本發(fā)明涉及計算機應(yīng)用技術(shù)，特別涉及一種健康風(fēng)險評估方法和裝置。

背景技術(shù)：

醫(yī)療研究表明，人體心率、血壓、血氧量和睡眠質(zhì)量等指數(shù)和指數(shù)的變化對評估身體相關(guān)疾病、疲勞程度和健康評估有重要參考價值。

但是目前智能穿戴設(shè)備只能實現(xiàn)一些簡單的運動管理功能，設(shè)備不能存儲數(shù)據(jù)或存儲容量有限，尚不能用于醫(yī)療層次的健康分析，對廣大于慢性疾病患病人員或潛在的慢性疾病患病人群，如何結(jié)合智能終端，便攜享受可靠的醫(yī)療健康服務(wù)，目前尚未提出有效的解決方案。

技術(shù)實現(xiàn)要素：

本發(fā)明提供了一種健康風(fēng)險評估方法和裝置，結(jié)合智能終端的采集數(shù)據(jù)，可以為用戶提供便攜可靠的醫(yī)療健康風(fēng)險評估服務(wù)。

本發(fā)明提供一種健康風(fēng)險評估方法，包括：至少包括數(shù)據(jù)采集步驟和風(fēng)險分析步驟；數(shù)據(jù)采集步驟，采集至少一種用戶生理體征數(shù)據(jù)，并保存所述數(shù)據(jù)；風(fēng)險分析步驟，根據(jù)數(shù)據(jù)評估數(shù)據(jù)等級，數(shù)據(jù)等級結(jié)合數(shù)據(jù)的影響權(quán)重計算用戶發(fā)病的風(fēng)險系數(shù)。

本發(fā)明還提供一種健康風(fēng)險評估裝置，至少包括數(shù)據(jù)采集模塊、存儲模塊和風(fēng)險分析模塊；數(shù)據(jù)采集模塊，采集至少一種用戶生理體征數(shù)據(jù)，并將數(shù)據(jù)存儲在所述存儲模塊；風(fēng)險分析模塊，根據(jù)存儲模塊存儲的數(shù)據(jù)評估數(shù)據(jù)等級，數(shù)據(jù)等級結(jié)合數(shù)據(jù)的影響權(quán)重計算用戶發(fā)病的風(fēng)險系數(shù)。

本發(fā)明提供的健康風(fēng)險評估方法，該方法可結(jié)合用戶終端采集的生理體征數(shù)據(jù)輸出可靠的健康風(fēng)險評估結(jié)果，使得應(yīng)用該健康風(fēng)險評估方法的裝置，可以為用戶提供準確、可靠、便攜的醫(yī)療健康服務(wù)。通過評估方法輸出結(jié)果自動預(yù)警風(fēng)險就醫(yī)，代替現(xiàn)有的身體不適后再就醫(yī)，可以讓患者在發(fā)病初期獲得治療，減少患者治療代價，改善現(xiàn)有醫(yī)療服務(wù)的體驗感和時效性。同時智能終端能保存身體異常時的生理體征數(shù)據(jù)供醫(yī)生診斷使用，使得醫(yī)生可以更準確地了解用戶的身體狀態(tài)以提高診斷的準確性。

附圖說明

圖1為本發(fā)明健康風(fēng)險評估方法的流程圖。

圖2為本發(fā)明圖1中的s102即時風(fēng)險評估方法；

圖3為本發(fā)明圖1中的s102風(fēng)險預(yù)測評估方法；

圖4為圖3中預(yù)測指標的預(yù)測模型構(gòu)建方法；

圖5為本發(fā)明健康分析評估裝置的結(jié)構(gòu)示意圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面結(jié)合附圖和具體實施例對本發(fā)明進行詳細描述。

如圖1所示，本發(fā)明公開了一種健康風(fēng)險評估方法，至少包括數(shù)據(jù)采集步驟和風(fēng)險分析步驟。

數(shù)據(jù)采集步驟(s101)，采集至少一種用戶生理體征數(shù)據(jù)，并保存所述數(shù)據(jù)；

風(fēng)險分析步驟(s102)，根據(jù)所述數(shù)據(jù)評估數(shù)據(jù)等級，所述數(shù)據(jù)等級結(jié)合所述數(shù)據(jù)的影響權(quán)重計算用戶發(fā)病的風(fēng)險系數(shù)。

根據(jù)風(fēng)險指數(shù)判斷用戶的發(fā)病風(fēng)險，指數(shù)越高，發(fā)病風(fēng)險越大。

本發(fā)明的健康風(fēng)險評估方法，能夠通過實時采集用戶生理體征數(shù)據(jù)，并存儲在終端。經(jīng)過長期的數(shù)據(jù)積累，風(fēng)險分析模塊分析存儲的數(shù)據(jù)，根據(jù)生理體征數(shù)據(jù)變化趨勢和異常等情況，通過分析評估，能夠準確預(yù)測一些慢性疾病如心血管疾病，以及相關(guān)疾病導(dǎo)致的慢性疾病并發(fā)癥如心血管并發(fā)癥的風(fēng)險，并給予風(fēng)險提示，建議用戶對突發(fā)疾病做好預(yù)防準備。

圖1中s102步驟，如圖2所示，可以包含如下步驟，以評估心血管疾病患者的發(fā)病即時風(fēng)險系數(shù)：

步驟201：將傳感器器模塊采集的用戶心電信號ecg、血壓bp和血氧spo的3項指標數(shù)據(jù)與用戶正常指標數(shù)據(jù)進行對比，評估采集指標數(shù)據(jù)的即時等級，記h1c,s1c,b1c為3項指標的即時評估等級。

用戶正常指標數(shù)據(jù)是指經(jīng)風(fēng)險分析模塊判定為用戶身體健康的同類指標數(shù)據(jù)。本申請對h1c,s1c,b1c的等級劃分不做限定，根據(jù)實際需求設(shè)定。

步驟202：計算即時風(fēng)險評估系數(shù)risk1＝a·{h1c,s1c,b1c}，其中影響權(quán)重向量a＝{a1,a2,a3}。影響權(quán)重向量可參考統(tǒng)計結(jié)果設(shè)定，或由專業(yè)醫(yī)生根據(jù)用戶的身體狀況設(shè)定。

即時風(fēng)險評估可實現(xiàn)對用戶生理體征數(shù)據(jù)的實時監(jiān)控，能實時監(jiān)測用戶的身體異常，提醒用戶及時就醫(yī)。同時智能終端能保存身體異常時的生理體征數(shù)據(jù)供醫(yī)生診斷使用，使得醫(yī)生可以更準確地了解用戶的身體狀態(tài)以提高診斷的準確性。

圖1中s102步驟，如圖3所示，還可以包含如下步驟，以評估心血管疾病患者的發(fā)病預(yù)測風(fēng)險系數(shù)：

步驟301：基于存儲模塊存儲的用戶的心電信號ecg、血壓bp和血氧spo的3項指標數(shù)據(jù)，預(yù)測用戶3項指標在預(yù)定期限內(nèi)的數(shù)值。

預(yù)定期限包括短期和長期，可以由用戶根據(jù)自身需求設(shè)定。

步驟302：通過對3項指標預(yù)測數(shù)值和正常指標數(shù)據(jù)對比，評估預(yù)測指標數(shù)值的等級，記h2c,s2c,b2c為3項指標的預(yù)測評估等級。

步驟303：計算風(fēng)險評估預(yù)測系數(shù)risk2＝a·{h2c,s2c,b2c}，其中影響權(quán)重向量a＝{a1,a2,a3}。

本申請的智能終端不僅可以實現(xiàn)即時風(fēng)險評估，對于一些潛在的慢性疾病，也可以通過傳感器模塊采集的長期變化趨勢，預(yù)測發(fā)病風(fēng)險，提前警示用戶，采取相應(yīng)預(yù)防措施，或者提前就醫(yī)。

進一步地，圖3中步驟s301中的預(yù)測指標數(shù)值，可以是使用現(xiàn)有的預(yù)測模型，也可以如圖4所示，包括：

步驟401：構(gòu)建模型，假設(shè)樣本l的第i次采集的樣本指標的數(shù)值li，表示為過去p(p≤i)次采集的數(shù)值的線性組合，加上第i次的白噪聲，即：

li＝θ0+φ1li-1+…+φpli-p+ai，其中{ai,i＝0,±1,±2,…}為白噪聲，φ1，φ2，…，φp為常數(shù)系數(shù)，θ0為常數(shù)。

步驟402：基于樣本數(shù)據(jù)，解算常數(shù)系數(shù)φ1，φ2，…，φp和θ0；

步驟403：預(yù)測指標數(shù)值，已知k次用戶樣本指標數(shù)據(jù)，預(yù)測第k+l次的指標數(shù)值，令i＝k+l，得到第k+l的指標數(shù)值為：

lk+l＝θ0+φ1lk+l-1+φ2lk+l-2+…+φplk+l-p+ak+l。

在本發(fā)明的方法中，數(shù)據(jù)存儲時以預(yù)設(shè)數(shù)據(jù)包格式存儲；

預(yù)設(shè)數(shù)據(jù)包格式按包頭加數(shù)據(jù)的格式進行編碼，包頭包括起始位、設(shè)備號、時間戳、生理體征及狀態(tài)數(shù)據(jù)名和校驗位；起始位用于區(qū)分每段數(shù)據(jù)包；設(shè)備號用于區(qū)分顯示用戶的不同設(shè)備；時間戳用于記錄采集時間；生理體征數(shù)據(jù)名用于區(qū)分不同傳感器采集的生理體征數(shù)據(jù)以及用戶不同的狀態(tài)信息，校驗位用于校驗數(shù)據(jù)傳輸是否出錯。

在本發(fā)明的方法中，風(fēng)險分析步驟還包括睡眠狀態(tài)檢測，睡眠狀態(tài)檢測至少包括以下步驟：

步驟501：分析用戶的姿態(tài)數(shù)據(jù)，提取用戶的睡眠時間和深度睡眠時間；

步驟502：根據(jù)用戶的睡眠時間和深度睡眠時間，以及2個時間內(nèi)的用戶心率hr、血氧spo數(shù)據(jù)，判斷用戶睡眠狀態(tài)。

其中，步驟501又可以包括以下步驟：

步驟501-1、通過姿態(tài)檢測自動開啟睡眠狀態(tài)檢測；

步驟501-2、開始對用戶睡眠計時，并采集加速度傳感器數(shù)據(jù)和心率、血氧傳感器采集的心率、血氧濃度數(shù)據(jù)；

步驟501-3、對加速度傳感器實時采集的數(shù)據(jù)進行分析，判斷用戶姿態(tài)。在加速度采集數(shù)據(jù)長時間平穩(wěn)時，開始對用戶進行深度睡眠開始計時，一旦用戶有姿態(tài)變化，停止深度睡眠計時；

步驟501-4、在睡眠過程和深度睡眠過程中，分別定時通過心率、血氧傳感器采集用戶心率、血氧數(shù)據(jù)；

步驟501-5、用戶蘇醒后，通過姿態(tài)檢測自動結(jié)束睡眠狀態(tài)監(jiān)測功能。通過對姿態(tài)和心率數(shù)據(jù)分析，提取當晚睡眠時間量和深度睡眠時間量，以及睡眠過程中血氧濃度和心率。

在本發(fā)明的方法中，風(fēng)險分析步驟還包括疲勞狀態(tài)檢測，疲勞狀態(tài)檢測至少包括以下步驟：

步驟601：檢測存儲模塊存儲的心電信號ecg和心率變異信號hrv的波動特征，將波動特征對應(yīng)轉(zhuǎn)換為疲勞系數(shù)初值；

步驟602：將疲勞系數(shù)初值與用戶心率hr、血氧spo數(shù)據(jù)、用戶睡眠狀態(tài)，通過加權(quán)計算得到最終的疲勞系數(shù)。

本發(fā)明提供的健康風(fēng)險評估方法，該方法可結(jié)合用戶終端采集的生理體征數(shù)據(jù)輸出可靠的健康風(fēng)險評估結(jié)果，使得應(yīng)用該健康風(fēng)險評估方法的智能終端，可以為用戶提供準確、可靠、便攜的醫(yī)療健康服務(wù)。通過評估方法輸出結(jié)果自動預(yù)警風(fēng)險就醫(yī)，代替現(xiàn)有的身體不適后再就醫(yī)，可以讓患者在發(fā)病初期獲得治療，減少患者治療代價，改善現(xiàn)有醫(yī)療服務(wù)的體驗感和時效性。同時智能終端能保存身體異常時的生理體征數(shù)據(jù)供醫(yī)生診斷使用，使得醫(yī)生可以更準確地了解用戶的身體狀態(tài)以提高診斷的準確性。

如圖5所示，本發(fā)明還公開了一種健康風(fēng)險評估裝置，至少包括數(shù)據(jù)采集模塊、存儲模塊和風(fēng)險分析模塊。

數(shù)據(jù)采集模塊，采集至少一種用戶生理體征數(shù)據(jù)，并將數(shù)據(jù)存儲在存儲模塊。風(fēng)險分析模塊，根據(jù)存儲模塊存儲的數(shù)據(jù)評估數(shù)據(jù)等級，所述數(shù)據(jù)等級結(jié)合所述數(shù)據(jù)的影響權(quán)重計算用戶發(fā)病的風(fēng)險系數(shù)。

本發(fā)明的健康風(fēng)險評估裝置可以是智能手表，或手環(huán)，或其他可穿戴設(shè)備，也可以是用戶終端中的部分設(shè)備。

舉例說明，本發(fā)明的裝置實時監(jiān)測患有原發(fā)性心臟疾患用戶的應(yīng)用說明，包括：

步驟a-1、裝置傳感器模塊實時采集心電傳感器的心電信號ecg數(shù)據(jù)、血氧傳感器采集的心率hr、血壓bp及血氧spo濃度數(shù)據(jù)；

步驟a-2、風(fēng)險分析模塊對實時采集的心率、血壓及血氧數(shù)據(jù)進行分析；、一旦心率hr數(shù)據(jù)異常，血氧spo濃度急劇降低，血壓hr變化符合原發(fā)性心臟病的特征，評估用戶發(fā)病的風(fēng)險系數(shù)，如果判定該用戶原發(fā)性心臟病發(fā)作，可能出現(xiàn)心臟驟停等緊急狀況，則通過裝置顯示屏將評估結(jié)果顯示；

步驟a-3、或者，進一步地，裝置通過通信模塊，向相關(guān)機構(gòu)和關(guān)聯(lián)人請求醫(yī)療救助，并將采集的用戶心電數(shù)據(jù)發(fā)送到相關(guān)機構(gòu)，報告用戶實時狀態(tài)。

又，舉例說明，本發(fā)明裝置實時監(jiān)測老年用戶嚴重意外摔倒的應(yīng)用說明：

步驟b-1、裝置傳感器模塊實時采集加速度傳感器的用戶姿態(tài)數(shù)據(jù)；

步驟b-2、當風(fēng)險分析模塊監(jiān)測到用戶姿態(tài)出現(xiàn)劇烈的變化時，同時在劇烈的姿態(tài)變化之后，用戶姿態(tài)變化很小，或者沒有姿態(tài)變化，說明用戶可能摔倒；

步驟b-3、風(fēng)險分析模塊分析同時期傳感器模塊實時采集用戶心率hr、血壓bp體征數(shù)據(jù)變化，如果數(shù)據(jù)變化出現(xiàn)異常，則說明用戶突發(fā)意外摔倒，通過裝置顯示屏將評估結(jié)果顯示；

步驟b-5、或者，進一步地，裝置通過通信模塊，向相關(guān)機構(gòu)和關(guān)聯(lián)人請求醫(yī)療救助，并將采集的生理體征數(shù)據(jù)發(fā)送到相關(guān)機構(gòu)，報告用戶實時狀態(tài)。

以上表明，本發(fā)明的裝置能實時監(jiān)控患有慢性突發(fā)疾病的用戶，突發(fā)疾病如高血壓、心臟病等；或者老年用戶，突發(fā)意外情況如摔倒等。裝置通過對用戶的姿態(tài)和生理體征數(shù)據(jù)進行實時監(jiān)測，一旦用戶有突發(fā)疾病或者突發(fā)意外，裝置會通過緊急通信功能，將用戶情況發(fā)送到相關(guān)機構(gòu)或關(guān)聯(lián)人，以請求相應(yīng)醫(yī)療措施和服務(wù)。

風(fēng)險分析模塊采用dsp芯片作為微控制器，分析采集數(shù)據(jù)；存儲模塊采用spinandflash作為存儲設(shè)備，該類型芯片體積小，引腳少和容量大的特點，可以長期存儲采集數(shù)據(jù)。存儲模塊的大容量存儲設(shè)計，可以長時間采集存儲用戶數(shù)據(jù)，使智能終端對慢性疾病如心血管疾病的預(yù)測更加準確。

在本申請中，用戶生理體征數(shù)據(jù)包括姿態(tài)、心率hr、血氧spo、血壓bp、心電信號ecg和心率變異性信號hrv等。

傳感器模塊里有5類傳感器用于檢測用戶姿態(tài)和采集生理體征數(shù)據(jù)，其中加速度傳感器用于檢測用戶姿態(tài)和相關(guān)運動信息；血氧、心率傳感器用于采集用戶血氧spo、心率hr數(shù)據(jù)，同時解算出血壓bp數(shù)據(jù)；紅外體溫傳感器用于采集用戶體溫數(shù)據(jù)；心電傳感器用于采集用戶的心電信號ecg數(shù)據(jù)，通過提取心電傳感器所采集的心電信號ecg中的qrs波段，分析每次采集的qrs復(fù)合波波段的信號的每個周期r波峰值之間間隔標準差，以此來反映心率變異性信號hrv。

智能終端實時采集用戶生理體征數(shù)據(jù)，并以一定的格式打包成數(shù)據(jù)包，存儲于存儲模塊。數(shù)據(jù)包格式，按照包頭加數(shù)據(jù)的格式進行編碼，其中包頭包括起始位、設(shè)備號、時間戳、生理體征及狀態(tài)數(shù)據(jù)名和校驗位。起始位用于區(qū)分每段數(shù)據(jù)包；設(shè)備號用于區(qū)分顯示用戶的不同設(shè)備；時間戳用于記錄采集時間；生理體征數(shù)據(jù)名主要用于區(qū)分不同傳感器采集的生理體征數(shù)據(jù)以及用戶不同的狀態(tài)信息，如區(qū)分采集的數(shù)據(jù)時心電數(shù)據(jù)還是心率數(shù)據(jù)等；校驗位用于校驗數(shù)據(jù)傳輸是否出錯。

進一步，數(shù)據(jù)在打包之前，或者在存儲之前，先進行預(yù)處理，以剔除異常數(shù)據(jù)。

在本發(fā)明的裝置中，風(fēng)險分析模塊還即時風(fēng)險分析模塊，該模塊包括：

即時等級評估模塊：將傳感器器模塊采集的用戶心電信號ecg、血壓bp和血氧spo的3項指標數(shù)據(jù)與用戶正常指標數(shù)據(jù)進行對比，評估指標數(shù)值的即時等級，記h1c,s1c,b1c為3項指標的即時評估等級；

即時風(fēng)險計算模塊：計算即時風(fēng)險評估系數(shù)risk1＝a·{h1c,s1c,b1c}，其中影響權(quán)重向量a＝{a1,a2,a3}。

在本發(fā)明的裝置中，風(fēng)險分析模塊還包括風(fēng)險預(yù)測模塊，風(fēng)險預(yù)測模塊至少包括以下模塊：

預(yù)測模塊：基于存儲模塊存儲的用戶的心電信號ecg、血壓bp和血氧spo的3項指標數(shù)據(jù)，預(yù)測用戶3項指標在預(yù)定期限內(nèi)的數(shù)值；

預(yù)測等級評估模塊：通過對3項指標預(yù)測數(shù)值和正常指標數(shù)據(jù)對比，評估預(yù)測指標數(shù)值的等級，記h2c,s2c,b2c為3項指標的預(yù)測評估等級；

風(fēng)險預(yù)測計算模塊：計算風(fēng)險評估預(yù)測系數(shù)risk2＝a·{h2c,s2c,b2c}，其中影響權(quán)重向量a＝{a1,a2,a3}。

進一步地，預(yù)測指標數(shù)值包括：

模型構(gòu)建模塊：構(gòu)建模型，樣本l的第i次采集的樣本指標的數(shù)值li，表示為過去p(p≤i)次采集的數(shù)值的線性組合，加上第i次的白噪聲，即：

li＝θ0+φ1li-1+…+φpli-p+ai，其中{ai,i＝0,±1,±2,…}為白噪聲，φ1，φ2，…，φp為常數(shù)系數(shù)，θ0為常數(shù)；

模型系數(shù)解算模塊：基于樣本數(shù)據(jù)，解算常數(shù)系數(shù)φ1，φ2，…，φp和θ0；

模型預(yù)測模塊：預(yù)測指標數(shù)值，已知k次用戶樣本指標數(shù)據(jù)，預(yù)測第k+l次的指標數(shù)值，令i＝k+l，得到第k+l的指標數(shù)值為：

lk+l＝θ0+φ1lk+l-1+φ2lk+l-2+…+φplk+l-p+ak+l。

本發(fā)明的另一個實施例，風(fēng)險分析模塊還包括睡眠狀態(tài)檢測模塊，具體包括：

睡眠時間檢測模塊：分析用戶的姿態(tài)數(shù)據(jù)，提取用戶的睡眠時間和深度睡眠時間；

睡眠狀態(tài)分析模塊：根據(jù)用戶的睡眠時間和深度睡眠時間，以及2個時間內(nèi)的用戶心率hr、血氧spo數(shù)據(jù)，判斷用戶睡眠狀態(tài)。

本發(fā)明的另一個實施例，風(fēng)險分析模塊還包括疲勞狀態(tài)檢測模塊，具體包括：

疲勞系數(shù)初值計算模塊：裝置通過傳感器采集用戶心電信號(ecg)、心率變異性信號(hrv)、心率和血氧數(shù)據(jù)。風(fēng)險分析模塊檢測存儲模塊存儲的心電信號ecg和心率變異信號hrv的波動特征，將波動特征對應(yīng)轉(zhuǎn)換為疲勞系數(shù)初值。

疲勞系數(shù)綜合計算模塊：風(fēng)險分析模塊將疲勞系數(shù)初值與心率hr、血氧spo數(shù)據(jù)、用戶睡眠狀態(tài)，加權(quán)計算，得到最終的疲勞系數(shù)。

除圖5外，本發(fā)明的裝置還可以結(jié)合平臺或服務(wù)器，獲取更多的功能或服務(wù)，此時終端作為一個醫(yī)療健康服務(wù)平臺的采集終端，采集供平臺分析評估用戶健康狀況的生理體征數(shù)據(jù)；并用于對用戶醫(yī)療診斷服務(wù)。終端可以通過藍牙與智能手機連接，將采集的數(shù)據(jù)發(fā)送到智能手機等設(shè)備上，再通過互聯(lián)網(wǎng)將數(shù)據(jù)發(fā)送到平臺服務(wù)器上，或手機直接將采集的數(shù)據(jù)發(fā)送到平臺服務(wù)器上。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限定本發(fā)明的包含范圍，凡在本發(fā)明技術(shù)方案的精神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。