医疗监护系统、方法、设备和存储介质

1.本发明涉及疾病监护技术领域，尤其涉及一种医疗监护系统、方法、设备和存储介质。


背景技术：

2.心血管疾病是一种突发性且致残率和死亡率极高的疾病，对我国公共医疗卫生事业的发展造成了阻碍，严重威胁用户健康。因此，急需提供一种医疗监护系统，以便于能够实时监控用户健康状况，及时发现病情并报警。


技术实现要素：

3.为了解决上述技术问题，本发明提供了一种医疗监护系统、方法、设备和存储介质，能够实时监控用户的健康状况并反馈给相关人员，最大限度的保证用户的安全。
4.第一方面，本发明实施例提供了一种医疗监护系统，所述医疗监护系统包括处理模块、传输模块和监护模块，其中：所述处理模块用于根据接收的各检测节点的节点信息对所述各检测节点进行分簇，在所述各检测节点中确定簇头节点，并基于所述簇头节点将所述各检测节点检测到的医疗数据转发至所述传输模块；所述传输模块用于将接收到的各医疗数据通过无线通信网络传输至所述监护模块；所述监护模块用于将所述各医疗数据输入神经网络模型，得到所述各医疗数据的检测结果，并将各检测结果反馈给对应的检测节点。
5.第二方面，本发明实施例提供了一种医疗监护方法，应用于如上述的医疗监护系统，所述方法包括：根据接收的各检测节点的节点信息对所述各检测节点进行分簇，在所述各检测节点中确定簇头节点，并基于所述簇头节点将所述各检测节点检测到的医疗数据转发至所述传输模块；将接收到的各医疗数据通过无线通信网络传输至所述监护模块；将所述各医疗数据输入神经网络模型，得到所述各医疗数据的检测结果，并将各检测结果反馈给对应的检测节点。
6.第三方面，本发明实施例提供了一种电子设备，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现医疗监护方法。
7.第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程
序，所述计算机程序被处理器执行时实现医疗监护方法的步骤。
8.本发明实施例提供了一种医疗监护系统包括处理模块、传输模块和监护模块，其中：所述处理模块用于根据接收的各检测节点的节点信息对所述各检测节点进行分簇，在所述各检测节点中确定簇头节点，并基于所述簇头节点将所述各检测节点检测到的医疗数据转发至所述传输模块；所述传输模块用于将接收到的各医疗数据通过无线通信网络传输至所述监护模块；所述监护模块用于将所述各医疗数据输入神经网络模型，得到所述各医疗数据的检测结果，并将各检测结果反馈给对应的检测节点。本发明提供的系统能够实时监控用户的健康状况，并反馈给相关人员，最大限度的保证用户的安全。
附图说明
9.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
10.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
11.图1为本发明实施例提供的一种医疗监护系统的结构示意图；图2为本发明实施例提供的一种医疗监护系统的场景示意图；图3为本发明实施例提供的一种检测节点的示意图；图4为本发明实施例提供的一种医疗监护方法的流程示意图；图5为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
12.为了能够更清楚地理解本发明的上述目的、特征和优点，下面将对本发明的方案进行进一步描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
13.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但本发明还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本发明的一部分实施例，而不是全部的实施例。
14.随着计算机技术、现代通信技术的发展，为远程医疗监护服务带来新的机遇。远程医疗监护服务是通过应用计算机技术和现代通信，将远端的生理信号和医学信号传送到医疗监护中心并进行分析，实现个人与医院间、医院和医院间的医学信息的远程传输和监控、远程会诊、医疗急救、远程教育与交流。
15.基于无线传感器网络的便携式心血管疾病医疗监护系统是一种现代化远程医疗监护系统，它利用医疗传感器作为医疗数据采集接口，用于采集患者舒张压、收缩压、血糖、胆固醇等影响心血管疾病的因素。利用无线通信技术把采集到的医疗数据传送到网关，再传送到远程监控中心，医生在远程监护中心对所采集到的医学数据进行分析诊断，从而实现远程监控和远程医疗。
16.远程医疗是疫情防控常态化和后疫情时代的城乡医疗机构建设的新模式，基于无线传感器网络的远程医疗监护系统给了患者较大的活动自由，各个患者可以足不出户，在
各自家中就能随时随地得到医院监护中心的监护。既解决了人员流动和聚集的问题，又满足了患者需要实时监护的需求。
17.但是，医疗监护系统监测环境复杂，会存在大量医疗传感器需要进行远程医疗的情况，导致各医疗传感器节点存在能量消耗不平衡的问题，进而导致医疗传感器所在各区域能耗差异明显，严重影响各医疗传感器的传输效率。
18.针对上述技术问题，本发明实施例提供了一种医疗监护系统，该系统主要分为处理模块、传输模块和监护模块。处理模块也可以看作传感节点层，是由大量医疗传感器（如用户的便携式无线传感器）组成，医疗传感器用于测量用户舒张压、收缩压、血糖、胆固醇等影响心血管疾病的医疗数据，传感节点层用于检测、接收和处理医疗数据，在各医疗传感器中确定簇头节点后，通过传输模块的无线通信网络将所获取的用户数据（医疗数据）上传至监护模块，监护模块根据医疗数据判断用户是否发生突发性心血管疾病，如果系统检测出患者存在突发状况，则会触发紧急报警功能，并通知病人家属和急救中心，及时送往医院救治。具体通过下述一个或多个实施例进行详细说明。
19.图1为本发明实施例提供的一种医疗监护系统的结构示意图，医疗监护系统100包括处理模块110、传输模块120和监护模块130，其中：所述处理模块110用于根据接收的各检测节点的节点信息对所述各检测节点进行分簇，在所述各检测节点中确定簇头节点，并基于所述簇头节点将所述各检测节点检测到的医疗数据转发至所述传输模块。
20.其中，所述处理模块连接至少一个第一基站，所述第一基站连接多个检测节点，所述第一基站用于接收所述多个检测节点的节点信息。
21.可理解的，处理模块可以看作传感器节点层，考虑到监测环境的复杂性，传感器节点层通常由大量检测节点组成，检测节点和第一基站构成整个医疗监护系统的基础，也就是说，处理模块通过第一基站和大量检测节点连通，例如，处理模块和5个第一基站连通，每个第一基站分别和50个检测节点连通。其中，检测节点也可以理解为异构节点，检测节点具体可以是为医疗传感器，医疗传感器可以是患者根据自身需求在家中配置的小型便携式的检测装置，且具有异常或危险情况报警功能，检测装置可以检测患者的医疗数据，医疗数据主要有体温、脉搏、心率、血氧饱和度、血压（舒张压、收缩压）、血糖、胆固醇等。第一基站接收到范围内所有检测节点的节点信息后，通过iap(improvedaffinity propagation)聚类算法进行检测节点聚类，将所有检测节点划分为不同簇，所有检测节点聚类完成后，针对每一簇，根据自适应簇首轮循（acrr）方法在该簇的多个检测节点中选举出簇头节点，由簇头节点对簇内的各检测节点发送过来的医疗数据进行整理、融合并转发至传输模块。
22.所述传输模块120用于将接收到的各医疗数据通过无线通信网络传输至所述监护模块。
23.其中，所述传输模块120包括第二基站和系统网关，所述第二基站用于通过总线通信方式接收所述处理模块中对应簇头节点转发的各医疗数据，所述系统网关用于对所述各医疗数据进行协议转换，并封装成预设数据格式通过无线通信网络传输至所述监护模块。
24.可理解的，与传感器节点层相对应的，传输模块可以看作是数据传输层，传输模块包括第二基站与系统网关，也就是数据传输层包含社区基站节点层与系统网关层，第二基站可以看作社区基站。第二基站的工作负荷比较大，既需要接收来自各簇头节点的数据，又
要与外部网络进行通信，因此第二基站采用了抗干扰能力强、通信距离长的现场总线通信方式。第二基站的具体工作包括：协议转换、与外部网络通信、发送用户指令以及数据融合等。作为医疗监护系统的核心，第二基站使用电源供电方式以保证其长期运行。系统网关主要实现体域网络与监护模块信息的互相交换，系统网关接收到第二基站传输的医疗数据后，对医疗数据进行协议转换，然后为其附上当前时间，封装成应用层的数据格式，传往监护模块，同时系统网关也要接收监护模块传来的警告，系统网关是用户与医疗监护系统进行交互的桥梁，用户可以通过这个桥梁对无线传感网络进行操作，因此实际上系统网关可以看作是医疗监护系统的人机接口。
25.所述监护模块130用于将所述各医疗数据输入神经网络模型，得到所述各医疗数据的检测结果，并将各检测结果反馈给对应的检测节点。
26.可理解的，与上述数据传输层相对应的，监护模块可以看作监护管理层，监护模块的功能包括：将无线通信网络所传输的医疗数据存储进医疗大数据平台，同时将无线通信网络所获取的医疗数据输入预先训练好的基于反向传播神经网络(back propagation neural network，bp)的心脑血管神经网络模型中，对用户当前健康状况进行诊断，得到检测结果，神经网络模型可以理解为二分类模型，即是否发生突发性心血管疾病，如果检测结果是发生突发性血管疾病，则通知用户和急救中心，及时将用户送往医院救治，如果检测结果不是发生突发性血管疾病，则继续监护。
27.示例性的，参见图2，图2为本发明实施例提供的一种医疗监护系统的场景示意图，图2包括处理模块、传输模块和监护模块，如图2所示，处理模块包括多个第一基站，每个第一基站范围内包括多个检索节点，使用不同检测节点的多个用户可能居住在不同居民楼内，一种可能的场景，在每个第一基站范围内所有检索节点中选举出至少一个簇头节点后，后续由该第一基站范围内每个簇头节点直接接收其他成员节点发送的医疗数据，成员节点无需将医疗数据发送至第一基站，并由簇头节点直接转发至第二基站，或者由簇头节点直接发送至该第一基站，再由该第一基站转发至第二基站。传输模块包括多个第二基站和系统网关，多个第二基站经由系统网关和监护模块通信，每个第一基站都存在一一对应的第二基站，一种可行的场景，处理模块只包括多个检索节点，不包括第一基站，多个检索节点与第二基站直接通信，另一种可能的场景，针对每个第二基站，在第二基站范围内所有检索节点中选举出至少一个簇头节点后，后续由该第二基站范围内每个簇头节点直接接收其他成员节点发送的医疗数据，并由簇头节点直接转发至第二基站，也就是每个簇头节点都存在对应的第二基站。监护模块包括医疗大数据平台、神经网络模型和在线医生，系统网关将医疗数据存储进医疗大数据平台后，将医疗数据输入神经网络模型进行诊断，得到医疗数据的检测结果，并将检测结果发送给医生，以供医生查看和检测。
28.可理解的，便携式心血管疾病远程医疗监护系统的底层是由无线传感器（检测节点）构成的，由检测节点获取用户舒张压、收缩压、血糖、胆固醇等影响心血管疾病因素的医疗数据，其中检测节点获取的医疗数据是由用户自行检测得到，并上传和授权给医疗监护系统用于远程医疗。具体的，计算子模块通过iap聚类算法对各第一基站范围内的检测节点进行分簇，并在范围内的所有检测节点中选出簇头节点对收集到的医疗信息进行转发，有利于减少节点能量消耗，延长无线传感网络的寿命。分簇路由协议工作过程中最关键的核心问题是如何合理选举簇首节点、如何快速有效地构建分簇结构、如何节约能量和延长网
络生命周期，因此针对上述问题，计算子模块通过邻居动态聚类的数据主体随机化算法(energy efficient multi-hop routing，eemr)来解决各检测节点中节点能量分布不均的问题而导致网络不稳定的问题，同时采用自适应簇首轮循方法来选择出合适的簇头节点。
29.可选的，所述处理模块110包括计算子模块和转发子模块。
30.其中，所述计算子模块用于根据所述节点信息计算所述多个检测节点间的第一距离，根据所述第一距离将所述多个检测节点进行聚类，得到至少一个聚类区域，并在所述聚类区域包括的多个检测节点中选举出目标检测节点作为簇头节点，同时将所述聚类区域包括的多个检测节点中除所述目标检测节点之外的其余检测节点作为成员节点。
31.可理解的，计算子模块获取到各检测节点的节点信息后，根据各检测节点的节点信息计算多个检测节点中任意两个检测节点间的第一距离。随后，计算子模块根据多个检测节点间的第一距离进行聚类，将多个检测节点划分为不同的聚类区域，聚类区域可以理解为集群或者簇，下述实施例以处理模块包括多个第一基站为例进行说明，每个第一基站被划分为多个聚类区域，每个聚类区域包括多个检测节点。完成聚类区域的划分后，针对每个聚类区域，在该聚类区域包括的多个检测节点中选举出一个目标检测节点，并将该目标检测节点作为该聚类区域中的簇头节点，每个聚类区域包括的簇头节点的数量可根据用户需求自行确定，例如可以选举出另一簇头节点作为候选节点。计算子模块确定该聚类区域的簇头节点后，将该聚类区域包括的多个检测节点中除目标检测节点之外的其他检测节点作为成员节点，由此，该聚类区域包括多个成员节点和一个簇头节点。
32.可理解的，在医疗监护系统的监控范围内，城市中不同社区的不同患者使用微型无线医学传感器来检测自身的舒张压、收缩压、血糖、胆固醇等影响心血管疾病因素的医疗数据，不同社区可以看作一个第一基站。社区内的所有医学传感器节点（检测节点）作为成员节点将采集的数据通过自组网方式，多跳路由后到达簇头节点，簇头节点对数据进行融合处理后对外转发到第二基站。由于远程医疗无线传感网络的稳定性需求，网络中医疗传感器节点按照一定的规则形成簇（聚类区域），簇中包含簇头节点和多个成员节点，簇之间通过基站节点进行数据传输通信，其中，分簇协议将各个社区内用户的医疗传感器节点按照一定规则成簇，并选出各个簇的簇头节点用于数据传输，各个医疗传感器节点之间通过多跳路由后到达簇头节点，通过簇头节点与基站节点通信，有利于减小节点的能量损耗。另外，由于分簇路由协议网络整体灵活性较强，在一定程度上减少了路由表的大小，节约能耗，延长了网络的生命周期。
33.示例性的，参见图3，图3为本发明实施例提供的一种检测节点的示意图，图3所示的社区监控范围内包括多个检测节点，检测节点用实线圆形表示，多个检测节点经过iap聚类后，划分为多个聚类区域（簇），聚类区域为图3中虚线圆形所组成的区域，随后在每个聚类区域中选举出簇头节点，完成选举后，每个聚类区域中包括一个簇头节点和多个成员节点，簇头节点用黑色背景填充的圆形表示，成员节点用白色背景填充的圆形表示，每个成员节点将检测到的医疗数据传输给簇头节点，随后每个簇头节点直接同传输模块中的对应的第二基站进行数据传输，将各成员节点检测到的医疗数据发送给第二基站。
34.其中，所述节点信息包括平均能量、剩余能量、位置信息和初始能量。
35.其中，所述计算子模块用于根据所述位置信息计算所述多个检测节点间的第二距离，根据所述平均能量和所述剩余能量计算所述检测节点的第一能量，并根据所述第二距
离和所述第一能量计算得到第一距离。
36.可理解的，为了进一步解决聚类数据采集算法中节点能量消耗不平衡的问题，计算子模块采用距离和能量因素作为簇首选举策略，即采用基于邻居动态聚类的数据主体随机化算法（eemr）作为簇头选举策略，该算法中的聚类方法是一种改进的亲和度传播(iap)算法。具体的，计算子模块根据位置信息计算任意两个检测节点间的第二距离，以上述任意两个检测节点中的一个检测节点为例，根据该检测节点的平均能量和剩余能量计算该检测节点的第一能量，计算第二距离、第一能量和预设的调整因子的乘积计算得到该检测节点的第一距离，其中，调整因子具体可以是簇头个数的调整因子，其他检测节点的第一距离可通过同样方法计算得到，在此不作赘述。得到各检测节点的第一距离后，基于各检测节点的第一距离进行聚类，将社区内所有检测节点划分为到不同聚类区域中。具体的，第二距离的计算公式如公式（1）所示，第一距离的计算公式如公式（2）所示。
37.公式（1）式中，dist（i,j）表示检测节点ｉ和检测节点ｊ间的第二距离，具体可以理解为检测节点间的距离接近“亲密度”，表示检测节点ｉ的位置信息，表示检测节点ｊ的位置信息。
38.公式（2）式中，表示检测节点ｉ和检测节点ｊ间的第一距离，表示处理模块中所有检测节点在开始运行时的平均能量，表示检测节点j的剩余能量，剩余能量是指检测节点ｊ在执行任务后剩下的能量水平，表示检测节点ｊ的第一能量，第一能量是指检测节点间能量吸引“亲密度”，β表示簇头个数的调整因子。
39.其中，计算子模块完成聚类区域划分后，还用于在每个聚类区域中选举出簇头节点，其中：针对各检测节点，计算所述剩余能量和所述初始能量的比值得到所述检测节点的绝对能量比值；确定所述聚类区域包括的多个检测节点剩余能量的和值，并计算所述剩余能量和所述和值的比值得到所述检测节点的相对能量比值；根据所述位置信息和所述聚类区域对应的第一基站的位置信息计算所述检测节点的相对距离比值；确定所述聚类区域包括的检测节点的第一数量，并计算所述聚类区域中未连续担任簇头节点的节点数量和所述第一数量的比值得到相对节点比值；根据所述绝对能量比值、所述相对能量比值、所述相对距离比值和所述相对节点比值计算得到所述检测节点的簇头比值；根据所述簇头比值在所述聚类区域包括的多个检测节点中选举出目标检测节点作为簇头节点。
40.可理解的，在eemr算法中，第一基站接收到所有检测节点的节点信息后，计算子模块运行iap聚类算法进行网络聚类，此外，eemr算法提出了acrr (adaptive cluster
ꢀ‑
head round robin)方法用于簇头的局部动态选举，其中，acrr是一种基于节点适应性的簇头轮询策略，簇头节点选举策略相关公式如下述公式（3）至公式（7）所示：
公式（3）公式（4）公式（5）公式（6）公式（7）式中，h(j)表示检测节点j的簇头比值，h1表示检测节点j的绝对能量比值（绝对占比），表示检测节点j的剩余能量，也就是检测节点j在第r轮医疗数据收集结束后剩余的能量，e0表示检测节点j的初始能量，也就是检测节点j初始配置的能量，h2表示检测节点j的相对能量比值（相对占比），表示检测节点j所属的聚类区域包括的多个检测节点剩余能量的和值，也就是检测节点j所属簇的能量，h3表示检测节点j的相对距离比值，也就是检测节点j与所属第一基站之间距离的相对距离比，dist（i,sink）表示检测节点j和第一基站之间的距离，表示检测节点j所属簇中距离第一基站最远的距离，h4表示相对节点比值，也就是检测节点j在所属簇中连续不担任簇头的节点的比值，一旦该检测节点j担任簇头rm置0。
41.其中，所述聚类区域包括所述簇头节点和多个成员节点。
42.其中，所述计算子模块用于：针对各成员节点，根据所述簇头节点的剩余能量、所述簇头节点的初始能量、所述成员节点到所述簇头节点的距离和预设的数据传输偏转角计算得到所述成员节点的节点能力；根据所述节点能力在所述多个成员节点中确定目标成员节点作为中继节点，所述中继节点用于将所述成员节点检测到的医疗数据转发至所述簇头节点。
43.可理解的，eemr算法的核心是避免频繁聚类带来的控制能量消耗，因此计算子模块采用基于检测节点能力的分层多跳数据转发策略，也就是确定簇头节点后，根据各成员节点的节点能力在其中选取出中继节点，中继节点可以理解为转发节点，用于将其他成员节点的医疗数据转发至簇头节点，也就是进行数据多跳传输的中继节点是由成员节点能力确定的，例如可以将成员节点的节点能力较大的作为中继节点，承担其他成员节点的跳转任务。例如，如图3所示，聚类区域300中包括簇头节点310、中继节点320以及多个检测节点，多个检测节点中的检测节点330将医疗数据传输给中继节点320，再由中继节点320将该医疗数据传输至簇头节点310，也就是如图3中箭头所示的传输方向，检测节点330的医疗数据经过中继节点320跳转至簇头节点310，能够有效减少频繁聚类导致的节点能量消耗，进一步还能减少成员节点跳转时的能量消耗。节点能力的计算方式如公式（8）所示：公式（8）式中，f(j)表示检测节点j的节点能力，表示簇头节点s的剩余能量，e
init
表示簇头节点s的初始能量，dist（j,s）表示簇头节点s和检测节点j之间的距离，rh是通信半径，θ是数据传输偏转角，λi（j=1,2）表示各胜任力因子的权重系数。
44.其中，所述转发子模块用于基于所述簇头节点将所述成员节点检测到的医疗数据进行融合处理后转发至所述传输模块。
45.可理解的，处理模块中的转发子模块应用于基于簇头节点接收和该簇头节点处于同一聚类区域的成员节点检测到的医疗数据，簇头节点会将各医疗数据进行融合处理，随后将融合处理后的医疗数据发送至对应的第二基站。
46.其中，所述监护模块包括训练子模块，所述训练子模块用于对构建的神经网络进行训练得到所述神经网络模型。
47.其中，所述训练子模块具体用于：将获取的学习样本输入所述神经网络得到预测结果；基于所述学习样本和所述预测结果计算得到梯度平方，并根据所述梯度平方和第一预设参数计算均值，根据所述梯度平方和第二预设参数计算方差；根据预设学习率、所述均值和方差计算得到参数差值，并根据所述参数差值对所述神经网络进行训练得到所述神经网络模型。
48.具体的，心血管疾病是一种致残率和死亡率极高的慢性疾病，对我国公共医疗卫生事业的发展造成了阻碍，现如今多数研究注重疾病的治疗，而忽略了疾病预防方面的工作。另外，随着大数据分析的快速发展，机器学习方法在处理复杂数据时可以得到较高的准确率，因此医疗监护系统在机器学习的基础上进行心血管疾病的预测研究，从年龄、性别、收缩压、舒张压、身高、体重、吸烟、锻炼、饮酒、胆固醇、血糖这11种影响心血管疾病的因素入手，对心血管疾病进行预测，可以帮助医生对用户是否患有心血管疾病做出判断，能够在医疗数据处理中为医生提供有效的辅助决策支持，实现对用户健康状态的实时有效监护。
49.可理解的，监护模块包括训练子模块和预测模块，训练子模块用于基于上述11种因素对构建的神经网络进行训练得到神经网络模型，预测模块用于利用训练好的神经网络模型基于医疗数据对用户的健康状态进行诊断。具体的，为了提升神经网络训练的速度，提高训练结果的准确率，训练子模块采用最优梯度自适应优化算法的bp神经网络作为深度学习系统，bp神经网络是反向传播神经网络(back propagation neural network)的简称，bp神经网络的前部是一个输入层，中间包含若干隐含层，后部是一个输出层，各层之间多采用全连接的方式，如果神经元处于同一层，则它们之间不允许有连接，各层的神经元只能向下一层的神经元输出激活信号，并且向上一层反向传递修正误差。
50.可理解的，训练子模块首先对bp神经网络初始化，随后将学习样本输入bp神经网络中，计算各层神经元的输入和输出，优选的，bp神经网络输入层节点为11，输出层节点为2；随后根据学习样本和网络输出的预测结果计算输出误差，根据输出误差进行反向传播，重新更新bp神经网络的权重，最后计算全局误差，根据精度要求来判断是否停止学习，若满足精度，得到训练完成的神经网络模型。
51.可理解的，学习率的选择对神经网络的精度至关重要，较高的学习率会导致网络的误差较大或者呈现不规则离散，学习率过低会降低网络训练效率。相比于固定学习率，训练子模块选择adam作为优化算法，实现自适应调整学习率，并且针对adam调整学习率过快导致模型准确性下降的问题，采用一种新的自适应算法tadam。
52.可理解的，医疗监护系统需要极高的准确性来预测用户的健康状况，将自适应摩擦系数的概念引入adam算法，得到一种新的自适应算法，称为tadam算法，其中，tadam算法的更新规则如公式（9）至公式（12）所示：公式（9）
公式（10）公式（11）公式（12）式中，表示梯度平方，m
t
表示均值，v
t
表示方差，β1表示第一预设参数，β2表示第二预设参数，β1和β2具体为指数衰减系数，
△
θ
t
表示为参数差值，η为学习率，一般设置为0.001，θ
t
为模型参数。
53.可理解的，tadam算法主要更新点在于梯度二阶动量的更新规则，tadam算法中v
t
和v
t-1
之间的差值只依赖，当v
t-1
远大于时，tadam算法会以一个更加平缓的方式增加有效学习率，通过控制学习率的增长速度可以显著提升模型的收敛速度和模型的准确率。
54.可理解的，监护模块以心血管疾病患病为因变量，对用户是否得心血管疾病进行详尽的描述性统计分析，构件用于心脑血管疾病的bp神经网络模型，通过建立神经网络模型对心血管疾病进行深入的统计分析，并对心血管疾病进行预测，以实现实时监护。
55.本发明实施例提供了一种医疗监护系统，包括处理模块、传输模块和监护模块，传输模块采集各检测节点检测到的医疗数据，并通过传输模块传输至监护模块进行健康状况诊断，以实时监测用户是否发生突发性血管疾病，以便于及时将患者送往医院治疗。处理模块还包括计算子模块，计算子模块通过对各检测节点进行聚类和分簇处理，能够解决检测节点发布在不同社区之间区域能耗差异明显的问题，同时等待所有簇形成后，所有簇独立分布式地执行自适应簇首轮循机制，以进行簇首的动态更新，在提高传输速率的同时，降低节点能量消耗，延长无线传感网络的寿命。
56.在上述实施例的基础上，图4为本发明实施例提供的一种医疗监护方法的流程示意图，应用于上述医疗监护系统，具体包括如图4所示的如下步骤s410至s430：s410、根据接收的各检测节点的节点信息对所述各检测节点进行分簇，在所述各检测节点中确定簇头节点，并基于所述簇头节点将所述各检测节点检测到的医疗数据转发至所述传输模块。
57.s420、将接收到的各医疗数据通过无线通信网络传输至所述监护模块。
58.s430、将所述各医疗数据输入神经网络模型，得到所述各医疗数据的检测结果，并将各检测结果反馈给对应的检测节点。
59.可理解的，在上述s410至s430的实现方式参见上述实施例，在此不作赘述。
60.可选的，根据接收的各检测节点的节点信息对所述各检测节点进行分簇，在所述各检测节点中确定簇头节点，包括：根据所述节点信息计算所述多个检测节点间的第一距离，根据所述第一距离将所述多个检测节点进行聚类，得到至少一个聚类区域，并在所述聚类区域包括的多个检测节点中选举出目标检测节点作为簇头节点，同时将所述聚类区域包括的多个检测节点中除所述目标检测节点之外的其余检测节点作为成员节点。
61.可选的，基于所述簇头节点将所述各检测节点检测到的医疗数据转发至所述传输模块，包括：
基于所述簇头节点将所述成员节点检测到的医疗数据进行融合处理后转发至所述传输模块。
62.可选的，所述节点信息包括平均能量、剩余能量和位置信息。
63.可选的，根据所述节点信息计算所述多个检测节点间的第一距离，包括：根据所述位置信息计算所述多个检测节点间的第二距离，根据所述平均能量和所述剩余能量计算所述检测节点的第一能量，并根据所述第二距离和所述第一能量计算得到第一距离。
64.可选的，所述节点信息还包括初始能量。
65.可选的，在所述聚类区域包括的多个检测节点中选举出目标检测节点作为簇头节点，包括：针对各检测节点，计算所述剩余能量和所述初始能量的比值得到所述检测节点的绝对能量比值；确定所述聚类区域包括的多个检测节点剩余能量的和值，并计算所述剩余能量和所述和值的比值得到所述检测节点的相对能量比值；根据所述位置信息和所述聚类区域对应的第一基站的位置信息计算所述检测节点的相对距离比值；确定所述聚类区域包括的检测节点的第一数量，并计算所述聚类区域中未连续担任簇头节点的节点数量和所述第一数量的比值得到相对节点比值；根据所述绝对能量比值、所述相对能量比值、所述相对距离比值和所述相对节点比值计算得到所述检测节点的簇头比值；根据所述簇头比值在所述聚类区域包括的多个检测节点中选举出目标检测节点作为簇头节点。
66.可选的，所述聚类区域包括所述簇头节点和多个成员节点，确定簇头节点和成员节点后，所述方法还包括：针对各成员节点，根据所述簇头节点的剩余能量、所述簇头节点的初始能量、所述成员节点到所述簇头节点的距离和预设的数据传输偏转角计算得到所述成员节点的节点能力；根据所述节点能力在所述多个成员节点中确定目标成员节点作为中继节点，所述中继节点用于将所述成员节点检测到的医疗数据转发至所述簇头节点。
67.可选的，上述s430中神经网络模型的训练过程如下：将获取的学习样本输入所述神经网络得到预测结果；基于所述学习样本和所述预测结果计算得到梯度平方，并根据所述梯度平方和第一预设参数计算均值，根据所述梯度平方和第二预设参数计算方差；根据预设学习率、所述均值和方差计算得到参数差值，并根据所述参数差值对所述神经网络进行训练得到所述神经网络模型。
68.可理解的，上述医疗监护方法的具体实现步骤参见上述实施例，在此不作赘述。
69.本发明实施例提供的一种医疗监护方法，能够快速、准确的对用户健康状况进行诊断，若诊断结果为突发性血管疾病，则通知患者家属和急救中心，及时将患者送往医院救治。
70.图5为本发明实施例提供的电子设备的结构示意图。下面具体参考图5，其示出了适于用来实现本发明实施例中的电子设备500的结构示意图。本发明实施例中的电子设备500可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda（个人数字助理）、pad（平板电脑）、pmp（便携式多媒体播放器）、车载终端（例如车载导航终端）、可穿戴电子设备等等的移动终端以及诸如数字tv、台式计算机、智能家居设备等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
71.如图5所示，电子设备500可以包括处理装置（例如中央处理器、图形处理器等）501，其可以根据存储在只读存储器（rom）502中的程序或者从存储装置508加载到随机访问存储器（ram）503中的程序而执行各种适当的动作和处理以实现如本发明所述的实施例的医疗监护方法。在ram 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、rom 502以及ram 503通过总线504彼此相连。输入/输出（i/o）接口505也连接至总线504。
72.通常，以下装置可以连接至i/o接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器（lcd）、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
73.特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码，从而实现如上所述的医疗监护方法。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从rom 502被安装。在该计算机程序被处理装置501执行时，执行本发明实施例的方法中限定的上述功能。
74.需要说明的是，本发明上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、光纤、便携式紧凑磁盘只读存储器（cd-rom）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf（射频）等等，或者上述的任意合适的组合。
75.在一些实施方式中，客户端、服务器可以利用诸如http（hypertext transfer protocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“lan”），广域网（“wan”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
76.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未
装配入该电子设备中。
77.可选的，当上述一个或者多个程序被该电子设备执行时，该电子设备还可以执行上述实施例所述的其他步骤。
78.可以以一种或多种程序设计语言或其组合来编写用于执行本发明的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
79.附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
80.描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
81.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（fpga）、专用集成电路（asic）、专用标准产品（assp）、片上系统（soc）、复杂可编程逻辑设备（cpld）等等。
82.在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（ram）、只读存储器（rom）、可擦除可编程只读存储器（eprom或快闪存储器）、光纤、便捷式紧凑盘只读存储器（cd-rom）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
83.需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者网关不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者网
关所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者网关中还存在另外的相同要素。
84.以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种医疗监护系统，其特征在于，所述医疗监护系统包括处理模块、传输模块和监护模块，其中：所述处理模块用于根据接收的各检测节点的节点信息对所述各检测节点进行分簇，在所述各检测节点中确定簇头节点，并基于所述簇头节点将所述各检测节点检测到的医疗数据转发至所述传输模块；所述传输模块用于将接收到的各医疗数据通过无线通信网络传输至所述监护模块；所述监护模块用于将所述各医疗数据输入神经网络模型，得到所述各医疗数据的检测结果，并将各检测结果反馈给对应的检测节点。2.根据权利要求1所述的系统，其特征在于，所述处理模块包括计算子模块和转发子模块，其中，所述处理模块连接至少一个第一基站，所述第一基站连接多个检测节点，所述第一基站用于接收所述多个检测节点的节点信息；所述计算子模块用于根据所述节点信息计算所述多个检测节点间的第一距离，根据所述第一距离将所述多个检测节点进行聚类，得到至少一个聚类区域，并在所述聚类区域包括的多个检测节点中选举出目标检测节点作为簇头节点，同时将所述聚类区域包括的多个检测节点中除所述目标检测节点之外的其余检测节点作为成员节点；所述转发子模块用于基于所述簇头节点将所述成员节点检测到的医疗数据进行融合处理后转发至所述传输模块。3.根据权利要求2所述的系统，其特征在于，所述节点信息包括平均能量、剩余能量和位置信息，所述计算子模块用于根据所述位置信息计算所述多个检测节点间的第二距离，根据所述平均能量和所述剩余能量计算所述检测节点的第一能量，并根据所述第二距离和所述第一能量计算得到第一距离。4.根据权利要求3所述的系统，其特征在于，所述节点信息还包括初始能量，所述计算子模块用于：针对各检测节点，计算所述剩余能量和所述初始能量的比值得到所述检测节点的绝对能量比值；确定所述聚类区域包括的多个检测节点剩余能量的和值，并计算所述剩余能量和所述和值的比值得到所述检测节点的相对能量比值；根据所述位置信息和所述聚类区域对应的第一基站的位置信息计算所述检测节点的相对距离比值；确定所述聚类区域包括的检测节点的第一数量，并计算所述聚类区域中未连续担任簇头节点的节点数量和所述第一数量的比值得到相对节点比值；根据所述绝对能量比值、所述相对能量比值、所述相对距离比值和所述相对节点比值计算得到所述检测节点的簇头比值；根据所述簇头比值在所述聚类区域包括的多个检测节点中选举出目标检测节点作为簇头节点。5.根据权利要求4所述的系统，其特征在于，所述聚类区域包括所述簇头节点和多个成员节点，所述计算子模块用于：针对各成员节点，根据所述簇头节点的剩余能量、所述簇头节点的初始能量、所述成员节点到所述簇头节点的距离和预设的数据传输偏转角计算得到所述成员节点的节点能力；
根据所述节点能力在所述多个成员节点中确定目标成员节点作为中继节点，所述中继节点用于将所述成员节点检测到的医疗数据转发至所述簇头节点。6.根据权利要求1所述的系统，其特征在于，所述传输模块包括第二基站和系统网关，所述第二基站用于通过总线通信方式接收所述处理模块中对应簇头节点转发的各医疗数据，所述系统网关用于对所述各医疗数据进行协议转换，并封装成预设数据格式通过无线通信网络传输至所述监护模块。7.根据权利要求1所述的系统，其特征在于，所述监护模块包括训练子模块，所述训练子模块用于对构建的神经网络进行训练得到所述神经网络模型；所述训练子模块具体用于：将获取的学习样本输入所述神经网络得到预测结果；基于所述学习样本和所述预测结果计算得到梯度平方，并根据所述梯度平方和第一预设参数计算均值，根据所述梯度平方和第二预设参数计算方差；根据预设学习率、所述均值和方差计算得到参数差值，并根据所述参数差值对所述神经网络进行训练得到所述神经网络模型。8.一种医疗监护方法，其特征在于，应用于如权利要求1-7中任意一项所述的医疗监护系统，所述方法包括：根据接收的各检测节点的节点信息对所述各检测节点进行分簇，在所述各检测节点中确定簇头节点，并基于所述簇头节点将所述各检测节点检测到的医疗数据转发至所述传输模块；将接收到的各医疗数据通过无线通信网络传输至所述监护模块；将所述各医疗数据输入神经网络模型，得到所述各医疗数据的检测结果，并将各检测结果反馈给对应的检测节点。9.一种电子设备，其特征在于，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求8所述的医疗监护方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求8所述的医疗监护方法的步骤。

技术总结
本发明涉及一种医疗监护系统、方法、设备和存储介质。医疗监护系统包括处理模块、传输模块和监护模块，其中：所述处理模块用于根据接收的各检测节点的节点信息对所述各检测节点进行分簇，在所述各检测节点中确定簇头节点，并基于所述簇头节点将所述各检测节点检测到的医疗数据转发至所述传输模块；所述传输模块用于将接收到的各医疗数据通过无线通信网络传输至所述监护模块；所述监护模块用于将所述各医疗数据输入神经网络模型，得到所述各医疗数据的检测结果，并将各检测结果反馈给对应的检测节点。本发明提供的系统能够实时监控用户的健康状况并反馈给相关人员，最大限度的保证用户的安全。证用户的安全。证用户的安全。


技术研发人员：李醒 张洋 孙悦超 胡郁梅
受保护的技术使用者：东莞理工学院
技术研发日：2023.06.27
技术公布日：2023/8/5