[發明專利]基于人工智能的智能手表監測系統及方法

有效

• 申請號: 202310601413.4
• 申請日: 2023-05-26
• 公開（公告）號: CN116269291B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 孟帥
• 申請（專利權）人: 深圳市魔樣科技有限公司
• 主分類號: A61B5/024
• 分類號: A61B5/024;A61B5/00;G06F18/2433
• 代理公司: 鄭州芝麻知識產權代理事務所(普通合伙) 41173
• 代理人: 文慧君

1.基于人工智能的智能手表監測方法，其特征在于，該方法包括以下步驟：

獲取智能手表的原始心率數據序列以及對應的光照強度；

結合人體心率變化特征，得到原始心率數據序列中每個原始心率數據的異常表現；根據原始心率數據的異常表現，通過結合前后相鄰原始心率數據的互相影響關系，得到每個原始心率數據的第一趨勢表現程度；

根據前后相鄰原始心率數據的互相影響關系、時間間隔以及對應光照強度的變化量，得到每個原始心率數據的第二趨勢表現程度；根據原始心率數據的第一趨勢表現程度和第二趨勢表現程度，得到每個殘差項對原始心率數據序列的異常表現程度；根據每個原始心率數據對應的殘差項對原始心率數據序列的異常表現程度以及殘差項，得到每個原始心率數據的異常程度；根據每個原始心率數據的異常程度進行篩選，得到原始心率數據序列中所有的異常心率數據；

根據原始心率數據序列中的異常心率數據進行剔除處理，得到剔除后的原始心率數據序列，并對剔除后的原始心率數據序列進行心率監測；

所述原始心率數據的異常表現的獲取方法如下：

將原始心率數據序列每個原始心率數據與前一個原始心率數據相減，相減結果記為第一差值；若第一差值大于0，則將第一差值進行歸一化處理，并將處理結果記為對應的原始心率數據的異常表現；若第一差值小于或等于0，則對應的原始心率數據的異常表現則為1；另外，第一個原始心率數據異常表示默認為1；

所述前后相鄰原始心率數據的獲取方法如下：

預設一個第i個原始心率數據前后相鄰數據個數N0；獲取第i個原始心率數據之前的N0/2個原始心率數據，獲取第i個原始心率數據之后的N0/2個原始心率數據，這些N0個原始心率數據記為第i個原始心率數據的所有前后相鄰的原始心率數據，并且這些N0個原始心率數據依自身數據對應時序上的前后順序進行排序；另外，當第i個原始心率數據之前的數據或第i個原始心率數據之后的數據不足N0/2個時，那么將第i個原始心率數據之前的數據或第i個數據之后的原始心率數據全都作為第i個數據的前后相鄰的原始心率數據，直至滿足N0個原始心率數據；

所述原始心率數據的第一趨勢表現程度的獲取表達式如下：

其中表示第i個原始心率數據前后相鄰的第v個原始心率數據的差異關系的影響下第i個趨勢項對應原始心率數據的趨勢表現程度，記為第一趨勢表現程度；表示第i個原始心率數據；表示第i個原始心率數據前后相鄰的第v個原始心率數據；表示與前一個原始心率數據的差值的絕對值，記為第一絕對值；表示與之間的第u個原始心率數據與第u-1個原始心率數據的差值的絕對值；表示與之間所有個原始心率數據；表示第v個原始心率數據的異常表現；

所述原始心率數據的第二趨勢表現程度的獲取表達式如下：

其中表示第一絕對值；、分別表示第v個原始心率數據、第v-1個原始心率數據對應的光照強度；表示第v個原始心率數據之前相鄰的N1個原始心率數據中，與差異最大的光照強度；表示對應的原始心率數據；表示對應的原始心率數據；表示與之間的時間間隔；表示線性歸一化函數；表示第v個原始心率數據光照強度變化影響下其心率數據異常變化程度，即第v個心率數據對應光照強度的變化對第i個趨勢項計算的異常影響，記為第二趨勢表現程度；

所述殘差項的獲取方法如下：

利用現有的平均移動法獲取趨勢項數據序列，然后將原始心率數據序列減去對應趨勢項數據序列后的心率數據序列記為對應時序上的殘差項；

所述殘差項對原始心率數據序列的異常表現程度的獲取表達式如下：

其中表示第一趨勢表現程度；表示第v個原始心率數據對應的光照強度；表示所有原始心率數據對應的光照強度的最大值；表示第v個原始心率數據光照強度變化影響下其心率數據異常變化程度，即第v個心率數據對應光照強度的變化對第i個趨勢項計算的異常影響，記為第二趨勢表現程度；?N0表示第i個原始心率數據前后相鄰的NO個原始心率數據；表示第i個殘差項對原始心率數據序列的異常表現程度；

所述原始心率數據的異常程度的獲取方法如下：

將每個殘差項的絕對值記為第二絕對值，將第二絕對值與異常表現程度相乘，相乘結果記為每個原始心率數據的異常程度；

所述原始心率數據的異常程度進行篩選的具體過程如下：

預設一個異常程度閾值，根據最大最小值歸一化法，輸入所有的原始心率數據的異常程度，輸出歸一化后的所有異常程度，此時若當前原始心率數據的歸一化后的異常程度大于時，則將當前原始心率數據作為異常心率數據，反之則作為正常心率數據。

2.基于人工智能的智能手表監測系統，其特征在于，該系統包括以下模塊：

采集原始心率數據以及光照強度模塊，獲取智能手表的原始心率數據序列以及對應的光照強度；

第一趨勢表現程度獲取模塊，結合人體心率變化特征，得到原始心率數據序列中每個原始心率數據的異常表現；根據原始心率數據的異常表現，通過結合前后相鄰原始心率數據的互相影響關系，得到每個原始心率數據的第一趨勢表現程度；

異常程度獲取模塊，根據前后相鄰原始心率數據的互相影響關系、時間間隔以及對應光照強度的變化量，得到每個原始心率數據的第二趨勢表現程度；根據原始心率數據的第一趨勢表現程度和第二趨勢表現程度，得到每個殘差項對原始心率數據序列的異常表現程度；根據每個原始心率數據對應的殘差項對原始心率數據序列的異常表現程度以及殘差項，得到每個原始心率數據的異常程度；根據每個原始心率數據的異常程度進行篩選，得到原始心率數據序列中所有的異常心率數據；

心率數據監測模塊，根據原始心率數據序列中的異常心率數據進行剔除處理，得到剔除后的原始心率數據序列，并對剔除后的原始心率數據序列進行心率監測；

心率數據的異常表現的獲取方法如下：

將原始心率數據序列每個原始心率數據與前一個原始心率數據相減，相減結果記為第一差值；若第一差值大于0，則將第一差值進行歸一化處理，并將處理結果記為對應的原始心率數據的異常表現；若第一差值小于或等于0，則對應的原始心率數據的異常表現則為1；另外，第一個原始心率數據異常表示默認為1；

所述前后相鄰原始心率數據的獲取方法如下：

預設一個第i個原始心率數據前后相鄰數據個數N0；獲取第i個原始心率數據之前的N0/2個原始心率數據，獲取第i個原始心率數據之后的N0/2個原始心率數據，這些N0個原始心率數據記為第i個原始心率數據的所有前后相鄰的原始心率數據，并且這些N0個原始心率數據依自身數據對應時序上的前后順序進行排序；另外，當第i個原始心率數據之前的數據或第i個原始心率數據之后的數據不足N0/2個時，那么將第i個原始心率數據之前的數據或第i個數據之后的原始心率數據全都作為第i個數據的前后相鄰的原始心率數據，直至滿足N0個原始心率數據；

所述原始心率數據的第一趨勢表現程度的獲取表達式如下：

其中表示第i個原始心率數據前后相鄰的第v個原始心率數據的差異關系的影響下第i個趨勢項對應原始心率數據的趨勢表現程度，記為第一趨勢表現程度；表示第i個原始心率數據；表示第i個原始心率數據前后相鄰的第v個原始心率數據；表示與前一個原始心率數據的差值的絕對值，記為第一絕對值；表示與之間的第u個原始心率數據與第u-1個原始心率數據的差值的絕對值；表示與之間所有個原始心率數據；表示第v個原始心率數據的異常表現；

所述原始心率數據的第二趨勢表現程度的獲取表達式如下：

其中表示第一絕對值；、分別表示第v個原始心率數據、第v-1個原始心率數據對應的光照強度；表示第v個原始心率數據之前相鄰的N1個原始心率數據中，與差異最大的光照強度；表示對應的原始心率數據；表示對應的原始心率數據；表示與之間的時間間隔；表示線性歸一化函數；表示第v個原始心率數據光照強度變化影響下其心率數據異常變化程度，即第v個心率數據對應光照強度的變化對第i個趨勢項計算的異常影響，記為第二趨勢表現程度；

所述殘差項的獲取方法如下：

利用現有的平均移動法獲取趨勢項數據序列，然后將原始心率數據序列減去對應趨勢項數據序列后的心率數據序列記為對應時序上的殘差項；

所述殘差項對原始心率數據序列的異常表現程度的獲取表達式如下：

其中表示第一趨勢表現程度；表示第v個原始心率數據對應的光照強度；表示所有原始心率數據對應的光照強度的最大值；表示第v個原始心率數據光照強度變化影響下其心率數據異常變化程度，即第v個心率數據對應光照強度的變化對第i個趨勢項計算的異常影響，記為第二趨勢表現程度；?N0表示第i個原始心率數據前后相鄰的NO個原始心率數據；表示第i個殘差項對原始心率數據序列的異常表現程度；

所述原始心率數據的異常程度的獲取方法如下：

將每個殘差項的絕對值記為第二絕對值，將第二絕對值與異常表現程度相乘，相乘結果記為每個原始心率數據的異常程度；

所述原始心率數據的異常程度進行篩選的具體過程如下：

預設一個異常程度閾值，根據最大最小值歸一化法，輸入所有的原始心率數據的異常程度，輸出歸一化后的所有異常程度，此時若當前原始心率數據的歸一化后的異常程度大于時，則將當前原始心率數據作為異常心率數據，反之則作為正常心率數據。