[发明专利]一种基于深度学习的高血压老年人运动处方推荐方法

说明书

本发明公开了一种基于深度学习的高血压老年人运动处方推荐方法，收集健康数据；测试高血压老年人安静状态下的心功能状态，评估心率、血压和心率变异性；识别高血压老年人的日常动作；根据运动‑血压风险等级与运动风险贡献度，结合由心率变异性、能量消耗、心率评估高血压老年人的心肺功能，以及BMI、年龄、临床诊断、运动喜好参照FITT规则制定个性化的老年人运动处方。本发明提出的深度学习方案，更好的提取了运动方式、强度等运动参数、心率、心电图、实时血压等时序数据的特征表示，结合人口信息学充分学习挖掘运动与高血压波动规律关系，生成个性化运动处方。

技术领域

本发明涉及一种高血压老年人运动处方推荐方法，具体地说，涉及一种基于深度学习的高血压老年人运动处方推荐方法。

背景技术

原发性高血压是以血压升高为主要临床表现，伴或不伴有多种心血管危险因素的综合征，通常称为高血压。高血压是多种心、脑血管疾病的重要病因和危险因素，影响重要脏器，如心、脑、肾的结构和功能，最终导致这些器官的功能衰竭，迄今仍是心血管疾病死亡的主要原因之一。世界卫生组织在《预防慢性病是一项至关重要的投资》报告中明确指出，不健康的饮食、不锻炼身体、自我管理不当等是慢性疾病高发的重要原因。高血压等慢性病以老年人居多，对其进行“体医结合”的主动健康教育和干预，将对原发性高血压老年人的预防、治疗和康复起到极为重要的作用。

中国专利“CN108447540A一种采集运动健康数据生成运动处方的方法”提出使用机器学习方法adaboost或者xgboost树模型学习健康数据。而机器学习需要手动提取数据特征，并不能全面学习数据的特征表示。运动干预方式单一，仅仅在共享跑步机上进行。

中国专利“CN108364674A一种利用运动处方的智能健身指导方法和系统”提出智能云平台对移动终端上传的实时运动数据使用运动处方评估模型进行分析，匹配相应的健身指导建议。基于匹配现有的运动处方模型，并不能生成精准化、个性化运动处方。

发明内容

本发明的目的是提供了一种基于深度学习的高血压老年人运动处方推荐方法，以运动与高血压关系的挖掘为基础，分析不同运动参数对于高血压的风险贡献度，根据运动风险贡献度，由心率变异性、能量消耗、心率等评估患者自身的心肺功能，以及BMI、年龄、临床诊断、运动喜好等方面制定高血压老年人个性化运动处方。

为了解决上述技术问题，本发明公开了一种基于深度学习的高血压老年人运动处方推荐方法，具体步骤包括：

步骤1，收集人体运动、体征等可穿戴传感数据及其他人体健康数据；

步骤2，测试高血压老年人安静状态下的心功能状态，监测心率、血压、心率变异性和血压变异性等体征信息；实时识别高血压老年人的对应体征状态下的日常动作，获取高血压老年人日常活动信息；

步骤3，根据运动-血压风险评估等级、运动风险贡献度，结合由心率变异性、能量消耗、心率评估高血压老年人的心肺功能，以及BMI、年龄、临床诊断、运动喜好参照FITT规则制定个性化的老年人运动处方。

进一步地，步骤1，收集健康数据具体为：

第一步，通过光电容积描记(Photoplethysmograph，PPG)脉搏波传感器，测量脉搏波传感数据；心电图(Electrocardiogram，ECG)传感器测量心率变异性数据；

第二步，分别捕捉ECG、PPG传感数据的心电波形R峰、心率波形斜率起点，获取脉搏波传导时间，基于Moens-Korteweg方法估计血压，基于Pan-Tompkins方法监测脉搏波延迟时间，计算脉搏波传导速度；

第三步，采用加速度传感器、陀螺仪传感器、地磁传感器等人体运动传感数据，结合心率、心电等传感数据基于深度学习方法识别高血压老年人的日常运动方式以及获取对应的强度、频率、时间；