[發(fā)明專利]基于LSTM多生理參數(shù)的老年人健康預(yù)測(cè)系統(tǒng)及預(yù)測(cè)方法在審
| 申請(qǐng)?zhí)枺?/td> | 202011414906.X | 申請(qǐng)日: | 2020-12-07 |
| 公開(公告)號(hào): | CN112568876A | 公開(公告)日: | 2021-03-30 |
| 發(fā)明(設(shè)計(jì))人: | 陳世雄;朱明星;皮瑤;楊利平 | 申請(qǐng)(專利權(quán))人: | 深圳鐳洱晟科創(chuàng)有限公司 |
| 主分類號(hào): | A61B5/01 | 分類號(hào): | A61B5/01;A61B5/0205;A61B5/029;A61B5/318;A61B5/352;A61B5/353;A61B5/355;A61B5/358;A61B5/369 |
| 代理公司: | 重慶博瑞泰知識(shí)產(chǎn)權(quán)代理有限公司 50256 | 代理人: | 谷雪霓 |
| 地址: | 518052 廣東省深圳市南山區(qū)粵海街道蔚*** | 國(guó)省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 lstm 生理 參數(shù) 老年人 健康 預(yù)測(cè) 系統(tǒng) 方法 | ||
1.一種基于LSTM多生理參數(shù)的老年人健康預(yù)測(cè)系統(tǒng),其特征在于,包括:
前端設(shè)備、AI計(jì)算處理設(shè)備和用戶端,所述前端設(shè)備、AI計(jì)算處理設(shè)備和用戶端之間相互通信連接;所述前端設(shè)備用于采集用戶的生理參數(shù)信息;所述AI計(jì)算處理設(shè)備用于接收前端設(shè)備采集的用戶生理參數(shù)信息,根據(jù)用戶生理參數(shù)信息采用LSTM預(yù)測(cè)模型進(jìn)行健康預(yù)測(cè),輸出預(yù)測(cè)生理參數(shù)信息和健康預(yù)測(cè)結(jié)果,并將預(yù)測(cè)生理參數(shù)信息和健康預(yù)測(cè)結(jié)果發(fā)送到用戶端;生理參數(shù)信息至少包括以下中的一種:睡眠信息、血液信息、心功能信息、其它生理信息。
2.根據(jù)權(quán)利要求1所述的基于LSTM多生理參數(shù)的老年人健康預(yù)測(cè)系統(tǒng),其特征在于,所述前端設(shè)備包括相互連接的生理信息采集模塊和中央處理器,中央處理器、AI計(jì)算處理設(shè)備和用戶端之間相互通信連接;生理信息采集模塊采集用戶的生理參數(shù)信息,中央處理器根據(jù)用戶生理參數(shù)信息進(jìn)行健康評(píng)估,輸出健康評(píng)估結(jié)果,并將健康評(píng)估結(jié)果發(fā)送到用戶端。
3.根據(jù)權(quán)利要求2所述的基于LSTM多生理參數(shù)的老年人健康預(yù)測(cè)系統(tǒng),其特征在于,所述前端設(shè)備包括第一判斷模塊,用于判斷實(shí)時(shí)生理參數(shù)信息是否超過對(duì)應(yīng)生理參數(shù)的預(yù)設(shè)最大閾值/預(yù)設(shè)最小閾值,若是,則報(bào)警并將報(bào)警信息發(fā)送到用戶端;所述AI計(jì)算處理設(shè)備包括第二判斷模塊,用于判斷預(yù)測(cè)生理參數(shù)信息是否超過對(duì)應(yīng)生理參數(shù)的預(yù)設(shè)最大閾值/預(yù)設(shè)最小閾值,若是,則報(bào)警并將報(bào)警信息發(fā)送到用戶端。
4.根據(jù)權(quán)利要求2所述的基于LSTM多生理參數(shù)的老年人健康預(yù)測(cè)系統(tǒng),其特征在于,所述生理信息采集模塊包括睡眠信息采集模塊、血液信息采集模塊、心功能信息采集模塊和其它生理信息采集模塊,睡眠信息至少包括用戶的睡眠覺醒周期或呼吸信息,血液信息至少包括用戶的血壓、血氧或血糖,心功能信息至少包括用戶的心電信息或無創(chuàng)心排量信息,其它生理信息至少包括用戶的體溫、體脂、體重、身高或骨密度。
5.根據(jù)權(quán)利要求4所述的基于LSTM多生理參數(shù)的老年人健康預(yù)測(cè)系統(tǒng),其特征在于,采用無線藍(lán)牙電極帽采集用戶睡眠時(shí)的振幅整合腦電信息aEEG,采用無接觸呼吸設(shè)備采集用戶睡眠時(shí)的呼吸信息,采用八導(dǎo)聯(lián)心電圖機(jī)采集用戶的心電信息,采用無創(chuàng)心排量監(jiān)測(cè)儀采集用戶的無創(chuàng)心排量信息;根據(jù)振幅整合腦電信息aEEG識(shí)別用戶睡眠覺醒周期、監(jiān)測(cè)用戶睡眠時(shí)的驚厥、腦功能異常;睡眠覺醒周期包括安靜睡眠QS、清醒睡眠/活動(dòng)睡眠AS。
6.一種基于LSTM多生理參數(shù)的老年人健康預(yù)測(cè)方法,其特征在于,包括以下步驟:
獲取用戶的生理參數(shù)信息,并對(duì)生理參數(shù)信息進(jìn)行預(yù)處理;生理參數(shù)信息至少包括以下中的一種:睡眠信息、血液信息、心功能信息、其它生理信息;
根據(jù)預(yù)處理后的用戶生理參數(shù)信息采用LSTM預(yù)測(cè)模型進(jìn)行健康預(yù)測(cè),輸出預(yù)測(cè)生理參數(shù)信息和健康預(yù)測(cè)結(jié)果,并將預(yù)測(cè)生理參數(shù)信息和健康預(yù)測(cè)結(jié)果發(fā)送到用戶端;
將預(yù)測(cè)生理參數(shù)信息分別與相應(yīng)生理參數(shù)的預(yù)設(shè)最大閾值/預(yù)設(shè)最小閾值進(jìn)行對(duì)比,若預(yù)測(cè)生理參數(shù)信息超過對(duì)應(yīng)生理參數(shù)的預(yù)設(shè)最大閾值/預(yù)設(shè)最小閾值,則報(bào)警并將報(bào)警信息發(fā)送到用戶端。
7.根據(jù)權(quán)利要求6所述的基于LSTM多生理參數(shù)的老年人健康預(yù)測(cè)方法,其特征在于,用戶健康評(píng)估及報(bào)警過程如下:
根據(jù)預(yù)處理后的用戶生理參數(shù)信息進(jìn)行健康評(píng)估,輸出健康評(píng)估結(jié)果,并將健康評(píng)估結(jié)果發(fā)送到用戶端;
將預(yù)處理后的各項(xiàng)實(shí)時(shí)生理參數(shù)信息分別與相應(yīng)生理參數(shù)的預(yù)設(shè)最大閾值/預(yù)設(shè)最小閾值進(jìn)行對(duì)比,若實(shí)時(shí)生理參數(shù)信息超過對(duì)應(yīng)生理參數(shù)的預(yù)設(shè)最大閾值/預(yù)設(shè)最小閾值,則報(bào)警并將報(bào)警信息發(fā)送到用戶端。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于深圳鐳洱晟科創(chuàng)有限公司,未經(jīng)深圳鐳洱晟科創(chuàng)有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011414906.X/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 上一篇:一種線纜盤具搬運(yùn)AGV
- 下一篇:一種熱水器檢測(cè)裝置
- 同類專利
- 專利分類
A61B 診斷;外科;鑒定
A61B5-00 用于診斷目的的測(cè)量
A61B5-01 .測(cè)量一些身體部位的溫度
A61B5-02 .測(cè)量脈搏、心率、血壓或血流;綜合的脈搏/心率/血壓的測(cè)定;其他不是用于測(cè)定心血管狀況的,如使用本小組技術(shù)與心電圖術(shù)結(jié)合的;測(cè)量血壓的心導(dǎo)管
A61B5-03 .測(cè)量體內(nèi)除血壓以外的流體壓力,例如腦壓
A61B5-04 .測(cè)量人體或人體各部分的生物電信號(hào)
A61B5-05 .用電流或磁場(chǎng)的診斷測(cè)量
- 用于高階長(zhǎng)短期記憶網(wǎng)絡(luò)的系統(tǒng)和方法
- 基于深度學(xué)習(xí)LSTM的空調(diào)故障診斷方法
- 基于注意力機(jī)制的時(shí)間序列預(yù)測(cè)方法、裝置及存儲(chǔ)介質(zhì)
- 一種基于PCA-LSTM網(wǎng)絡(luò)的廢水處理智能監(jiān)控方法
- 一種基于FAF-LSTM深度神經(jīng)網(wǎng)絡(luò)的居民負(fù)荷預(yù)測(cè)方法及系統(tǒng)
- 用于預(yù)測(cè)血糖水平的循環(huán)神經(jīng)網(wǎng)絡(luò)裝置和系統(tǒng)
- 基于情景LSTM結(jié)構(gòu)網(wǎng)絡(luò)的微博情感分析方法
- 語音信號(hào)處理方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)
- 基于約束并行LSTM分位數(shù)回歸的電力負(fù)荷概率預(yù)測(cè)方法
- 基于深度網(wǎng)絡(luò)AS-LSTM的命名實(shí)體識(shí)別系統(tǒng)及識(shí)別方法





