[发明专利]一种用于健康管理的健康手环设备及其异常数据检测方法

权利要求书

1.一种用于健康管理的健康手环设备的异常数据检测方法，其特征在于，包括以下步骤：

获取佩戴者的预设指标数据；

将所述预设指标数据输入预训练好的异常数据检测模型中，所述异常数据检测模型输出异常数据获取结果；其中，所述异常数据检测模型基于meta-learning和samplereweighting异常数据检测算法进行异常数据检测。

2.根据权利要求1所述的一种用于健康管理的健康手环设备的异常数据检测方法，其特征在于，所述预设指标数据包括：心率数据、血压数据、血氧饱和度数据、体温数据和呼吸率数据中的一种或多种。

3.根据权利要求1所述的一种用于健康管理的健康手环设备的异常数据检测方法，其特征在于，所述异常数据检测模型包括：

深度神经网络用于学习样本到标签的映射，表达式为：

式中，x表示数据集样本，y表示对应样本的标签，表示经过深度神经网络得到的样本标签，N表示训练集的数据量，θ表示神经网络的参数，表示交叉熵损失函数；

深度神经网络用于学习从样本到[0，1]权重的映射，表达式为：

式中，w表示神经网络的参数，v表示经过神经网络得到的样本标签，表示带权交叉熵损失函数；

其中，在进行异常数据检测模型训练时，通过最小化交叉熵损失优化参数θ，

式中，θ^*表示通过最小化交叉熵损失优化后的参数。

4.根据权利要求3所述的一种用于健康管理的健康手环设备的异常数据检测方法，其特征在于，在进行异常数据检测模型训练时，还包括：

对于给定的θ^*，优化w的步骤包括：

式中，M表示元数据集D_Meta的大小，表示元数据集D_Meta的数据，表示元数据集D_Meta的标签，w^*表示优化后的权重。

5.根据权利要求4所述的一种用于健康管理的健康手环设备的异常数据检测方法，其特征在于，在进行异常数据检测模型训练时，迭代优化深度神经网络及深度神经网络的模型参数的步骤具体包括：

利用SGD作为优化器，设置学习率为α，在时刻t的训练方式形式化为：

式中，是一个基于参数变量w的函数，

得到w_t+1后，利用在训练数据集上的带权交叉熵优化θ，表达式为，

式中，α表示学习率，t表示时刻。

6.根据权利要求1所述的一种用于健康管理的健康手环设备的异常数据检测方法，其特征在于，所述异常数据检测模型输出的异常数据获取结果为获取的预设指标数据为异常数据的权重。

7.根据权利要求6所述的一种用于健康管理的健康手环设备的异常数据检测方法，其特征在于，所述异常数据检测模型输出异常数据获取结果之后还包括：

将所述异常数据获取结果与预设权重阈值比较，满足预设告警条件时发送告警信息。

8.一种用于健康管理的健康手环设备的异常数据检测系统，其特征在于，包括：

采集部，用于获取佩戴者的预设指标数据；

异常检测部，用于将所述预设指标数据输入预训练好的异常数据检测模型中，所述异常数据检测模型输出异常数据获取结果；其中，所述异常数据检测模型基于meta-learning和sample reweighting异常数据检测算法进行异常数据检测。

9.一种用于健康管理的健康手环设备，其特征在于，设置有权利要求8所述系统中的采集部；或者，设置有权利要求8所述系统。

10.根据权利要求9所述的一种用于健康管理的健康手环设备，其特征在于，所述采集部中，获取佩戴者的预设指标数据的过程中，采样频率为100Hz，采样数据时长为5秒。