【技術實現步驟摘要】
本專利技術涉及卒中預警，尤其涉及基于智能穿戴健康監測的卒中早期預警系統及方法。
技術介紹
1、隨著人口老齡化的加劇和生活節奏的加快，腦卒中的發病率逐年上升，成為威脅人類健康的重要疾病之一，腦卒中，又稱中風，是由于腦部血管突然破裂或因血管阻塞導致血液不能流入大腦而引起腦組織損傷的一組疾病，它具有高發病率、高致殘率和高死亡率的特點，給個人、家庭和社會帶來了沉重的負擔。
2、目前，申請號為cn202311088876.1的中國專利公開了一種腦卒中風險預測方法及裝置，其中，基于歷史肌電信號數據訓練原始神經網絡模型得到腦卒中風險預測模型；采集被測者的前臂肌群在特定電刺激信號下的目標肌電信號；將目標肌電信號輸入腦卒中風險預測模型得到腦卒中風險預測結果，能夠利用神經傳導受阻造成手臂運動不對稱的現象來實現腦卒中風險預測。
3、上述技術難以在預測出可能發病后，根據過往生活習慣和環境條件推測病因，避免因患者發病后語言系統混亂而造成難以表達病因，影響治療效果。
技術實現思路
1、本專利技術解決的技術問題是：上述技術難以在預測出可能發病后，根據過往生活習慣和環境條件推測病因，避免因患者發病后語言系統混亂而造成難以表達病因，影響治療效果。
2、為解決上述技術問題，本專利技術提供如下技術方案：基于智能穿戴健康監測的卒中早期預警系統，包括參數監測分析模塊、習慣環境采集模塊、病因報告生成模塊和緊急響應指導模塊；
3、所述參數監測分析模塊用于采集患者的當前生理數據集和
4、所述習慣環境采集模塊用于根據當前狀態分析結果提取患者的當前生活習慣數據和當前環境數據集，對當前生活習慣數據進行處理，輸出為當前生活習慣數據集；
5、所述病因報告生成模塊用于建立病因預測模型，將生活習慣數據集和當前環境數據集輸入至病因預測模型，生成初步病因報告；
6、所述緊急響應指導模塊用于根據當前狀態分析結果和生成初步病因報告進行分析，生成預測結果，根據預測結果生成預警信號，將預警信號發送至患者端，將預警信號和初步病因報告發送至患者的緊急聯系人端和醫療機構端。
7、優選的，所述參數監測分析模塊包括生理數據監測單元和生理數據分析單元；
8、所述生理數據監測單元用于采集患者的當前血壓數據、當前心率數據、當前血氧飽和度數據、當前腦電波數據、當前體溫數據和預設的第一時間段內的步長數據，提取當前腦電波數據的頻段，所述頻段包括頻率為0.5hz-4hz的delta頻段和頻率為30hz-100hz的alpha頻段，提取delta頻段數量和alpha頻段數量，輸出為當前delta頻段數量數據和當前alpha頻段數量數據，將當前血壓數據、當前心率數據、當前血氧飽和度數據、當前delta頻段數量數據、當前alpha頻段數量數據和當前體溫數據合并輸出為當前生理數據集，將預設時間段內的步長數據輸出為當前步長數據集。
9、優選的，所述生理數據分析單元用于對當前生理數據集和當前步長數據集進行分析：
10、將當前生理數據集與預設的標準數據集對比，所述標準數據集包括標準血壓閾值、標準心率閾值、標準血氧飽和度閾值、標準delta頻段數量閾值、標準alpha頻段數量閾值、標準體溫閾值和標準步長變異系數閾值；
11、根據步長數據集計算步長變異系數：
12、計算步長均值，數學表達式為：
13、其中，為步長均值，為步數的索引，取值為1-，為總步數，為第步的步長；
14、計算步長標準差，數學表達式為：
15、其中，為步長標準差；
16、計算步長變異系數，數學表達式：
17、其中，為步長變異系數；
18、輸出為當前步長變異系數數據；
19、若當前生理數據集和當前步長變異系數數據滿足：當前血壓數據位于標準血壓閾值內、當前心率數據位于標準心率閾值內、當前血氧飽和度數據位于標準血氧飽和度閾值內、當前delta頻段數量數據位于標準delta頻段數量閾值內、當前alpha頻段數量數據位于標準alpha頻段數量閾值內、當前體溫數據位于標準體溫閾值內和當前步長變異系數數據位于或小于標準補償變異系數閾值，判定為未將發病；
20、若當前生理數據集和當前步長變異系數數據滿足：當前血壓數據大于或小于標準血壓閾值、當前心率數據大于或小于標準心率閾值、當前血氧飽和度數據大于或小于標準血氧飽和度閾值、當前delta頻段數量數據大于標準delta頻段數量閾值、當前alpha頻段數量數據小于標準alpha頻段數量閾值、當前體溫數據大于或小于標準體溫閾值或當前步長變異系數數據大于標準補償變異系數閾值，判定為即將發病；
21、輸出當前狀態分析結果，所述當前狀態分析結果包括未將發病和一級即將發病。
22、優選的，所述習慣環境采集模塊包括日常數據采集單元和采集數據處理單元；
23、所述日常數據采集單元用于接收當前狀態分析結果，若當前狀態分析結果為即將發病，則從歷史數據庫中提取患者預設的第二時間段內的當前生活習慣數據和當前環境數據，所述當前生活習慣數據包括每小時睡眠呼吸暫停次數、每周運動時長、每周總代謝量、每周吸煙量和每周酒精攝入量，所述當前環境數據集包括當前溫度數據、當前pm2.5濃度值和當前海拔數據。
24、優選的，所述采集數據處理單元用于對當前生活習慣數據進行處理：
25、記錄每小時睡眠呼吸暫停次數小于或等于15次的每小時睡眠呼吸暫停次數數量，輸出為當前合格暫停次數數量數據；
26、記錄每周運動時長大于或等于150分鐘的每周運動時長數量，輸出為當前合格運動時長數量數據；
27、記錄每周總代謝量大于或等于600met的每周總代謝量數量，輸出為當前合格代謝量數量數據；
28、記錄每周吸煙量小于或等于10支的每周吸煙量數量，輸出為當前合格吸煙量數量數據；
29、記錄每周酒精攝入量小于或等于14杯的每周酒精攝入量數量，輸出為當前合格酒精攝入數量數據；
30、將當前合格暫停次數數量數據、當前合格運動時長數量數據、當前合格代謝量數量數據、當前合格吸煙量數量數據和當前合格酒精攝入數量數據合并輸出為當前生活習慣數據集。
31、優選的，所述病因報告生成模塊包括預測模型建立單元和病因報告生成單元；
32、所述預測模型建立單元用于建立病因預測模型，所述病因預測模型的邏輯為：
33、對合格暫停次數數量數據、合格運動時長數量數據、合格代謝量數量數據、合格吸煙量數量數據和合格酒精攝入數量數據進行加權：
34、合格暫停次數數量數據的權重為30%；
35、合格運動時長數量數據的權重為25%；
36、合格代謝數量數據的權重為20%；
37、合格吸煙量數量數據的權重為15%；...
【技術保護點】
1.基于智能穿戴健康監測的卒中早期預警系統，其特征在于，包括參數監測分析模塊、習慣環境采集模塊、病因報告生成模塊和緊急響應指導模塊；
2.如權利要求1所述的基于智能穿戴健康監測的卒中早期預警系統，其特征在于，所述參數監測分析模塊包括生理數據監測單元和生理數據分析單元；
3.如權利要求2所述的基于智能穿戴健康監測的卒中早期預警系統，其特征在于，所述生理數據分析單元用于對當前生理數據集和當前步長數據集進行分析：
4.如權利要求3所述的基于智能穿戴健康監測的卒中早期預警系統，其特征在于，所述習慣環境采集模塊包括日常數據采集單元和采集數據處理單元；
5.如權利要求4所述的基于智能穿戴健康監測的卒中早期預警系統，其特征在于，所述采集數據處理單元用于對當前生活習慣數據進行處理：
6.如權利要求5所述的基于智能穿戴健康監測的卒中早期預警系統，其特征在于，所述病因報告生成模塊包括預測模型建立單元和病因報告生成單元；
7.如權利要求6所述的基于智能穿戴健康監測的卒中早期預警系統，其特征在于，所述病因報告生成單元用于將生活習慣數
8.如權利要求7所述的基于智能穿戴健康監測的卒中早期預警系統，其特征在于，所述緊急響應指導模塊包括發病預測分析單元和預警信號處理單元；
9.如權利要求8所述的基于智能穿戴健康監測的卒中早期預警系統，其特征在于，所述預警信號處理單元用于根據預測結果生成預警信號：
10.基于智能穿戴健康監測的卒中早期預警方法，其應用于如權利要求1-9任意一項所述的基于智能穿戴健康監測的卒中早期預警系統中，其特征在于，包括以下步驟：
...【技術特征摘要】
1.基于智能穿戴健康監測的卒中早期預警系統，其特征在于，包括參數監測分析模塊、習慣環境采集模塊、病因報告生成模塊和緊急響應指導模塊；
2.如權利要求1所述的基于智能穿戴健康監測的卒中早期預警系統，其特征在于，所述參數監測分析模塊包括生理數據監測單元和生理數據分析單元；
3.如權利要求2所述的基于智能穿戴健康監測的卒中早期預警系統，其特征在于，所述生理數據分析單元用于對當前生理數據集和當前步長數據集進行分析：
4.如權利要求3所述的基于智能穿戴健康監測的卒中早期預警系統，其特征在于，所述習慣環境采集模塊包括日常數據采集單元和采集數據處理單元；
5.如權利要求4所述的基于智能穿戴健康監測的卒中早期預警系統，其特征在于，所述采集數據處理單元用于對當前生活習慣數據進行處理：
6.如權利要求5所述的基于智能穿戴健康監測的卒中早期預警系統，其特征在于，所述病因報告生成模塊包括預測模型建立單元和病因報告生成單元；
7.如權利要求...
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。