一种基于智能手表的健康监测方法及装置与流程

本发明主要涉及智能佩戴，具体涉及一种基于智能手表的健康监测方法及装置。

背景技术：

1、智能佩戴设备是目前信息化发展的主要领域之一，通过在手表、手环等设备上设置智能检测模块，可以通过智能佩戴设备对用户的健康状态进行监控。

2、癫痫病是一种基于脑部损伤引起的慢性脑部疾病，癫痫疾病的发作有反复性和短暂性特点，且癫痫病发作具有突发性，目前的智能佩戴设备能够对用户的生理状态进行实时监控，并不能根据用户生理状态对用户身体疾病的病发状态进行预测，因此，智能佩戴设备的健康监测功能有待提高。

技术实现思路

1、本发明的目的在于克服现有技术的不足，本发明提供了一种基于智能手表的健康监测方法及装置，通过检测癫痫患者的实时健康状态，实现对癫痫患者病发状态的预测，并提高对癫痫患者发病状态的预测和识别的准确性以及可靠性。

2、本发明提供了一种基于智能手表的健康监测方法，所述监测方法包括：

3、通过外部应用对智能手表输入癫痫患者的发病状态数据，基于发病状态数据在智能手表内生成检测标准数据；

4、根据智能手表的检测模块检测癫痫患者的佩戴动作数据以及生理状态数据；

5、结合所述检测标准数据与所述佩戴动作数据分析，判断癫痫患者是否处于发病状态，若是，将对应发病状态的生理状态数据标记为病态生理数据；

6、将非发病状态下的生理数据标记为常态生理数据，在常态生理数据中提取对应病态生理数据前一预设时间段内的生理数据，并标记为过渡态生理数据；

7、基于常态生理数据和过渡态生理数据构建预测模型；

8、按单位时间将生理状态数据输入所述预测模型，输出癫痫患者的发病预测数据；

9、基于所述发病预测数据生成预警信息，基于预警信息向癫痫患者进行预警提示。

10、进一步的，所述通过外部应用对智能手表输入癫痫患者的发病状态数据，基于发病状态数据在智能手表内生成检测标准数据包括：

11、基于智能手表的通信模块与外部智能设备信号连接，基于外部智能设备向智能手表发送癫痫患者的历史发病状态数据；

12、智能手表基于所述发病状态数据提取癫痫患者发病的动作参数数据，基于癫痫患者发病的动作参数数据生成检测标准数据。

13、进一步的，所述根据智能手表的检测模块检测癫痫患者的佩戴动作数据以及生理状态数据包括：

14、基于智能手表的陀螺仪检测癫痫患者的手部动作幅度和手部动作频率；

15、基于智能手表的定位模块检测癫痫患者的位置变化数据；

16、基于智能手表的血氧检测模块、血糖检测模块和心率检测模块检测癫痫患者的生理状态数据。

17、进一步的，所述结合检测标准数据与所述佩戴动作数据分析，判断癫痫患者是否处于发病状态，若是，将对应发病状态的生理状态数据标记为病态生理数据包括：

18、按预设时间间隔记录癫痫患者的佩戴动作数据，将对应时间间隔内的佩戴动作数据整理为测量数据组；

19、将所述检测标准数据整理为对照数据组，在任意两个相邻的测量数据组之间插入一个所述对照数据组；

20、基于所述测量数据组和所述对照数据组实时计算癫痫患者的病发概率，若所述病发概率大于85％，则判断癫痫患者处于发病状态。

21、进一步的，所述癫痫患者病发概率的计算公式为：

22、

23、其中，w为同一组内动作参数的协方差矩阵，b为各个数据组之间的组间动作参数的协方差矩阵，n为动作参数数据的数量，k为数据组的数量，i为常数，xi为第i个数据组的动作参数矩阵，为k个数据组的总体均值，为第i个数据组的均值数据，为癫痫患者病发概率。

24、进一步的，所述基于常态生理数据、过渡态生理数据和病态生理数据构建预测模型包括：

25、在过渡态生理数据中按单位时间提取癫痫患者的第一生理数据集，在常态生理数据中按单位时间提取癫痫患者的第二生理数据集，基于第一生理数据集和所述第二生理数据集计算时间间隔内的病发时间函数。

26、进一步的，所述病发时间函数的计算公式为：

27、

28、其中，ty为病发时间函数，为预设时间间隔的病发系数，为预测时间的病发系数，t为预设时间间隔，i为常数，用作计数单位，ci为第一生理数据集中的第i个单位时间对应的生理数据，c′i为第二生理数据集中的第i个单位时间对应的生理数据。

29、进一步的，所述按单位时间将生理状态数据输入所述预测模型，输出癫痫患者的发病预测数据包括：

30、在生理状态数据中按单位时间提取癫痫患者的实时生理数据，将癫痫患者的实时生理数据输入所述预测模型，将所述实时生理数据依次替换所述第一生理数据集中的生理数据；

31、当输出的病发系数与预设时间间隔的病发系数的误差小于0.5时，记录所述实时生理数据对应替换位置的预测数据，得到预测时间的病发系数。

32、进一步的，所述基于所述发病预测数据生成预警信息，基于预警信息向癫痫患者进行预警提示包括：

33、在对应的预测病发时间内，基于所述智能手表检测获取癫痫患者的佩戴动作数据，基于所述佩戴动作数据结合所述检测标准数据对癫痫患者的生理状态进行判断。

34、本发明还提供了一种基于智能手表的健康监测装置，所述健康监测装置包括：

35、数据获取模块：用于通过外部应用对智能手表输入癫痫患者的发病状态数据，基于发病状态数据在智能手表内生成检测标准数据；

36、数据检测模块：用于根据智能手表的检测模块检测癫痫患者的佩戴动作数据以及生理状态数据；

37、病发判断模块：用于结合所述检测标准数据与所述佩戴动作数据分析，判断癫痫患者是否处于发病状态，若是，将对应发病状态的生理状态数据标记为病态生理数据；

38、数据标记模块：用于将非发病状态下的生理数据标记为常态生理数据，在常态生理数据中提取对应病态生理数据前一预设时间段内的生理数据，并标记为过渡态生理数据；

39、模型构建模块：用于基于常态生理数据和过渡态生理数据构建预测模型；

40、发病预测模块：按单位时间将生理状态数据输入所述预测模型，输出癫痫患者的发病预测数据；

41、预警模块：用于基于所述发病预测数据生成预警信息，基于预警信息向癫痫患者进行预警提示。

42、本发明提供了一种基于智能手表的健康监测方法及装置，通过智能手表对癫痫患者的佩戴动作以及生理状态进行实时监测，结合癫痫患者的病发状态下的病态生理数据对癫痫患者的病发状态进行预测，提高对癫痫患者发病状态的预测的准确性，通过将癫痫患者的实时佩戴动作和和识别的准确性以及可靠性。

技术特征：

1.一种基于智能手表的健康监测方法，其特征在于，所述监测方法包括：

2.如权利要求1所述的基于智能手表的健康监测方法，其特征在于，所述通过外部应用对智能手表输入癫痫患者的发病状态数据，基于发病状态数据在智能手表内生成检测标准数据包括：

3.如权利要求1所述的基于智能手表的健康监测方法，其特征在于，所述根据智能手表的检测模块检测癫痫患者的佩戴动作数据以及生理状态数据包括：

4.如权利要求1所述的基于智能手表的健康监测方法，其特征在于，所述结合检测标准数据与所述佩戴动作数据分析，判断癫痫患者是否处于发病状态，若是，将对应发病状态的生理状态数据标记为病态生理数据包括：

5.如权利要求4所述的基于智能手表的健康监测方法，其特征在于，所述癫痫患者病发概率的计算公式为：

6.如权利要求1所述的基于智能手表的健康监测方法，其特征在于，所述基于常态生理数据、过渡态生理数据和病态生理数据构建预测模型包括：

7.如权利要求6所述的基于智能手表的健康监测方法，其特征在于，所述病发时间函数的计算公式为：

8.如权利要求1所述的基于智能手表的健康监测方法，其特征在于，所述按单位时间将生理状态数据输入所述预测模型，输出癫痫患者的发病预测数据包括：

9.如权利要求1所述的基于智能手表的健康监测方法，其特征在于，所述基于所述发病预测数据生成预警信息，基于预警信息向癫痫患者进行预警提示包括：

10.一种基于智能手表的健康监测装置，其特征在于，所述健康监测装置包括：

技术总结本发明公开了一种基于智能手表的健康监测方法及装置，其方法包括：基于发病状态数据在智能手表内生成检测标准数据；根据智能手表的检测模块检测癫痫患者的佩戴动作数据以及生理状态数据；结合检测标准数据与佩戴动作数据分析癫痫患者的发病状态，将对应发病状态的生理状态数据标记为病态生理数据；将非发病状态下的生理数据标记为常态生理数据，在常态生理数据中提取对应病态生理数据前一预设时间段内的生理数据，构建预测模型，获取癫痫患者的发病预测数据；基于发病预测数据生成预警信息，基于预警信息向癫痫患者进行预警提示。本发明通过检测癫痫患者的实时健康状态，提高对癫痫患者发病状态的预测和识别的准确性以及可靠性。技术研发人员：曾玉泉,刘文,邹林泉,黄丽芳受保护的技术使用者：广东时刻美表业制造有限公司技术研发日：技术公布日：2024/9/12