一种基于机器学习的智能健康监测预警方法及系统技术方案

本发明专利技术公开了一种基于机器学习的智能健康监测预警方法及系统，首先基于采集的用户生物体征数据，生成用户历史生物体征数据。然后基于用户历史生物体征数据，计算生物体征对应的阈值参数，并基于阈值参数的原始概率密度函数，将所述历史生物体征数据对应表示为相应类别的原始概率分布；所述原始概率分布的类别为无向图或有向图或隐马尔科夫链。最后采用条件随机场进行模拟，更新原始概率密度函数。从更新后的密度函数推导出一组阈值，采用基于概率分类的方法计算该组中阈值概率，选取概率最大的阈值作为该类生物体征对应的报警阈值。本发明专利技术能够全方位多角度地为老年人的健康提供服务，实现个性化的智能健康检测及应急服务。实现个性化的智能健康检测及应急服务。实现个性化的智能健康检测及应急服务。

【技术实现步骤摘要】
一种基于机器学习的智能健康监测预警方法及系统


[0001]本专利技术涉及智能健康监测预警领域，尤其涉及一种基于机器学习的智能健康监测预警方法及系统。

技术介绍

[0002]我国步入老龄化步伐的不断加快，以北京市为例，目前老年人口高龄化趋势十分明显。据预测，到2020年，全市老年人口将达到350万。由于城市家庭规模小型化、子女外出工作求学增多等原因，身边无子女的纯老年人家庭户日益增加，高龄老人、独居老人部分时间独处的老人增加已经成为城市人口老龄化过程中的重要特征，城市的养老问题已经成为重要的社会课题。数据显示，我国目前以养老为主要内容的健康服务业仅占GDP的5％左右，而美国2009年已达到17.6％。据测算，到2020年我国健康服务业总规模将达到8万亿元以上，这表明，在保证基本医疗卫生需求的基础上，我国健康服务产业发展具备巨大潜力。其中特别是可穿戴医疗设备，其市场前景非常广阔。
[0003]现有的可穿戴医疗设备可以检测人体的生理参数，并将检测到的生理参数发送给终端设备，以便终端设备判断人体的生理参数是否在正常的数值范围内，如果不在正常的数值范围内，则终端设备发出告警信息。然而现有的可穿戴医疗设备功能比较单一，并且数据的准确率不高，对复杂病况的识别度较低，只能作为运动检测辅助器件，还不能作为健康检测器件。
[0004]总的来说，现有的可穿戴医疗设备，不能针对老年人不同的特殊疾病，提取特殊的行为特征，实现特殊监测和精确报警。

技术实现思路

[0005]为了解决现有技术中的上述问题，即针对老年人不同的特殊疾病，无法提取特殊行为特征并实现特殊监测和精确报警的问题，提供了一种基于机器学习的智能健康监测预警方法及系统。
[0006]本专利技术的目的是通过以下技术方案来实现的：一种基于机器学习的智能健康监测预警方法，包括：获取当前生物体征数据，基于各类体征对应的报警阈值，识别异常的生物体征数据并预警。具体步骤如下：
[0007](1)基于采集的用户生物体征数据，通过推测算法生成用户历史生物体征数据。
[0008](2)基于步骤(1)生成的用户历史生物体征数据，通过哈希算法，计算生物体征对应的阈值参数，并基于该阈值参数的原始概率密度函数，将所述历史生物体征数据对应表示为相应类别的原始概率分布；原始概率分布的类别为无向图、有向图或隐马尔科夫链。
[0009](3)采用条件随机场进行模拟，更新原始概率密度函数。从更新后的原始概率密度函数推导出一组阈值，采用基于概率分类的方法计算该组中阈值概率，选取概率最大的阈值作为该类生物体征对应的报警阈值，若采集的生物体征数据超过了报警阈值则进行报警。
[0010]进一步地，所述原始概率分布表示为无向图时，采用条件随机场模拟无向图，获得更新后的密度函数p(x,y)如下：
[0011][0012]其中，Z为归一因子，ψ(X
A
,Y
A
)为局部函数，整个无向图记作V，A为V的节点；X
A
，Y
A
分别表示节点A的两个不同的生物体征变量；
[0013]归一因子Z定义为：
[0014][0015]式中，X，Y代表两种不同的生物体征变量。
[0016]局部函数ψ(X
A
,Y
A
)定义为：
[0017][0018]式中，θ
Ak
表示去噪函数；f
Ak
表示心跳血糖二阶健康指数。
[0019]进一步地，所述原始概率分布表示为有向图时，采用条件随机场模拟有向图，获得更新后的密度函数p'(x,y)如下：
[0020][0021]其中，V'表示整个有向图，v是π(v)的父节点，π(v)是v的子图。
[0022]进一步地，所述原始概率分布表示为隐马尔科夫链时，采用条件场模拟隐马尔科夫链，获得更新后的密度函数p'(x,y)如下：
[0023][0024]其中，y
t
表示监测心跳状态，是y
t
‑1的下一个状态，x
t
是y
t
的观测点，T为时间集。
[0025]进一步地，采用基于概率分类的方法计算阈值概率为采用朴素贝叶斯分类方法，计算阈值概率：
[0026][0027]其中，λ
k
为第k个个体的权重因子，分别为x、y的子元素，即为健康阈值，k
k
(y,x)为第k个个体分布函数，所述个体是指单个生物体证的采样样本。
[0028]进一步地，采用基于概率分类的方法计算阈值概率为在隐马尔科夫中植入选择特性方程来计算阈值概率，公式如下。
[0029][0030]式中，λ
ij
和u
oi
为权重参数，t为时间步长，1为变量因子，计算采样相同，以及采样与观测相同之间的差异值，S表示action即决策，O表示observation即观测。
[0031]本专利技术还提供一种基于机器学习的智能健康监测预警系统，包括获取模块、历史数据计算模块、阈值参数获取模块、原始概率分布生成模块、条件随机场模拟模块、阈值导出模块、分类模块、输出模块和监测模块。
[0032]所述获取模块，配置为获取用户一周内的生物体征数据。
[0033]所述历史数据计算模块，配置为通过获取模块获取的生物体征数据计算用户历史生物体征数据。
[0034]所述阈值参数获取模块，配置为采用哈希算法根据用户历史生物体征数据计算生命体征对应的阈值参数。
[0035]所述原始概率分布生成模块，配置为基于阈值参数获取模块获取的阈值参数的原始概率密度函数，将历史生物体征数据表示为原始概率分布。
[0036]所述条件随机场模拟模块，配置为采用条件随机场模拟不同类别原始概率分布生成模块得到的历史生物体征数据的原始概率分布，更新原始概率密度函数。
[0037]所述阈值导出模块，配置为从条件随机场模拟模块更新后的原始概率密度函数推导出一组阈值；
[0038]所述分类模块，配置为采用基于概率分类的方法，计算所述阈值导出模块导出的一组阈值中各阈值的概率，选取概率最大的阈值作为该类生物体征对应的报警阈值。
[0039]所述输出模块，配置为输出通过分类模块得到的报警阈值。
[0040]所述监测模块，配置为基于输出模块的报警阈值对用户体征监测及预警。
[0041]进一步地，所述条件随机场模拟模块包括无向图模拟模块、有向图模拟模块和隐马尔科夫链模拟模块。
[0042]所述无向图模拟模块，配置为采用条件随机场模拟无向图，更新原始概率密度函数；
[0043]所述有向图模拟模块，配置为采用条件随机场模拟有向图，更新原始概率密度函数；
[0044]所述隐马尔科夫链模拟模块，配置为采用条件随机场模拟隐马尔科夫链，更新原始概率密度函数。
[0045]进一步地，所述分类模块包括贝叶斯分类模块和隐马尔可夫分类模块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的智能健康监测预警方法，其特征在于，包括：获取当前生物体征数据，基于各类体征对应的报警阈值，识别异常的生物体征数据并预警。具体步骤如下：(1)基于采集的用户生物体征数据，通过推测算法生成用户历史生物体征数据。(2)基于步骤(1)生成的用户历史生物体征数据，通过哈希算法，计算生物体征对应的阈值参数，并基于该阈值参数的原始概率密度函数，将所述历史生物体征数据对应表示为相应类别的原始概率分布；原始概率分布的类别为无向图、有向图或隐马尔科夫链。(3)采用条件随机场进行模拟，更新原始概率密度函数。从更新后的原始概率密度函数推导出一组阈值，采用基于概率分类的方法计算该组中阈值概率，选取概率最大的阈值作为该类生物体征对应的报警阈值，若采集的生物体征数据超过了报警阈值则进行报警。2.根据权利要求1所述的基于机器学习的智能健康监测预警方法，其特征在于，所述原始概率分布表示为无向图时，采用条件随机场模拟无向图，获得更新后的密度函数p(x,y)如下：其中，Z为归一因子，ψ(X
A
,Y
A
)为局部函数，整个无向图记作V，A为V的节点；X
A
，Y
A
分别表示节点A的两个不同的生物体征变量；归一因子Z定义为：式中，X，Y代表两种不同的生物体征变量。局部函数ψ(X
A
,Y
A
)定义为：式中，θ
Ak
表示去噪函数；f
Ak
表示心跳血糖二阶健康指数。3.根据权利要求1所述的基于机器学习的智能健康监测预警方法，其特征在于，所述原始概率分布表示为有向图时，采用条件随机场模拟有向图，获得更新后的密度函数p'(x,y)如下：其中，V'表示整个有向图，v是π(v)的父节点，π(v)是v的子图。4.根据权利要求1所述的基于机器学习的智能健康监测预警方法，其特征在于，所述原始概率分布表示为隐马尔科夫链时，采用条件场模拟隐马尔科夫链，获得更新后的密度函数p'(x,y)如下：其中，y
t
表示监测心跳状态，是y
t
‑1的下一个状态，x
t
是y
t
的观测点，T为时间集。
5.根据权利要求1所述的基于机器学习的智能健康监测预警方法，其特征在于，采用基于概率分类的方法计算阈值概率为采用朴素贝叶斯分类方法，计算阈值概率：其中，λ
k
为第k个个体的权重因子，分别为x、y的子元素，即为健康阈值，k
...

【专利技术属性】
技术研发人员：刘荣，胡师彦，吴伟宗，吴文睿，
申请(专利权)人：宁波伟吉电力科技有限公司，
类型：发明
国别省市：