【技术实现步骤摘要】
本专利技术涉及健康监测，特别是涉及一种基于个体生理特征的心脑血管健康监测预警方法及系统。
技术介绍
1、随着健康意识的提高和便携式生理监测设备的普及，个人健康监测系统逐渐成为一个备受关注的领域。传统的健康监测系统通常依赖于固定周期的检查或医疗咨询，这在很大程度上无法满足用户对实时、个性化健康管理的需求。且由于每个人的体质不同，其对于健康标准的参考指标也存在些微区别，但是现有的生理健康监测系统均是采用统一的医疗参考指标为固定参考指标，无法根据个人体质差异进行适应性调整，因而存在较多误判断进而造成错误治疗的问题。
2、专利cn113159566a公开了一种设备健康阶段检测的自适应收集方法、系统、装置和介质，通过获取设备的数据流，再采用基于滑动窗口及蓄水池采样对数据流进行状态提取，获得概念表示，随后根据此概念表示对数据流进行自适应健康阶段检测，获得健康阶段数据，最后对健康阶段数据进行融合处理，增大各健康阶段的训练数据。虽然该方法可以对数据不断收集并且更新融合处理，但是其在数据自更新这一过程比较繁琐，复杂性高，对参数的依赖性强，使用长期和短期状态的波动方差来检测概念漂移。这种方法可能对于概念漂移的敏感性较高，且阈值的设定可能需要根据具体场景进行调整，会导致难以直观理解和调整。
3、专利cn110797119a提供了一种健康风险智能监测装置和迁移学习方法，该装置中包含基础模块、迁移学习模块、多层级加权参数学习模块、健康数据更新模块、超健康参数处理模块和混合值属性数据处理模块。但其专利2多模块可迁移学习、多层级加权参
4、专利cn109211564a提供了一种用于滚珠丝杠副健康评估的自适应阈值检测方法，是通过对获取信号进行特征提取，特征选择等操作后，选出有用的特征，通过健康评估的算法映射成健康值，增大算法自适应能力。但其算法自适应的过程较简单，只是对序列中新引入的健康值，不断更新置信区间，缺乏更复杂的动态调整机制。其次，对于时序性建模能力有限，未充分利用滚珠丝杠副健康评估中的时序依赖关系。此外，缺乏非线性建模能力和端到端学习机制，对于复杂的数据模式可能探测能力较弱。综合而言，专利中的方法在算法的自适应性和数据建模的复杂性方面存在一定的不足。
5、根据现有技术存在的问题，为了更好地满足用户的需求，亟待研发一种能够根据个人体质的不同相应调整健康监测参考指标的生理健康指标监测方法，以更全面、精准地指导用户的生活方式和健康管理。
技术实现思路
1、为了克服现有技术的不足，本专利技术提供一种基于个体生理特征的心脑血管健康监测预警方法及系统，其能够根据个体指标历史监测数值分布情况制定与其相匹配的健康指标误差容许范围，构建更符合个体生理特征的健康状态监测预警模型，形成自适应心脑血管健康状态评价个体标准。帮助用户更科学地进行健康管理与心脑血管疾病预警。
2、为解决上述技术问题，本专利技术采用的技术方案是：一种基于个体生理特征的心脑血管健康监测预警方法，其包括：
3、通过传感器直接采集或解算ppg等传感器信号，获得当前生理指标监测值，同时收集个体一定时间周期内的生理指标历史监测值序列；
4、将生理指标历史监测值序列进行滤波处理以剔除异常值，对滤波处理后的生理指标历史监测值序列以及当前生理指标监测值进行归一化，得到归一化后的生理指标历史标准序列与当前生理指标监测值，计算生理指标历史标准序列的均值和标准差，并设定误差容许范围；
5、将生理指标历史标准序列按时间顺序等分，分别给予权重，计算加权平均值，定义为标准预测值；计算归一化后的当前生理指标监测值与标准预测值的差值；
6、根据差值的大小判断其是否处于误差容许范围，判断其处于稳定区或警戒区，随后更新历史数据集和当前生理指标监测值并进入下一循环，当连续出现一定数量的样本位于警戒区，则进行预警。
7、优选的，所述对一定时间周期内的生理指标历史监测值序列滤波处理以剔除异常值，对滤波处理后的生理指标历史监测值序列以及当前生理指标监测值进行归一化，具体包括：
8、将一定周期内的生理指标历史监测值序列pi＝{p1,p2......pn}滤波处理，通常采用异常值剔除滤波法，得到生理指标历史标准序列xi＝{x1,x2......xn}；
9、定义历史标准序列中最大值为xmax，最小值为xmin，计算归一化后的生理指标历史标准序列yi＝{y1,y2......yn}，其中
10、定义当前生理指标监测值pnow，计算归一化后的当前生理指标监测值xnow，
11、其中
12、优选的，所述计算生理指标历史标准序列的均值和标准差，并设定误差容许范围；具体包括：
13、生理指标历史标准序列的均值
14、其中yi的标准差n为序列yi的总样本数；
15、定义误差容许范围，误差容许范围通常取[-aσ,aσ]，a为根据指标类型所采用的不同自定义值。
16、优选的，所述将生理指标历史标准序列按时间顺序等分，分别给予权重，计算加权平均值，定义为标准预测值，具体包括：
17、将生理指标历史标准序列yi按时间顺序等分为m段，每一段内的所有样本点的权重保持相同，记为qi，满足且q1≤q2≤q3…≤qm；
18、根据每个样本点所处分段，匹配其权重ki后计算标准预测值
19、优选的，所述计算归一化后当前生理指标监测值与标准预测值的差值，具体包括：
20、计算当前生理指标监测值xnow与标准预测值m的差值c＝xnow-m。
21、优选的，所述根据差值的大小判断其是否处于误差容许范围，判断其处于稳定区或警戒区，具体包括：
22、若当前生理健康指标监测值xnow与标准预测值m的差值c位于误差容许范围，即[-aσ,aσ]，则当前生理指标监测值位于稳定区，输出s，其中，s为自定义值；
23、若当前生理健康指标监测值xnow与标准预测值m的差异值c超出误差容许范围，通常取(-∞,-aσ),(aσ,+∞)，则当前生理指标监测值位于警戒区，输出w，其中，w为自定义值。
24、优选的，所述根据差值的大小判断其是否处于误差容许范围，判断其处于稳定区或警戒区，随后更新历史数据集和当前生理指标监测值并进入下一循环，当连续出现一定数量的样本位于警戒区，则进行预警，具体包括：
25、根据归一化后当前生理指标监测值与标准预测值的差值的大小判断其是否处于误差容许范围，并进一步判断其处于稳定区或警戒区，根据所处范围输出s或w，将输出数值保存至预警数据集中；
26、随后更新历史数据集和当前生理指标监测值；
27、当连续出现t个样本超出误差容许范围，即预警数据集中连续t个样本为警戒区对本文档来自技高网...
【技术保护点】
1.一种基于个体生理特征的心脑血管健康监测预警方法，其特征在于，包括：
2.根据权利要求1所述的基于个体生理特征的心脑血管健康监测预警方法，其特征在于，所述对一定时间周期内的生理指标历史监测值序列滤波处理以剔除异常值，对滤波处理后的生理指标历史监测值序列以及当前生理指标监测值进行归一化，具体包括：
3.根据权利要求1所述的基于个体生理特征的心脑血管健康监测预警方法，其特征在于，所述计算生理指标历史标准序列的均值和标准差，并设定误差容许范围；具体包括：
4.根据权利要求3所述的基于个体生理特征的心脑血管健康监测预警方法，其特征在于，所述将生理指标历史标准序列按时间顺序等分，分别给予权重，计算加权平均值，定义为标准预测值，具体包括：
5.根据权利要求4所述的基于个体生理特征的心脑血管健康监测预警方法，其特征在于，所述计算归一化后当前生理指标监测值与标准预测值的差值，具体包括：
6.根据权利要求5所述的基于个体生理特征的心脑血管健康监测预警方法，其特征在于，所述根据差值的大小判断其是否处于误差容许范围，判断其处于稳定区或警戒区
7.根据权利要求6所述的基于个体生理特征的心脑血管健康监测预警方法，其特征在于，所述根据差值的大小判断其是否处于误差容许范围，进而判断其处于稳定区或警戒区，随后更新历史数据集和当前生理指标监测值并进入下一循环，当连续出现一定数量的样本位于警戒区，则进行预警，具体包括：
8.一种基于个体生理特征的心脑血管健康监测预警系统，其特征在于，包括如下功能模块：
9.一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述基于个体生理特征的心脑血管健康监测预警方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任意基于个体生理特征的心脑血管健康监测预警方法。
...【技术特征摘要】
1.一种基于个体生理特征的心脑血管健康监测预警方法，其特征在于，包括：
2.根据权利要求1所述的基于个体生理特征的心脑血管健康监测预警方法，其特征在于，所述对一定时间周期内的生理指标历史监测值序列滤波处理以剔除异常值，对滤波处理后的生理指标历史监测值序列以及当前生理指标监测值进行归一化，具体包括：
3.根据权利要求1所述的基于个体生理特征的心脑血管健康监测预警方法，其特征在于，所述计算生理指标历史标准序列的均值和标准差，并设定误差容许范围；具体包括：
4.根据权利要求3所述的基于个体生理特征的心脑血管健康监测预警方法，其特征在于，所述将生理指标历史标准序列按时间顺序等分，分别给予权重，计算加权平均值，定义为标准预测值，具体包括：
5.根据权利要求4所述的基于个体生理特征的心脑血管健康监测预警方法，其特征在于，所述计算归一化后当前生理指标监测值与标准预测值的差值，具体包括：
6.根据权利要求5所述的基于个体生理特征的心脑血管健康监...
【专利技术属性】
技术研发人员：陈逸凡，谭方宁，方世杰，戴兴旺，周洪彬，吴乾水，
申请(专利权)人：广州穗和医疗健康投资有限公司，
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。