基于长时间多体征信号的呼吸道疾病风险预警系统及方法技术方案

本发明专利技术公开了基于长时间多体征信号的呼吸道疾病风险预警系统及方法，包括：设备端和服务端，设备端包括数据采集模块和数据清洗模块，服务端包括特征解析模块、评分模型、风险判断模块和模型微调模块；特征解析模块，用于对特征数据进行特征解析获得趋势子信号和周期子信号；评分模型与特征解析模块相连，用于根据个体用户的趋势子信号和周期子信号获得个体用户的风险评分；风险判断模块与评分模型相连，用于将个体用户的风险评分与预设阈值对比，当个体用户的风险评分达到预设阈值时，发送风险警报；模型微调模块，用于获取个体用户对风险警报的实际判断结果，对评分模型进行模型微调和迭代，使模型更贴合用户，提升评估效果。果。果。

【技术实现步骤摘要】
基于长时间多体征信号的呼吸道疾病风险预警系统及方法


[0001]本专利技术涉及可穿戴设备和人体指标监测
，更具体的说是涉及基于长时间多体征信号的呼吸道疾病风险预警系统及方法。

技术介绍

[0002]目前，新冠防控中疑似感染者的筛查长期以来大多基于单一的体温指标，依靠商场、学校、办公楼等入口处的测温台，以及隔离点中反复的体温监测从而实现防控筛查，随着新冠病毒的不同变体逐渐出现，新冠患者的体征表现不尽相同，仅依靠单一的体温指标不仅费时费力，而且精准度低，漏筛率高，同时这种主动的体征监测方式(如测温台等)也缺乏实时性；随着可穿戴设备的不断发展，为新冠防控带来新的可能性，通过手环等可穿戴设备实时监控人体体征，能够帮助用户实时预警新冠肺炎等呼吸道疾病患病风险。
[0003]但目前的技术方案大多针对短时间内的体征进行粗筛，不同人的体征水平本就有着显著的差异，这些短时间体征在个体层面用途、效果都有限，可靠性低；考虑不同个体在不同条件不同时间下的体征显著不同，各个体征在离散时间点上的个别值或较短时间段内的小幅波动变化都不具有足够的说服力，因此现有技术即使是使用手环等可穿戴设备实现了实时的多体征监测，也不能足够准确有效地通过实时体征指标监测预警来辅助对新冠等呼吸道疾病的感染风险进行判断预警。
[0004]因此，如何提供基于长时间多体征信号的呼吸道疾病风险预警系统及方法，为用户提供多种健康指标的监测与评估，有助于提高呼吸道疾病风险预警准确度。

技术实现思路

[0005]有鉴于此，本专利技术提供了基于长时间多体征信号的呼吸道疾病风险预警系统及方法以解决
技术介绍
中提到的问题。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]基于长时间多体征信号的呼吸道疾病风险预警系统，包括：设备端和服务端，所述设备端和服务端无线连接；
[0008]所述设备端包括数据采集模块，用于持续采集个体用户的多个体征数据；
[0009]所述服务端包括特征解析模块、评分模型、风险判断模块和模型微调模块；
[0010]所述特征解析模块，用于对所述特征数据进行特征解析获得趋势子信号和周期子信号；
[0011]所述评分模型与所述特征解析模块相连，用于根据个体用户的所述趋势子信号和所述周期子信号获得个体用户的风险评分；
[0012]所述风险判断模块与所述评分模型相连，用于将所述个体用户的风险评分与预设阈值对比，当所述个体用户的风险评分达到所述预设阈值时，发送风险警报；
[0013]所述模型微调模块，用于获取个体用户对所述风险警报的实际判断结果，对所述评分模型进行模型微调和迭代。
[0014]优选的，所述服务端还包括模型构建模块，用于根据数据采集模块采集大人群的多个体征数据并进行特征分析后的所述趋势子信号和所述周期子信号进行训练构建评分模型。
[0015]优选的，所述设备端还包括数据清洗模块，所述数据清洗模块分别与所述数据采集模块和所述特征解析模块相连，用于对所述体征数据进行有效性检验、数据抽稀和交叉验证，获得清洗数据并传输至所述特征解析模块。
[0016]优选的，所述设备端还包括风险预警模块，所述风险预警模块分别与所述模型构建模块和所述风险判断模块无线连接，用于根据所述风险警报对用户进行提示，还用于采集个体用户对所述风险警报的实际判断结果并发送至所述模型微调模块。
[0017]优选的，所述数据清洗模块包括有效性检验单元、数据抽稀单元和交叉验证单元；
[0018]所述有效性检验单元，用于划定各体征有效范围并将各所述体征数据中不在所述有效范围内的数据添加无效标签进行去除，获得有效数据；
[0019]所述数据抽稀单元，用于将所述有效数据依据特定的小时间范围计算统计特征进行数据量缩减和平滑噪声；
[0020]所述交叉验证单元，用于对抽稀后的每一条数据，根据其不同路信号的标准差指标进行筛选，删除多路信号同时表现为数据质量差的数据。
[0021]优选的，所述特征解析模块的具体内容为：
[0022]对大人群中每一个个体用户的特征序列(A，B，C，
……
)，展开时序分解提取特征，获取趋势子信号与周期子信号：
[0023]T
x
,P
x
＝Seasonal_decompose(x,period)
[0024]其中P
x
为周期子信号，表示体征信号中周期出现的分量，信号长度与原始信号相同；T
x
为趋势子信号，表示除去所述周期子信号后，长时间段内体征信号宏观变化的分量，信号长度与原始信号相同；x为特征序列(A，B，C，
……
)中的特征信号；period表示解析周期子信号的周期；Seasonal_decompose为季节性分解。
[0025]优选的，所述模型构建模块的具体内容为：
[0026]每一个个体用户的特征序列(A，B，C，
……
)表示为(X，y)的格式，其中X＝[T
A
,P
A
,T
B
,P
B
,T
C
,P
C
,
……
T
X
,P
X
]，T
x
、P
x
表示各原始信号的趋势子信号与周期子信号，组合起来作为训练数据；y表示数据对应标签，作为训练标签；
[0027]利用RNN循环神经网络时序模型，对每一条数据满足关系式：
[0028]a
<t>
＝tanh(W
ax X
<t>
+W
aa a
<t
‑
1>
+b
a
)
[0029]y
<t>
＝softmax(W
ya a
<t>
+b
y
)
[0030]其中，X
<t>
表示第t个时间步的输入数据，y
<t>
表示第t个时间步的预测输出，a
<t>
表示第t个时间步的隐藏层a，W表示不同层的权重矩阵，b表示不同层的偏置向量；
[0031]计算实际标签y与预测结果y
<t>
间的偏差并进行反向传播完成模型训练得到所述评分模型。
[0032]优选的，所述模型微调模块的具体内容为：
[0033]当个体用户对所述风险警报的反馈为风险警报错误时，将(X
e
，y
e
)作为输入数据利用所述RNN循环神经网络时序模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于长时间多体征信号的呼吸道疾病风险预警系统，其特征在于，包括：设备端和服务端，所述设备端和服务端无线连接；所述设备端包括数据采集模块，所述数据采集模块，用于持续采集个体用户的多个体征数据；所述服务端包括特征解析模块、评分模型、风险判断模块和模型微调模块；所述特征解析模块，用于对所述特征数据进行特征解析获得趋势子信号和周期子信号；所述评分模型与所述特征解析模块相连，用于根据个体用户的所述趋势子信号和所述周期子信号获得个体用户的风险评分；所述风险判断模块与所述评分模型相连，用于将所述个体用户的风险评分与预设阈值对比，当所述个体用户的风险评分达到所述预设阈值时，发送风险警报；所述模型微调模块，用于获取个体用户对所述风险警报的实际判断结果，对所述评分模型进行模型微调和迭代。2.根据权利要求1所述的基于长时间多体征信号的呼吸道疾病风险预警系统，其特征在于，所述服务端还包括模型构建模块，用于根据数据采集模块采集大人群的多个体征数据并进行特征分析后的所述趋势子信号和所述周期子信号进行训练构建评分模型。3.根据权利要求1所述的基于长时间多体征信号的呼吸道疾病风险预警系统，其特征在于，所述设备端还包括数据清洗模块，所述数据清洗模块分别与所述数据采集模块和所述特征解析模块相连，用于对所述体征数据进行有效性检验、数据抽稀和交叉验证，获得清洗数据并传输至所述特征解析模块。4.根据权利要求1所述的基于长时间多体征信号的呼吸道疾病风险预警系统，其特征在于，所述设备端还包括风险预警模块，所述风险预警模块分别与所述模型微调模块和所述风险判断模块无线连接，用于根据所述风险警报对用户进行提示，还用于采集个体用户对所述风险警报的实际判断结果并发送至所述模型微调模块。5.根据权利要求3所述的基于长时间多体征信号的呼吸道疾病风险预警系统，其特征在于，所述数据清洗模块包括有效性检验单元、数据抽稀单元和交叉验证单元；所述有效性检验单元，用于划定各体征有效范围并将各所述体征数据中不在所述有效范围内的数据添加无效标签进行去除，获得有效数据；所述数据抽稀单元，用于将所述有效数据依据特定的小时间范围计算统计特征进行数据量缩减和平滑噪声；所述交叉验证单元，用于对抽稀后的每一条数据，根据其不同路信号的标准差指标进行筛选，删除多路信号同时表现为数据质量差的数据。6.根据权利要求2所述的基于长时间多体征信号的呼吸道疾病风险预警系统，其特征在于，所述特征解析模块的具体内容为：对大人群中每一个个体用户的特征序列(A，B，C，
……
)，展开时序分解提取特征，获取趋势子信号与周期子信号：T
x
,P
x
＝Seasonal_decompose(x,period)其中，P
x
为周期子信号，表示体征信号中周期出现的分量，信号长度与原始信号相同；T
x
为趋势子信号，表示除去所述周期子信号后，长时间段内体征信号宏观变化的分量，信号长
度与原始信号相同；x为特征序列(A，B，C，
……
)中的特征信号；period表示解析周期子信号的周期；Seasonal_decompose为季节...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：北京微芯感知科技有限公司，
类型：发明
国别省市：