一种生理数据的评分处理方法及装置制造方法及图纸

本发明专利技术实施例公开了一种生理数据的评分处理方法及装置，方法包括：对采集的生理数据进行特征提取，提取得到所述生理数据的波动剧烈度、均值震荡指标和漂移差异度；根据所述波动剧烈度、所述均值震荡指标和所述漂移差异度得到所述生理数据的若干个时序特征；根据所述若干个时序特征和各时序特征的权重值，计算得到所述生理数据的评分值。本发明专利技术实施例通过提取得到生理数据的波动剧烈度、均值震荡指标和漂移差异度后，获得多个时序特征，根据时序特征及其不同的权重值计算生理数据的评分值，不仅充分利用生理数据时序特征信息，而且将统计分析方法与机器学习算法相结合，简单、高效地实现对生理数据的评分，降低健康状况评判或预警时的错误报警率。

【技术实现步骤摘要】
一种生理数据的评分处理方法及装置
本专利技术实施例涉及计算机
，具体涉及一种生理数据的评分处理方法及装置。
技术介绍
近年来，随着各类移动医疗健康设备的不断发展，对用户(尤其是老年病人)的心率、血氧饱和度、呼吸率、血压等生理指标的特征提取与分析，在防止身体突发情况、病情恶化甚至死亡等方面具有重要意义。现有监护系统对生理数据进行分析时，主要存在两个问题：首先，通常只单纯分析心率、呼吸率、血压等时间序列数据的均值变化，而忽略其它特征，这些被检测到的有限的生理指标信息未被充分的利用；其次，利用一种重要生理体征、结合简单的门限阈值方法进行健康状况评判或预警，错误报警率较高。
技术实现思路
由于现有方法存在上述问题，本专利技术实施例提出一种生理数据的评分处理方法及装置。第一方面，本专利技术实施例提出一种生理数据的评分处理方法，包括：对采集的生理数据进行特征提取，提取得到所述生理数据的波动剧烈度、均值震荡指标和漂移差异度；根据所述波动剧烈度、所述均值震荡指标和所述漂移差异度得到所述生理数据的若干个时序特征；根据所述若干个时序特征和各时序特征的权重值，计算得到所述生理数据的评分值。可选地，所述若干个时序指标包括瞬时波动的滑动平均值、变化率滑动平均线的离差值、滑动平均线离差值、漂移情况滑动平均值、漂移情况均线离差值、均值差异振荡值和漂移差异振荡值。可选地，所述若干个时序指标为提取所述生理数据中的一阶和二阶差分时序特征后，根据离散时间序列得到。可选地，各时序特征的权重值根据机器学习随机森林特征选择算法和所述历史数据对各时序特征进行重要性排序后得到。第二方面，本专利技术实施例还提出一种生理数据的评分处理装置，包括：特征提取模块，用于对采集的生理数据进行特征提取，提取得到所述生理数据的波动剧烈度、均值震荡指标和漂移差异度；特征处理模块，用于根据所述波动剧烈度、所述均值震荡指标和所述漂移差异度得到所述生理数据的若干个时序特征；评分计算模块，用于根据所述若干个时序特征和各时序特征的权重值，计算得到所述生理数据的评分值。可选地，所述若干个时序指标包括瞬时波动的滑动平均值、变化率滑动平均线的离差值、滑动平均线离差值、漂移情况滑动平均值、漂移情况均线离差值、均值差异振荡值和漂移差异振荡值。可选地，所述若干个时序指标为提取所述生理数据中的一阶和二阶差分时序特征后，根据离散时间序列得到。可选地，各时序特征的权重值根据机器学习随机森林特征选择算法和所述历史数据对各时序特征进行重要性排序后得到。第三方面，本专利技术实施例还提出一种电子设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述方法。第四方面，本专利技术实施例还提出一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述方法。由上述技术方案可知，本专利技术实施例通过提取得到生理数据的波动剧烈度、均值震荡指标和漂移差异度后，获得多个时序特征，根据时序特征及其不同的权重值计算生理数据的评分值，不仅充分利用生理数据时序特征信息，而且将统计分析方法与机器学习算法相结合，简单、高效地实现对生理数据的评分，降低健康状况评判或预警时的错误报警率。附图说明为了更清楚地说明本专利技术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，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。图1为本专利技术一实施例提供的一种生理数据的评分处理方法的流程示意图；图2为本专利技术另一实施例提供的一种生理数据的评分处理方法的流程示意图；图3为本专利技术一实施例提供的一种生理数据的评分处理装置的结构示意图；图4为本专利技术一实施例提供的电子设备的逻辑框图。具体实施方式下面结合附图，对本专利技术的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。图1示出了本实施例提供的一种生理数据的评分处理方法的流程示意图，包括：S101、对采集的生理数据进行特征提取，提取得到所述生理数据的波动剧烈度、均值震荡指标和漂移差异度。其中，所述波动剧烈度主要通过一阶、二阶差分时序特征，衡量数据在不同时期生理指标变化率的滑动平均曲线的粘合或分离情况，可以反应出不同时期生理参数变化率的差异性。所述均值震荡指标可以衡量出不同时期生理指标的滑动平均曲线的粘合或分离情况，以及不同时期数据均值差异的振荡情况。所述漂移差异度反应不同时期生理指标对应于正常医学指标范围的偏离程度。S102、根据所述波动剧烈度、所述均值震荡指标和所述漂移差异度得到所述生理数据的若干个时序特征。S103、根据所述若干个时序特征和各时序特征的权重值，计算得到所述生理数据的评分值。本实施例充分利用生理数据时序特征信息，提高对健康状况的评判准确度，为老人或病人的身体病变、病情恶化提供早期的预警参考。在实际应用中，主要包括数据采集、特征提取、评判方法建立与实时评判几个步骤，如图2所示。数据采集中主要通过移动医疗健康监护设备，采集正常与各类异常情况下的生命体征数据，包括心率、呼吸率、血氧饱和度、血压等，并由专业医生对数据的正常与异常情况进行标定。对数据进行异常值筛选等预处理后，将数据及相对应的状态存入数据库，构建生命体征信息数据库。特征提取基于上述所构建生命体征信息数据库，进行生理数据特征提取，得到若干个时序特征。评判方法建立为基于以上所提取时序特征，对每种特征赋予不同权重值，通过权重打分的方式，对当前时期的健康状况进行评判，其中分数越高代表健康状况越差。实时评判为上述评判方法建立完成后，即完成基于统计分析与机器学习的健康评价方法的构建。实际应用中，将实时检测到的生理数据进行预处理、特征提取，并利用所构建评价方法进行实时健康状况的评判，即完成对用户健康状况的评判。本实施例通过提取得到生理数据的波动剧烈度、均值震荡指标和漂移差异度后，获得多个时序特征，根据时序特征及其不同的权重值计算生理数据的评分值，不仅充分利用生理数据时序特征信息，而且将统计分析方法与机器学习算法相结合，简单、高效地实现对生理数据的评分，降低健康状况评判或预警时的错误报警率。进一步地，在上述方法实施例的基础上，所述若干个时序指标包括瞬时波动的滑动平均值、变化率滑动平均线的离差值、滑动平均线离差值、漂移情况滑动平均值、漂移情况均线离差值、均值差异振荡值和漂移差异振荡值。所述若干个时序指标为提取所述生理数据中的一阶和二阶差分时序特征后，根据离散时间序列得到。具体地，在进行特征提取时，对于某种生理参数，取其离散时间序列为{x(i)}，所研究滑动时间窗内对应数据序列长度为N，以n1表示身体处于健康状态的某一历史时期，n2表示当前时期，所提取的特征信息为：波动剧烈度：该特征主要通过一阶、二阶差分时序特征，衡量数据在不同时期，生理指标变化率的滑动平均曲线的粘合或分离情况，可以反应出不同时期生理参数变化率的差异性，具体计算方法为：数据瞬时波动值：TR(x(i))＝|x(i)-x(i-1)|。n1时期瞬时波动的滑动平均值：n2时期本文档来自技高网...

【技术保护点】
1.一种生理数据的评分处理方法，其特征在于，包括：对采集的生理数据进行特征提取，提取得到所述生理数据的波动剧烈度、均值震荡指标和漂移差异度；根据所述波动剧烈度、所述均值震荡指标和所述漂移差异度得到所述生理数据的若干个时序特征；根据所述若干个时序特征和各时序特征的权重值，计算得到所述生理数据的评分值。

【技术特征摘要】
1.一种生理数据的评分处理方法，其特征在于，包括：对采集的生理数据进行特征提取，提取得到所述生理数据的波动剧烈度、均值震荡指标和漂移差异度；根据所述波动剧烈度、所述均值震荡指标和所述漂移差异度得到所述生理数据的若干个时序特征；根据所述若干个时序特征和各时序特征的权重值，计算得到所述生理数据的评分值。2.根据权利要求1所述的方法，其特征在于，所述若干个时序指标包括瞬时波动的滑动平均值、变化率滑动平均线的离差值、滑动平均线离差值、漂移情况滑动平均值、漂移情况均线离差值、均值差异振荡值和漂移差异振荡值。3.根据权利要求1所述的方法，其特征在于，所述若干个时序指标为提取所述生理数据中的一阶和二阶差分时序特征后，根据离散时间序列得到。4.根据权利要求1所述的方法，其特征在于，各时序特征的权重值根据机器学习随机森林特征选择算法和所述历史数据对各时序特征进行重要性排序后得到。5.一种生理数据的评分处理装置，其特征在于，包括：特征提取模块，用于对采集的生理数据进行特征提取，提取得到所述生理数据的波动剧烈度、均值震荡指标和漂移差异度；特征处理模块，用于根据所述波动剧烈度、所述均值震荡指...

【专利技术属性】
技术研发人员：韩璐，侯国梁，
申请(专利权)人：普天信息技术有限公司，
类型：发明
国别省市：北京,11