【技术实现步骤摘要】
本公开涉及数据处理，具体而言，涉及一种疲劳风险等级的评估系统、设备及存储介质。
技术介绍
1、近年来，由于各种因素的影响，许多行业（如公安、医疗健康、交通运输和工业生产）中的工作人员因长时间工作而导致身体健康快速恶化，甚至发生猝死等恶性健康事件。因此人员的疲劳风险等级得评估显得尤为重要。
2、但目前，针对不同群体疲劳度评估的标定规则存在局限性，如不同职业的工作性质和压力水平显著不同。例如，警察和医生在高强度、长时间工作后可能呈现出不同的疲劳表现。当前的评估标准往往是基于某一特定群体（如司机）开发的，缺乏针对其他行业（如医疗、消防等）的适用性，使得这些标准在不同职业背景下的准确性和有效性受到限制。
3、或人体的生理特征差异（如年龄、性别、健康状况）会影响疲劳的表现及其应对方式。大多数现有的疲劳评估工具未能充分考虑这些个体差异。例如，年轻人和老年人在面对相同工作负荷时，疲劳的生理响应和心理影响可能截然不同，而现有的评估标准通常对区分这些差异的准确性较差。
技术实现思路
1、本公开解决的问题是上述现有技术问题中的一个或者多个。
2、为解决上述问题，本公开提供一种疲劳风险等级的评估系统、设备及存储介质。
3、第一方面，本公开提供了一种疲劳风险等级的评估系统，包括：
4、采集模块，用于获取待测人员的基础数据，所述基础数据包括个体基础数据，预设时间间隔的睡眠特征数据、五维时频特征数据和健康行为数据；
5、处理模块，用于分别
6、预测模块，用于将所述融合特征数据输入预设疲劳预测模型中，得到所述待测人员的疲劳数据；所述预设疲劳预测模型基于固定效应回归模型构建；
7、评估模块，用于基于预设风险等级数据，根据所述个体基础数据和所述疲劳数据确定所述待测人员的疲劳风险等级。
8、可选地，所述个体基础数据包括职业信息和基础信息；所述评估模块具体用于：
9、通过所述职业信息对所述预设风险等级数据进行筛选，得到对应的风险等级数据集合；
10、通过所述基础信息对所述风险等级数据集合进行过滤，得到临时风险等级数据，并基于所述疲劳数据，对所述临时风险等级数据筛选，得到所述待测人员的疲劳风险等级。
11、可选地，所述处理模块还包括分析单元；
12、所述分析单元用于分别对所述第一特征数据和所述第二特征数据进行相关性分析，得到对应的临时特征数据。
13、可选地，所述处理模块还包括融合单元；
14、所述融合单元用于将所有所述临时特征数据与所述五维时频特征数据进行融合，得到所述融合特征数据。
15、可选地，所述五维时频特征数据包括时域类型特征和频域类型特征；所述将所有所述临时特征数据与所述五维时频特征数据进行融合，得到所述融合特征数据，包括：
16、分别对所述时域类型特征、所述频域类型特征和各所述临时特征数据进行评估，得到特征权重矩阵；
17、基于所述特征权重矩阵，将所有所述临时特征数据与所述五维时频特征数据进行融合，得到所述融合特征数据。
18、可选地，所述预设疲劳预测模型包括疲劳非睡眠模块和疲劳睡眠模块；且所述疲劳非睡眠模块和疲劳睡眠模块均基于固定效应回归模型构建。
19、可选地，所述五维时频特征数据包括时域类型特征和频域类型特征；所述获取待测人员的五维时频特征数据，包括：
20、通过智能穿戴设备采集所述待测人员的容积脉搏波数据，并对所述容积脉搏波数据进行预处理，得到临时脉搏波数据；
21、对所述临时脉搏波数据进行提取，得到所述时域类型特征；
22、对所述临时脉搏波数据进行波形转换，得到所述频域类型特征。
23、可选地，所述疲劳风险等级的评估系统还包括预警模块；
24、所述预警模块用于通过所述待测人员的疲劳风险等级进行预警提示。
25、第二方面，本公开提供了一种疲劳风险等级的评估设备，包括存储器和处理器；
26、所述存储器，用于存储计算机程序；
27、所述处理器，用于当执行所述计算机程序时，实现如下步骤：
28、获取待测人员的基础数据，所述基础数据包括个体基础数据，预设时间间隔的睡眠特征数据、五维时频特征数据和健康行为数据；
29、分别对所述睡眠特征数据和所述健康行为数据进行特征提取，得到第一特征数据和第二特征数据；
30、将所述五维时频特征数据、所述第一特征数据和所述第二特征数据进行融合，得到融合特征数据；
31、将所述融合特征数据输入预设疲劳预测模型中，得到所述待测人员的疲劳数据；
32、基于预设风险等级数据，根据所述个体基础数据和所述疲劳数据确定所述待测人员的疲劳风险等级。
33、第三方面，本公开提供了一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现实现实现如下步骤：
34、获取待测人员的基础数据，所述基础数据包括个体基础数据，预设时间间隔的睡眠特征数据、五维时频特征数据和健康行为数据；
35、分别对所述睡眠特征数据和所述健康行为数据进行特征提取，得到第一特征数据和第二特征数据；
36、将所述五维时频特征数据、所述第一特征数据和所述第二特征数据进行融合，得到融合特征数据；
37、将所述融合特征数据输入预设疲劳预测模型中，得到所述待测人员的疲劳数据；
38、基于预设风险等级数据，根据所述个体基础数据和所述疲劳数据确定所述待测人员的疲劳风险等级。
39、本公开的疲劳风险等级的评估系统的有益效果是：
40、通过采集模块获取待测人员的多维度基础数据，以便为后续的特征提取和分析提供必要的信息。其中，基础数据类型：个体基础数据：包括年龄、性别、体重、身高等基本信息，这些数据有助于理解个体的身体状况和疲劳表现。睡眠特征数据：在预设时间间隔内（例如，过去一周）的睡眠质量、时长、深度等数据。这些数据可以通过智能手环、睡眠监测器等设备获取。五维时频特征数据：通过分析生理信号（例如脑电波、心率等）提取的五维特征，反映个体在不同频段上的生理状态。健康行为数据：包括身体质量指数、平均心率等数据，评估个体的健康行为对疲劳的影响。
41、处理模块对睡眠特征数据进行提取，例如可通过算法（如时域分析、频域分析）提取睡眠特征数据中的关键指标，形成第一特征数据。而对健康行为数据处理过程，可使用统计分析或机器学习方法提取健康行为数据中的重要特征，形成第二特征数据。再将提取的第一特征数据、第二特征数据与五维时频特征数据进行融合，形成一个综合的融合特征数据集。这一过程可能使本文档来自技高网...
【技术保护点】
1.一种疲劳风险等级的评估系统，其特征在于，包括：
2.根据权利要求1所述的疲劳风险等级的评估系统，其特征在于，所述个体基础数据包括职业信息和基础信息；所述评估模块具体用于：
3.根据权利要求1所述的疲劳风险等级的评估系统，其特征在于，所述处理模块还包括分析单元；
4.根据权利要求3所述的疲劳风险等级的评估系统，其特征在于，所述处理模块还包括融合单元；
5.根据权利要求4所述的疲劳风险等级的评估系统，其特征在于，所述五维时频特征数据包括时域类型特征和频域类型特征；所述将所有所述临时特征数据与所述五维时频特征数据进行融合，得到所述融合特征数据，包括：
6.根据权利要求1所述的疲劳风险等级的评估系统，其特征在于，所述预设疲劳预测模型包括疲劳非睡眠模块和疲劳睡眠模块。
7.根据权利要求1所述的疲劳风险等级的评估系统，其特征在于，所述五维时频特征数据包括时域类型特征和频域类型特征；所述获取待测人员的五维时频特征数据，包括：
8.根据权利要求1所述的疲劳风险等级的评估系统，其特征在于，所述疲劳风险等级的评估
9.一种疲劳风险等级的评估设备，其特征在于，包括存储器和处理器；
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如下步骤：
...【技术特征摘要】
1.一种疲劳风险等级的评估系统，其特征在于，包括：
2.根据权利要求1所述的疲劳风险等级的评估系统，其特征在于，所述个体基础数据包括职业信息和基础信息；所述评估模块具体用于：
3.根据权利要求1所述的疲劳风险等级的评估系统，其特征在于，所述处理模块还包括分析单元；
4.根据权利要求3所述的疲劳风险等级的评估系统，其特征在于，所述处理模块还包括融合单元；
5.根据权利要求4所述的疲劳风险等级的评估系统，其特征在于，所述五维时频特征数据包括时域类型特征和频域类型特征；所述将所有所述临时特征数据与所述五维时频特征数据进行融合，得到所述融合特征数据，包括：
【专利技术属性】
技术研发人员：刘延文，
申请(专利权)人：西安天和生命科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。