健康管理方法、装置、可穿戴设备、电子设备及介质制造方法及图纸

本发明专利技术提出一种健康管理方法、装置、可穿戴设备、电子设备及介质，其中，方法包括：获取用户的动态数据和静态数据；获取所述动态数据对应的动态特征和所述静态数据对应的静态特征；将所述动态特征和所述静态特征输入至训练好的混合数据检测模型中，得到健康风险概率值；将所述健康风险概率值输入至训练好的健康风险预测模型中，得到健康风险值，以实现对用户罹患疾病的健康风险值进行预测。户罹患疾病的健康风险值进行预测。户罹患疾病的健康风险值进行预测。

【技术实现步骤摘要】
健康管理方法、装置、可穿戴设备、电子设备及介质


[0001]本专利技术涉及可穿戴设备
，尤其涉及一种健康管理方法、装置、可穿戴设备、电子设备及介质。

技术介绍

[0002]高血压作为一种常见的慢性心血管类疾病，尽管其发病过程比较缓慢，患者也多表现为心悸、头晕等轻微的临床症状，但高血压却是引起中风、肾衰竭等严重的心血管疾病及器官病变的重要因素。《中国高血压防治指南(2018年修订版)》指出，2012
‑
2015年我国18岁及以上居民高血压患病率达到了27.9％，而高血压的知晓率和控制率却仅有51.6％和16.8％，且高血压的患病率仍呈升高趋势。因此，广泛适用的高血压检测和预测对我国人群高血压的防控具有重要意义。

技术实现思路

[0003]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。
[0004]为此，本专利技术的第一个目的在于提出一种健康管理方法，以实现对用户罹患疾病的健康风险值进行预测。
[0005]本专利技术的第二个目的在于提出一种健康管理装置。
[0006]本专利技术的第三个目的在于提出一种可穿戴设备。
[0007]本专利技术的第四个目的在于提出一种电子设备。
[0008]本专利技术的第五个目的在于提出一种计算机程序产品。
[0009]为达上述目的，本专利技术第一方面实施例提出了一种健康管理方法，包括：获取用户的动态数据和静态数据，所述动态数据包括所述用户的心率、睡眠阶段数据或活动量数据中的至少一种，所述静态数据包括所述用户的基本信息或者包括所述用户的基本信息和健康信息；获取所述动态数据对应的动态特征和所述静态数据对应的静态特征；将所述动态特征和所述静态特征输入至训练好的混合数据检测模型中，得到健康风险概率值；将所述健康风险概率值输入至训练好的健康风险预测模型中，得到健康风险值。
[0010]根据本申请的一个实施例，所述获取所述动态数据对应的所述动态特征，包括：根据所述动态数据获取每个时间窗口内所述动态数据的统计值；获取所述静态数据对应的所述静态特征，包括：根据所述静态数据获取第一静态特征，所述第一静态特征包括身体质量指数BMI和体脂率，根据所述静态数据基于梯度提升决策树生成第二静态特征。
[0011]根据本申请的一个实施例，所述混合数据检测模型包括动态数据检测模型、静态数据检测模型和迁移学习模型，所述将所述动态特征和所述静态特征输入至训练好的混合数据检测模型中，得到健康风险概率值，包括：将所述动态特征输入至训练好的所述动态数据检测模型中，得到动态数据检测结果；将所述静态特征输入至训练好的所述静态数据检测模型中，得到静态数据检测结果；将所述动态数据检测结果和所述静态数据检测结果输入至训练好的所述迁移学习模型中，得到所述健康风险概率值；其中，所述迁移学习模型对
所述动态数据检测结果和所述静态数据检测结果进行特征融合，并将融合后的特征输入至全连接网络FCN中得到健康风险概率值。
[0012]根据本申请的一个实施例，所述将所述健康风险概率值输入至训练好的健康风险预测模型中，得到健康风险值，包括：根据每个时间窗口内所述健康风险概率值的缺失情况确定掩膜值；将多个时间窗口内的所述健康风险概率值和所述掩膜值输入至训练好的所述健康风险预测模型中，得到所述健康风险值。
[0013]根据本申请的一个实施例，所述获取所述动态数据对应的动态特征和静态数据对应的静态特征之前，还包括：对所述动态数据和所述静态数据进行预处理，所述预处理包括对所述静态数据缺损字段采用通配符表示、对所述动态数据采用滑窗方式进行筛选、对所述动态数据进行分钟级到小时级的转换或对所述静态数据和所述动态数据进行归一化处理中的至少一种。
[0014]根据本申请的一个实施例，若所述健康风险值大于预设的健康风险阈值，则向所述用户输出预警信息和目标健康风险值，并根据所述目标健康风险值和训练好的所述混合数据检测模型得到目标动态特征和目标静态特征，向所述用户输出所述目标动态特征和目标静态特征；若所述健康风险值等于或者小于所述健康风险阈值，则向所述用户输出所述动态特征和所述静态特征在平均值附近设定范围内波动时所述健康风险值的变化情况。
[0015]本申请实施例的健康管理方法，通过对用户的静态数据和动态数据进行分析，能够准确获取到用户的健康风险值，以实现对用户未来罹患病情的风险进行预测，对用户的健康风险值预测结果更为客
[0016]为达上述目的，本专利技术第二方面实施例提出了一种健康管理装置，包括：第一获取模块，用于获取用户的动态数据和静态数据，所述动态数据包括所述用户的心率、睡眠阶段数据或活动量数据中的至少一种，所述静态数据包括所述用户的基本信息或者包括所述用户的基本信息和健康信息；第二获取模块，用于获取所述动态数据对应的动态特征和所述静态数据对应的静态特征；第一预测模块，用于将所述动态特征和所述静态特征输入至训练好的混合数据检测模型中，得到健康风险概率值；第二预测模块，用于将所述健康风险概率值输入至训练好的健康风险预测模型中，得到健康风险值。
[0017]根据本申请的一个实施例，所述第二获取模块，还用于：根据所述动态数据获取每个时间窗口内所述动态数据的统计值；或者还用于：根据所述静态数据获取第一静态特征，所述第一静态特征包括身体质量指数BMI和体脂率，根据所述静态数据基于梯度提升决策树生成第二静态特征。
[0018]根据本申请的一个实施例，所述混合数据检测模型包括动态数据检测模型、静态数据检测模型和迁移学习模型，所述第一预测模块，具体用于：将所述动态特征输入至训练好的所述动态数据检测模型中，得到动态数据检测结果；将所述静态特征输入至训练好的所述静态数据检测模型中，得到静态数据检测结果；将所述动态数据检测结果和所述静态数据检测结果输入至训练好的所述迁移学习模型中，得到所述健康风险概率值；其中，所述迁移学习模型对所述动态数据检测结果和所述静态数据检测结果进行特征融合，并将融合后的特征输入至全连接网络FCN中得到健康风险概率值。
[0019]根据本申请的一个实施例，所述第二预测模块，具体用于：根据每个时间窗口内所述健康风险概率值的缺失情况确定掩膜值；将多个时间窗口内的所述健康风险概率值和所
述掩膜值输入至训练好的所述健康风险预测模型中，得到所述健康风险值。
[0020]根据本申请的一个实施例，所述第二获取模块，还用于：对所述动态数据和所述静态数据进行预处理，所述预处理包括对所述静态数据缺损字段采用通配符表示、对所述动态数据采用滑窗方式进行筛选、对所述动态数据进行分钟级到小时级的转换或对所述静态数据和所述动态数据进行归一化处理中的至少一种。
[0021]根据本申请的一个实施例，所述第二预测模块，还用于：若所述健康风险值大于预设的健康风险阈值，则向所述用户输出预警信息和目标健康风险值，并根据所述目标健康风险值和训练好的所述混合数据检测模型得到目标动态特征和目标静态特征，向所述用户输出所述目标动态特征和目标静态特征；若所述健康风险值等于或者小于所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种健康管理方法，其特征在于，包括：获取用户的动态数据和静态数据，所述动态数据包括所述用户的心率、睡眠阶段数据或活动量数据中的至少一种，所述静态数据包括所述用户的基本信息或者包括所述用户的基本信息和健康信息；获取所述动态数据对应的动态特征和所述静态数据对应的静态特征；将所述动态特征和所述静态特征输入至训练好的混合数据检测模型中，得到健康风险概率值；将所述健康风险概率值输入至训练好的健康风险预测模型中，得到健康风险值。2.根据权利要求1所述的健康管理方法，其特征在于，所述获取所述动态数据对应的所述动态特征，包括：根据所述动态数据获取每个时间窗口内所述动态数据的统计值；获取所述静态数据对应的所述静态特征，包括：根据所述静态数据获取第一静态特征，所述第一静态特征包括身体质量指数BMI和体脂率，根据所述静态数据基于梯度提升决策树生成第二静态特征。3.根据权利要求1所述的健康管理办法，其特征在于，所述混合数据检测模型包括动态数据检测模型、静态数据检测模型和迁移学习模型，所述将所述动态特征和所述静态特征输入至训练好的混合数据检测模型中，得到健康风险概率值，包括：将所述动态特征输入至训练好的所述动态数据检测模型中，得到动态数据检测结果；将所述静态特征输入至训练好的所述静态数据检测模型中，得到静态数据检测结果；将所述动态数据检测结果和所述静态数据检测结果输入至训练好的所述迁移学习模型中，得到所述健康风险概率值；其中，所述迁移学习模型对所述动态数据检测结果和所述静态数据检测结果进行特征融合，并将融合后的特征输入至全连接网络FCN中得到健康风险概率值。4.根据权利要求1所述的健康管理方法，其特征在于，所述将所述健康风险概率值输入至训练好的健康风险预测模型中，得到健康风险值，包括：根据每个时间窗口内所述健康风险概率值的缺失情况确定掩膜值；将多个时间窗口内的所述健康风险概率值和所述掩膜值输入至训练好的所述健康风险预测模型中，得到所述健康风险值。5.根据权利要求1所述的健康管理办法，其特征在于，所述获取所述动态数据对应的动态特征和静态数据对应的静态特征之前，还包括：对所述动态数据和所述静态数据进行预处理，所述预处理包括对所述静态数据缺损字段采用通配符表示、对所述动态数据采用滑窗方式进行筛选、对所述动态数据进行分钟级到小时级的转换或对所述静态数据和所述动态数据进行归一化处理中的至少一种。6.根据权利要求1所述的健康管理方法，其特征在于，还包括：若所述健康风险值大于预设的健康风险阈值，则向所述用户输出预警信息和目标健康风险值，并根据所述目标健康风险值和训练好的所述混合数据检测模型得到目标动态特征和目标静态特征，向所述用户输出所述目标动态特征和目标静态特征；若所述健康风险值等于或者小于所述健康风险阈值，则向所述用户输出所述动态特征和所述静态特征在平均值附近设定范围内波动时所述健康风险值的变化情况。7.一种健康管理装置，其特征在于，包括：
第一获取模块，用于获取用户的动态数据和静态数据，所述动态数据包括所述用户的心率、睡眠阶段数据或活动量数据中的至少一种，所述静态数据包括所述用户的基本信息或者包括所述...

【专利技术属性】
技术研发人员：俞轶，李佳，武超，朱国康，
申请(专利权)人：安徽华米健康科技有限公司，
类型：发明
国别省市：