糖尿病患者安全感应智能手环的制作方法

糖尿病患者安全感应智能手环
【技术领域】
1.本发明属于健康护理设备领域，尤其涉及一种糖尿病患者安全感应智能手环。


背景技术：

2.随着大众对健康管理观念的重视，智能手环(手表)的市场接受度及认可度大幅上涨，智能手环(手表)作为健康辅助监测设备，实时提供的心率、氧饱和、运动等数据，为大健康管理提供科学依据。纵观现有的智能手环，缺少温湿度监测、数据分析且未与相关医疗单位联网，使重要监测数据失去意义。尤其对糖尿病发生低血糖时，尽早发现数据变化尤为重要。
3.此外，现有的智能手环着重于监测数据，而对于数据结果的分析功能匮乏，故对疾病发生的预知功能有待加强，以糖尿病患者为典型，低血糖的发生可通过关联数据变化及早发现，并干预，降低低血糖危害率，提高血糖管理水平，但现有的智能手环尚缺少对于糖尿病低血糖反应的监测和分析。


技术实现要素：

4.结合临床及文献参考资料，当在发生低血糖时，人的皮肤表面温度降低，出汗增加导致皮肤表面湿度增加，心率相较增快。对此，要扩大智能手环的功能范畴，可在现有的智能手环功能下将温湿度感应增置于设备内，并根据自身的健康数据对心率、温度、湿度进行监测，发现异常及时发出报警。并将监测数据传送至服务器内，进行进一步地分析，提醒管理员对患者做好及时监管。
5.因此，为了解决现有技术中的上述问题，本发明提供了一种糖尿病患者安全感应智能手环。
6.本发明采用的技术方案具体如下：
7.一种糖尿病患者安全感应智能手环，包括体温监测模块、湿度监测模块、心率监测模块、运动状态监测模块、控制模块和通信模块；
8.所述体温监测模块用于实时监测用户体温，将监测到的体温数值实时发送给控制模块；所述湿度监测模块用于实时监测用户皮肤表面的湿度，将监测到的湿度数值实时发送给控制模块，所述心率监测模块用于实时监测用户心率，将监测到的心率数值发送给控制模块；所述运动状态监测模块用于监测用户的运动状态信息，基于运动状态信息将用户当前的运动状态划分为多个级别，将得到的运动级别发送给控制模块；
9.所述控制模块以预定的时间间隔对体温、湿度、心率、运动级别进行采样，获取当前的体温t、湿度h、心率r、运动级别s，并获取当前的时间time，从而获得一个五维的监测向量《t，h，r，s，time》；所述控制模块通过所述通信模块与外部的数据分析设备建立通信连接，并传输数据；
10.所述智能手环通过以下步骤对糖尿病患者用户的低血糖反应进行监测：
11.步骤100：所述控制模块每隔预定时间获取当前的监测向量，将所述监测向量发送
给数据分析设备；
12.步骤200：所述数据分析设备存储监测向量，并根据预设的识别模型对所述监测向量进行识别，判断用户是否发生了低血糖反应；
13.步骤300：如果判断用户发生了低血糖反应，则发出低血糖报警；
14.步骤400：所述数据分析设备对存储的多天的监测向量进行统计分析，获取用户在一天中的低血糖危险时段；
15.其中，所述步骤400具体包括：
16.步骤410：将一天划分为多个时间段，根据存储的过去n天的监测向量，统计每个时间段内体温、湿度、心率和运动级别的平均值；
17.步骤420：根据存储的过去n天的监测向量，统计每个时间段内体温、湿度、心率的波动均值；即先统计过去n天内每一天每个时间段内体温、湿度、心率的波动值；所述波动值指的是最大值与最小值之差的一半，然后再统计每个时间段体温、湿度、心率的波动值的平均值，作为波动均值；
18.步骤430：对于任意一个时间段a，根据该时间段a内体温、湿度、心率和运动级别的平均值，以及体温、湿度、心率的波动均值，判断该时间段a是否是低血糖危险时段。
19.进一步地，所述步骤420具体包括：
20.对于任意一个时间段a，假设该时间段a内体温、湿度、心率和运动级别的平均值分为为ata、aha、ara和asa，并假设该时间段内体温、湿度、心率的波动均值为atb、ahb、arb，则通过不同组合构造对应的8个判断向量，即：
21.《ata+atb，aha+ahb，ara+arb，asa》
22.《ata+atb，aha+ahb，ar
a-arb，asa》
23.《ata+atb，ah
a-ahb，ara+arb，asa》
24.《ata+atb，ah
a-ahb，ar
a-arb，asa》
25.《at
a-atb，aha+ahb，ara+arb，asa》
26.《at
a-atb，aha+ahb，ar
a-arb，asa》
27.《at
a-atb，ah
a-ahb，ara+arb，asa》
28.《at
a-atb，ah
a-ahb，ar
a-arb，asa》
29.将上述8个判断向量分别输入预设的识别模型，判断是否发生低血糖反应。如果其中有一个判断向量在输入该模型后，模型输出判断发生了低血糖反应，则确定所述时间段a为低血糖危险时段。
30.进一步地，所述数据分析设备每天重新计算一次低血糖危险时段。
31.进一步地，所述智能手环还包括定位模块，所述控制模块将定位模块获取的地理定位信息上传给所述数据分析设备，所述数据分析设备在报警时将用户当前的地理定位信息发送给相关人员。
32.进一步地，所述步骤300包括：智能手环发出报警声音，报警的音量根据白天和黑夜智能设置。
33.进一步地，所述通信模块可通过蓝牙连接、wifi无线局域网或移动网络，与外部网络或者外部设备建立通信连接并传输数据，
34.进一步地，所述数据分析设备是智能手机。
35.进一步地，所述定位模块采用gps定位，或者采用北斗卫星定位。
36.进一步地，所述预设的识别模型是预先训练的深度学习模型。
37.进一步地，所述深度学习模型是深度神经网络模型。
38.本发明的有益效果是：能尽早发现糖尿病患者监测数据变动，对其低血糖反应作出快速应对；通过对监测数据的进一步分析，可以发现患者的危险时段，以提前做好应对准备。
【附图说明】
39.此处所说明的附图是用来提供对本发明的进一步理解，构成本技术的一部分，但并不构成对本发明的不当限定，在附图中：
40.图1是本发明智能手环的功能模块图。
【具体实施方式】
41.下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。
42.参见附图1，其示出了本发明智能手环的功能模块图，本发明的智能手环包括体温监测模块、湿度监测模块、心率监测模块、运动状态监测模块、控制模块、定位模块和通信模块。需要说明的是，本发明的智能手环不仅仅包括上述模块，也可以包括现有技术中的其他模块，本发明对此不作限制。
43.所述体温监测模块用于实时监测用户体温，将监测到的体温数值实时发送给控制模块。所述湿度监测模块用于实时监测用户皮肤表面的湿度，通过湿度衡量用户皮肤表面的出汗程度，将监测到的湿度数值实时发送给控制模块。所述心率监测模块用于实时监测用户心率，将监测到的心率数值发送给控制模块。
44.所述运动状态监测模块用于监测用户的运动状态信息，基于运动状态信息将用户当前的运动状态划分为多个级别，不同的级别反应不同的运动量。例如，所述运动状态监测模块可以监测用户的步数，根据用户在一定时间内的步数将用户划分为两个运动级别0和1，分别表示静态和动态。即一定时间内的步数小于预定阈值，则划分为级别0，否则为级别1。当然，也可以根据不同的步数阈值，将运动状态划分为更多个级别，本发明对此不作限制。运动状态监测模块通过实时检测运动信息，实时计算当前的运动级别，将得到的运动级别发送给控制模块。
45.所述控制模块是智能手环的核心处理模块，其能够以预定的时间间隔对体温、湿度、心率、运动级别进行采样，并获取当前的时间，从而获得一个五维的监测向量。例如，所述控制模块每隔10秒获取当前的体温t、湿度h、心率r、运动级别s，并获取当前时间time，得到当前的监测向量《t，h，r，s，time》。
46.所述定位模块用于获取智能手环的地理定位信息，例如可以采用gps定位，或者采用北斗卫星定位。所述控制模块可以从所述定位模块获取当前的地理定位信息，从而确定用户当前的地理位置。
47.所述通信模块用于与外部网络或者外部设备建立通信连接并传输数据，例如可以连接蓝牙设备、wifi无线局域网、移动网络等等。所述控制模块通过所述通信模块可以与外
部的数据分析设备建立连接，并传输数据。所述数据分析设备可以是局域网内的一台计算机，也可以是蓝牙连接的一台智能手机，也可以是互联网上的一台服务器。本发明不对具体的数据分析设备和通信连接方式作出限制，如何设置具体的数据分析设备和相应的通信连接方式都已是现有技术，本发明对此不作赘述。
48.基于本发明智能手环的上述功能模块，下面对本发明智能手环的具体工作步骤作出详细说明。
49.步骤100：所述控制模块每隔预定时间获取当前的五维监测向量《t，h，r，s，time》，将所述监测向量发送给数据分析设备。
50.具体的，如前所述，所述控制模块可以根据体温监测模块、湿度监测模块、心率监测模块和运动状态监测模块的实时监测数值，每隔预定时间确定一个五维的监测向量《体温t，湿度h，心率r，运动级别s，时间time》；在获得所述监测向量后，所述控制模块通过通信模块将监测向量发送给数据分析设备，所述数据分析设备可以存储所述监测向量。所述预定时间可以由生产厂家设置默认值，也可以由管理人员根据具体需求设置。
51.例如，智能手环可以通过蓝牙连接附近的智能手机，实时将获取的监测向量发送给所述智能手机。
52.步骤200：数据分析设备根据预设的识别模型对所述监测向量进行识别，判断用户是否发生了低血糖反应。
53.具体的，数据分析设备在收到所述监测向量后，将所述监测向量输入预设的识别模型。所述识别模型可以根据输入的监测向量，判断是否具有低血糖反应的特征。所述识别模型可以采用现有技术中的任意一种识别方法，本发明对此不作限制。具体的，可以采用一种简单的识别方法，即基于监测向量中的运动级别s，判断体温、湿度和心率是否高于或低于预设的取值范围。所述预设取值范围是与运动级别相关的正常值范围，例如用户处于静态和动态下，体温、湿度和心率的取值范围不同。也可以采用预先训练的深度学习模型对所述监测向量进行识别，例如采用深度神经网络模型。
54.根据本发明的一个实施例，可以使用智能手机作为数据分析设备，通过预设识别模型对监测向量进行识别。根据本发明的另一个优先实施例，智能手机也可以将所述监测向量转发给一个指定的网络服务器，由该网络服务器对监测向量进行识别。
55.步骤300：如果判断用户发生了低血糖反应，则发出低血糖报警。
56.低血糖报警可以采用不同的报警方式，例如，数据分析设备可以通过电话、短信、即时通讯等方式立刻通知相关人员。智能手环的控制模块在向数据分析设备上传数据时，也可以上传定位模块获取的地理定位信息，因此数据分析设备在报警时还可以将用户当前的地理定位信息也发送给相关人员。
57.数据分析设备也可以将报警信息发送给所述智能手环，智能手环可以发出报警声音，报警音量根据白天/黑夜智能设置，通过手环的警示声音帮助使用者及时发现低血糖，快速做出应对措施。
58.步骤400：所述数据分析设备对存储的多天的监测向量进行统计分析，获取用户在一天中的低血糖危险时段。
59.具体的，所述数据分析设备实时接收智能手环的监测向量并存储，在存储足够天数的监测向量后，可以对存储的过去n天的监测向量进行统计分析，即统计分析体温、湿度、
心率在一天内的变化情况，从而发现用户在一天中最易发生低血糖的时间段，即低血糖危险时段。
60.所述步骤400具体包括：
61.步骤410：将一天划分为多个时间段，根据存储的多天的监测向量，统计每个时间段内体温、湿度、心率和运动级别的平均值。
62.具体的，可以从0点开始，每半个小时划分为一个时间段，即0点至0:30为第一时间段，0:30至1点为第二时间段，以此类推。
63.假设对过去n天的监测向量进行统计分析，则可以先统计每一天每个时间段内体温、湿度、心率和运动级别的平均值，然后再统计每个时间段n天内的平均值。例如，对于第一时间段的体温，先统计第一天内第一时间段的体温的平均值t1，再统计第二天内第一时间段的体温平均值t2，以此类推，得到过去n天的第一时间段的n个平均体温t1，t2，
……
，tn，然后计算这n个平均体温的平均值t
ave
＝(t1+t2+
……
+tn)/n，就是第一时间段的体温平均值。通过相同的方式，就可以计算每个时间段内体温、湿度、心率和运动级别的平均值(运动级别的平均值可以采用四舍五入的方式得到整数级别)。
64.步骤420：根据存储的多天的监测向量，统计每个时间段内体温、湿度、心率的波动均值。
65.具体的，假设对过去n天的监测向量进行统计分析，则可以先统计每一天每个时间段内体温、湿度、心率的波动值；所述波动值指的是最大值与最小值之差的一半。然后再统计每个时间段在n天内体温、湿度、心率的波动值的平均值，作为波动均值。
66.例如，对于第一时间段的体温，先统计第一天内第一时间段的体温的波动值tb1，即tb1＝(tmax
1-tmin1)/2，其中tmax1是第一天第一时间段内体温的最大值，tmin1是第一天第一时间段内体温的最小值，以此类推，可以计算过去n天内第一时间段的体温波动值tb1，tb2，
……
，tbn。然后计算这n个体温波动值的平均值tb
ave
＝(tb1+tb2+
……
+tbn)/n，这就是第一时间段的体温的波动均值。通过相同的方式，就可以计算每个时间段内体温、湿度、心率的波动均值。
67.步骤430：对于任意一个时间段a，根据该时间段a内体温、湿度、心率和运动级别的平均值，以及体温、湿度、心率的波动均值，判断该时间段a是否是低血糖危险时段。
68.具体的，对于任意一个时间段a，假设该时间段a内体温、湿度、心率和运动级别的平均值分为为ata、aha、ara和asa，并假设该时间段内体温、湿度、心率的波动均值为atb、ahb、arb，则通过不同组合可以构造对应的8个判断向量，即：
69.《ata+atb，aha+ahb，ara+arb，asa》
70.《ata+atb，aha+ahb，ar
a-arb，asa》
71.《ata+atb，ah
a-ahb，ara+arb，asa》
72.《ata+atb，ah
a-ahb，ar
a-arb，asa》
73.《at
a-atb，aha+ahb，ara+arb，asa》
74.《at
a-atb，aha+ahb，ar
a-arb，asa》
75.《at
a-atb，ah
a-ahb，ara+arb，asa》
76.《at
a-atb，ah
a-ahb，ar
a-arb，asa》
77.将上述8个判断向量分别输入预设的识别模型，判断是否发生低血糖反应。如果其
中有一个判断向量在输入该模型后，模型输出判断发生了低血糖反应，则确定所述时间段a为低血糖危险时段。
78.通过上述方式，可以识别出该用户在一天内的低血糖危险时段，从而可以提前做好相应的准备。
79.低血糖危险时段可能随着时间发生变化，因此可以每天重新计算一次低血糖危险时段。
80.以上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。

技术特征：
1.一种糖尿病患者安全感应智能手环，其特征在于，包括体温监测模块、湿度监测模块、心率监测模块、运动状态监测模块、控制模块和通信模块；所述体温监测模块用于实时监测用户体温，将监测到的体温数值实时发送给控制模块；所述湿度监测模块用于实时监测用户皮肤表面的湿度，将监测到的湿度数值实时发送给控制模块，所述心率监测模块用于实时监测用户心率，将监测到的心率数值发送给控制模块；所述运动状态监测模块用于监测用户的运动状态信息，基于运动状态信息将用户当前的运动状态划分为多个级别，将得到的运动级别发送给控制模块；所述控制模块以预定的时间间隔对体温、湿度、心率、运动级别进行采样，获取当前的体温t、湿度h、心率r、运动级别s，并获取当前的时间time，从而获得一个五维的监测向量<t，h，r，s，time>；所述控制模块通过所述通信模块与外部的数据分析设备建立通信连接，并传输数据；所述智能手环通过以下步骤对糖尿病患者用户的低血糖反应进行监测：步骤100：所述控制模块每隔预定时间获取当前的监测向量，将所述监测向量发送给数据分析设备；步骤200：所述数据分析设备存储监测向量，并根据预设的识别模型对所述监测向量进行识别，判断用户是否发生了低血糖反应；步骤300：如果判断用户发生了低血糖反应，则发出低血糖报警；步骤400：所述数据分析设备对存储的多天的监测向量进行统计分析，获取用户在一天中的低血糖危险时段；其中，所述步骤400具体包括：步骤410：将一天划分为多个时间段，根据存储的过去n天的监测向量，统计每个时间段内体温、湿度、心率和运动级别的平均值；步骤420：根据存储的过去n天的监测向量，统计每个时间段内体温、湿度、心率的波动均值；即先统计过去n天内每一天每个时间段内体温、湿度、心率的波动值；所述波动值指的是最大值与最小值之差的一半，然后再统计每个时间段体温、湿度、心率的波动值的平均值，作为波动均值；步骤430：对于任意一个时间段a，根据该时间段a内体温、湿度、心率和运动级别的平均值，以及体温、湿度、心率的波动均值，判断该时间段a是否是低血糖危险时段。2.根据权利要求1所述的糖尿病患者安全感应智能手环，其特征在于，所述步骤420具体包括：对于任意一个时间段a，假设该时间段a内体温、湿度、心率和运动级别的平均值分为为at
a
、ah
a
、ar
a
和as
a
，并假设该时间段内体温、湿度、心率的波动均值为at
b
、ah
b
、ar
b
，则通过不同组合构造对应的8个判断向量，即：<at
a
+at
b
，ah
a
+ah
b
，ar
a
+ar
b
，as
a
><at
a
+at
b
，ah
a
+ah
b
，ar
a-ar
b
，as
a
><at
a
+at
b
，ah
a-ah
b
，ar
a
+ar
b
，as
a
><at
a
+at
b
，ah
a-ah
b
，ar
a-ar
b
，as
a
><at
a-at
b
，ah
a
+ah
b
，ar
a
+ar
b
，as
a
><at
a-at
b
，ah
a
+ah
b
，ar
a-ar
b
，as
a
>
<at
a-at
b
，ah
a-ah
b
，ar
a
+ar
b
，as
a
><at
a-at
b
，ah
a-ah
b
，ar
a-ar
b
，as
a
>将上述8个判断向量分别输入预设的识别模型，判断是否发生低血糖反应。如果其中有一个判断向量在输入该模型后，模型输出判断发生了低血糖反应，则确定所述时间段a为低血糖危险时段。3.根据权利要求1所述的糖尿病患者安全感应智能手环，其特征在于，每天重新计算一次低血糖危险时段。4.根据权利要求1所述的糖尿病患者安全感应智能手环，其特征在于，所述智能手环还包括定位模块，所述控制模块将定位模块获取的地理定位信息上传给所述数据分析设备，所述数据分析设备在报警时将用户当前的地理定位信息发送给相关人员。5.根据权利要求1所述的糖尿病患者安全感应智能手环，其特征在于，所述步骤300包括：智能手环发出报警声音，报警的音量根据白天和黑夜智能设置。6.根据权利要求1所述的糖尿病患者安全感应智能手环，其特征在于，所述通信模块可通过蓝牙连接、wifi无线局域网或移动网络，与外部网络或者外部设备建立通信连接并传输数据。7.根据权利要求1所述的糖尿病患者安全感应智能手环，其特征在于，所述数据分析设备是智能手机。8.根据权利要求4所述的糖尿病患者安全感应智能手环，其特征在于，所述定位模块采用gps定位，或者采用北斗卫星定位。9.根据权利要求1所述的糖尿病患者安全感应智能手环，其特征在于，所述预设的识别模型是预先训练的深度学习模型。10.根据权利要求9所述的糖尿病患者安全感应智能手环，其特征在于，所述深度学习模型是深度神经网络模型。

技术总结
本发明涉及一种糖尿病患者安全感应智能手环，该智能手环包括体温监测模块、湿度监测模块、心率监测模块、运动状态监测模块、控制模块、定位模块和通信模块，通过监测用户体温、皮肤湿度、心率、运动状态判断用户是否发生糖尿病低血糖反应，从而能尽早发现糖尿病患者监测数据变动，对其低血糖反应作出快速应对。对其低血糖反应作出快速应对。对其低血糖反应作出快速应对。


技术研发人员：徐李香 杨佳怡
受保护的技术使用者：绍兴市上虞人民医院
技术研发日：2023.04.27
技术公布日：2023/7/21