[发明专利]一种基于可穿戴设备进行行为识别的患者活动情况分析系统及其方法

说明书

本发明实施例公开了一种基于可穿戴设备进行行为识别患者活动情况的系统及其方法，其中，该系统包括：加速度传感器，用于采集患者行为信息数据；患者客户端，用于采集患者个人信息，对获取的患者行为信息进行特征选择；数据收集单元，用于收集采集到患者行为信息及个人信息，对患者行为信息进行提取、计算处理；数据库服务器，用于存储患者基个人信息及日常行为信息记录；计算服务器，用于对患者行为信息数据进行计算识别处理；医生客户端，用于根据患者就诊号查询到患者行为记录。在本发明实施例中，可以解决医生难以了解病人每天活动情况的问题，并可根据病人的每日活动情况进行评价；病人可以方便查看自己个人历史活动数据并可得到医生的建议。

技术领域

本发明涉及互联网和模式识别、移动医疗、智能判断技术领域，尤其涉及一种基于可穿戴设备进行行为识别的患者活动情况分析系统及其方法。

背景技术

医院一直存在一个问题，医生、护士往往不能准确了解每个病人术前术后的活动情况，只能通过询问病人的方式来大致了解病人每天活动时长，缺乏一种量化的方式展现病人每天具体行为及时长。另一方面，病人住院时在未得到医生首肯前不敢私自加大运动量，这对术后恢复而言并不是很有利。因此，需要一款能够准确展示病人每天各行为运动时长的软件来解决这一问题。

可穿戴设备目前被广泛运用于个人健康和生理指标检测。可穿戴设备主要包括续航能力强、佩戴方便、受环境限制小等优点，在医院场景下使用可穿戴设备对病人进行行为监测是比较合乎实际的。但当前市面上基于手环的应用虽然也比较大多只能做到识别行走步数，而且对识别精度也比较低，比如摇晃手臂的动作经常会被误判为在行走。因为计算能力有限，现有基于手环的应用对数据基本不做预处理，所以受噪声和异常数据干扰很明显。

现有机器学习方法虽然在实验环境下能够做到较高识别准确率，但在实际应用中还存在一些问题。尤其是在医院环境下，现有的训练的通用模型识别每个病人行为的方法会遇到两个问题。一是不同疾病的病人日常行为特征差异十分巨大，很难通过一个通用模型来准确识别。二是对病人而言，训练集采集难度会比较大，往往很难有充足的训练数据，这会导致模型泛化能力较差。

在上述提到的几点问题中，任何一点都会导致对病人行为识别准确率不高。为了给病人和医生提供准确的运动时长信息，并根据病人每日运动时长给出准确评价以帮助他们调整每日活动时间，需要我们针对每个病人训练个性化的行为识别模型，但目前还没有一种能够解决该问题的完整方案。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于可穿戴设备进行行为识别的患者活动情况分析系统及其方法，可解决无论病人行为差异多大都能进行准确识别、清晰展示个人健康和生理指标情况。

为了解决上述问题，本发明提出了一种基于可穿戴设备进行行为识别的患者活动情况分析系统，所述系统包括：

加速度传感器，用于采集患者行为信息数据；

患者客户端，用于采集患者个人信息，对获取的患者行为信息进行特征选择；

数据收集模块，用于收集采集到患者行为信息及个人信息，对患者行为信息进行提取、计算处理；

数据库服务器，用于存储患者基个人信息及日常行为信息记录；

计算服务器，用于对患者行为信息数据进行计算识别处理；

医生客户端，用于根据患者就诊号查询到患者行为记录。

优选地，患者客户端在采集患者行为信息数据前需用户注册账户，注册时填入患者个人信息，则患者客户端将其存储到数据库服务器中。其中，用户注册信息包括就诊号、病床号、所属科室、入住时间等。每个患者的个人信息在数据库服务器中通过用户名和就诊号相关联。

优选地，患者客户端包括：