一种医疗可穿戴设备控制方法和系统技术方案

本发明专利技术公开了一种医疗可穿戴设备控制方法和系统，其中所述方法包括：医疗可穿戴设备在第一工作模式下检测到异常健康数据时向智能终端上报可穿戴数据的异常健康数据，智能终端接收并对异常健康数据进行数据处理后生成完备健康数据后发送至服务器；服务器基于完备健康数据确定是否反馈切换医疗可穿戴设备工作模式的指示，医疗可穿戴设备根据智能终端发送的不同工作模式进入指示以及工作持续时间切换健康数据上报模式。本发明专利技术使得医疗可穿戴设备通过多种模式上报数据，减少上报数据的次数和数据量实现节省耗电量。还通过多个判断模型组合以及针对个体生成模型保证对于个体进行监测模式切换的可靠性的同时还减小可穿戴设备的功耗。设备的功耗。设备的功耗。

【技术实现步骤摘要】
一种医疗可穿戴设备控制方法和系统


[0001]本专利技术属于计算机
，尤其涉及一种医疗可穿戴设备控制方法和系统。

技术介绍

[0002]随着数字化健康的不断发展，使用医疗可穿戴设备检测人体健康数据越来越普及，应用于多种场景，如智慧养老中的自动化看护，病房的智慧医疗监测等等。
[0003]然而，为了佩戴舒适性和便捷性，可穿戴设备的电池容量通常比较小，而保持通信状态需要打开通信模块并上传数据，这是可穿戴设备耗电量占比较大的部分。此外，老人的生理体征各不相同，基础疾病也不相同，需要对不同的个体状态设置不同的监测水平和监测方式，并且需要在监测可能出现异常时，及时更换可穿戴设备的信息上报方式，保护被看护对象的安全。

技术实现思路

[0004]针对上述现有技术中存在的缺陷，本专利技术提供一种医疗可穿戴设备控制方法，所述方法包括以下步骤：
[0005]医疗可穿戴设备在第一工作模式下，当检测到异常健康数据时，向智能终端上报可穿戴数据的异常健康数据；
[0006]所述智能终端接收并对所述异常健康数据进行数据处理后生成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医疗可穿戴设备控制方法，所述方法包括以下步骤：医疗可穿戴设备在第一工作模式下，当检测到异常健康数据时，向智能终端上报可穿戴数据的异常健康数据；所述智能终端接收并对所述异常健康数据进行数据处理后生成完备健康数据，将所述完备健康数据发送至服务器；所述服务器基于所述完备健康数据确定是否反馈切换所述医疗可穿戴设备的工作模式的指示；所述服务器确定反馈切换所述医疗可穿戴设备的工作模式的指示，向智能终端反馈所述医疗可穿戴设备的不同工作模式进入指示以及工作持续时间；所述医疗可穿戴设备根据智能终端发送的不同工作模式进入指示以及工作持续时间切换健康数据上报模式。2.如权利要求1所述的方法，其特征在于，所述医疗可穿戴设备在第一工作模式下上报，当检测到异常健康数据时，向智能终端上报可穿戴数据的异常健康数据，包括：医疗可穿戴设备中存储各项健康数据的正常阈值，当出现健康数据超出正常阈值的异常情形时，对异常健康数据进行上报；其中，所述各项健康数据的正常阈值与所述医疗可穿戴设备的佩戴者相关。3.如权利要求1所述的方法，其特征在于，所述智能终端接收并对所述异常健康数据进行数据处理后生成完备健康数据，包括：所述智能终端中的账号与医疗可穿戴设备绑定，所述智能终端中存储佩戴人员各项健康数据的平均值；所述智能终端与所述医疗可穿戴设备配对，通过近距离通信接收异常健康数据，确定异常健康数据的属性，根据所述异常健康数据的属性将所述异常健康数据的数值写入完备健康数据的对应字段，并在完备健康数据的其他字段中写入对应属性的健康数据平均值；所述完备健康数据还包括用户账号信息；所述智能终端将填写完整的完备健康数据发送至服务器。4.如权利要求1所述的方法，其特征在于：所述服务器基于所述完备健康数据确定突发疾病类型和突发概率；所述服务器根据所述突发疾病类型确定医疗可穿戴设备的工作模式；所述服务器根据所述突发概率确定工作持续时间。5.如权利要求4所述的方法，其特征在于，所述服务器基于所述完备健康数据确定突发疾病类型，包括：所述服务器接收完备健康数据，获取其中的用户账户信息，根据用户账户信息在服务器对应存储区中调取用户疾病模型；所述用户疾病模型包括至少一个用户基础病模型以及全状态模型；所述至少一个用户基础病模型为根据所述用户历史健康数据训练得到的；所述用户基础病模型为针对用户单项基础病生成的模型；所述全状态模型为根据所有用户历史健康数据，或部分用户历史健康数据，或所述用户历史健康数据生成的反映用户生理状态的模型。6.如权利要求5所述的方法，其特征在于，
根据所有用户历史健康数据，或部分用户历史健康数据，或所述用户历史健康数据生成全状态模型包括以下之一：根据所有用户历史健康数据生成全状态模型；根据与用户基础病类型相同的用户的历史健康数据生成全状态模型；根据所述用户的历史健康数据生成全状态模型；根据所述用户历史健康数据训练得到所述至少一个用户基础病模型包括：当所述用户注册时间小于注册时间阈值时，根据用户历史健康数据训练得到至少一个线性拟合模型作为至少一个用户基础病模型；当所述用户注册时间大于或等于注册时间阈值时，根据用户历史健康数据训练得到至少一个神经网络作为至少一个用户基础病模型。7.如权利要求6所述的方法，其特征在于，所述全状态模型为深度神经网络模型，训练阶段中，对预先打标的用户历史健康数据作为训练数据生成全状态模型；在线阶段中，将所述完备健康数据作为所述全状态模型的输入，根据输入结果判定为正常，部分状态异常，或全状态异常；当输出结果判定为全状态异常时，所述服务器确定所述医疗可穿戴设备的工作模式为第三工作模式；当输入结果判定为部分状态异常或正常时，将所述完备健康数据输入到所述至少一个用户基础病模型：当所述至少一个用户基础病模型输出结果判定为异常时，所述服务器确定所述医疗可穿戴设备的工作模式为第二工作模式；当所述至少一个用户基础病模型输出结果全部判定为正常时，所述服务器确定所述医疗可穿戴设备的工作模式为第一工作模式。8.如权利要求1
‑
7任一项的方法，其特征在于，所述第一工作模式为异常上报模式，所述医疗可穿戴设备在异常上报模式下只当检测到异常健康数据时向智能终端上报可穿戴数据的异常健康数据；所述第二工作模式为低功耗监测模式，所述服务器确定所述医疗可穿戴设备的工作模式为低功耗监测模式后，根据输出结果为异常的至少一个用户基础病模型确定对应的需要持续监测的健康数据的属性信息，将低功耗监测模式进入指示反馈至智能终端，所述低功耗监测模式进入指示包括所述需要持续监测...

【专利技术属性】
技术研发人员：匡明，杨文林，李刚，张阳萍，刘晓华，
申请(专利权)人：杭州康晟健康管理咨询有限公司，
类型：发明
国别省市：