[发明专利]基于大数据与人工智能的体征测量方法和医疗机器人系统

权利要求书

1.一种体征测量方法，其特征在于，所述方法包括：

测量体征步骤，获取用户体征的第一测量数据；通过体征测量仪器对用户进行测量；记录测量的结果作为所述第一测量数据；

运动数据步骤，获取所述用户所述测量之前的运动数据；根据测量的类型获取预设时长的运动数据；获取用户在进行测量之前的所述预设时长内的运动路程；

测量校准步骤，根据所述第一测量数据、所述运动数据和预设模型计算得到所述用户体征的第二测量数据；

预先建立不同用户对应的预设模型，在测量校准步骤中对不同用户采用不同的预设模型，即根据所述第一测量数据、所述运动数据和所述用户的预设模型计算得到所述用户体征的第二测量数据；

每隔预设长的时间，对每一个所述用户的预设模型进行更新；

所述测量体征步骤之前包括：

第一体征步骤，从用户体征测量大数据中获取用户体征的历史第一测量数据；具体地，所述历史第一测量数据包括多个历史时间点上的第一测量数据，即获取用户体征的多个历史时间点T1、T2、...、Tn上第一测量数据,n为预设的自然数；

运动数据步骤，从用户体征测量大数据中获取所述用户历史测量之前的运动数据；具体地，获取所述用户所述多个历史时间点T1、T2、...、Tn上的测量之前的运动数据；

第二体征步骤，从用户体征测量大数据中获取所述用户体征的历史第二测量数据；具体地，获取用户体征的所述多个历史时间点T1、T2、...、Tn上第二测量数据；每个历史时间点上的第二测量数据是在所述每个历史时间点开始等待所述用户的状态恢复为安静状态时对所述用户的体征进行测量所得到的数据；

关系计算步骤，根据所述历史第一测量数据、所述运动数据、所述历史第二测量数据计算得到所述预设模型；

所述预设模型为预设深度学习模型；

所述关系计算步骤包括：

无监督训练步骤，将所述用户体征的历史第一测量数据、所述用户历史测量之前的运动数据作为所述预设深度学习模型的输入，对所述预设深度学习模型进行无监督训练；将所述用户体征的所述历史时间点T1上第一测量数据、所述用户所述历史时间点T1上测量之前的运动数据作为所述预设深度学习模型的一次输入，对所述预设深度学习模型进行一次无监督训练；将所述用户体征的所述历史时间点T2上第一测量数据、所述用户所述历史时间点T2上测量之前的运动数据作为所述预设深度学习模型的再一次输入，对所述预设深度学习模型进行再一次无监督训练；如此类推，直至将所述用户体征的所述历史时间点Tn上第一测量数据、所述用户所述历史时间点Tn上测量之前的运动数据作为所述预设深度学习模型的再一次输入，对所述预设深度学习模型进行再一次无监督训练；每一次无监督训练都对上一次无监督训练后得到的所述预设深度学习模型进行无监督训练，得到所述每一次无监督训练后的所述预设深度学习模型；第一次无监督训练是对初始化的深度卷积神经网络进行无监督训练；

有监督训练步骤，将所述用户体征的历史第一测量数据、所述用户历史测量之前的运动数据作为所述预设深度学习模型的输入，将所述用户体征的历史第二测量数据作为所述预设深度学习模型的输出，对所述预设深度学习模型进行有监督训练；将所述用户体征的所述历史时间点T1上第一测量数据、所述用户所述历史时间点T1上测量之前的运动数据作为所述预设深度学习模型的一次输入，将所述用户体征的所述历史时间点T1上第二测量数据作为所述预设深度学习模型的一次输出，对所述预设深度学习模型进行一次有监督训练；将所述用户体征的所述历史时间点T2上第一测量数据、所述用户所述历史时间点T2上测量之前的运动数据作为所述预设深度学习模型的再一次输入，将所述用户体征的所述历史时间点T2上第二测量数据作为所述预设深度学习模型的再一次输出，对所述预设深度学习模型进行再一次有监督训练；如此类推，直至将所述用户体征的所述历史时间点Tn上第一测量数据、所述用户所述历史时间点Tn上测量之前的运动数据作为所述预设深度学习模型的再一次输入，将所述用户体征的所述历史时间点Tn上第二测量数据作为所述预设深度学习模型的再一次输出，对所述预设深度学习模型进行再一次有监督训练；每一次有监督训练都对上一次有监督训练后得到的所述预设深度学习模型进行有监督训练，得到所述每一次有监督训练后的所述预设深度学习模型；第一次有监督训练是对最后一次无监督训练后得到的所述预设深度学习模型进行有监督训练。