一种基于AI医疗的独居老人护理监测系统及方法技术方案

本发明专利技术公开了一种基于AI医疗的独居老人护理监测系统及方法，属于AI医疗技术领域。通过独居老人居家状态的不同位置和在不同位置停留的累计时间，来反应独居老人居家状态的身心健康状况，考虑到独居老人大部分时间都在居家状态，且不同的居家位置具有非常显著的代表性，利用AI历史大数据构建独居老人需要进行医疗护理的风险因素模型，通过风险因素模型来判断独居老人是否需要医疗护理，同时根据独居老人当前和历史的身心健康状况进行对比分析，再根据实时的医疗护理反馈，对独居老人身心健康状况进行科学有效的医疗；本发明专利技术还提供一种系统，包括计时模块、人体传感器模块、AI医疗数据库模型建立模块、数据处理模块、预警模块、预测模块。模块。模块。

【技术实现步骤摘要】
一种基于AI医疗的独居老人护理监测系统及方法


[0001]本专利技术涉及AI医疗
，具体为一种基于AI医疗的独居老人护理监测系统及方法。

技术介绍

[0002]随着经济的发展，老龄化问题日益突出，其中“独居老人”现象尤其引人关注。独居老人的养老问题，引发社会关注。而养老问题中最主要的则是老年人健康问题；其中不容忽视的是：心理问题已然成为影响独居老人健康的一大因素。
[0003]在医疗领域，AI智能应用略弱，目前只侧重于医疗领域的某个简单环节或者某项重复、固定的流程，如医学影像、疾病风险预测等，还需要大量数据进行自我学习。如何叠加这些数据进行分析，让疾病治疗升级到健康管理是众多企业一直思考的问题；尤其将AI医疗应用到独居老人领域，以解决独居老人身心健康发展的及时监测和利用大数据进行有效的预测等问题，为独居老人提供及时的护理服务成为当前亟待突破的技术。

技术实现思路

[0004]本专利技术的目的在于提供一种基于AI医疗的独居老人护理监测系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：
[0006]一种基于AI医疗的独居老人护理监测方法，本方法包括以下步骤：
[0007]S1、在预设时间内，人体传感器识别独居老人在居家状态时的不同位置，并进行标记W
i
，同时对出现在每个位置区域的次数进行统计，并标记为
[0008]S2、计时模块根据独居老人在居家状态时的不同位置进行停留时间的累计计时，并记为
[0009]S3、根据独居老人出现在不同位置区域的次数和停留累计时间，建立独居老人需要进行医疗护理的风险因素模型；
[0010]S4、根据风险因素模型，对独居老人身心健康出现异常情况时进行预警提醒，同时预测独居老人的未来身心健康发展；
[0011]在步骤S1中，独居老人在居家状态时的不同位置分别为卧室和卫生间，并将卧室位置区域记为W1和卫生间位置区域记为W2；
[0012]在步骤S3中，独居老人需要进行医疗护理的风险因素模型包含的风险因素为睡眠状况和身体状况，并将风险因素记为θ
j
，其中睡眠状况因素记为θ1，身体状况因素记为θ2，j∈ {1，2}；
[0013]独居老人大部分时间都在居家状态，且不同的居家位置具有非常显著的代表性，尤其是卧室和卫生间的区域位置，能够非常显著的反映出独居老人的身心健康。
[0014]进一步的，在步骤S3中，所述建立独居老人需要进行医疗护理的风险因素模型，具体包括如下步骤：
[0015]S3
‑
1、获取独居老人出现在不同位置区域的次数和停留累计时间，根据所述次数和时间得到风险因素值，具体计算公式如下：
[0016][0017]其中，F(θ
j
)代表θ
j
的风险因素值，θ
j
∈{θ1,θ2}，代表历史数据中一天内独居老人去卫生间位置区域的平均次数，T2代表历史数据中一天内独居老人去卫生间位置区域的停留时间的累计总时间的平均值；
[0018]独居老人在不同位置出现的情况是独立不相关的，对独居老人在不同位置的情况进行分别处理，能够得到具有非常突出的风险因素值；
[0019]S3
‑
2、将风险因素值进行归一化处理，得到风险因素值的权重，具体计算公式如下：
[0020][0021]其中，f(j)代表F(θ
j
)的权重；
[0022]将不相关的每个位置的风险因素值进行归一化处理，能够使数据得到更加规范科学的联系性；
[0023]S3
‑
3、根据历史大数据，以f(j)为自变量，以独居老人身心健康出现异常概率为因变量，建立独居老人需要进行医疗护理的风险因素模型，具体模型公式如下：
[0024][0025]其中，P代表独居老人身心健康出现异常概率，x
j
代表f(j)对应的风险因素系数，x0代表所有风险因素都不存在时独居老人身心健康出现异常概率。
[0026]进一步的，在步骤S4中，所述根据风险因素模型，对独居老人出现异常情况时进行预警提醒，具体包括如下步骤：
[0027]S4
‑
1、设置阈值P0，若判断P<P0，则表示当前独居老人身心健康处于正常水平，进一步分析当前独居老人身心健康出现异常概率的波动情况，具体公式如下：
[0028][0029]其中，σ2表示以当前监测的独居老人身心健康出现异常概率为节点的统计N次监测结果的波动情况，P
k
表示统计N次监测结果中的任一次独居老人身心健康出现异常概率，表示历史数据中独居老人身心健康出现异常概率的平均值；
[0030]波动情况能够反应出独居老人近期的身心健康水平是否在没有发生身心健康出现异常时，趋近于稳定值；
[0031]S4
‑
2、设置阈值Q，若判断σ2<Q，则表示独居老人身心健康出现异常概率的波动情况正常，系统不需要做出预警提醒；若判断σ2>Q，则表示独居老人身心健康出现异常概率的
波动情况异常，系统做出预警提醒指令发送至远程医疗中心，所述远程医疗中心进行及时的护理服务；
[0032]S4
‑
3、若判断P>P0，则表示当前独居老人身心健康处于异常状态，系统做出预警提醒指令发送至远程医疗中心，所述远程医疗中心进行及时的护理服务，同时进一步预测独居老人的未来身心健康发展。
[0033]进一步的，所述进一步预测独居老人的未来身心健康发展的具体步骤如下：
[0034]S4
‑
4、获得在风险因素θ
j
下未来出现独居老人的身心健康异常的概率，具体计算公式如下：
[0035][0036]其中，S
j
表示在风险因素θ
j
下未来出现独居老人的身心健康异常的概率，R
j
表示f(j)的风险因素比值比，且R
j
＝e
f(j)
；
[0037]S4
‑
5、建立独居老人的未来身心健康发展的预测模型，具体如下
[0038][0039]其中，L代表独居老人的未来身心健康发展预测指数；
[0040]进一步的，根据所述建立的独居老人的未来身心健康发展的预测模型，设置独居老人的未来身心健康发展预测指数阈值L0，若L>L0，则表示独居老人的未来身心健康发展不正常，护理服务仍然需要继续执行；若L<L0，则表示独居老人的未来身心健康发展保持正常，不再需要护理服务。
[0041]一种基于AI医疗的独居老人护理监测系统，本系统包括计时模块、人体传感器模块、 AI医疗数据库模型建立模块、数据处理模块、预警模块、预测模块；
[0042]所述计时模块用于对独本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI医疗的独居老人护理监测方法，其特征在于，该方法包括以下步骤：S1、在预设时间内，人体传感器识别独居老人在居家状态时的不同位置，并进行标记W
i
，同时对出现在每个位置区域的次数进行统计，并标记为S2、计时模块根据独居老人在居家状态时的不同位置进行停留时间的累计计时，并记为S3、根据独居老人出现在不同位置区域的次数和停留累计时间，建立独居老人需要进行医疗护理的风险因素模型；S4、根据风险因素模型，对独居老人身心健康出现异常情况时进行预警提醒，同时预测独居老人的未来身心健康发展；在步骤S1中，独居老人在居家状态时的不同位置分别为卧室和卫生间，并将卧室位置区域记为W1和卫生间位置区域记为W2；在步骤S3中，独居老人需要进行医疗护理的风险因素模型包含的风险因素为睡眠状况和身体状况，并将风险因素记为θ
j
，其中睡眠状况因素记为θ1，身体状况因素记为θ2，j∈{1，2}。2.根据权利要求1所述的一种基于AI医疗的独居老人护理监测方法，其特征在于，在步骤S3中，所述建立独居老人需要进行医疗护理的风险因素模型，具体包括如下步骤：S3
‑
1、获取独居老人出现在不同位置区域的次数和停留累计时间，根据所述次数和时间得到风险因素值，具体计算公式如下：其中，F(θ
j
)代表θ
j
的风险因素值，θ
j
∈{θ1,θ2}，代表历史数据中一天内独居老人去卫生间位置区域的平均次数，T2代表历史数据中一天内独居老人去卫生间位置区域的停留时间的累计总时间的平均值；S3
‑
2、将风险因素值进行归一化处理，得到风险因素值的权重，具体计算公式如下：其中，f(j)代表F(θ
j
)的权重；S3
‑
3、根据历史大数据，以f(j)为自变量，以独居老人身心健康出现异常概率为因变量，建立独居老人需要进行医疗护理的风险因素模型，具体模型公式如下：其中，P代表独居老人身心健康出现异常概率，x
j
代表f(j)对应的风险因素系数，x0代表所有风险因素都不存在时独居老人身心健康出现异常概率。3.根据权利要求2所述的一种基于AI医疗的独居老人护理监测方法，其特征在于，在步骤S4中，所述根据风险因素模型，对独居老人出现异常情况时进行预警提醒，具体包括如下
步骤：S4
‑
1、设置阈值P0，若判断P<P0，则表示当前独居老人身心健康处于正常水平，进一步分析当前独居老人身心健康出现异常概率的波动情况，具体公式如下：其中，σ2表示以当前监测的独居老人身心健康出现异常概率为节点的统计N次监测结果的波动情况，P
k
表示统计N次监测结果中的任一次独居老人身心健康出现异常概率，表示历史数据中独居老人身心健康出现异常概率的平均值；S4
‑
2、设置阈值Q，若判断σ2<Q，则表示独居老人身心健康出现异常概率的波动情况正常，系统不需要做出预警提醒；若判断σ2>Q，则表示独居老人身心健康出现异常概率的波动情况异常，系统做出预警提醒指令发送至远程医疗中心，所述远程医疗中心进行及时的护理服务；S4
‑
3、若判断P>P0，则表示当前独居老人身心健康处于异常状态，系统做出预警提醒指令发送至远程医疗中心，所述远程医疗中心进行及时的护理服务，同时进一步预测独居老人的未来身心健康发展。4.根据权利要求3所述的一种基于AI医疗的独居老人护理监测方法，其特征在于，所述进一步预测独居老人的未来身心健康发展的具体步骤如下：S4
‑
4、获得在风险因素θ
j
下未来出现独居老人的身心健康异常的概率，具体计算公式如下：其中，S
j
表示在风险因素θ
j
下未来出现独居老人的身心健康异常的概率，R
j
表示f(j)的风险因素比值比，且R
j

【专利技术属性】
技术研发人员：罗雪方，
申请(专利权)人：朔至美南通科技有限公司，
类型：发明
国别省市：