿戴设备从开始监测算起，监测到第2N周，计算每周的健康数据并形成统计特征值，并将N+1、N+2…、2N周与1、2、3…N周的结果进行统计分析，发现近N周(N+1、N+2、N+3…2N)较前N周有显著变化，则表明监测到的健康数据意味着健康异常，需要用户引起注意并采取措施。

【专利技术属性】
技术研发人员：王帮德，易阳洋，赵向东，
申请(专利权)人：武汉久乐科技有限公司，
类型：发明
国别省市：湖北;42