一种应用于健康监测的智能化机器人管理系统及方法与流程

本发明涉及数据管理，具体为一种应用于健康监测的智能化机器人管理系统及方法。

背景技术：

1、随着科技的发展和人们健康意识的不断提高，健康监测设备在日常生活中的应用越来越广泛。目前市面上的健康监测设备主要集中在基本生理数据的采集层面，如心率、血压、血糖等。这些设备通过传感器实时测量用户的各种生理参数，并在检测到异常数值时发出提醒，帮助用户了解自身的健康状况。

2、尽管现有的智能健康监测设备能够通过实时测量基本生理数据来帮助用户监测健康状况，但仍然存在一些显著的局限性。其中一个主要问题是，这些设备通常依赖于预设的静态参数阈值范围来判断健康状态是否异常，这种静态的方法无法考虑到每个用户的个性化特征，例如年龄、性别、体质、日常活动水平等因素的差异；由于缺乏个性化调整，监测结果可能不够精确或准确，不能完全反映出用户的实际健康状况；例如，年龄、性别、体重、生活习惯甚至遗传因素，都会影响一个人的正常血压范围；因此，了解个人的血压安全范围，需要结合个体的具体情况来判断，但目前的设备难以区分这种差异，这使得监测结果缺乏针对性，不能有效地反映用户的健康状况。

技术实现思路

1、本发明的目的在于提供一种应用于健康监测的智能化机器人管理系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：

3、一种应用于健康监测的智能化机器人管理方法，方法包括以下步骤：

4、步骤s100.从数据库中获取不同目标用户的基础信息，对所有目标用户的基础信息进行分析，从而构建目标用户数据集；基于目标用户的体检报告，对目标用户数据集中的元素进行分类，从而得到不同类别的目标用户的基础信息特征；

5、步骤s200.针对每一类别的目标用户，获取相应的历史监测数据，对历史监测数据进行分析，从而得到目标用户对应的历史监测数据趋势曲线；结合目标用户的基础信息特征对历史监测数据趋势曲线进行分析，从而得到监测关键点；

6、步骤s300.根据监测关键点，结合相应的历史监测数据，评估目标用户历史监测数据与相应的标准参数之间的偏差，从而得到目标用户的趋势评估指数以及相应类别的趋势评估指数阈值；

7、步骤s400.利用智能化机器人，实时采集当前用户的实时监测数据，对实时监测数据进行分析，从而得到实时监测数据趋势曲线；获取当前用户使用智能机器人的使用记录，根据使用记录判断当前用户是否为新用户，根据判断结果得到当前用户的基础信息特征；

8、步骤s500.获取当前用户的实时监测数据趋势曲线和基础信息特征，将当前用户的实时监测数据趋势曲线和基础信息特征进行分析，计算当前用户的实时趋势评估指数；比较实时趋势评估指数与相应的趋势评估指数阈值的大小关系，并基于大小关系的判断结果输出相应的通知信息。

9、进一步的，步骤s100包括：

10、s101.所述目标用户的基础信息是指与目标用户个人健康相关的各种静态和动态数据；其中，所述静态数据是指相对固定且不经常变化的数据，例如，年龄、性别、身高、体重、体质类型、基础疾病史、家族病史等；所述动态数据是指在特定时间段内可以收集到的实时或定期更新的数据，例如，生理参数、运动和活动数据、睡眠数据、心情和情绪数据以及环境数据等；提取目标用户的编号，根据编号将目标用户的基础信息进行汇总，针对每一编号对应的目标用户的基础信息都进行格式转化，转化成统一格式，以一个编号对应的目标用户的基础信息作为一个元素，将不同元素进行汇总，从而构建目标用户数据集；

11、s102.获取所有目标用户的体检报告，针对体检报告中的异常参数进行分析，提取异常参数对应的名称，将含有相同异常参数名称的目标用户的基础信息归为一类，从而将目标用户数据集中的元素划分成若干个类别；针对每一类别，将目标用户数据集中的元素的每一项数据进行交集运算，提取交集运算的结果作为基础信息特征，依次遍历所有类别，从而得到不同类别的目标用户的基础信息特征。

12、考虑了静态和动态数据两类基础信息，全面涵盖了用户的健康状况。静态数据如年龄、性别等提供了基本的健康背景，而动态数据如生理参数、运动活动数据等则提供了实时更新的健康状态，实现了对用户健康的全方位监测；通过交集运算提取每一类别用户的基础信息特征，有效地总结了不同类别用户的共性特征。这些特征能够为健康状态的评估提供关键参考依据，使得健康管理更加科学和系统化。

13、进一步的，步骤s200包括：

14、s201.针对每一类别的目标用户，提取对应目标用户的体检报告时间，获取体检报告时间之前的历史监测数据，根据历史监测数据对应的连续时间段将历史监测数据划分成若干个数据段；针对每一数据段，将相应的历史监测数据对应的数据点按照时间顺序在平面直角坐标系中进行表示，按照时间顺序依次连接数据点，从而得到若干条历史监测数据趋势曲线；且每一个历史监测数据都对应若干条历史监测数据趋势曲线；

15、s202.提取与基础信息特征相关的历史监测数据趋势曲线，将上述历史监测数据趋势曲线在同一个直角坐标系中进行表示，任意选择一条历史监测数据趋势曲线作为固定曲线，将剩下的历史监测数据趋势曲线根据对应的起始点依次在固定曲线上移动，从而得到历史监测数据趋势曲线与固定曲线之间的重合线段，将所有重合线段进行汇总，得到相应目标用户的历史监测数据的参数区间范围q1；

16、s203.获取参数区间范围q1对应的历史监测数据的标准参数区间范围q0，比较标准参数区间范围q0与参数区间范围q1之间的大小关系；若q1⊂q0，提取历史监测数据中仅属于标准参数区间范围q0和既不属于标准参数区间范围q0也不属于参数区间范围q1的历史监测数据点作为监测关键点；若q0⊂q1，提取不属于参数区间范围q1的历史监测数据点作为监测关键点；若q0=q1，提取不属于参数区间范围q0的历史监测数据点作为监测关键点。

17、通过获取每一类别目标用户的历史监测数据，并进行详细分析，可以得到更为准确的历史监测数据趋势曲线，这使得能够识别出较长时间段内的健康趋势和变化；结合目标用户的基础信息特征对历史数据趋势曲线进行分析，能够更加个性化地评估每个用户的健康情况，这意味着监测和分析结果可以更具针对性，提供个体化的健康管理方案，而非一刀切的通用方案；通过对历史监测数据趋势曲线的分析，识别出监测关键点。这些关键点代表了用户健康状态的重要变化节点，可以作为进一步健康评估和干预的依据，从而提高健康管理的有效性。

18、进一步的，步骤s300包括：

19、针对每个目标用户的历史监测数据对应的每个数据段，都提取相应的监测关键点，对监测关键点与相应的标准参数区间范围q0的平均值进行求差并取绝对值，进行标准化处理，从而得到相应的偏差值z；根据每个监测关键点的权重和偏差值，计算加权偏差总和，且其中的监测关键点的权重为对应数值在数据段中出现的频率；计算目标用户的趋势评估指数h，且具体计算公式为：

20、h=1-[σi∈[1,k](wi*zi)/(σi∈[1,k]wi)]，

21、其中，i表示监测关键点编号，取1到k之间的正整数，wi表示第i个监测关键点对应的权重，zi表示第i个监测关键点的偏差值；针对每个类别的目标用户，提取体检报告正常的目标用户，将体检报告正常的目标用户距离体检报告时间最近的数据段的趋势评估指数h作为相应的趋势评估指数阈值，提取体检报告正常的目标用户的趋势评估指数阈值并求平均值作为相应类别的趋势评估指数阈值h0；将体检报告正常的目标用户对应的所有历史监测数据的参数区间范围q1与相应的标准参数区间范围q0进行并集处理，将得到的参数区间范围q2与相应类别进行关联。

22、进一步的，步骤s400包括：

23、利用智能化机器人，实时采集当前用户的实时监测数据，按照历史监测数据相同的分析方式，从而得到实时监测数据趋势曲线；获取当前用户使用智能机器人的使用记录，根据使用记录判断当前用户是否为新用户，若不存在当前用户使用智能机器人的使用记录，判断当前用户为新用户，则由当前用户输入基础信息；将当前用户的基础信息与目标用户的基础信息进行相似度计算，选择相似度最大的目标用户对应的基础信息特征作为当前用户的基础信息特征；若存在当前用户使用智能机器人的使用记录，则根据使用记录得到当前用户的基础信息特征。

24、进一步的，步骤s500包括：

25、s501.获取当前用户的实时监测数据趋势曲线和基础信息特征，将当前用户的实时监测数据趋势曲线和基础信息特征参照实时监测数据趋势曲线和相应的基础信息特征的分析过程进行分析，并计算当前用户的实时趋势评估指数h1；根据当前用户的基础信息特征，判断当前用户的类别，提取相应类别的趋势评估指数阈值h0；

26、s502.比较实时趋势评估指数与相应的趋势评估指数阈值的大小关系，若实时趋势评估指数h1小于相应类别的趋势评估指数阈值h0，且实时监测数据属于标准参数区间范围q0，说明当前用户的实时监测数据在标准参数区间范围内，不需要动态调整监测数据的参数区间，则输出标准参数区间范围q0；若实时趋势评估指数h1小于相应类别的趋势评估指数阈值h0，且实时监测数据存在不属于标准参数区间范围q0的数据点，说明当前用户的实时监测数据存在个别数据不在标准参数区间范围内，但不确定当前用户是否存在健康问题，因此需要动态调整监测数据的参数区间，则输出当前用户对应类别的参数区间范围q2；若实时趋势评估指数h1大于相应类别的趋势评估指数阈值h0，说明当前用户可能存在健康问题，但需要进一步分析健康问题的严重性，则输出标准参数区间范围q0与当前用户对应类别的参数区间范围q2。

27、一种应用于健康监测的智能化机器人管理系统，系统包括：数据管理模块、历史数据分析模块、实时监测与数据处理模块、趋势评估指数计算模块以及用户界面与反馈模块；

28、数据管理模块从数据库中获取不同目标用户的基础信息，对基础信息进行分析和分类，构建目标用户数据集，以及得到不同类别的目标用户的基础信息特征；历史数据分析模块针对每一类别的目标用户，获取相应的历史监测数据，分析历史监测数据，生成历史监测数据趋势曲线；根据目标用户的基础信息特征，对历史监测数据趋势曲线进行分析，提取监测关键点；实时监测与数据处理模块实时采集当前用户的监测数据，判断用户是否为新用户，并进行基础信息的获取与匹配；分析实时监测数据的趋势，评估当前用户的实时趋势评估指数，并与相应的趋势评估指数阈值进行比较；趋势评估指数计算模块根据当前用户的实时趋势评估指数和趋势评估指数阈值进行判断，根据判断结果输出相应的信息；用户界面与反馈模块提供用户界面，展示实时趋势评估指数、历史数据分析结果和输出信息。

29、进一步的，数据管理模块包括用户信息采集单元、体检报告分析单元以及基础信息特征提取单元；

30、用户信息采集单元从数据库中获取不同目标用户的基础信息，提取并汇总目标用户的编号及基础信息，将其转化为统一格式，构建目标用户数据集；体检报告分析单元获取用户的体检报告，从中提取异常参数，并基于异常参数对用户进行分类；基础信息特征提取单元根据分类结果，对每一类别的用户基础信息进行交集运算，提取基础信息特征；

31、历史数据分析模块包括历史监测数据获取单元、历史数据趋势曲线生成单元、历史数据分析单元以及关键点提取单元；

32、历史监测数据获取单元提取目标用户的体检报告时间之前的历史监测数据，将其划分成若干数据段；历史数据趋势曲线生成单元根据历史监测数据生成历史监测数据趋势曲线；历史数据分析单元将历史监测数据趋势曲线与基础信息特征相关联，生成重合线段并计算参数区间范围q1；关键点提取单元比较标准参数区间范围q0与参数区间范围q1，提取监测关键点。

33、进一步的，实时监测与数据处理模块包括实时数据采集单元、用户识别与信息获取单元以及实时数据趋势分析单元；

34、实时数据采集单元利用智能化机器人实时采集当前用户的监测数据，并生成实时监测数据趋势曲线；用户识别与信息获取单元判断当前用户是否为新用户，获取或输入当前用户的基础信息，并进行相似度计算以确定基础信息特征；实时数据趋势分析单元分析实时监测数据趋势曲线，结合基础信息特征计算当前用户的实时趋势评估指数h1。

35、进一步的，趋势评估指数计算模块包括趋势评估指数计算单元以及判断单元；

36、趋势评估指数计算单元根据历史监测数据和监测关键点，计算趋势评估指数h以及不同类别的趋势评估指数阈值h0；判断单元比较实时趋势评估指数h1与趋势评估指数阈值h0的大小关系；

37、用户界面与反馈模块包括用户输入单元和数据显示单元；

38、用户输入单元允许用户输入基础信息和反馈信息；数据显示单元向用户展示采集的实时数据、历史数据趋势以及判断单元的判断结果。

39、与现有技术相比，本发明所达到的有益效果是：

40、从数据库中获取不同目标用户的基础信息，并对这些信息进行分析，从而构建目标用户数据集，这使得系统可以考虑每个用户的个性化特征（例如年龄、性别、体质类型、基础疾病史等），提升了监测的准确性和针对性；这种个性化评估考虑了不同用户之间的差异，比传统的通用参数阈值更准确地反映出用户的健康状况；通过实时采集当前用户的监测数据并结合其基础信息特征，对新用户进行相似度计算，选择相似度最大的目标用户对应的基础信息特征作为当前用户的基础信息特征；这样，即使是新用户也能立即享受到个性化的监测服务；本系统通过对用户历史监测数据趋势曲线的分析，结合基础信息特征，可以识别出监测关键点，这些关键点可以作为进一步健康评估和干预的依据，提高健康管理的有效性；本系统利用智能化机器人实时采集当前用户的实时监测数据，并结合基础信息特征进行分析，计算实时趋势评估指数，通过与相应的趋势评估指数阈值进行比较，可以根据用户的实时健康状况输出相应的参数范围区间，从而根据用户的个性化数据进行参数范围区间的调整，而不是依赖于固定的静态阈值。