CN102068239A - 一种体域网的智能采集生理信息方法 - Google Patents
一种体域网的智能采集生理信息方法 Download PDFInfo
- Publication number
- CN102068239A CN102068239A CN201010578332XA CN201010578332A CN102068239A CN 102068239 A CN102068239 A CN 102068239A CN 201010578332X A CN201010578332X A CN 201010578332XA CN 201010578332 A CN201010578332 A CN 201010578332A CN 102068239 A CN102068239 A CN 102068239A
- Authority
- CN
- China
- Prior art keywords
- information
- physiologic information
- physiologic
- picker
- physiological information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000036541 health Effects 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims description 18
- 201000010099 disease Diseases 0.000 claims description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 9
- 230000003068 static effect Effects 0.000 claims description 6
- 230000037213 diet Effects 0.000 claims description 2
- 235000005911 diet Nutrition 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 description 9
- 230000008054 signal transmission Effects 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 230000036772 blood pressure Effects 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002969 morbid Effects 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种体域网智能采集生理信息的方法，通过对被采集对象已有生理信息数据的分析，对体域网中被采集对象的健康进行评估，依照评估所得的健康等级，对被采集对象的生理信息进行分类智能采集。本发明可以解决传统采集方法下由于对被采集对象无区别对待而造成的无用生理信息过多，错误生理信息干扰的问题，同时也减少了在采集生理信息的发送量，减少了实现在体域网中被采集对象生理信息的高效采集。
Description
技术领域
本发明涉及系统信息技术领域，尤其涉及一种系统多信息采集分析方法。
背景技术
体域网(body sensor network，BSN)是一种重要的公众应用网络，并在远程医疗保健、特殊人群监护和社区医疗等服务领域有着巨大的应用意义和需求，并日渐成为研究和应用的热点。但体域网的传统采集生理信息方法，没有针对不同个人的健康情况进行分类，造成采集到的生理信息数据量过大，反而将反应个人健康状况的特征生理信息淹没在大量无用的生理信息之中，我们的体域网的智能采集生理信息方法使重要、有用的生理信息保存下来，以供实时的预警和后续的诊断治疗。
发明内容
本发明的目的在于针对现有技术的不足，提供一种体域网的智能采集生理信息方法。
本发明的目的是通过以下技术方案来实现的：一种体域网智能采集生理信息方法，它包括以下步骤：
(1)采集模式初设：被采集者通过输入自己相关的生活信息，由系统按照初始设定进行健康等级进行初始化确定，从而对被采集者的采集模式进行设置。
(2)采集生理信息：根据初始化的采集模式来采集被测者的生理信息。
(3)生理信息静态分析：将采集到的生理信息进行的分析，并与已有的生理信息数据库里的数据进行比对，制定现阶段被采集者的采集等级，同时对生理信息数据库里的数据进行扩充更新。
(4)生理信息动态分析：将采集到的生理信息与前一时刻所采集到的生理信息进行比对分析差异，得到被采集者的实时信息变化。
(5)采集模式重设：根据生理信息的静态分析结果来设置所需要采集的生理信息种类，动态分析结果来设置采集生理信息时的方法以及静态分析更新周期。
本发明的有益效果是，本发明体域网的智能采集生理信息方法解决了传统采集方法下由于对被采集对象无区别对待而造成的无用生理信息过多，错误生理信息干扰的问题，同时也减少了在采集生理信息的发送量，减少了实现在体域网中被采集对象生理信息的高效采集。
具体实施方法
本发明体域网智能采集生理信息方法，包括以下步骤：
一、采集模式初设：被采集者通过输入自己相关的生活信息，按照初始设定进行健康等级进行初始化确定，从而对被采集者的采集模式进行设置。
通过被采集者输入的饮食方面信息、作息方面信息、历史疾病信息进行健康等级判断，按照健康等级判断来对被采集者的采集模式进行选择。
采集模式大致分为四个模式：
1、健康模式：当生理信息满足医学意义上健康的生理指标，且与过去采集的自身特异性生理信息比较分析呈规律性的生物周期，那么系统判断当前体域网的采集模式为健康模式。在这个等级下将只开启采集生理信息的少量传感器，并采用信号传输实时性要求较低，信号辐射量较小的传输方式进行数据的传输，只存储更新被测者的周期性特异生理信息。
2、亚健康模式：当生理信息满足医学意义上一般的生理指标，但比较分析得到的生物周期呈不规律，那么系统判断当前体域网的采集模式为亚健康模式。在这个等级下开启采集生理信息的多个传感器，并采用实时性较好；信号辐射量较小的传输方式进行数据的传输，存储更新被测者的各传感器健康生理信息。
3、疾病模式：当生理信息不满足医学意义上一般的生理指标，或被用户人为标定为疾病，输入疾病信息，那么系统判断当前体域网的采集模式为疾病模式。在这个等级下开启所有采集与疾病相关的生理信息传感器，并采用实时性较强，信号传输延时较少，信号传输准确性较高的传输方式进行数据的传输，对疾病特征信息进行全程记录存储，为今后的疾病诊断提供数据。
4、重症模式：当生理信息严重偏离医学意义上的生理指标，或被用户人为标定为重症，那么系统判断当前体域网的采集模式为重症模式。在这个等级下开启所有采集生理信息的传感器，并采用实时性好、信号传输安全性好、传输准确率高的工业级传输方式进行数据的传输，对疾病特征信息进行记录存储，并对数据库的内容进行更新。
二、采集生理信息：根据初始化的采集模式来采集被测者的生理信息。
将采集生理信息进行重要度分级，根据不同的模式对生理信息的重要度制定不同的等级，按照生理信息优先级和二次采集优先级制定体域网电源供给和网络信息传输的分配方案，保证重要生理信息连续、稳定的采集。
1、在健康和亚健康模式下，将涵盖较多的个人健康信息的脉搏信息的信息优先级设为最高，以便能从整体掌控个人的健康状况，再分别对多个脉搏信息按照采集脉搏信息的连续性和稳定性的要求进行二次脉搏信息采集优先度分级。而血压、体温等一般性生理信息则设定为中等优先级，EEG、ECG等特异性生理信息可作为选择性、灵活性较强的低等优先级。
2、在疾病和重症模式下，将主要反应疾病状态的生理信息的信息优先级设为最高，如针对心脑血管疾病以ECG、EEG等特异性生理信息为主要采集数据，脉搏、血压、体温信息设为中低等优先级。
3、在所有模式下，可通过针对某一个生理信息的某一个生理信息可人为设置优先级，制定某个特殊生理信息采集的体域网电源供给和网络信息传输策略。
三、生理信息静态分析：将采集到的生理信息进行的分析，并与已有的生理信息数据库里的数据进行比对，确定现阶段被采集者的采集等级，同时对生理信息数据库里的数据进行扩充更新。
对采集到个人脉搏信息采用经典时频域分析方法分析个人健康生理信息，研究以小波变换理论为基础的脉搏，心脑电信号处理算法，使用ICA(independentcomponent analysis)方法提取病灶信息。对人体健康生理信号等一些非平稳信号，(如脑电信号，在脑科学和认知科学中被广泛使用)采用检验和估计理论来分析生理状况和行为模式。并与已有的生理信息数据库里的分析结果数据按照不同生理状况种类，如果发现明显的差异，则由专家系统或医生改变被采集者的采集等级，同时对差异数据进行记录，对重理信息数据库里的数据进行扩充更新。
四、生理信息动态分析：将采集到的生理信息与前一时刻所采集到的生理信息进行比对分析差异，得到被采集者的实时信息变化。
如步骤三中方法进行分析，将采集到的生理信息进行以上分析处理方法处理后与前一时刻所采集到的生理信息数据结果进行基本的曲线差异化比对和曲线平均值比对，对采集者的实时信息的突然变化进行反应，在一段时间内将采集模式提升一个等级，这段时间可从1～60分钟内任意设置。
五、采集模式重设：根据生理信息的静态分析结果来设置采集模式，动态分析结果来设置采集生理信息时的方法以及静态分析更新周期。
如步骤三、步骤四中进行处理。
Claims (2)
1.一种体域网智能采集生理信息方法，其特征在于，它包括以下步骤：
(1)采集模式初设：被采集者通过输入自己相关的生活信息，由系统按照初始设定进行健康等级进行初始化确定，从而对被采集者的采集模式进行设置。
(2)采集生理信息：根据初始化的采集模式来采集被测者的生理信息。
(3)生理信息静态分析：将采集到的生理信息进行的分析，并与已有的生理信息数据库里的数据进行比对，制定现阶段被采集者的采集等级，同时对生理信息数据库里的数据进行扩充更新。
(4)生理信息动态分析：将采集到的生理信息与前一时刻所采集到的生理信息进行比对分析差异，得到被采集者的实时信息变化。
(5)采集模式重设：根据生理信息的静态分析结果来设置所需要采集的生理信息种类，动态分析结果来设置采集生理信息时的方法以及静态分析更新周期。
2.根据权利要求1所述体域网智能采集生理信息方法，其特征在于，所述步骤(1)中，所述相关的生活信息为饮食方面信息、作息方面信息和历史疾病信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010578332XA CN102068239A (zh) | 2010-12-08 | 2010-12-08 | 一种体域网的智能采集生理信息方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010578332XA CN102068239A (zh) | 2010-12-08 | 2010-12-08 | 一种体域网的智能采集生理信息方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102068239A true CN102068239A (zh) | 2011-05-25 |
Family
ID=44027128
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201010578332XA Pending CN102068239A (zh) | 2010-12-08 | 2010-12-08 | 一种体域网的智能采集生理信息方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102068239A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103259859A (zh) * | 2013-05-08 | 2013-08-21 | 王天一 | 一种基于Android的体域网及其智能终端连接方法 |
| CN103944725A (zh) * | 2014-04-23 | 2014-07-23 | 江苏物联网研究发展中心 | 基于生理特征的密钥生成、认证和数据传输方法 |
| CN104113892A (zh) * | 2014-08-06 | 2014-10-22 | 中国联合网络通信集团有限公司 | 一种传感器网络中传感器节点的管理方法、系统及网关 |
| CN105266778A (zh) * | 2015-09-18 | 2016-01-27 | 北京交通大学 | 监控轨道交通列车工作人员健康状况的系统及方法 |
| CN105286822A (zh) * | 2015-09-18 | 2016-02-03 | 北京交通大学 | 供轨道交通列车工作人员穿戴的智能设备 |
| WO2020038471A1 (zh) * | 2018-08-24 | 2020-02-27 | 范豪益 | 生理数据智能处理方法与系统 |
| CN116548981A (zh) * | 2023-07-12 | 2023-08-08 | 四川省医学科学院·四川省人民医院 | 一种无线传输的分体式心电监护系统 |
-
2010
- 2010-12-08 CN CN201010578332XA patent/CN102068239A/zh active Pending
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103259859A (zh) * | 2013-05-08 | 2013-08-21 | 王天一 | 一种基于Android的体域网及其智能终端连接方法 |
| CN103944725A (zh) * | 2014-04-23 | 2014-07-23 | 江苏物联网研究发展中心 | 基于生理特征的密钥生成、认证和数据传输方法 |
| CN103944725B (zh) * | 2014-04-23 | 2017-04-05 | 江苏物联网研究发展中心 | 基于生理特征的密钥生成、认证和数据传输方法 |
| CN104113892A (zh) * | 2014-08-06 | 2014-10-22 | 中国联合网络通信集团有限公司 | 一种传感器网络中传感器节点的管理方法、系统及网关 |
| CN104113892B (zh) * | 2014-08-06 | 2018-07-20 | 中国联合网络通信集团有限公司 | 一种传感器网络中传感器节点的管理方法、系统及网关 |
| CN105266778A (zh) * | 2015-09-18 | 2016-01-27 | 北京交通大学 | 监控轨道交通列车工作人员健康状况的系统及方法 |
| CN105286822A (zh) * | 2015-09-18 | 2016-02-03 | 北京交通大学 | 供轨道交通列车工作人员穿戴的智能设备 |
| WO2020038471A1 (zh) * | 2018-08-24 | 2020-02-27 | 范豪益 | 生理数据智能处理方法与系统 |
| CN116548981A (zh) * | 2023-07-12 | 2023-08-08 | 四川省医学科学院·四川省人民医院 | 一种无线传输的分体式心电监护系统 |
| CN116548981B (zh) * | 2023-07-12 | 2023-09-08 | 四川省医学科学院·四川省人民医院 | 一种无线传输的分体式心电监护系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiang et al. | Robust sleep stage classification with single-channel EEG signals using multimodal decomposition and HMM-based refinement | |
| CN102068239A (zh) | 一种体域网的智能采集生理信息方法 | |
| US9326698B2 (en) | Method for automatic, unsupervised classification of high-frequency oscillations in physiological recordings | |
| US20200337580A1 (en) | Time series data learning and analysis method using artificial intelligence | |
| CN103970975B (zh) | 心电数据处理方法和系统 | |
| CN114532993B (zh) | 一种癫痫患者脑电高频振荡信号的自动检测方法 | |
| CN104545949A (zh) | 一种基于脑电的麻醉深度监测方法 | |
| CN107530015B (zh) | 一种生命体征分析方法与系统 | |
| Tian et al. | A hierarchical classification method for automatic sleep scoring using multiscale entropy features and proportion information of sleep architecture | |
| CN110141226A (zh) | 自动睡眠分期方法、装置、计算机设备及计算机存储介质 | |
| CN113095302A (zh) | 用于心律失常分类的深度模型、利用该模型的方法及装置 | |
| Wan et al. | EEG fading data classification based on improved manifold learning with adaptive neighborhood selection | |
| CN110367975A (zh) | 一种基于脑机接口的疲劳驾驶检测预警方法 | |
| WO2015052609A1 (en) | An apparatus and method for evaluating multichannel ecg signals | |
| CN114052744A (zh) | 基于脉冲神经网络的心电信号分类方法 | |
| CN117017301A (zh) | 基于穿戴式心电监护报警系统及方法 | |
| Teng et al. | Multimedia monitoring system of obstructive sleep apnea via a deep active learning model | |
| CN111557658B (zh) | Ppg实时心率信号质量评估方法及装置、存储介质 | |
| CN106963368A (zh) | Qrs复合波检测方法及装置 | |
| CN114587365B (zh) | 一种面向可穿戴设备的心电信号异常检测方法 | |
| CN110960207A (zh) | 一种基于树模型的房颤检测方法、装置、设备及存储介质 | |
| Gini et al. | An improved optimization algorithm for epileptic seizure detection in EEG signals using random forest classifier | |
| CN112022149B (zh) | 一种基于心电信号的房颤检测方法 | |
| Bashir et al. | Nested Ensemble Technique for Excellence Real Time Cardiac Health Monitoring. | |
| CN106580250A (zh) | 一种基于体域网的睡眠质量监测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110525 |