智能可穿戴设备的数据分析处理方法与流程

1.本发明涉及健康监测技术领域，具体为智能可穿戴设备的数据分析处理方法。


背景技术：

2.智能健康监测手表作为现代社会先进的人体健康监测的智能仪器，而手表上不仅展示空间局限，也无法为使用者分析身体健康状况，更无法结合使用者自身的实际情况来精准解析。
3.因此目前的设备仪器以及监测方法存在一些技术缺陷，主要表现在以下几个方面：
4.1、分析准确性存在争议：检测数据的分析需要和使用者性别、年龄和自身情况等因素进行结合，只利用监测数据进行分析存在很大的不准确性；
5.2、分析结果难以量化：现平台基本都是将数据分析之后给使用者一个简单的身体健康状况提示，并没有相应的预警提示、报告推送和合理的建议，数据不够详细；
6.3、诊断成本高：现在查看身体健康情况基本都是去医院进行全面检查，不仅需要花费很大的时间和金钱成本，也无法做到实时查看，并且不同地区因为地域限制还存在一定的局限性；
7.4、主观性强和数据强度不够：不管是在什么地方检查都离不开医生的诊断，人为诊断容易受外界环境干扰，并且也不能查看用户很长时间里面的身体变化情况，只能对用户现在身体情况做出分析。
8.故而需要一种基于人工智能技术的健康监测数据分析处理算法，能够结合了使用者所有的各项检测数据、自身实际状况、大数据记录和现代计算机技术，来对使用者进行自动化分析和诊断，并给出相应的量化结果，故而提出智能可穿戴设备的数据分析处理方法来解决上述问题。


技术实现要素：

9.(一)解决的技术问题
10.针对现有技术的不足，本发明提供了智能可穿戴设备的数据分析处理方法，具备提高检测准确性与效率的同时降低成本以及提高实时性等优点，解决了具有主观性且检测效果与效率不佳的问题。
11.(二)技术方案
12.为实现上述提高检测准确性与效率的同时降低成本以及提高实时性的目的，本发明提供如下技术方案：智能可穿戴设备的数据分析处理方法，包括以下步骤：
13.s1、用户进入vdts平台[un]，绑定设备[dn]，un与dn双向绑定，用户绑定成功后，完善自己信息：性别[xn]、年龄[yn]、静息血压[xyn]患病史[hn]等，分别与un进行单向绑定，用户需自行设置阈值：心率最小值[shrmn]、心率最大值[shrbn]、收缩压最小值[ssbpmn]、收缩压最大值[ssbpbn]、舒张压最小值[szbpmn]、舒张压最大值[szbpbn]、血氧最小值
[sspmn]、血氧最大值[sspbn]、体温最小值[stmn]、体温最大值[stbn]、空腹血糖最小值[sglkmn]、空腹血糖最大值[sglkbn]、饭后血糖最小值[sglfmn]、饭后血糖最大值[sglfbn]，将阈值也提交至云端与dn进行绑定；
[0014]
s2、vdts平台将数据保存之后，把用户信息再传输到vdts云端，云端系统根据用户信息和平台大数据按时间时序生成相应的建模数据；
[0015]
s3、手表实时数据：手表端将体温[tn]、心率[hrn]、血压[bpn]、血氧[spn]、血糖[gln]、定位信息[an]和连接标识[cn]发送至vdts云端；
[0016]
s4、云端收到数据进行分析：
[0017]
(1)将每项数值与设备绑定的阈值进行比较，判断是否发生异常；然后将实时数据与异常数据推送至vdts平台，平台根据设备绑定的本人和亲人关系，将此信息推送到本人和亲人手机上；
[0018]
(2)分析数据：云端会根据用户的过往数据生成每项的均数，然后根据输入的性别、年龄、患病史、静息血压的值按照一定比例进行缩放，最后再根据用户过往数据中哪些时间段数值会稍微偏大/偏小对数据进行的相应的放大/缩小，最终按照一个时间顺序生成一个建模数据；有新数据传到云端后，云端会从今天开始，对用户的真实数据按照时间生成一个序列；云端会对两个序列数据计算方差x，如果1《x《1.5时系统会继续关注下两组数据，如果连着三次都是这个范围，则会对用户发起提示；如果1.5《＝x《＝2.5则会关注下一组数据，如果下一组数据仍是这个范围的偏差则会提示用户；如果》2.5则会对用户发起报警声，并且通知到vdts客服中心，客服中心则会对此设备绑定的亲情号码发起慰问电话；
[0019]
(3)云端会将处理后的数据插入到用户的档案记录中；
[0020]
(4)生成体检报告：云端会根据新的数据为用户重新生成三天内的体检报告，生成报告会统计三天内各项数值检测的总次数，计算超过每项超过阈值的次数，根据系统设置好的超值范围，为用户生成相应的一个健康情况(a：健康[5％一下异常]；b：亚健康[5％-10％异常]；c：假健康[10％-20％异常]；d：生病期[20％-40％异常]；e：重病期[40％以上异常])，并且推送相应的健康知识、合理饮食以及科学运动；
[0021]
(5)电子围栏分析：用户自己需要设置一个电子围栏，将围栏中心的经纬度(lo、la)和半径(r)提交到云端，每次设备提交过来的位置信息中包含经纬度信息，系统会把两次的经纬度值进行分析计算两个经纬度之间的距离l，然后和半径r进行比较，查看是否超出围栏，如超出围栏向vdts平台发出围栏报警并通知到vdts客服部；
[0022]
(6)睡眠分析：每天早上手表会把前一晚的睡眠202307162000002023071620300006，202307162030002023071621000005，202307162100002023071621300003，...)发送至vdts云端(数据分析：202307162000002023071620300006数据为2023-07-16，20：00：00
‑‑
2023-07-16，20：30：00期间翻身6次)，云端将数据进行解析：以逗号分割为n个，取出每个里面最后一个字符，判断》3的数量[a]和《＝3的数量[b]，浅睡眠时长＝a*30和深睡眠时长＝b*30，并将浅睡眠时间段和深睡眠时间段进行归纳一并生成睡眠档案。
[0023]
优选的，所述步骤s1中当设备与vdts平台连接成功后，自动分配一个连接号cn，cn与dn之间是双向绑定。
[0024]
优选的，所述步骤s4中的建模数据，此建模数据每次有新数据进来时都会重新建
模来提高稳定性。
[0025]
优选的，所述步骤s4中围栏具体算法：两个经纬度[lo、la、lo、la]，先将经纬度值利用公式pi()*$deg/180.0转换为弧度值为lon1、lon2、lat1、lat2，计算经纬度的差值vlon＝abs(lon1-lon2)和vlat＝abs(lat1-lat2)，再用haversine公式(半正矢公式)计算值vn＝sin(vlon/2)和vt＝sin(vlat/2)，计算出h＝vn*vn+cos($lat1)*cos($lat2)*vt*vt，最后根据公式d＝2*((6378137+6356752.3142)/2)*asin(sqrt(h))得出两点之间的距离；如果d《＝r则未出围栏，反之则超出围栏，向vdts平台发出围栏报警并通知到vdts客服部。
[0026]
优选的，所述步骤s4中对于用户的体检报告，超过三天的体检报告需要用户自己生成。
[0027]
(三)有益效果
[0028]
与现有技术相比，本发明提供了智能可穿戴设备的数据分析处理方法，具备以下有益效果：
[0029]
该智能可穿戴设备的数据分析处理方法，通过健康数据智能分析处理算法，对佩戴者数据和自身情况的观察和分析，可以揭示人体的病理生理变化，从而实现对病情的准确判断，这种诊断方法不需要耗费很大的人力财力和时间，还可以做到实时性，同时也解决了地理位置上受限的缺点，所以能够去除主观性，不会受个人主观因素或医生的主管因素影响，提高结果的准确性，使诊断结果更为明确，通过分析处理不仅显示结果，还有档案记录和相应的体检报告，同时节约成本，不需要专业医生来进行诊断，同时也节约了用户的诊断费用，同时诊断效率高，不需要医生手动诊断分析，大大节省诊断时间，且具有实时性，不需要等待诊断结果，实时查看。
附图说明
[0030]
图1为本发明提出的智能可穿戴设备的数据分析处理方法流程示意图。
具体实施方式
[0031]
下面将结合本发明的实施例，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做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。
[0032]
智能可穿戴设备的数据分析处理方法，包括以下步骤：
[0033]
s1、用户进入vdts平台[un]，绑定设备[dn]，un与dn双向绑定，用户绑定成功后，完善自己信息：性别[xn]、年龄[yn]、静息血压[xyn]患病史[hn]等，分别与un进行单向绑定，用户需自行设置阈值：心率最小值[shrmn]、心率最大值[shrbn]、收缩压最小值[ssbpmn]、收缩压最大值[ssbpbn]、舒张压最小值[szbpmn]、舒张压最大值[szbpbn]、血氧最小值[sspmn]、血氧最大值[sspbn]、体温最小值[stmn]、体温最大值[stbn]、空腹血糖最小值[sglkmn]、空腹血糖最大值[sglkbn]、饭后血糖最小值[sglfmn]、饭后血糖最大值[sglfbn]，将阈值也提交至云端与dn进行绑定，当设备与vdts平台连接成功后，自动分配一个连接号cn，cn与dn之间是双向绑定；
[0034]
s2、vdts平台将数据保存之后，把用户信息再传输到vdts云端，云端系统根据用户信息和平台大数据按时间时序生成相应的建模数据；
[0035]
s3、手表实时数据：手表端将体温[tn]、心率[hrn]、血压[bpn]、血氧[spn]、血糖[gln]、定位信息[an]和连接标识[cn]发送至vdts云端；
[0036]
s4、云端收到数据进行分析：
[0037]
(1)将每项数值与设备绑定的阈值进行比较，判断是否发生异常；然后将实时数据与异常数据推送至vdts平台，平台根据设备绑定的本人和亲人关系，将此信息推送到本人和亲人手机上；
[0038]
(2)分析数据：云端会根据用户的过往数据生成每项的均数，然后根据输入的性别、年龄、患病史、静息血压的值按照一定比例进行缩放，最后再根据用户过往数据中哪些时间段数值会稍微偏大/偏小对数据进行的相应的放大/缩小，最终按照一个时间顺序生成一个建模数据，此建模数据每次有新数据进来时都会重新建模来提高稳定性；有新数据传到云端后，云端会从今天开始，对用户的真实数据按照时间生成一个序列；云端会对两个序列数据计算方差x，如果1《x《1.5时系统会继续关注下两组数据，如果连着三次都是这个范围，则会对用户发起提示；如果1.5《＝x《＝2.5则会关注下一组数据，如果下一组数据仍是这个范围的偏差则会提示用户；如果》2.5则会对用户发起报警声，并且通知到vdts客服中心，客服中心则会对此设备绑定的亲情号码发起慰问电话；
[0039]
(3)云端会将处理后的数据插入到用户的档案记录中；
[0040]
(4)生成体检报告：云端会根据新的数据为用户重新生成三天内的体检报告，对于用户的体检报告，超过三天的体检报告需要用户自己生成，生成报告会统计三天内各项数值检测的总次数，计算超过每项超过阈值的次数，根据系统设置好的超值范围，为用户生成相应的一个健康情况(a：健康[5％一下异常]；b：亚健康[5％-10％异常]；c：假健康[10％-20％异常]；d：生病期[20％-40％异常]；e：重病期[40％以上异常])，并且推送相应的健康知识、合理饮食以及科学运动；
[0041]
(5)电子围栏分析：用户自己需要设置一个电子围栏，将围栏中心的经纬度(lo、la)和半径(r)提交到云端，每次设备提交过来的位置信息中包含经纬度信息，系统会把两次的经纬度值进行分析计算两个经纬度之间的距离l，然后和半径r进行比较，查看是否超出围栏，如超出围栏向vdts平台发出围栏报警并通知到vdts客服部，围栏具体算法：两个经纬度[lo、la、l o、l a]，先将经纬度值利用公式pi()*$deg/180.0转换为弧度值为l on1、l on2、l at1、lat2，计算经纬度的差值vlon＝abs(lon1-lon2)和vlat＝abs(lat1-lat2)，再用haversine公式(半正矢公式)计算值vn＝sin(vlon/2)和vt＝sin(vlat/2)，计算出h＝vn*vn+cos($lat1)*cos($lat2)*vt*vt，最后根据公式d＝2*((6378137+6356752.3142)/2)*asin(sqrt(h))得出两点之间的距离；如果d《＝r则未出围栏，反之则超出围栏，向vdts平台发出围栏报警并通知到vdts客服部；
[0042]
(6)睡眠分析：每天早上手表会把前一晚的睡眠202307162000002023071620300006，202307162030002023071621000005，202307162100002023071621300003，...)发送至vdts云端(数据分析：202307162000002023071620300006数据为2023-07-16，20：00：00
‑‑
2023-07-16，20：30：00期间翻身6次)，云端将数据进行解析：以逗号分割为n个，取出每个里面最后一个字符，判断
》3的数量[a]和《＝3的数量[b]，浅睡眠时长＝a*30和深睡眠时长＝b*30，并将浅睡眠时间段和深睡眠时间段进行归纳一并生成睡眠档案。
[0043]
本发明的使用流程方法为：使用者在佩戴手表之前有相应的软件进行结合使用，需要使用者先完成验证并且完善自己信息(包含：性别、年龄、静息血压、患病史等)，将此信息提交至vdts系统中；
[0044]
手表将各项检测数据(包含：体温、心率、血压、血氧、血糖、定位等信息)实时传输到vdts系统中；
[0045]
vdts系统分析数据：
[0046]
①
根据绑定关系将其数据先进行一一匹配
[0047]
②
结合用户性别、年龄、静息血压、患病史等信息进行第一步分析
[0048]
③
在结合使用者过往检测数据记录进行第二步分析
[0049]
④
结合我们平台大数据进行最终分析
[0050]
vdts系统将分析数据进行处理：
[0051]
①
将各项监测数据下发给佩戴者本人和亲人
[0052]
②
根据用户自定义的阈值判断是否向vdts平台和使用者下发报警信息
[0053]
③
将每项监测数据存到使用者各自对应的档案中，供佩戴者和亲人随时查看
[0054]
④
将分析后的数据再结合时间生成短期、中期和长期体检报告
[0055]
⑤
结合分析数据结果，利用平台算法，智能推送相应的健康知识、合理饮食和科学运动等服务
[0056]
⑥
vdts平台又将分析后的数据二次整理，对于长期数据不稳定或突发不稳定情况会再次进行人为关怀，直到佩戴者做出应答为止。
[0057]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：
1.智能可穿戴设备的数据分析处理方法，其特征在于，包括以下步骤：s1、用户进入vdts平台[un]，绑定设备[dn]，un与dn双向绑定，用户绑定成功后，完善自己信息：性别[xn]、年龄[yn]、静息血压[xyn]患病史[hn]等，分别与un进行单向绑定，用户需自行设置阈值：心率最小值[shrmn]、心率最大值[shrbn]、收缩压最小值[ssbpmn]、收缩压最大值[ssbpbn]、舒张压最小值[szbpmn]、舒张压最大值[szbpbn]、血氧最小值[sspmn]、血氧最大值[sspbn]、体温最小值[stmn]、体温最大值[stbn]、空腹血糖最小值[sglkmn]、空腹血糖最大值[sglkbn]、饭后血糖最小值[sglfmn]、饭后血糖最大值[sglfbn]，将阈值也提交至云端与dn进行绑定；s2、vdts平台将数据保存之后，把用户信息再传输到vdts云端，云端系统根据用户信息和平台大数据按时间时序生成相应的建模数据；s3、手表实时数据：手表端将体温[tn]、心率[hrn]、血压[bpn]、血氧[spn]、血糖[gln]、定位信息[an]和连接标识[cn]发送至vdts云端；s4、云端收到数据进行分析：(1)将每项数值与设备绑定的阈值进行比较，判断是否发生异常；然后将实时数据与异常数据推送至vdts平台，平台根据设备绑定的本人和亲人关系，将此信息推送到本人和亲人手机上；(2)分析数据：云端会根据用户的过往数据生成每项的均数，然后根据输入的性别、年龄、患病史、静息血压的值按照一定比例进行缩放，最后再根据用户过往数据中哪些时间段数值会稍微偏大/偏小对数据进行的相应的放大/缩小，最终按照一个时间顺序生成一个建模数据；有新数据传到云端后，云端会从今天开始，对用户的真实数据按照时间生成一个序列；云端会对两个序列数据计算方差x，如果1<x<1.5时系统会继续关注下两组数据，如果连着三次都是这个范围，则会对用户发起提示；如果1.5<＝x<＝2.5则会关注下一组数据，如果下一组数据仍是这个范围的偏差则会提示用户；如果>2.5则会对用户发起报警声，并且通知到vdts客服中心，客服中心则会对此设备绑定的亲情号码发起慰问电话；(3)云端会将处理后的数据插入到用户的档案记录中；(4)生成体检报告：云端会根据新的数据为用户重新生成三天内的体检报告，生成报告会统计三天内各项数值检测的总次数，计算超过每项超过阈值的次数，根据系统设置好的超值范围，为用户生成相应的一个健康情况(a：健康[5％一下异常]；b：亚健康[5％-10％异常]；c：假健康[10％-20％异常]；d：生病期[20％-40％异常]；e：重病期[40％以上异常])，并且推送相应的健康知识、合理饮食以及科学运动；(5)电子围栏分析：用户自己需要设置一个电子围栏，将围栏中心的经纬度(lo、la)和半径(r)提交到云端，每次设备提交过来的位置信息中包含经纬度信息，系统会把两次的经纬度值进行分析计算两个经纬度之间的距离l，然后和半径r进行比较，查看是否超出围栏，如超出围栏向vdts平台发出围栏报警并通知到vdts客服部；(6)睡眠分析：每天早上手表会把前一晚的睡眠202307162000002023071620300006，202307162030002023071621000005，202307162100002023071621300003，...)发送至vdts云端(数据分析：202307162000002023071620300006数据为2023-07-16，20：00：00
‑‑
2023-07-16，20：30：00期间翻身6次)，云端将数据进行解析：以逗号分割为n个，取出每个里面最后一个字符，判断>3的数量[a]和<＝3的数量[b]，浅睡眠时长＝a*30和深睡眠时长＝b*30，
并将浅睡眠时间段和深睡眠时间段进行归纳一并生成睡眠档案。2.根据权利要求1所述的智能可穿戴设备的数据分析处理方法，其特征在于，所述步骤s1中当设备与vdts平台连接成功后，自动分配一个连接号cn，cn与dn之间是双向绑定。3.根据权利要求1所述的智能可穿戴设备的数据分析处理方法，其特征在于，所述步骤s4中的建模数据，此建模数据每次有新数据进来时都会重新建模来提高稳定性。4.根据权利要求1所述的智能可穿戴设备的数据分析处理方法，其特征在于，所述步骤s4中围栏具体算法：两个经纬度[lo、la、lo、la]，先将经纬度值利用公式pi()*$deg/180.0转换为弧度值为lon1、lon2、lat1、lat2，计算经纬度的差值vlon＝abs(lon1-lon2)和vlat＝abs(lat1-lat2)，再用haver sine公式(半正矢公式)计算值vn＝sin(vlon/2)和vt＝sin(vlat/2)，计算出h＝vn*vn+cos($lat1)*cos($lat2)*vt*vt，最后根据公式d＝2*((6378137+6356752.3142)/2)*asin(sqrt(h))得出两点之间的距离；如果d<＝r则未出围栏，反之则超出围栏，向vdts平台发出围栏报警并通知到vdts客服部。5.根据权利要求1所述的智能可穿戴设备的数据分析处理方法，其特征在于，所述步骤s4中对于用户的体检报告，超过三天的体检报告需要用户自己生成。

技术总结
本发明涉及健康监测技术领域，且公开了智能可穿戴设备的数据分析处理方法，包括以下步骤：S1、用户进入VDTS平台[Un]，绑定设备[Dn]，Un与Dn双向绑定，用户绑定成功后，完善自己信息：性别[Xn]、年龄[Yn]、静息血压[XYn]患病史[Hn]等，分别与Un进行单向绑定，用户需自行设置阈值。该智能可穿戴设备的数据分析处理方法，这种诊断方法不需要耗费很大的人力财力和时间，还可以做到实时性，同时也解决了地理位置上受限的缺点，所以能够去除主观性，不会受个人主观因素或医生的主管因素影响，提高结果的准确性，使诊断结果更为明确，通过分析处理不仅显示结果，还有档案记录和相应的体检报告，同时节约成本，不需要专业医生来进行诊断。不需要专业医生来进行诊断。不需要专业医生来进行诊断。


技术研发人员：赵永师 梁冰锋
受保护的技术使用者：运城市恩光科技有限公司
技术研发日：2023.08.16
技术公布日：2023/10/6