【技術實現步驟摘要】
本專利技術涉及數字化養老，特別涉及一種基于數字化養老綜合安全監測方法。
技術介紹
1、養老安全監測方法是通過監測老年人的生理數據如：血壓、血氧、心率、體溫以及老人跌倒等危險性動作，實現對老人的健康狀況和安全風險進行實時監測和管理，以便及時發現異常情況并采取相應的措施，以保障老年人的健康和安全；然而傳統的養老安全監測管理系統往往只能對于老年人的生理數據，例如心率、血壓、血氧、體溫等進行監測和超過閾值報警，這種方式往往對于這些生理數據的處理和分析能力有限，只能提供簡單的數據統計和報警功能，無法對大量的生理數據進行深入的分析和挖掘，以提取更有意義的健康信息；此外，傳統系統往往缺乏個性化的服務，無法根據老年人的特定需求和健康狀況提供定制化的護理建議和指導，這導致系統的適應性和實用性有限；同時無法將各個監測數據進行聯動分析老人的身體狀況信息，以實現對老人行為安全的前瞻性預測；
2、在申請號為cn202410238033.3的中國專利公開了一種基于物聯網技術的居家養老健康監測管理系統及方法，涉及智能監測領域，其通過監測設備實時監測采集老年人的生理數據，例如心率值、血壓值、血氧值和體溫值，并通過無線網絡將這些生理數據發送到云端服務器進行處理，以在云端服務器端采用基于物聯網和人工智能技術的數據處理和分析算法來進行這些生理數據的時序協同分析，以此來判斷老年人的健康狀況和安全風險。這樣，能夠實時監測居家老人的生理狀態，并在檢測到安全風險時及時向相關人員發送報警信息，從而為老年人的居家養老生活提供必要的健康監測管理支持。雖然其根據時序對監
技術實現思路
1、本專利技術針對現有技術中存在的技術問題，提供一種基于數字化養老綜合安全監測方法。
2、一種基于數字化養老綜合安全監測方法，包括以下步驟：
3、s1：獲取用戶的體檢數據，并根據體檢數據計算用戶各項生理數據的健康閾值；
4、s2：通過監測設備獲取行為數據和生理數據，并根據映射關系匹配行為數據和生理數據。
5、s3：根據在不同行為數據下的生理數據采用動態貝葉斯網絡算法對生理數據進行分析，計算不同行為數據對生理數據的影響權重；
6、s4：基于影響權重與當前生理數據規劃最佳行為數據或基于影響權重與當前行為數據預測生理數據到達健康閾值的時間。
7、進一步的，所述的一種基于數字化養老綜合安全監測方法，在s1步驟中，根據體檢數據計算用戶各項生理數據的健康閾值包括：
8、獲取體檢數據中的疾病特征，根據疾病特征對所述生理數據的關聯性確定所述生理數據的健康閾值，設第i種生理數據與m種疾病特征相關，疾病特征對第i種生理數據的關聯值為：
9、；
10、其中，是第j種疾病特征的加權系數，是第j種疾病特征對于第i種生理數據的關聯值；
11、根據關聯誤差計算健康閾值的誤差值：
12、；
13、其中，是第j種疾病特征的關聯誤差，若在計算中各個疾病特征對生理數據的關聯值是無偏和不相關的：
14、；
15、得到真實的健康閾值為：
16、；
17、其中f是基礎健康值。
18、進一步的，所述的一種基于數字化養老綜合安全監測方法，在s3步驟中包括：
19、s31：收集歷史的生理數據和行為數據，對所述歷史的生理數據和行為數據進行預處理；
20、s32：設計dbn模型，定義生理數據為簇中心，隱藏狀態和行為數據為節點，各個節點與簇之間通過邊連接，這些邊代表隱藏狀態和行為數據對生理數據的影響權重，采用em算法來學習節點之間的聯合概率；
21、s33：使用歷史數據對dbn的參數進行學習和優化。
22、進一步的，所述的一種基于數字化養老綜合安全監測方法，所述dbn模型包括：
23、簇中心的能量為：
24、；
25、x是隱藏狀態，y是行為數據，o是生理數據，是第i個隱藏狀態，是第j個行為數據，是第i個隱藏狀態和第j個行為數據對生理數據共同的影響權重，和是偏置值；
26、聯合概率分布：
27、；
28、e是歸一化參數。
29、進一步的，所述的一種基于數字化養老綜合安全監測方法，分別對隱藏狀態和行為數據連接簇中心的能量值進行激活：
30、；
31、；
32、其中是激活函數。
33、進一步的，所述的一種基于數字化養老綜合安全監測方法，在所述s33步驟中，通過訓練歷史數據對模型中的各參數進行更新，更新規則如下式：
34、；
35、；
36、；
37、其中是學習率，是訓練數據的數學期望，是重構后的模型的數學期望。
38、進一步的，所述的一種基于數字化養老綜合安全監測方法，所述基于影響權重與當前生理數據規劃最佳行為數據中包括：
39、確定當前生理數據與健康閾值的差距；
40、設定目標和約束條件，利用線性規劃構建決策模型，根據影響權重計算各行為數據對當前生理數據的增減趨勢；
41、得到最終的規劃行為數據。
42、進一步的，所述的一種基于數字化養老綜合安全監測方法，所述基于影響權重與當前行為數據預測生理數據到達健康閾值的時間中包括：
43、根據當前生理數據與上一時間的生理數據的變化，擬合生理數據變化曲線；
44、根據生理數據變化曲線預測達到健康閾值的時間。
45、本專利技術的有益效果是：
46、多維度數據分析與關聯：本申請不僅監測生理數據，還結合行為數據，通過分析這些數據之間的關聯性，能夠更全面地理解老年人的健康狀況。動態貝葉斯網絡（dbn）算法使得可以在時間序列上捕捉這些數據的依賴和動態關系，這是現有技術所未能實現的。
47、預測性與前瞻性：利用dbn算法，不僅能監測實時數據，還能通過學習歷史數據的模式預測未來的健康趨勢和潛在風險，這為及早干預和個性化健康管理提供了可能。
48、個性化健康閾值設定：通過分析個體的體檢數據，為每位老人計算出個性化的健康閾值，這比傳統的固定閾值報警系統提供了更加量身定做的監測，更能夠反映個體的具體需求和健康狀況。
49、智能行為建議：基于對數據的深入分析，能夠綜合考慮生理數據和行為數據的影響權重，為老年人提供更具針對性的健康提醒和行為改進建議，幫助他們改善生活方式并維持健康。
本文檔來自技高網...【技術保護點】
1.一種基于數字化養老綜合安全監測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于數字化養老綜合安全監測方法，其特征在于，在S1步驟中，根據體檢數據計算用戶各項生理數據的健康閾值包括：
3.根據權利要求1所述的一種基于數字化養老綜合安全監測方法，其特征在于，在S3步驟中包括：
4.根據權利要求3所述的一種基于數字化養老綜合安全監測方法，其特征在于，所述DBN模型包括：
5.根據權利要求4所述的一種基于數字化養老綜合安全監測方法，其特征在于，分別對隱藏狀態和行為數據連接簇中心的能量值進行激活：
6.根據權利要求5所述的一種基于數字化養老綜合安全監測方法，其特征在于，在所述S33步驟中，通過訓練歷史數據對模型中的各參數進行更新，更新規則如下式：
7.根據權利要求1所述的一種基于數字化養老綜合安全監測方法，其特征在于，所述基于影響權重與當前生理數據規劃最佳行為數據中包括：
8.根據權利要求1所述的一種基于數字化養老綜合安全監測方法，其特征在于，所述基于影響權重與當前行為數據預測生理數據
...【技術特征摘要】
1.一種基于數字化養老綜合安全監測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于數字化養老綜合安全監測方法，其特征在于，在s1步驟中，根據體檢數據計算用戶各項生理數據的健康閾值包括：
3.根據權利要求1所述的一種基于數字化養老綜合安全監測方法，其特征在于，在s3步驟中包括：
4.根據權利要求3所述的一種基于數字化養老綜合安全監測方法，其特征在于，所述dbn模型包括：
5.根據權利要求4所述的一種基于數字化養老綜合安全監測方法，其特征在于，...
【專利技術屬性】
技術研發人員：余芳，余聰，徐飛，
申請(專利權)人：江西合一云數據科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。