System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智能分析,具体涉及一种基于云计算的脑卒中行为的智能分析系统及方法。
技术介绍
1、脑卒中作为一种急性脑血管病,其主要临床表现症状有脑组织缺血及出血性损伤,具体表现为高发病率、高致残率、高死亡率和高复发率。作为一个不可逆的、复杂的、循序渐进的疾病过程,脑卒中没有特定的治疗标准,家庭,社会危害性很大,通过对脑卒中预防筛查分析系统进行脑卒中筛查可以有效预防中风和对治疗效果评估,提高病人预防意识,如果延缓中风发病年龄5-10年,将会减轻对家庭、国家、社会的经济负担和就医负担。
2、如专利申请号202110639300.4公开了一种基于云计算的脑卒中行为分析采集系统,可穿戴设备用于采集实时状态参数;当患者位于第一目标范围的第一位置时,可穿戴设备将第一实时状态参数发送至第一边缘计算终端;第一边缘计算终端得出第一边缘计算结果;当第一边缘计算结果符合第一预设条件时,第一边缘计算终端将第一边缘计算结果和第一实时状态参数发送至云平台;云平台基于所述第一边缘计算结果和第一实时状态参数对该脑卒中患者执行行为分析,并基于行为分析结果给出反馈建议,本专利技术能够基于多维角度分析实现脑卒中患者行为分析。
3、现有技术中仍然缺少对脑卒中患者前期状态数据的一个监测分析,导致不能对脑卒中进行有效预防。
技术实现思路
1、本专利技术的目的在于提供一种基于云计算的脑卒中行为的智能分析系统及方法,通过对脑卒中患者的行为数据进行获取,即通过周运动数据、工作维度数据和饮食数据进行数据处理得
2、本专利技术的目的可以通过以下技术方案实现:
3、一种基于云计算的脑卒中行为的智能分析方法,包括以下步骤:
4、步骤一:获取脑卒中患者的行为数据,基于脑卒中患者的行为数据得到脑卒中患者的行为状态值,行为获取模块将得到的行为状态值传送至服务器;
5、步骤二:接收服务器传送的行为状态值,根据行为状态值与行为状态极值进行比较处理,得到行为类型,并根据行为类型,x-y二维坐标系形成行为状态图像,基于对行为状态图像进行处理,获得个人行为状态。
6、作为本专利技术进一步的方案:行为数据包括脑卒中患者的周运动数据、工作维度数据和饮食数据;
7、通过脑卒中患者的周运动数据得到脑卒中患者运动因子y;
8、通过脑卒中患者的工作维度数据得到脑卒中患者工作因子e;
9、通过脑卒中患者的饮食数据得到脑卒中患者饮食因子n。
10、作为本专利技术进一步的方案:脑卒中患者的行为状态值xw的获取过程为:
11、通过公式获取得到脑卒中患者的行为状态值xw,其中,d1、d2、d3均为预设比例系数。
12、作为本专利技术进一步的方案:脑卒中患者运动因子y的获取过程为:
13、周运动数据包括脑卒中患者的周运动强度、周运动频率和周运动时长;
14、将周运动强度标记为y1;
15、将周运动频率标记为y2;
16、将周运动时长标记为y3;
17、对周运动数据的周运动强度y1、周运动频率y2和周运动时长y3进行数据处理,获取脑卒中患者的运动因子y,其中为特定比例系数,且。
18、作为本专利技术进一步的方案:脑卒中患者工作因子e的获取过程为:
19、工作维度数据包括脑卒中患者的周工作时长、周工作强度和周休息指数;
20、将周工作时长标记为e1;
21、将周工作强度标记为e2;
22、将周休息指数标记为e3;
23、对工作维度数据的周工作时长e1、周工作强度e2和周休息指数e3进行数据处理,通过公式获取得到脑卒中患者的工作因子e。
24、作为本专利技术进一步的方案:脑卒中患者饮食因子n的获取过程为:
25、饮食数据包括脑卒中患者的周饮酒次数、周食盐摄入比、周胆固醇含量比;
26、将周饮酒次数标记为n1;
27、将周食盐摄入比标记为n2;
28、将周胆固醇含量比标记为n3;
29、对饮食数据的周饮酒次数n1、周食盐摄入比n2和周胆固醇含量比n3进行数据处理,通过公式获取得到脑卒中患者的饮食因子n。
30、作为本专利技术进一步的方案:预设行为状态值的第一行为状态极值为xw1,行为状态值的第二行为状态极值xw2,其中,第一行为状态极值为xw1<第二行为状态极值xw2;
31、在xw<xw1时,得到第一行为信号,对第一行为信号范围内脑卒中患者的人数进行统计;
32、当xw1<xw<xw2时,得到第二行为信号,对并第二行为信号范围所述内脑卒中患者的人数进行统计;
33、当xw>xw2时,得到第三行为信号,对并第三行为信号范围内脑卒中患者的人数进行统计。
34、作为本专利技术进一步的方案:将脑卒中患者的人数最多的行为信号的行为类型定为第一危险类型;
35、将脑卒中患者的人数次之的行为信号的行为类型定为第二危险类型;
36、将脑卒中患者的人数最少的行为信号的行为类型定为第三危险类型。
37、作为本专利技术进一步的方案:获取第三危险类型所有脑卒中患者行为状态值的均值;
38、建立x-y二维坐标系,将第三危险类型所对应的行为状态值的均值在x-y二维坐标系内构建一条基准线;
39、分别获取将第一危险类型和第二危险类型的所有人的行为状态值,将所有人的行为状态值按连续周在x-y二维坐标系内进行连线,形成行为状态图像;
40、将每个人的行为状态图像的两端分别垂直与基准线作辅助线,使行为状态图像形成封闭的图像;
41、对每个人的行为状态图像进行上色,对上色后的行为状态图像进行拍照得到行为状态照片,对行为状态照片放大若干倍形成像素表格照片,统计像素表格照片中上色的像素格个数;
42、将位于基准线上部的像素格个数记为+xg,将位于基准线下部的像素格个数记为-xg;
43、对基准线上部的像素格个数与基准线下部的像素格个数进行求和处理,得到行为状态像素格值xgg;
44、若行为状态像素格值xgg>0,则表示该个人的行为状态值整体向好;
45、若行为状态像素格值xgg≤0,则表示该个人的行为状态值整体向差。
46、一种基于云计算的脑卒中行为的智能分析系统,包括:
47、行为获取模块,所述行为获取模块获取脑卒中患者的行为数据,基于脑卒中患者的行为数据得到脑卒中患者的行为状态值,行为获取模块将得到的行为状态值传送至服务器;
48、行为解析模块,所述行为解析模块接收服务器传送的行为状本文档来自技高网...
【技术保护点】
1.一种基于云计算的脑卒中行为的智能分析方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于云计算的脑卒中行为的智能分析方法,其特征在于,行为数据包括脑卒中患者的周运动数据、工作维度数据和饮食数据;
3.根据权利要求2所述的一种基于云计算的脑卒中行为的智能分析方法,其特征在于,脑卒中患者的行为状态值XW的获取过程为:
4.根据权利要求2所述的一种基于云计算的脑卒中行为的智能分析方法,其特征在于,脑卒中患者运动因子Y的获取过程为:
5.根据权利要求2所述的一种基于云计算的脑卒中行为的智能分析方法,其特征在于,脑卒中患者工作因子E的获取过程为:
6.根据权利要求2所述的一种基于云计算的脑卒中行为的智能分析方法,其特征在于,脑卒中患者饮食因子N的获取过程为:
7.根据权利要求3所述的一种基于云计算的脑卒中行为的智能分析方法,其特征在于,预设行为状态值的第一行为状态极值为XW1,行为状态值的第二行为状态极值XW2,其中,第一行为状态极值为XW1<第二行为状态极值XW2;
8.根据权利要
9.根据权利要求1所述的一种基于云计算的脑卒中行为的智能分析方法,其特征在于,获取第三危险类型所有脑卒中患者行为状态值的均值;
10.一种根据权利要求1-9任一项所述的方法的智能分析系统,其特征在于,包括:
...【技术特征摘要】
1.一种基于云计算的脑卒中行为的智能分析方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于云计算的脑卒中行为的智能分析方法,其特征在于,行为数据包括脑卒中患者的周运动数据、工作维度数据和饮食数据;
3.根据权利要求2所述的一种基于云计算的脑卒中行为的智能分析方法,其特征在于,脑卒中患者的行为状态值xw的获取过程为:
4.根据权利要求2所述的一种基于云计算的脑卒中行为的智能分析方法,其特征在于,脑卒中患者运动因子y的获取过程为:
5.根据权利要求2所述的一种基于云计算的脑卒中行为的智能分析方法,其特征在于,脑卒中患者工作因子e的获取过程为:
6.根据权利要求2所述的一种基于云计算的脑卒中行为的智...
【专利技术属性】
技术研发人员:林蓓蕾,靳雨佳,靳孟璞,陈静锋,张振香,张伟宏,王鹏,袁长伟,李凤垒,
申请(专利权)人:郑州大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。