身体状态监控方法、装置及存储介质
文献发布时间:2023-06-19 09:40:06
技术领域
本发明涉及到身体监测技术领域,特别是涉及到一种身体状态监控方法、装置及存储介质。
背景技术
市场上光学血压测量方案都是基于用户提交的标定数据来完成血压测量的,但这个方式采用的是统一的判断方式,存在无法准确测出特殊人群的准确血压、血氧以及心率状态的情况,导致无法准确监控到用户的身体状态,在处于危险情况下无法及时发现并处理,对用户的保护存在漏洞,因此,如何最大限度避免这些情况的出现是亟需解决的问题。
发明内容
本发明的主要目的为提供一种身体状态监控方法、装置及存储介质,旨在解决现有无法准确测出特殊人群的准确血压、血氧以及心率状态,导致无法准确监控到用户的身体状态的问题。
本发明提出一种身体状态监控方法,包括如下步骤:
接收当前用户的第一数据,第一数据通过光学测量方法采集的当前脉搏波数据;
基于用户的类型确定算法,并利用该算法处理第一数据,得到第一监测数据,第一监测数据包括血压和/或血氧和/或心率数据;
基于第一监测数据评估用户的健康状态。
进一步地,基于第一监测数据评估用户的健康状态的步骤包括:
判断第一监测数据与第一标准数据的第一偏移量是否在第一阈值范围内,第一标准数据为用户在标准应用场景下的血压和/或血氧和/或心率数据,第一偏移量为第一监测数据与第一标准数据的第一差值;
若第一监测数据与第一标准数据的第一偏移量在第一阈值范围内,则生成代表用户健康的第一健康提醒信息并发送至用户的第一终端;
若第一监测数据与第一标准数据的第一偏移量不在第一阈值范围内,则计算第一监测数据与在先数据的第二差值,并判断第二差值是否在第二阈值范围内,在先数据为用户在第一应用场景下的血压和/或血氧和/或心率数据,第一应用场景为非标准应用场景;
若第二差值在第二阈值范围内,则生成代表用户健康的第二健康提醒信息并发送至用户的第一终端;
若第二差值不在第二阈值范围内,则判断用户是否存在运动超量;
若不存在运动超量,则根据用户的数据演算模型和偏移量生成临时问卷,并根据临时问卷的结果生成与用户的健康状态相关联的信息,数据演算模型用于分析偏移量并确定出可能产生偏移量的因素,根据因素生成临时问卷,临时问卷包括用于调查因素是否实际存在的问题;
若存在运动超量,则第二次评定用户的健康情况。
进一步地,判断用户是否存在运动超量的步骤,包括:
提取用户在最近第一设定时长的运动数据;
根据运动数据和运动标准阈值获取用户的运动超量值,运动超量值为运动数据和运动标准阈值间的差值;
根据运动超量值判断用户在第一设定时长内是否存在运动超量情况;
若是,则判定存在用户运动超量;
若否,则判定不存在用户运动超量。
进一步地,第二次评定用户的健康情况的步骤,包括:
根据运动超量值确定间隔时间;
在达到间隔时间后,获取用户的第二数据,第二数据为通过光学测量方法采集的当前脉搏波数据;
基于用户的类型确定算法,并利用该算法处理第二数据,得到第二监测数据;
判断第二监测数据与第一标准数据的第二偏移量是否在第一阈值范围内,第二偏移量为第二监测数据与第一标准数据的差值;
若第二监测数据与第一标准数据的第二偏移量不在第一阈值范围内,则根据用户的数据演算模型和第二偏移量生成临时问卷;
若第二监测数据与第一标准数据的第二偏移量在第一阈值范围内,则生成代表用户健康的第三健康提醒信息并发送至用户的第一终端。
进一步地,根据用户的数据演算模型和第一偏移量生成临时问卷或根据用户的数据演算模型和第二偏移量生成临时问卷的步骤之后,包括:
根据临时问卷获取的内容确定存在的因素;
若存在的因素的个数为零,则判定用户身体异常;
若存在的因素的个数为一个或多个,则根据因素结合第一应用场景生成第二应用场景,第二应用场景为非标准应用场景;
根据第二应用场景确定第二标准数据;
获取第二监测数据;
根据第二标准数据判断第二监测数据与第二标准数据的第三偏移量是否在第一阈值范围内,第三偏移量为第二监测数据与第二标准数据的差值;
若第二监测数据与第二标准数据的第三偏移量不在第一阈值范围内,判定用户身体异常;
若第二监测数据与第二标准数据的第三偏移量在第一阈值范围内,则生成第四健康提醒信息并发送至第一终端。
进一步地,生成第二健康提醒信息并发送至第一终端的步骤之后,包括:
将第二健康提醒信息发送至第二终端,第二终端与第一终端相关联,第二终端为医护人员的终端;
将第二终端反馈的建议信息转发至第一终端。
进一步地,将第二终端反馈的建议信息转发至第一终端的步骤之后,包括:
提取建议信息中的建议内容;
将建议内容、当前的应用场景和新的标准数据关联并存入数据库。
进一步地,基于用户的类型确定算法,并利用该算法处理第一数据,得到第一监测数据的步骤之前,包括:
根据用户的调查问卷确定用户的类型,并建立用户的应用场景,应用场景包括标准应用场景和非标准应用场景,调查问卷中包括标定数据,第一标准数据为数据演算模型根据标定数据获得,用户的类型根据用户的患病情况确定。
进一步地,建立用户的应用场景的步骤,包括:
根据用户的调查问卷获取用户的信息,用户的信息包括用户的患病情况和生活习惯,生活习惯包括一个或多个;
将生活习惯组合为多个习惯组,每个习惯组包括一个或多个不同的生活习惯;
将用户的患病情况分别与每个习惯组结合生成用户的应用场景。
本申请还提出了一种身体状态监控装置,包括:
接收模块,用于接收当前用户的第一数据,第一数据通过光学测量方法采集的当前脉搏波数据;
转化模块,用于基于用户的类型确定算法,并利用该算法处理第一数据,得到第一监测数据,第一监测数据包括血压和/或血氧和/或心率;
评估模块,用于基于第一监测数据评估用户的健康状态。
本申请还提出一种存储介质,其为计算机可读的存储介质,其上存储有计算机程序,计算机程序被执行时实现上述任一项的身体状态监控方法。
本发明公开了一种身体状态监控方法、装置及存储介质,身体状态监控方法通过接收当前用户的第一数据,第一数据通过光学测量方法采集的当前数据;基于用户的类型确定算法,并利用该算法处理第一数据,得到第一监测数据;基于第一监测数据评估用户的健康状态。根据用户的类型对应的算法处理当前用户数据得到监测数据可以针对不同类型的用户采用对应的算法,即特殊人群也有对应的算法,更加符合用户实际情况,获得的监测数据更加准确,进而通过身体状态监控方法可以更加准确的判断用户的身体状况;解决现有无法准确测出特殊人群的准确血压、血氧以及心率状态的情况,导致无法准确监控到用户的身体状态的问题。
附图说明
图1本发明身体状态监控方法一实施例中步骤流程示意图;
图2本发明身体状态监控装置一实施例的结构示意图;
图3是本发明存储介质一实施例的结构示意图;
图4是本发明智能设备一实施例的结构示意图。
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“”“上述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在特征、整数、步骤、操作、元件、单元、模块和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、单元、模块、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
参照图1-4,本发明身体状态监控方法一实施例,包括如下步骤:
S101、接收当前用户的第一数据,第一数据通过光学测量方法采集的当前脉搏波数据;
S102、基于用户的类型确定算法,并利用该算法处理第一数据,得到第一监测数据,第一监测数据包括血压和/或血氧和/或心率数据;
S103、基于第一监测数据评估用户的健康状态。
在上述步骤S101中,第一数据通过用户的第一终端进行采集,第一终端可以是手环、手表等智能穿戴设备。
在上述步骤S102中,用户的类型根据用户的已知患病情况确定,例如可以将用户分类为高血压状况用户,普通状况用户,通过不同类型对应的算法处理第一数据得到第一监测数据可以使第一监测数据更加的准确,例如若为高血压状况用户,利用高血压算法处理采集的数据,其中高血压算法等针对特殊人群的算法为现有技术能够实现的技术方案,在此就不一一赘述;其中,算法用于将通过光学测量的方法采集的用户数据处理成能够被理解的血压、血氧和/或心率数据。
在上述步骤S101-S103中,根据用户的类型对应的算法处理当前用户数据得到监测数据可以针对不同类型的用户采用对应的算法,即特殊人群也有对应的算法,更加符合用户实际情况,获得的监测数据更加准确,进而通过身体状态监控方法可以更加准确的判断用户的身体状况;解决现有无法准确测出特殊人群的准确血压、血氧以及心率状态的情况,导致无法准确监控到用户的身体状态的问题。
进一步地,在一些实施例中,基于第一监测数据评估用户的健康状态的步骤S103包括:
S1031、判断第一监测数据与第一标准数据的第一偏移量是否在第一阈值范围内,第一标准数据为用户在标准应用场景下的血压和/或血氧和/或心率数据,第一偏移量为第一监测数据与第一标准数据的第一差值;
S1032、若第一监测数据与第一标准数据的第一偏移量在第一阈值范围内,则生成代表用户健康的第一健康提醒信息并发送至用户的第一终端;
S1033、若第一监测数据与第一标准数据的第一偏移量不在第一阈值范围内,则计算第一监测数据与在先数据的第二差值,并判断第二差值是否在第二阈值范围内,在先数据为用户在第一应用场景下的血压和/或血氧和/或心率数据,第一应用场景为非标准应用场景;
S1034、若第二差值在第二阈值范围内,则生成代表用户健康的第二健康提醒信息并发送至用户的第一终端;
S1035、若第二差值不在第二阈值范围内,则判断用户是否存在运动超量;
S1036、若不存在运动超量,则根据用户的数据演算模型和第一偏移量生成临时问卷,并根据临时问卷的结果生成与用户的健康状态相关联的信息,数据演算模型用于分析第一偏移量并确定出可能产生第一偏移量的因素,根据因素生成临时问卷,临时问卷包括用于调查因素是否实际存在的问题;
S1037、若存在运动超量,则第二次评定用户的健康情况。
在上述步骤S1031中,第一阈值范围为预设的值,第一标准数据即可以为用户提供的过往数据,为用户使用市面认可的测量设备测量的血压和/或血氧和/或心率数据,也可以为同类型用户的临床血压和/或血氧和/或心率采样数据,标准应用场景只包括用户类型的因数,例如用户为高血压状况用户,那么标准应用场景为用户除了高血压之外并没有其他疾病和其他因数的情况,在这个标准应用场景之下的数据为第一标准数据;非标准应用场景为用户除了标准应用场景之外还具有其他因数的情况,例如高血压用户还处于高海拔位置,其主要为包括一些客观因素存在的场景;第一阈值范围是预先设置好的,具体由厂家根据不同的精度要求进行设置;若判定第一监测数据与标准数据的第一偏移量在第一阈值范围内,则判断本次身体状态监控方法的启动是用户自己激活还是根据预设规则自动激活的,若是用户激活则生成健康信息并发送至用户的第一终端,若是自动激活,则仅将数据保存,不会通知用户。
在上述步骤S1032中,第一健康提醒信息中可以包括监测数据、应用场景等信息,还可以包括针对应用场景的健康建议等内容,用户的第一终端可以是手机、手环等移动终端,也可以是电脑等座机终端。
在上述步骤S1033中,在先数据为用户在第一应用场景下的血压和/或血氧和/或心率数据;非标准应用场景为用户除了标准应用场景之外还具有其他因数的情况,例如标准场景为高血压用户,其他因数为用户还处于高海拔位置;第一应用场景为用户自身的用户类型结合不同的生活习惯/规律,例如用户类型高血压状况用户,生活习惯为用户有饮酒的习惯,用户常服用降压药物等,则第一应用场景可以包括高血压状况用户+饮酒、高血压状况用户+服用降压药物、高血压状况用户+服用降压药物+饮酒等等,因为生活习惯的影响,在不同的第一应用场景下代表用户健康的数据都会有所不同,计算第一监测数据与在先数据的第二差值,为第一监测数据分别与不同的第一应用场景对应的数据比较,得到多个第二差值,因此通过与在先数据比较,在用户符合某个第一应用场景时,其中一个第二差值在第二阈值范围内,此时可以较快速的判断用户为健康的,若用户不符合所有第一应用场景,则所有第二差值都不在第二阈值范围内,需要进一步判断。
在上述步骤S1034中,第二健康提醒信息中可以包括监测数据、应用场景等信息,还可以包括针对应用场景的健康建议等内容。
在上述步骤S1035中,根据在之前设定时间内是否存在运动数据来判断用户是否运动超量。
在上述步骤S1036中,每一个用户对应有一个数据演算模型,具体体现为每一个账号对应有一个数据演算模型,数据演算模型随着用户不断补充数据(增加病症等)或删除数据(删除病症等)也会相应的发生变化,始终与用户的身体状况相贴合;数据演算模型可以结合用户的自身情况以及偏移量,推理出导致产生偏移量的因素,进而根据这些可能的因素生成临时问卷,临时问卷包括用于确认的问题,因素为用户近期的具体生活场景、经历等,通过因素确认来修正判断结果,如,是否位于高原地区、是否经过某些发病率高的区域,如果去过某些发病率高的区域还可以借由该结果,当判定用户身体异常时,优先判断是否为该病引起,有利于快速诊断;若是位于高原/低原地区,则根据人群在高原/低原地区的血压常规变化量来判断偏移量是否正常,若正常,则可以判定用户的身体状态为健康。
此外,该步骤中提到的“根据临时问卷的结果生成与用户的健康状态相关联的信息”的结果包括健康、不健康、待进一步确认。
在上述步骤S1037中,第二次评定用户的健康情况是排除运动超量情况并重新评定用户的健康情况。
身体状态监控方法通过后台接收当前用户的第一数据,第一数据通过光学测量方法采集的当前脉搏波数据;基于第一监测数据评估用户的健康状态基于用户的类型确定算法,并利用该算法处理第一数据,得到第一监测数据;判断第一监测数据与标准数据的第一偏移量是否在第一阈值范围内;若第一监测数据与标准数据的第一偏移量不在第一阈值范围内,则计算第一监测数据与在先数据的第二差值,并判断第二差值是否在第二阈值范围内;若第二差值不在第二阈值范围内,则生成第一健康提醒信息并发送至用户的第一终端;。根据用户的类型对应的算法处理当前用户数据得到监测数据可以针对不同类型的用户采用对应的算法,即特殊人群也有对应的算法,更加符合用户实际情况,获得的监测数据更加准确,进而通过身体状态监控方法可以更加准确的判断用户的身体状况;解决现有无法准确测出特殊人群的准确血压、血氧以及心率状态的情况,导致无法准确监控到用户的身体状态的问题。
进一步地,判断用户是否存在运动超量的步骤S1035,包括:
S10351、提取用户在最近第一设定时长的运动数据;
S10352、根据运动数据和运动标准阈值获取用户的运动超量值,运动超量值为运动数据和运动标准阈值间的差值;
S10353、根据运动超量值判断用户在第一设定时长内是否存在运动超量情况;
S10354、若是,则判定存在用户运动超量;
S10355、若否,则判定不存在用户运动超量。
在上述步骤S10351中,第一设定时长为预设值,例如最近半小时或一小时,运动数据包括但不限于步数,在本实施例中,运动数据为步数,为方便描述,后文中采用步数统一描述,在一些实施例中,运动数据为步数/第一设定时长。
在上述步骤S10352中,通过第一设定时长内的运动数据与运动标准阈值相减可以得到差值为用户的运动超量值,运动超量值可正可负,运动超量值为正代表有做过剧烈运动,运动超量值负代表没有做过剧烈运动。
在上述步骤S10353中,通过判断运动超量值是正值还是负值就可以判断是否存在运动超量情况,当运动超量值为正代表有做过剧烈运动存在运动超量,当运动超量值负代表没有做过剧烈运动不存在运动超量。
在上述步骤S10354-S10355中,在一些实施例中,判定存在用户运动超量和判定不存在用户运动超量时都会相应的生成信号,根据识别是否存在相应的信号来获取判定结果。
进一步地,第二次评定用户的健康情况的步骤S1037包括:
S10371、根据运动超量值确定间隔时间;
S10372、在达到间隔时间后,获取用户的第二数据,第二数据为通过光学测量方法采集的当前脉搏波数据;
S10373、基于用户的类型确定算法,并利用该算法处理第二数据,得到第二监测数据;
S10374、判断第二监测数据与第一标准数据的第二偏移量是否在第一阈值范围内,第二偏移量为第二监测数据与第一标准数据的差值;
S10375、若第二监测数据与第一标准数据的第二偏移量不在第一阈值范围内,则根据用户的数据演算模型和第二偏移量生成临时问卷;
S10376、若第二监测数据与第一标准数据的第二偏移量在第一阈值范围内,则生成代表用户健康的第三健康提醒信息并发送至用户的第一终端。
在上述步骤S10371中,运动超量值越大恢复到正常状态的时间越长,因此,运动超量值越大间隔时间也就越长;在一些实施例,运动超量值与间隔时间的时长成正比,在一些实施例中,可以设有多个区间,当运动超量值达到不同区间对应的要求,则选择相应的区间。
在上述步骤S10372-S10376中,为通过重新测量脉搏波数据并进行判断的过程,第三健康提醒信息可以包括监测数据、应用场景等信息,还可以包括针对应用场景的健康建议等内容;每一个用户对应有一个数据演算模型,具体体现为每一个账号对应有一个数据演算模型,数据演算模型随着用户不断补充数据(增加病症等)或删除数据(删除病症等)也会相应的发生变化,始终与用户的身体状况相贴合;数据演算模型可以结合用户的自身情况以及偏移量,推理出导致产生偏移量的因素,进而根据这些可能的因素生成临时问卷。
进一步地,根据用户的数据演算模型和第一偏移量生成临时问卷的步骤S1036或根据用户的数据演算模型和第二偏移量生成临时问卷的步骤S10375之后,包括:
S104、根据临时问卷获取的内容确定存在的因素;
S105、若存在的因素的个数为零,则判定用户身体异常;
S106、若存在的因素的个数为一个或多个,则根据因素结合第一应用场景生成第二应用场景,第二应用场景为非标准应用场景;
S107、根据第二应用场景确定第二标准数据;
S108、获取第二监测数据;
S109、根据第二标准数据判断第二监测数据与第二标准数据的第三偏移量是否在第一阈值范围内,第三偏移量为第二监测数据与第二标准数据的差值;
S110、若第二监测数据与第二标准数据的第三偏移量不在第一阈值范围内,判定用户身体异常;
S111、若第二监测数据与第二标准数据的第三偏移量在第一阈值范围内,则生成第四健康提醒信息并发送至第一终端。
在上述步骤S104-S111中,当通过临时问卷获取的内容可以确认出导致第一偏移量的因素时,用户类型结合因数确定出新的应用场景,进而可以根据已知的因素可以导致发生数据变化的规律,确定出新的标准数据即第二标准数据;当通过临时问卷获取的内容可以确认出导致第二偏移量的因素时,因第二标准数据已存在,则,直接获取第二标准数据;第二监测数据包括血压和/或血氧和/或心率数据。
进一步地,判定用户身体异常的步骤S105或S110之后,包括:
S112、生成就医提醒信息并发送至第一终端。
在上述步骤S112中,第一终端为用户的终端,通过第一终端可以获取当前用户数据,以及可以通过第一终端显示就医提醒信息内容。
进一步地,生成第四健康提醒信息并发送至第一终端的步骤S111之后,包括:
S113、将第四健康提醒信息发送至第二终端,第二终端与第一终端相关联,第二终端为医护人员的终端;
S114、将第二终端反馈的建议信息转发至第一终端。
在上述步骤S113-S114中,第四健康提醒信息可以包括监测数据、应用场景等信息,还可以包括针对应用场景的健康建议等内容;第二终端的医护人员在发现健康建议有误,或者根据第二健康提醒信息认为有注意事项需要提醒时,可以反馈的建议信息;在一些实施例中,医护人员指家庭医生;第二终端指手机、电脑等具有接收和处理数据功能的终端;在一些实施例中,生成第一健康提醒信息、第二健康提醒信息和第三健康提醒信息并发送至第一终端之后,都包括上述步骤S113-S114的步骤以使第二终端的医护人员在发现健康建议有误,或者根据第二健康提醒信息认为有注意事项需要提醒时,可以反馈的建议信息。
进一步地,将第二终端反馈的建议信息转发至第一终端的步骤S114之后,包括:
S115、提取建议信息中的建议内容;
S116、将建议内容、当前的应用场景和新的标准数据关联并存入数据库。
在上述步骤S115-S116中,将建议内容、当前的应用场景和新的标准数据关联,可以在下次身体状态监控时,如果用户满足当前的应用场景和达到与新的标准数据的偏移量在第一阈值范围内,第一健康提醒信息中包括建议内容,达到学习效果,逐渐增强判断的准确性,和建议的合理性,使用更加的智能化。
进一步地,基于用户的类型确定算法,并利用该算法处理第一数据,得到第一监测数据的步骤S102之前,包括:
S100、根据用户的调查问卷确定用户的类型,并建立用户的应用场景,应用场景包括标准应用场景和非标准应用场景,调查问卷中包括标定数据,标准数据为数据演算模型根据标定数据获得,用户的类型根据用户的患病情况确定。
在上述步骤S100中,通过调查问卷了解用户的基本信息,根据基本信息确定用户的类型,并建立用户的所有应用场景。
进一步地,建立用户的应用场景的步骤,包括:
S1001、根据用户的调查问卷获取用户的信息,用户的信息包括用户的患病情况和生活习惯,生活习惯包括一个或多个;
S1002、将生活习惯组合为多个习惯组,每个习惯组包括一个或多个不同的生活习惯;
S1003、将用户的患病情况分别与每个习惯组结合生成用户的应用场景。
在上述步骤S1001-S1003中,可以结合生成多个应用场景,每个应用场景都会根据习惯组的不同,相应的调整标准数据,调整根据生活习惯对用户造成影响的规律进行,规律根据现有知识或大量的同类型案件的数据总结得出。
参照图2,本申请还提出了一种身体状态监控装置,包括:
接收模块101,用于接收当前用户的第一数据,第一数据通过光学测量方法采集的当前数据;
转化模块102,用于基于用户的类型确定算法,并利用该算法处理第一数据,得到第一监测数据,监测数据包括血压、血氧和/或心率;
评估模块103,用于基于第一监测数据评估用户的健康状态。
进一步地,评估模块包括:
第一判断子模块,用于判断第一监测数据与第一标准数据的第一偏移量是否在第一阈值范围内,第一标准数据为用户在标准应用场景下的血压和/或血氧和/或心率数据,第一偏移量为第一监测数据与第一标准数据的第一差值;
第一提醒生成子模块,用于若第一监测数据与第一标准数据的第一偏移量在第一阈值范围内,则生成代表用户健康的第一健康提醒信息并发送至用户的第一终端;
第二判断子模块,用于若第一监测数据与第一标准数据的第一偏移量不在第一阈值范围内,则计算第一监测数据与在先数据的第二差值,并判断第二差值是否在第二阈值范围内,在先数据为用户在第一应用场景下的血压和/或血氧和/或心率数据,第一应用场景为非标准应用场景;
第二提醒生成子模块,用于若第二差值在第二阈值范围内,则生成代表用户健康的第二健康提醒信息并发送至用户的第一终端;
运动超量判断子模块,用于若第二差值不在第二阈值范围内,则判断用户是否存在运动超量;
第一临时问卷生成模块,用于若不存在运动超量,则根据用户的数据演算模型和偏移量生成临时问卷,并根据临时问卷的结果生成与用户的健康状态相关联的信息,数据演算模型用于分析偏移量并确定出可能产生偏移量的因素,根据因素生成临时问卷,临时问卷包括用于调查因素是否实际存在的问题;
第二次健康评定子模块,用于若存在运动超量,则第二次评定用户的健康情况。
进一步地,运动超量判断子模块包括:
数据提取单元,用于提取用户在最近第一设定时长的运动数据;
超量值获取单元,用于根据运动数据和运动标准阈值获取用户的运动超量值,运动超量值为运动数据和运动标准阈值间的差值;
超量判断单元,用于根据运动超量值判断用户在第一设定时长内是否存在运动超量情况;
第一超量判定单元,用于若是,则判定存在用户运动超量;
第二超量判定单元,用于若否,则判定不存在用户运动超量。
进一步地,第二次健康评定子模块包括:
间隔时间获取单元,用于根据运动超量值确定间隔时间;
脉搏波接收单元,用于在达到间隔时间后,获取用户的第二数据,第二数据为通过光学测量方法采集的当前脉搏波数据;
转化单元,用于基于用户的类型确定算法,并利用该算法处理第二数据,得到第二监测数据;
判断单元,用于判断第二监测数据与第一标准数据的第二偏移量是否在第一阈值范围内,第二偏移量为第二监测数据与第一标准数据的差值;
第二临时问卷生成单元,用于若第二监测数据与第一标准数据的第二偏移量不在第一阈值范围内,则根据用户的数据演算模型和第二偏移量生成临时问卷;
第三健康提醒单元,用于若第二监测数据与第一标准数据的第二偏移量在第一阈值范围内,则生成代表用户健康的第三健康提醒信息并发送至用户的第一终端。
进一步地,身体状态监控装置包括:
问卷识别模块,用于根据临时问卷获取的内容确定存在的因素;
识别判定模块,用于若存在的因素的个数为零,则判定用户身体异常;
场景生成模块,用于若存在的因素的个数为一个或多个,则根据因素结合第一应用场景生成第二应用场景,第二应用场景为非标准应用场景;
标注确定模块,用于根据第二应用场景确定第二标准数据;
第二数据获取模块,用于获取第二监测数据;
第二判断模块,用于根据第二标准数据判断第二监测数据与第二标准数据的第三偏移量是否在第一阈值范围内,第三偏移量为第二监测数据与第二标准数据的差值;
第二判定模块,用于若第二监测数据与第二标准数据的第三偏移量不在第一阈值范围内,判定用户身体异常;
第四健康提醒模块,用于若第二监测数据与第二标准数据的第三偏移量在第一阈值范围内,则生成第四健康提醒信息并发送至第一终端。
进一步地,身体状态监控装置还包括:
就医提醒生成模块,用于生成就医提醒信息并发送至第一终端。
进一步地,身体状态监控装置还包括:
分享模块,用于将第四健康提醒信息发送至第二终端,第二终端与第一终端相关联,第二终端为医护人员的终端;
转发模块,用于将第二终端反馈的建议信息转发至第一终端。
进一步地,身体状态监控装置还包括:
建议提取模块,用于提取建议信息中的建议内容;
建议存储模块,用于将建议内容、当前的应用场景和新的标准数据关联并存入数据库。
进一步地,身体状态监控装置还包括:
数据获取模块,用于根据用户的调查问卷确定用户的类型,并建立用户的应用场景,调查问卷中包括标定数据,标准数据为数据演算模型根据标定数据获得,用户的类型根据用户的患病情况确定。
进一步地,数据获取模块包括:
数据获取子模块,用于根据用户的调查问卷获取用户的信息,用户的信息包括用户的患病情况和生活习惯,生活习惯包括一个或多个;
分组子模块,用于将生活习惯组合为多个习惯组,每个习惯组包括一个或多个不同的生活习惯;
应用场景生成子模块,用于将用户的患病情况分别与每个习惯组结合生成用户的应用场景。
参照图3,本申请实施例还提出一种存储介质100,其为计算机可读的存储介质,其上存储有计算机程序200,计算机程序200被执行时实现上述任一实施例中的身体状态监控方法。
参照图4,本申请实施例还提出一种智能设备300,包括存储器400、处理器500以及存储在存储器400上并可在处理器500上运行的计算机程序200,处理器500执行计算机程序200时实现上述任一实施例中的身体状态监控方法。
本领域技术人员可以理解,本申请实施例的智能设备300为上述所涉及用于执行本申请中方法中的一项或多项的设备。这些设备可以为所需的目的而专门设计和制造,或者也可以包括通用计算机中的已知设备。这些设备具有存储在其内的计算机程序200或应用程序,这些计算机程序200选择性地激活或重构。这样的计算机程序200可以被存储在设备(例如,计算机)可读介质中或者存储在适于存储电子指令并分别耦联到总线的任何类型的介质中,计算机可读介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory,只读存储器)、RAM(Random Access Memory,随机存储器)、EPROM(Erasable Programmable Read-Only Memory,可擦写可编程只读存储器)、EEPROM(Electrically Erasable Programmable Read-Only Memory,电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是,可读介质包括由设备(例如,计算机)以能够读的形式存储或传输信息的任何介质。
本发明身体状态监控方法、装置及存储介质,身体状态监控方法通过后台接收当前用户的第一数据,第一数据通过光学测量方法采集的当前数据;基于用户的类型确定算法,并利用该算法处理第一数据,得到第一监测数据;判断第一监测数据与标准数据的第一偏移量是否在第一阈值范围内;若第一监测数据与标准数据的第一偏移量不在第一阈值范围内,则计算第一监测数据与在先数据的第二差值,并判断第二差值是否在第二阈值范围内;若第二差值不在第二阈值范围内,则生成第一健康提醒信息并发送至用户的第一终端;根据用户的类型对应的算法处理当前用户数据得到监测数据可以针对不同类型的用户采用对应的算法,即特殊人群也有对应的算法,更加符合用户实际情况,获得的监测数据更加准确,进而通过身体状态监控方法可以更加准确的判断用户的身体状况;解决现有无法准确测出特殊人群的准确血压、血氧以及心率状态的情况,导致无法准确监控到用户的身体状态的问题。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
- 身体状态监控方法、装置及存储介质
- 心理和身体状态诱导装置、心理和身体状态诱导方法以及存储控制程序的存储介质