[发明专利]基于生命体征大数据的健康趋势估计方法和预测系统

说明书

本申请公开了一种基于生命体征大数据的健康趋势估计方法和预测系统。所述健康趋势估计方法从生命体征的已有数据中挖掘统计特征，并基于历史和当前生命体征数据来对进行未来的生命特征数据进行预测，这样采用无触式方式对用户体征进行全面地监测并全面地反应用户的身体状态。

技术领域

本申请涉及人工智能领域，且更为具体地，涉及一种基于生命体征大数据的健康趋势估计方法、基于生命体征大数据的健康趋势预测系统和电子设备。

背景技术

目前关于用户体征智能监测方面的产品大多数为单一的体征监测，医用设备无法连续、实时监测出病患的体温、心率、血压、血氧等体征，异常情况不易被及时发现，部分医院的护理系统及各种测量生命体征的大型医疗仪器虽然可以满足全面体征监测的需求，但是都需要医护人员与患者进行实际的近距离接触才能进行测量，无法大规模的快速准确对人群进行监测，不利于对可能发生的疫情快速反应和及时防控治疗，而且频繁、近距离的人工测量消耗大量人力，存在较大的交叉感染风险。

因此，期望一种优化的基于生命体征大数据的健康趋势估计和预测的技术方案。

目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。

近年来，深度学习以及神经网络的发展为基于生命体征大数据的健康趋势估计和预测接触提供了新的解决思路和方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于生命体征大数据的健康趋势估计方法、基于生命体征大数据的健康趋势预测系统和电子设备，其从生命体征的已有数据中挖掘统计特征，并基于历史和当前生命体征数据来对进行未来的生命特征数据进行预测，这样采用无触式方式对用户体征进行全面地监测并全面地反应用户的身体状态。

根据本申请的一个方面，提供了一种基于生命体征大数据的健康趋势估计方法，其包括：

训练阶段，包括：

获得多个时间段的沿时间序列排布的多个方面的生命体征数据并将各个时间段的所述多个方面的生命体征数据构造为多个数据矩阵；以及

使用相邻时间段的数据矩阵分别作为训练用输入矩阵和真实值来对卷积神经网络进行训练直到所述卷积神经网络的参数收敛；以及预测阶段；

获得沿时间序列排列的多个方面的生命体征数据并将所述多个方面的生命体征数据构造为输入矩阵；

将所述输入矩阵输入经训练阶段训练完成的所述卷积神经网络以获得第一特征图，其中，所述第一特征图的尺度为t*s*c，t为时间维度，s为样本维度，c为所述卷积神经网络的通道数；

计算所述第一特征图在时间维度上的各个特征矩阵相对于所述第一特征图的类Softmax分类函数值作为第一加权值，以获得第一加权向量，其中，所述类Softmax分类函数值为取所述特征矩阵中各个位置的特征值的负值为幂的自然指数函数值的加权和除以取所述第一特征图中各个位置的特征值的负值为幂的自然指数函数值的加权和；

计算所述第一特征图在样本维度上的各个特征矩阵相对于所述第一特征图的类Softmax函数值的倒数作为第二加权值，以获得第二加权向量，其中，所述类Softmax函数值为取所述特征矩阵中各个位置的特征值的负值为幂的自然指数函数值的加权和除以取所述第一特征图中各个位置的特征值的负值为幂的自然指数函数值的加权和；

分别以所述第一加权向量和所述第二加权向量从时间维度上和样本维度上对所述第一特征图进行加权以获得第二特征图；以及将所述第二特征图通过分类器以获得分类结果，所述分类结果用于表示健康趋势估计结果。