[發(fā)明專利]生活環(huán)境信息與身體生理參數(shù)信息融合預測健康的方法

在審

• 申請?zhí)枺?/td>: 202011218477.9
• 申請日: 2020-11-04
• 公開（公告）號: CN112370016A
• 公開（公告）日: 2021-02-19
• 發(fā)明（設計）人: 安曉玲;于洋;潘峰
• 申請（專利權）人: 安曉玲
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B5/0205
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 劉景祥

本發(fā)明提出一種生活環(huán)境信息與身體生理參數(shù)信息融合預測健康的方法，該方法通過數(shù)據融合，解決環(huán)境信息變化對身體健康的影響關聯(lián)因素，準確能快速的分析出影響程度，進而改變環(huán)境狀況。解決了現(xiàn)有技術沒有一種方法對生活環(huán)境信息與身體生理參數(shù)信息進行融合預測健康的問題，通過本方法可以進行快速的大數(shù)據的疊加，找到與健康最相關的相關因素，從而改變自己在生化中的各種習慣，避免一些危險因素，并對促進有益健康的因素進行重點關注。

技術領域

本發(fā)明涉及一種生活環(huán)境信息與身體生理參數(shù)信息融合預測健康的方法，屬于生活環(huán)境信息與人體健康監(jiān)測技術領域，具體用于監(jiān)測人體健康參數(shù)與生活環(huán)境信息監(jiān)測提供人們健康生活指導。

背景技術

生活環(huán)境對身心健康有著重要影響，時時監(jiān)測生活環(huán)境信息，對空氣、水質、溫度等環(huán)境信息的采集，作為信息融合依據，能通過環(huán)境信息對人們健康生活產生影響，進而改變環(huán)境狀況。

在線監(jiān)測身體參數(shù)，將身體體溫、心跳、血壓等生理參數(shù)進行在線監(jiān)測，通過裝置能長期數(shù)據采集。對以上數(shù)據進行信息融合，實現(xiàn)環(huán)境信息與人體生理參數(shù)信息融合，進而能獲得環(huán)境信息對人們健康生活狀態(tài)關系，通過改變生活環(huán)境參數(shù)提高人體健康水平。然而現(xiàn)有技術并未公開相關的研究，急需發(fā)明一種創(chuàng)新方法對生活環(huán)境信息與身體生理參數(shù)信息進行融合預測健康。

發(fā)明內容

本發(fā)明為了解決上述背景技術中提到的現(xiàn)有技術沒有一種方法對生活環(huán)境信息與身體生理參數(shù)信息進行融合預測健康的問題，提出一種生活環(huán)境信息與身體生理參數(shù)信息融合預測健康的方法，通過數(shù)據融合，解決環(huán)境信息變化對身體健康的影響關聯(lián)因素，準確能快速的分析出影響程度，進而改變環(huán)境狀況。

本發(fā)明提出一種生活環(huán)境信息與身體生理參數(shù)信息融合預測健康的方法，具體包括以下步驟：

(1)利用生活環(huán)境信息采集裝置采集人生活中的各個生活時期正常的健康狀態(tài)信息及身體的參數(shù)信息，對于正常狀態(tài)下的人身體信息與各種生病時經歷不同程度的各類病狀態(tài)下的環(huán)境和身體參數(shù)進行采集；

(2)通過架構模塊構建Tensorflow模型中第一個的卷積層對應的過濾器filter1；

(3)利用步驟2中設置的第一個的卷積層對應的過濾器filter1，對處于正常狀態(tài)下及經歷不同程度的各種狀態(tài)下的信息進行微分處理，將環(huán)境信息、人體生理參數(shù)信息采集成深度為64的數(shù)組；

(4)進入池化層采用最大池化策略，得到體現(xiàn)信息的數(shù)組，在卷積網絡模型中，利用池化層來縮減模型的大小，提高計算速度，同時提高所提取特征的魯棒性；

(5)將步驟4中的數(shù)組作為本步驟所進行的卷積層的輸入，對正常狀態(tài)下的人體及經歷不同程度的各類疾病蟲害狀態(tài)下的數(shù)據集進行更深層次、更細粒度、更高級的單元微分及特征提取，利用步驟2中的Tensorflow模型對應用于本層的卷積過濾器filter2參數(shù)進行調整，最終選用維度參數(shù)為[5，5，64，128]的過濾器filter2對輸入進行過濾操作；

(6)將步驟5中得到的，由單元數(shù)組S4所提取出的特征單元數(shù)組進行2d處理，輸出成深度為128的50*50單元集；

(7)將步驟6中的深度為128的50*50單元集作為本步驟所進行的卷積層的輸入，對正常狀態(tài)下的人體及經歷不同程度的各類疾病狀態(tài)下的環(huán)境信息數(shù)據集進行再次進行更深層次、更細粒度、更高級的單元微分及特征提取，利用步驟2中的Tensorflow模型對應用于本層的卷積過濾器filter3參數(shù)進行調整，最終選用維度參數(shù)為[25，25，25，128]的過濾器filter3對輸入進行過濾操作；

(8)對步驟7過濾操作后的結果單元進行扁平化處理和平鋪；

(9)用第一層全連接層進行第一次縮小特征節(jié)點的標注；

(10)用第二層全連接層對步驟9中標注的特征節(jié)點進行第二次縮小特征節(jié)點的標注；