[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

说明书

本发明公开了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，所述异常数据检测方法包括以下步骤：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sample reweighting异常数据检测算法进行异常数据检测。本发明能够获取佩戴者的基础生命体征指标数据，并能够基于获取的基础生命体征指标数据完成异常数据检测识别，识别较为准确。

技术领域

本发明属于计算机技术领域，涉及智能健康手环领域，特别涉及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。

背景技术

随着医疗信息化迅速发展和大数据时代的到来，“医疗+互联网”成为医疗行业未来的重要发展方向。对于基础类代谢疾病，病人的多项生命体征指标(例如，饮食摄入、血压、心率、血糖、睡眠质量等)的变化情况对疾病治疗有重要意义，上述生命体征指标通常需要实时采集记录及分析处理。针对上述需求相继研发了一些便携式检测仪(例如，健康手环等)用于随时监测患者身体情况。

目前现有的手环类产品大多为运动或日常保健类手环，由使用者查看个人的饮食、运动等信息，起到通过数据指导健康生活的作用；这类手环通常不能实现医疗级的健康监测，所采集的数据未经处理，其仅能够提供基础数据，并不能实现异常数据获取以及较准确的提醒。

综上，亟需一种新的用于健康管理的健康手环设备及其异常数据检测方法。

发明内容

本发明的目的在于提供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，以解决上述存在的一个或多个技术问题。本发明能够获取佩戴者的基础生命体征指标数据，并能够基于获取的基础生命体征指标数据完成异常数据检测识别，识别较为准确。

为达到上述目的，本发明采用以下技术方案：

本发明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，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。

本发明的进一步改进在于，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。

本发明的进一步改进在于，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。

本发明的进一步改进在于，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：