CN119293751A 一种基于智能穿戴设备的全方位风险预警监测方法及系统 （首都医科大学附属北京天坛医院）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119293751A

(43)申请公布日2025.01.10

(21)申请号202411833101.7

(22)申请日2024.12.12

GO6F

18/25(2023.01)

说明书11页附图2页

(71)申请人首都医科大学附属北京天坛医院

地址100070北京市丰台区南四环西路119

号

(72)发明人侯慧清臧大维王拥军

(74)专利代理机构北京科慧致远知识产权代理有限公司11739

专利代理师王乾旭

(51)Int.CI.

GO6F18/27(2023.01)

G16H10/60(2018.01)

G16H50/30(2018.01)

G16H50/70(2018.01)

G16H80/00(2018.01)

权利要求书3页

(54)发明名称

一种基于智能穿戴设备的全方位风险预警监测方法及系统

(57)摘要

CN119293751A本发明公开了一种基于智能穿戴设备的全方位风险预警监测方法及系统，涉及健康管理技术领域，包括通过智能穿戴设备收集多模态数据并进行压缩，对压缩后的数据传输至中央数据库中并进行数据还原；对还原多模态数据进行多模态数据分析并提取综合特征，构建逻辑回归模型评估用户的健康评分。本发明通过智能穿戴设备收集多模态数据并进行压缩，对压缩后的数据传输至中央数据库中并进行数据还原；对还原多模态数据进行多模态数据分析并提取综合特征，构建逻辑回归模型评估用户的健康评分；提高了数据处理和传输效率，提升了健康监测的准确

CN119293751A

通过智能穿戴设备收集多模

态数据并进行压缩，对压缩

后的数据传输至中央数据库

中并进行数据还原

对还原多模态数据进行多模

态数据分析并提取综合特

征，构建逻辑回归模型评估

用户的健康评分

重新收集用户的多模态数据

进行监测，构建用户可视化

界面实时展示监测结果

CN119293751A权利要求书1/3页

2

1.一种基于智能穿戴设备的全方位风险预警监测方法，其特征在于：包括，

通过智能穿戴设备收集多模态数据并进行压缩，对压缩后的数据传输至中央数据库中并进行数据还原；

对还原多模态数据进行多模态数据分析并提取综合特征，构建逻辑回归模型评估用户的健康评分；

重新收集用户的多模态数据进行监测，构建用户可视化界面实时展示监测结果；

所述通过智能穿戴设备收集多模态数据并进行压缩指用户通过智能穿戴设备收集多模态数据并进行预处理，

所述智能穿戴设备包括，光学心率、血氧、体温、皮肤电、空气质量以及声音传感器；

所述多模态数据包括，心率、血氧、体温、皮肤电反应、空气质量以及环境声音数据；

所述预处理包括，使用动态时间规整算法对多模态数据进行时间对齐，使用Z-score算法对多模态数据进行识别并删除异常值，使用自适应卡尔曼滤波算法对多模态数据进行去噪处理，对去噪后的数据进行标准化处理；

初始化字典为随机矩阵；

使用Lasso回归求解稀疏系数；

使用奇异值分解对字典进行更新，迭代更新字典和稀疏系数，逐步优化字典；

使用训练好的字典对标准化后的多模态数据进行稀疏表示得到稀疏数据；

使用Toeplitz矩阵将稀疏数据转换为稀疏数据进行压缩感知处理得到的压缩数据。

2.如权利要求1所述的基于智能穿戴设备的全方位风险预警监测方法，其特征在于：所述对压缩后的数据传输至中央数据库中并进行数据还原指使用标准数据打包协议将压缩数据进行序列化，并准备通过无线网络发送至中央数据库；

中央数据库接收压缩数据并进行解包，使用与压缩时相同的压缩感知矩阵和稀疏表示的字典还原多模态数据。

3.如权利要求2所述的基于智能穿戴设备的全方位风险预警监测方法，其特征在于：所述对还原多模态数据进行多模态数据分析并提取综合特征指根据收集的多模态数据对还原多模态数据设定初始权重；

使用动态权重更新公式对初始权重进行更新，公式为：

其中w;(t)为在时间t时刻第i个还原多模态数据的当前权重，△X;(t)为在时间t时刻第i个还原多模态数据的变化率，β为调节系数；

使用皮尔森相关系数计算在时间t时刻还原多模态数据的相关性系数rxy,(t);

根据还原多模态数据的当前权重和相关性系数计算加权皮尔森相关性系数rxy,(t);

基于加权皮尔森相关性系数rxY,(t)绝