老年病科护理有氧运动辅助装置及智能辅助方法

技术领域

本发明属于数字化保健设备领域，具体涉及老年病科护理有氧运动辅助装置及智能辅助方法。

背景技术

随着生命科学、物联网、人工智能、人体工学等领域技术的快速发展和整合集成水平的提高，各种保健设备都开始进入泛在感知基础上的智能辅助的时代。

为了促进广大群众特别是老年人的身体健康，“有氧运动”是尤其提倡的一种锻炼形式。有氧运动指的是在运动过程中主要由氧气参与供能、全身主要肌群均有参与、强度不高且运动持续较长、伴有节奏韵律的一种锻炼手段。长期坚持科学的有氧运动，对人体特别是老年人的心、肺、血管功能均有显著的改善，可有效预防高血脂、高血压、脂肪肝、心脑血管硬化、肥胖、心肺功能减弱等老年病科的常见健康问题。适合老年人的有氧运动方式包括：慢跑、疾走、游泳、自行车骑行、太极拳、韵律操、跳绳等。

为了保障良好的有氧运动效果，整个锻炼过程中应当符合其必要标准，具体来说，一是锻炼前应充分热身，体温、心率、呼吸速率均逐渐达到预期的状况，这样表明人体的血液循环已经逐步进入适宜有氧运动的阶段，氧气输送到心脏和肌肉。二是锻炼过程中心率数值尽量保持在与人体年龄和身体状况相适宜的一个“靶区间”，这表明锻炼过程人体属于有氧运动状态，如果心率数值偏离靶区间过低，则表明没有进入有氧运动状态；如果心率过高则存在风险甚至安全隐患，对于老年人来说尤为如此。三是锻炼过程中一旦存在心慌、呼吸困难、心口发热、头晕、大汗、疲惫不堪等感觉，表明运动超限，应及时降低运动强度，否则同样对老年人产生风险乃至安全隐患。四是锻炼的结束应该有一个逐步减低强度直至终止的过渡，如果骤停，血液会囤积在肌肉而给心脏造成多余的负担，严重时会影响到大脑供血，甚至出现眩晕和头昏。

显然，如果完全依靠人体自身的感觉和经验来控制锻炼过程，很难达到以上必要标准，无法取得最优的有氧运动效果，易于造成老年人的身体损伤，甚至出现比较严重的身体不适乃至风险隐患。

因此，佩戴针对有氧运动的辅助装置，来感知使用者特别是老年人主要的身体参数指标，给予必要的提示反馈，从而保障锻炼更多地处于有氧运动状态，维持适当的强度和时长，防范运动风险，具有重要的作用。

然而，目前现有的有氧运动辅助装置——例如运动手表、心率计、血氧手环等——都是在感知心率、血氧度、体温等身体参数指标后，与预设的参考值范围进行比对，当身体参数指标偏离参考值范围则判定当前的锻炼状态偏离了适宜的有氧运动状态，进而给于提示和预警。但是，现有的参考值范围都是根据通用的数值范围或者计算式来设置的，例如上述心率的“靶区间”一般采用[(220-年龄)-静态心率]*(60％-80％)+静态心率的计算式来计算。显然，以上通用的数值范围和计算式不能有效反映每个辅助装置用户自身独特的身体指征和健康状况，不具备个体特异性，不能帮助用户特别是老年人达到个性化最佳的有氧运动效果。而且，现有的辅助装置对用户必要的提示和预警不够精确和动态化，特别是老年用户对电子设备不熟悉，难以实时有效地利用辅助装置来进行本次锻炼的调控。

发明内容

针对上述现有技术的不足，本申请提供老年病科护理有氧运动辅助装置及智能辅助方法。本发明的辅助装置在多维度全面感知与有氧运动相关的老年人身体参数指标基础上，基于有氧运动过程中各维度身体指征的整体关联性，进行当前用户身体指征的多标签分类，进而基于各维度身体指征的分类结果，匹配获得老年人用户的当前锻炼状态与有氧运动模板状态的匹配度，进而基于该匹配度给老年人用户必要的提示。

老年病科护理有氧运动辅助装置，包括：

佩戴感知模块，用于由用户佩戴并感知锻炼过程中用户的与有氧运动相关的身体参数指标；

特征数据接口，用于从所述佩戴感知模块以及外部数据源获得用户与有氧运动相关的身体参数指标；

有氧运动指征分类模块，用于基于所述身体参数指标，利用表示有氧运动过程中各维度身体指征的整体关联性的神经网络分类器，对所述用户的身体指征的多标签分类；

有氧运动匹配度评估模块，用于基于各维度身体指征的分类结果，匹配获得所述用户的当前锻炼状态与有氧运动模板状态的匹配度；

智能辅助模块，用于基于所述匹配度对用户的锻炼过程给与智能辅助，以使用户的锻炼过程处于有效的有氧运动状态。

优选的是，所述佩戴感知模块包括：体温传感器，用于感知用户的体温数据；心率计，用于感知用户的心率数据；呼吸速率传感器，用于感知用户的呼吸频率数据；血氧传感器，用于感知用户的血氧度数据。

优选的是，所述佩戴感知模块还包括：身体姿态感知模块，用于识别用户的身体姿态，并在感知身体跌倒姿态时发出跌倒报警信息；定位模块，用于定位用户的地理位置；锻炼计量模块，用于对用户锻炼类型以及锻炼的总时长和/或总距离进行计量，获得锻炼计量数值；通信模块，用于通过近距离通信方式将所述体温数据、心率数据、呼吸频率数据、血氧度数据以及锻炼计量数值传输至所述特征数据接口，并且通过无线远程通信方式将跌倒报警信息、地理位置传输给云端中心。

优选的是，所述特征数据接口通过互联网连接到外部数据源，从外部数据源获得用户与有氧运动相关的基础性参数指标、既往病例记录参数指标。

优选的是，所述有氧运动指征分类模块基于包括体温数据、心率数据、呼吸频率数据、血氧度数据、基础性参数指标、既往病例记录参数指标的全部维度的身体参数指标，构造表示有氧运动过程中各维度身体指征的整体关联性的关联节点图，进而构造和训练面向关联节点图的神经网络分类器，获得对所述用户的身体指征的多标签分类。

进一步优选的是，所述有氧运动指征分类模块构造的所述关联节点图包括节点集合和关联性边集合，节点集合V＝{1，2，...，n}包括编号由1至n的n个节点，每个节点表示用户的一个身体指征维度；并且，其中如果节点i和节点j之间有连边则将二者的连边表示为(i,j)，作为关联性边集合E的一个集合元素，表示节点i和节点j二者各自代表的身体指征之间具备关联性。

进一步优选的是，所述有氧运动指征分类模块将体温数据、心率数据、呼吸频率数据、血氧度数据、基础性参数指标、既往病例记录参数指标的身体参数指标赋值于关联节点图的节点集合，赋值数据的形式表示为：

Data＝{(x

n为所述节点集合V的节点总数量；x

进一步优选的是，有氧运动指征分类模块对神经网络分类器的构造和训练过程包括：将关联节点图转化为归一化拉普拉斯矩阵的形式，并对归一化拉普拉斯矩阵进行谱分解，转化为特征根和特征向量的形式；构造面向关联节点图的神经网络分类器模型，并定义分类预测的损失函数；基于具有分类标签的节点集中的每个节点作为样本，训练优化分类器模型的卷积核参数和未知参数矩阵，直至损失函数达到预期。

进一步优选的是，所述有氧运动指征分类模块利用该训练完成的分类器模型，对关联节点图中不具有分类标签的节点子集的任一节点进行分类，从而获得这些节点的分类标签，分类标签表示用户在第i个节点对应的身体指征维度上对有氧运动适应级别。

另一方面，本发明提供的老年病科护理有氧运动的智能辅助方法，包括：

佩戴感知步骤，感知锻炼过程中用户的与有氧运动相关的身体参数指标；

外部数据获取步骤，从外部数据源获得用户与有氧运动相关的身体参数指标；

有氧运动指征分类步骤，基于所述身体参数指标，利用表示有氧运动过程中各维度身体指征的整体关联性的神经网络分类器，获得对所述用户的身体指征的多标签分类；

有氧运动匹配度评估步骤，基于各维度身体指征的分类结果，匹配获得所述用户的当前锻炼状态与有氧运动模板状态的匹配度；

智能辅助步骤，用于基于所述匹配度对用户的锻炼过程给与智能辅助，以使用户的锻炼过程处于有效的有氧运动状态。

本发明的有益效果：

1、多维度全面感知与有氧运动相关的老年人身体参数指标基础上，基于有氧运动过程中各维度身体指征的整体关联性，进行当前用户身体指征的多标签分类，进而基于各维度身体指征的分类结果，匹配获得老年人用户的当前锻炼状态与有氧运动模板状态的匹配度，进而基于该匹配度给老年人用户必要的提示。

2、对老年人用户有氧运动的提示和预警具有精确化、个体差异化和动态化的有点，能够实时、高效地利用辅助老年人对锻炼的调控，保持对其身心有利的有氧阶段，避免运动风险。

附图说明

图1为本发明所述的老年病科护理有氧运动辅助装置组成框图；

图2为本发明所述的佩戴感知模块的组成框图；

图3为本发明所述的关联节点图G的示意图；

图4为本发明所述的老年病科护理有氧运动的智能辅助方法流程图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制；相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

参见图1，本发明提供的老年病科护理有氧运动辅助装置，包括：

佩戴感知模块101，用于由用户佩戴并感知锻炼过程中用户的与有氧运动相关的身体参数指标；

特征数据接口102，用于从所述佩戴感知模块101以及外部数据源获得用户与有氧运动相关的身体参数指标；

有氧运动指征分类模块103，用于基于所述身体参数指标，利用表示有氧运动过程中各维度身体指征的整体关联性的神经网络分类器，对所述用户的身体指征的多标签分类；

有氧运动匹配度评估模块104，用于基于各维度身体指征的分类结果，匹配获得所述用户的当前锻炼状态与有氧运动模板状态的匹配度；

智能辅助模块105，用于基于所述匹配度对用户的锻炼过程给与智能辅助，以使用户的锻炼过程处于有效的有氧运动状态。

参见图2，佩戴感知模块101是由多种传感器集成一体的可穿戴人体感知设备，可以对与有氧运动相关的老年人身体参数指标进行全面多维度感知。具体来说，佩戴感知模块101包括：体温传感器101a，用于感知用户的体温数据；心率计101b，用于感知用户的心率数据；呼吸速率传感器101c，用于感知用户的呼吸频率数据；血氧传感器101d，用于感知用户的血氧度数据。以上体温数据、心率数据、呼吸频率数据、血氧度数据可作为与有氧运动相关的身体参数指标。此外，所述佩戴感知模块101还包括：身体姿态感知模块101e，用于识别用户的身体姿态，并在感知身体跌倒姿态时发出跌倒报警信息；定位模块101f，用于定位用户的地理位置；锻炼计量模块101g，用于对用户锻炼类型以及锻炼的总时长和/或总距离进行计量，获得锻炼计量数值；通信模块101h，用于通过蓝牙、有线等近距离通信方式将所述体温数据、心率数据、呼吸频率数据、血氧度数据等身体参数指标以及锻炼计量数值传输至所述特征数据接口102，并且通过NBIOT、4G或5G无线远程通信方式将跌倒报警信息、地理位置传输给云端中心，由云端中心转发给救援中心、用户紧急联系人等。

特征数据接口102从所述佩戴感知模块101获得所述体温数据、心率数据、呼吸频率数据、血氧度数据等身体参数指标。并且，所述特征数据接口102能够通过互联网连接到例如老年人用户登记的医院数据中心等外部数据源，从外部数据源也获得用户与有氧运动相关的身体参数指标，例如关于老年人用户的年龄、性别、体重等基础性参数指标，以及涉及心脏、呼吸、骨骼等既往病例记录参数指标。

有氧运动指征分类模块103基于包括体温数据、心率数据、呼吸频率数据、血氧度数据、基础性参数指标、既往病例记录参数指标的全部维度的身体参数指标，构造表示有氧运动过程中各维度身体指征的整体关联性的关联节点图，进而构造和训练面向关联节点图的神经网络分类器，获得对所述用户的身体指征的多标签分类。

如图3所示为所述有氧运动指征分类模块103构造的用于表示有氧运动过程中各维度身体指征的整体关联性的关联节点图G，该关联节点图G包括节点集合V和关联性边集合E，从而组成G＝(V，E)。其中节点集合V＝{1，2，...，n}，其共计编号由1至n的n个节点，每个节点表示用户的一个身体指征维度，包括但不限于上文提到的体温、心率、呼吸频率、血氧度、基础性参数指标、既往病例记录。如果节点i和节点j之间有连边则将二者的连边表示为(i，j)，作为关联性边集合E的一个集合元素，连边表示节点i和节点j二者各自代表的身体指征之间具备关联性，例如心率与血氧度二者之间具有直接的连边，则表示二者之间具备的直接关联性。

进而，针对该关联节点图G，将其转化为度矩阵D和邻接矩阵A；其中，关联节点图G的度矩阵D是一个对角矩阵，第i个对角元素的值等于和关联节点图G中的节点i具有连边的其它节点的个数；邻接矩阵A的第i行、第j列个矩阵元素A

进而，有氧运动指征分类模块103将体温数据、心率数据、呼吸频率数据、血氧度数据、基础性参数指标、既往病例记录参数指标等全部维度的身体参数指标赋值于关联节点图G的节点集合V，赋值数据的形式表示为：

Data＝{(x

其中，n为所述节点集合V的节点总数量；x

进而，有氧运动指征分类模块103构造并训练面向关联节点图的神经网络分类器，该分类器对关联节点图G中属于节点集y

有氧运动指征分类模块103对神经网络分类器具体构造和训练过程包括：首先，将关联节点图G转化为归一化拉普拉斯矩阵的形式：

L＝I-D

其中L表示由关联节点图G转化的归一化拉普拉斯矩阵，I为单位矩阵。

进而，对该归一化拉普拉斯矩阵L进行谱分解，从而将L转化为特征根和特征向量的形式；

其中，λ

接下来，有氧运动指征分类模块103构造面向关联节点图的神经网络分类器模型：

其中，x

该函数自变量中的p

其中

其中非线性激活函数ReLU被构造为：

ReLU(b

其中，将具有分类标签y

进而，所述有氧运动指征分类模块103基于具有分类标签y

其中

所述有氧运动指征分类模块103利用该训练完成的分类器模型，对关联节点图G中不具有分类标签的节点子集y

有氧运动匹配度评估模块104，用于基于各维度身体指征的分类结果，匹配获得所述用户的当前锻炼状态与有氧运动模板状态的匹配度。具体来说，通过所述有氧运动指征分类模块103提供的分类标签，可以判断用户在体温、心率、呼吸频率、血氧度、基础性参数指标、既往病例记录等各个身体指征维度上有氧运动适应级别，从而，有氧运动匹配度评估模块104可以基于所述有氧运动适应级别，针对体温、心率、呼吸频率、血氧度等维度，设置与有氧运动适应级别相适配的匹配阈值；进而，将所述佩戴感知模块101获得所述体温数据、心率数据、呼吸频率数据、血氧度数据等身体参数指标与有氧运动适应级别相适配的匹配阈值进行比较，从而获得所述用户的当前锻炼状态与有氧运动模板状态的匹配度。对于第i个身体指征维度上的分类标签y

智能辅助模块105，用于基于所述匹配度对用户的锻炼过程给与智能辅助，以使用户的锻炼过程处于有效的有氧运动状态。具体来说，如果匹配度表明不匹配，则智能辅助模块105向老年人用户发出辅助提示，从而使老年人调整锻炼节奏和强度，直至体温、心率、呼吸频率、血氧度等身体参数指标进入有氧运动适应级别相适配的匹配阈值。

另一方面，参见图4，本发明提供的老年病科护理有氧运动的智能辅助方法，包括：

佩戴感知步骤S101，感知锻炼过程中用户的与有氧运动相关的身体参数指标；

外部数据获取步骤S102，从外部数据源获得用户与有氧运动相关的身体参数指标；

有氧运动指征分类步骤S103，基于所述身体参数指标，利用表示有氧运动过程中各维度身体指征的整体关联性的神经网络分类器，获得对所述用户的身体指征的多标签分类；

有氧运动匹配度评估步骤S104，基于各维度身体指征的分类结果，匹配获得所述用户的当前锻炼状态与有氧运动模板状态的匹配度；

智能辅助步骤S105，用于基于所述匹配度对用户的锻炼过程给与智能辅助，以使用户的锻炼过程处于有效的有氧运动状态。

本发明提供了老年病科护理有氧运动辅助装置及智能辅助方法，在多维度全面感知与有氧运动相关的老年人身体参数指标基础上，基于有氧运动过程中各维度身体指征的整体关联性，进行当前用户身体指征的多标签分类，进而基于各维度身体指征的分类结果，匹配获得老年人用户的当前锻炼状态与有氧运动模板状态的匹配度，进而基于该匹配度给老年人用户必要的提示。本发明对老年人用户有氧运动的提示和预警具有精确化、个体差异化和动态化的有点，能够实时、高效地利用辅助老年人对锻炼的调控，保持对其身心有利的有氧阶段，避免运动风险。

以上仅是本发明优选的实施方式，需指出的是，对于本领域技术人员在不脱离本技术方案的前提下，作出的若干变形和改进的技术方案应同样视为落入本权利要求书要求保护的范围。