[发明专利]一种基于模糊神经网络的体域网健康信息监测、交互系统

说明书

技术领域

本发明涉及一种基于模糊神经网络的体域网健康信息监测、交互系统。

背景技术

如今人们生活水平逐渐提高，家用医疗设备也开始普遍使用，但测试结果只有本人或家属知道，如果遇见突发情况，没有家属等陪同人员，医疗工作者无法及时了解病人的身体状态、有无病史等信息，不能很好进行诊断、及时治疗。因此，家用医疗设备的监测数据通过医疗健康平台进行共享、存储是十分必要的。

现有的医疗健康平台存在以下问题：

(1)信息多为一对一交互，即只有医生和上传者自己能够看到，许多时候，在用户同意的情况下，信息也无法进行共享；这样存在着许多隐性、家族遗传的问题无法发现，不利于医生了解病人情况；

(2)检查的数据太过专业，普通用户无法真正了解自身的检查情况是否健康或存在问题，不能生成统一的指标供用户参考；

(3)同一个单位、公司的员工的身体状况，领导、同事无法了解，在出差、体力劳动等工作的安排上可能会出现误判，威胁身体健康；某些关系好的用户无法知道自己的健康程度在朋友之间排名如何，无法激发用户的积极性，忽略关注自身健康问题，不能按时使用家用医疗设备进行测量。

发明内容

本发明为了解决上述问题，提出了一种基于模糊神经网络的体域网健康信息监测、交互系统，该系统利用模糊神经网络算法，对用户的健康信息及时上传，在指定范围内进行交互共享，进行排序，使得大家关注自身健康，定期做检查。

为了实现上述目的，本发明采用如下技术方案：

一种基于模糊神经网络的体域网健康信息监测、交互系统，包括采集端、模糊神经网络分析检测系统、交互模块、识别单元和显示单元；

所述采集端包括采集模块、控制模块，所述采集模块用于采集家用医疗设备采集的相关生物数据，并发送给控制模块，所述控制模块还用于控制采集模块进行采集数据；

所述交互模块，用于建立交互群，选择交互群大小、相互进行数据交互的采集端数目，建立数据共享；

所述模糊神经网络分析检测系统，包括模型构建模块、模糊神经网络数据分析模块和排序模块，其中：

所述模型构建模块，接收交互模块中交互群内传输的生物数据，并将其作为输入变量，通过输入层、模糊化层模块，构建生物数据的隶属度函数；

所述模糊神经网络数据分析模块，用于通过构建模糊推理层、归一层、去模糊层和输出层模块对生物数据进行处理，计算输出生物指数值；

所述排序模块，用于根据生物指数值，在该交互群内进行数据排名；

所述识别单元，接收排序模块传输的数据，读取交互模块的交互群，识别同一交互群内的采集模块、显示单元，将生物数据和数据排名通过显示单元进行显示。

所述采集模块，实时监测通过家用医疗设备上传的数据，包括收缩压、舒张压和心率。

所述模型构建模块，包括输入层模块和模糊化层模块，其中，所述输入层模块为第一层模块，其输入值为家用医疗设备测量后上传的数据，上传的数据包括收缩压SSY、舒张压SZY和心率XL；仅起到传递的作用，即将输入数据传递到下一层模块，输出值为：其中，表示第x层模块的输出的i值。

所述模糊化层模块，为第二层模块，将输入数据划分模糊子集，收缩压SSY、舒张压SZY和心率XL的模糊子集为{正常(M)，偏高(H)，极高(VH)}，隶属度分别为μ_SSY(M,H,VH)、μ_SZY(M,H,VH)和μ_XL(M,H,VH)。

所述模糊化层模块，对于“正常(M)”，采用Sigmoid函数的对称函数，隶属度为：

μ＝[1+exp(W1(x-W2))]^-1

对于“极高(VH)”，采用Sigmoid函数，隶属度为：

μ＝[1+exp(-W1(x-W2))]^-1

对于“偏高(H)”，采用高斯型函数，隶属度为：

W1、W2为系统，初始值任意，通过网络训练和自学习不断调整，使网络实际输出值与导师信号误差最小，该层的节点输出范围在0～1之间。

对语言变量M和VH的隶属度函数，其中参数W2的作用是使隶属度函数沿水平轴向右移；W1的作用是调节隶属度函数的形状；对语言变量H的隶属度函数，W2和W1分别表示隶属度函数的中心和宽度，输入样本越靠近节点的中心，输出越大。

第二层模块的最终输出为：