一种人体健康状态实时监测及诊疗推荐系统

摘要

一种人体健康状态实时监测及诊疗推荐系统，由人体生物特征传感器组，无线网络、个人服务器、医疗服务器、医疗资源提供者组成，人体生理传感器组的结构由处理模块、传感器模块和无线收发模块以及电源供电模块组成。本发明为用户提供基于QoE的医疗资源推荐列表。该功能基于QoE且可以帮助用户选择最合适的专业医疗机构，病人可以避免盲目就医。医疗服务提供者可以获取到病人的健康状态记录，且这些记录可以帮助医生对病人做出更为准确的诊断。

说明书

技术领域

本发明设计了一种基于用户体验质量(QoE)利用生物传感器及互联网服务为用户提供医 疗资源推荐的方案，属于公共医疗卫生和公共服务技术领域。适用于构建公众健康状态监测， 卫生防疫和提高用户体验等多个领域。

背景技术

在繁忙的日常生活中人们无暇顾及自己的健康状态，直至生病时才发现自己的身体有多 糟糕。当一个人生病了，他既不知道生了何种病，也不知道该如何应对当前状况，唯一能做 的就是及时到医院就诊。但是对于某些疾病来说，在到医院之前就必须得到及时的应对处理， 例如心脏病和中风。此外，他们也不知道哪家医院擅长该疾病的治疗，哪家不擅长；哪家医 院医保外的费用他们能够承担，哪家不能。在不能掌握到足够的具有参考价值的医疗资源信 息的时候，他们能做的仅仅是漫无目的到周边的医院就诊，这其实是很浪费时间的。

就当前而言，网络上有各种各样的医疗资源网站，但是鱼龙混杂。常见的医疗资源推荐 网站仅仅是根据网络用户对病情的口述来对疾病进行一个基本的诊断，这种诊断的可靠性不 高且在很大程度上依赖于用户所提交的病情描述。并且这类网站都是咨询类的网站，其诊断 的准确性和可靠性极大受限于该网站所注册的医师；此外由于是人工操作，及时性往往也得 不到保证。

目前，无线网络，物理传感器、嵌入式微控制器和无线接口的集成芯片领域的快速发展 让实时跟踪人体健康成为可能。将这些技术都集成到一个远程医疗系统中，可以及早发现并 处理人们身体健康出现的异常状态，避免造成严重后果。许多患者可以从长期的监测数据获 益，该数据能够为诊断，慢性病情况和急性病或外科手术的恢复提供巨大的帮助。

现在的人体生理传感器已经有较大突破，对于某些生理特征，如心率，体温，血压等能 够有准确的测量值，并且能够实时上传到指定设备当中。通常情况下一个人体生理传感器点 的基本结构包括处理模块、传感器模块和无线收发模块以及电源供电模块。其核心在于传感 器模块，对于部分人体生理信号，由于人体系统的复杂性和一些生理信号为弱信号，因此对 于这些生理信号而言，得出一个准确可靠的测量值是较为困难的。对于一个医疗推荐系统而 言，要求所得到的人体信号参数是可靠有效的，因此在选择生理传感器的时候需要考虑到该 传感器获得的数据的稳定性及可靠性，以避免由于硬件设备的不稳定性及不可靠性导致系统 最终产生一个较大的误差。

此外，本发明还依据所采集的信息，使用基于QoE的方法技术有针对性地进行医疗资源 推荐。QoE是一种评估用户在使用某服务之后的体验感受的方法，QoE侧重于用户对整个服务 的体验感受，QoE的影响参数是整个服务过程中可能出现的各种因素，以及该服务是否符合 用户的预期。引入QoE，能够可靠的评估人们对某一医疗资源的期望值、满意度和服务体验， 以此保证医疗资源推荐的准确性和优质性。

发明技术

本发明提出的医疗资源推荐系统基于类似于指导专业人士做出正确判断(如何治疗该疾 病)的知识体系。本发明使用医疗传感器监测人的健康状态，并进行实时计算分析，依照分 析结果为用户提供指导和反馈。本发明还可以根据使用者的状态、活动量和生活环境的条件 等给用户发出警告。此外，所有记录的信息可以通过互联网传输到医疗服务器和无缝地集成 到用户的电子病历和研究数据库中，方便医生必要时候进行查询。

本发明是通过如下的技术方案来实现的。

一种人体健康状态实时监测及诊疗推荐系统，由人体生物特征传感器组，无线网络、个 人服务器、医疗服务器、医疗资源提供者组成，人体生理传感器组的结构由处理模块、传感 器模块和无线收发模块以及电源供电模块组成；

通过使用人类生物特征传感器组对人体的部分生理指标进行实时监控，通过无线网络与 个人服务器间通信实现数据交互，又由个人服务器将数据转发至云端医疗服务器；

个人服务器处理和集成来自传感器组的数据，进行用户健康追踪，判断用户的健康状态， 并根据健康状态提供疾病预警和指导以及医疗资源推荐；个人服务器能够执行一些预处理和 同步任务，并和远程上层服务器通信；个人服务器允许用户通过网络接收来自医疗服务提供 者的建议；

医疗服务提供者自动收集来自用户的各种数据并存贮，将数据集成到用户医疗记录中； 当用户前往医院或者处于其他必要的情况下，参照用户的历史健康状况，结合该病患最新的 信息和其他已知和相关的病人信息为病患提供恰当的指导；

服务器能储存用户的各种健康监测数据，并能通过搜寻具有类似的健康时和不健康时的 身体状态监测数据的人，根据监测数据在一定范围内对用户的健康程度进行相似比较，通过 相似对象的医疗资源使用记录和对应的用户体验质量来进行医疗资源推荐，并呈现在个人服 务器上。

本发明所述的个人服务器为一台PC、一部智能手机或是专门定制的设备。

本发明的个人服务器处理和集成来自传感器组的数据，进行用户健康追踪，判断用户的 健康状态，并根据健康状态提供疾病预警和指导以及医疗资源推荐的方法为：

定义用户健康状态向量为F＝{f₁，f₂，f₃…f_N}，f_hi是健康向量的第i个特征，N是特征 的总数；考虑到不同的特征f的影响具有显著差异，这些特征被量化为不同的权重：

权重越大则对健康影响更大；

在每个传感器获取到一个健康向量f之后，人体生理传感器组根据预设的生理特征权重 集将健康向量f计算为一个健康指数，之后通过个人服务器将健康向量和健康指数一并发送 到云端数据库中；数据库将尽可能多的存储一个人的健康检测数据，来实现对用户的健康追 踪；

基于对用户个体每天的检测数据，能够计算出该用户的健康指数：

$I_h=\underset{1}{\overset{n}{\Sigma }}{a}_i\times f_i$

从一定范围内的数据中计算出一个人的健康指数阈值Th_h；如果健康指数I_h低于确定阈 值Th_h，则说明该用户处于了亚健康状态，系统将定时地警告或提醒该用户并提供一些改善 建议，如果健康指数低于Th_s，则说明该用户生病了，系统则开启医疗资源推荐程序。

本发明所述的寻找类似健康时和不健康时身体状态监测数据的人的方法：寻找与当前用 户相似的人的过程能够转化为寻找具有相似健康向量的过程，这一步包含两个子步骤：

子步骤1：健康状态正常条件下相似

基于在人们的健康生活条件下健康状态越相似来寻找在正常条件下相似的人；

此过程可以被描述为：

对于每个人，已知健康向量F_n，设目标用户的健康向量为F_th，计算F_n和F_tn的相似度；

Sim(F_n，F_tn)=1-Dis(F_n，F_tn)

Dis(F_n，F_tn)＝||aF_n-aF_tn||

Dis(F_n，Ｆ_tn)为向量F_n和F_tn在正常条件下的距离；

通过阈值能够选择相似的人，当相似度大于阈值时则被选取为相似用户；此后将得到的 相似用户表示为F_ns＝{f_ns1，f_ns2……}；

子步骤2：健康状态非正常条件下相似

在健康状态非正常条件下从F_ns中选取相似用户，因为相似的身体状况信息能够为目标用 户解决健康问题提供帮助；此过程可以被描述为：

对于Ｆ_ns中的每个人，已知健康向量Ｆ_a，设目标用户的健康向量为F_ta，依照如下公式计 算F_a的F_ta相似度。

Sim(F_a，F_ta)＝1-DiS(F_a,F_ta)

DiS(F_a，F_ta)＝||aF_a-aF_ta||

D_is(F_a，F_ta)为向量F_a和F_ta在非正常条件下的距离。

通过阈值可以选择相似的人，当相似度大于阈值时则被选取为相似用户；将得到的相似 用户表示为Ｆ_as＝{f_as1，f_as2，……}。

本发明所述的通过相似对象的医疗资源使用记录和对应的用户体验质量来进行医疗资源 推荐，其方法为：

设医疗资源列表为Ｈ_r＝{h_r1，h_r2，……}，通过医疗资源的QoE来进行衡量，从中找出最 适合目标用户的医疗资源；对于每一医疗资源h_r1，先量化用户在使用该资源前的QoE，得到 QoE值列表Q_b＝{q_b1，q_b2，……}，然后再量化使用之后的QoE，得到QoE值列表 Q_a＝{q_a1，q_a2，……}，最后计算QoE的变化数值；假设当用户的使用后的QoE大于使用前的 QoE，且治疗时间较短，那么向用户推荐该医疗资源；因此计算推荐度V_r并排序；

$V_r=\frac{\mathrm{\Delta QoE}}{\mathrm{\Delta t}}$

ΔQoE＝|Q_a-Q_b|

ΔQoE是用户在使用医疗资源前后的QoE变化值,Δt是治疗持续的时间；

得到医疗资源的推荐度列表V_r＝{v_r1，v_r2，……}，然后对V_r排序，然后依照该列表将其 所对应的医疗资源推送到用户端让用户自己选择最合适的资源。

本发明所述的QoE的计算方法为：集合人体生理传感器组所能够搜集到的数据来对QoE 进行计算，在监测期间，需要持续检测内啡肽的数量；需要监测的生理信号包括血压，心跳， 脑电波能够代表用户反应强度的生理信号；假定已知当前平均内啡肽数量为e和当前平均生 理信号向量{bp,h,bw}，通过与血压，心跳，脑电波的初始值比较计算幸福程度

$\frac{e-e_i}{e_i}$

$\mathrm{iv}=\frac{(\mathrm{bp}-{\mathrm{bp}}_i)+(h-h_i)+(\mathrm{bw}-{\mathrm{bw}}_i)}{b{p}_i+h_i+b{w}_i}$

e_i,bp_i,h_i,和bw_i表示内啡肽数量,血压,心跳和脑电波的初始值；

QoE评分计算公式如下：

qoe＝ev×iv。

本发明分为两个部分，第一部分为生理状态监测，根据常识，如果人们无论是在正常和 非正常状态有着非常相似的生理状态时，他们具有相似的疾病的概率很高，因此，生理状态 的变化有着很重要的参考价值。该部分中我们使用人类生物特征传感器，无线网络等技术对 人体的部分生理指标进行实时监控，并将实时监控数据保存在云端，为疾病的预判提供数据 支持。在本发明中，我们将所需的传感器安装到人体上，通过传感器与个人服务器间的通信 实现数据交互，又由个人服务器将数据转发至云端。其中个人服务器可以使一台PC，也可以 是一部智能手机或是专门定制的设备。第二部分为医疗资源推荐，我们记录着所有用户在使 用了医疗资源后的QoE的变化，然后计算一个平均值作为是否提供建议的阈值，然后将其排 序，作为医疗资源推荐参考数据来源。当一个人生病了，我们通过搜寻具有类似的健康时和 不健康时的身体状态监测数据的人，那么根据监测数据我们可以在一定范围内对用户的健康 程度进行相似比较，通过相似对象的医疗资源使用记录和对应的QoE来进行医疗资源推荐。

当用户生病时，系统给用户提供健康状态相关信息和可选择的指导意见。如果健康状况 很糟糕，该系统提供由QoE值排序产生的保健和医疗资源列表，用户可以根据自己当前的经 济状况选择相应的专业的医疗资源(如医院和医生)。

当用户到门诊就医或者处于恢复期时，医疗资源推荐系统可以辅助用户康复，集成系统 能够从多传感器中获取丰富信息，当用户处于紧急状况下是警告用户，在用户处于监督恢复 过程或常规活动中给用户相应的反馈。一个广义的基于智能传感器用于人体检测的医疗资源 推荐系统如附图1所示。智能传感器可以贴在皮肤表面或者安置在衣服或鞋子里面不断地收 集和处理原始信息,并将它们发送到服务器。

对于个人服务而言，能通过医疗生理传感器检测人体健康状态，处理和集成(收集)来 自传感器的数据以便更好的判断用户的健康状态，它能够提供疾病早期预警和指导(例如康 复期间)。个人服务器可以执行一些预处理和同步任务,并通过家用电脑和远程上层服务系统 通信。如果用户患常见疾病(如感冒)，能够提供一些非处方药推荐。如果病情严重，能够提 供基于QoE值排序的医疗保健资源列表以供用户根据自己的实际经济能力选择专业的医疗资 源(如医院和医生)，个人服务器允许用户通过网络接收来自他们的医疗服务提供者的建议。

对于医疗服务提供者而言，医疗服务提供者可以自动收集来自用户的各种数据并存贮， 将数据集成到用户医疗记录中。当用户前往医院或者处于其他必要的情况下，可以参照用户 的历史健康状况，结合该病患最新的信息和其他已知和相关的病人信息为病患提供恰当的指 导，并基于QoE数据提供专业，经济的医疗资源。

目前，医疗监控只应用于部分国家，并且只是被动地收集用户的身体健康信息,而不会基 于用户健康信息提供相应的医疗建议。因此本发明有如下优势：

(1)为用户提供基于QoE的医疗资源推荐列表。该功能基于QoE且可以帮助用户选择最 合适的专业医疗机构。病人可以避免盲目就医。

(2)医疗服务提供者可以获取到病人的健康状态记录，且这些记录可以帮助医生对病人 做出更为准确的诊断。

附图说明

图1为一个广义的基于智能传感器用于人体检测的医疗资源推荐系统示意图；

图2是本发明系统基本流程框架；

图3是本发明系统详细框架；

图4是本发明的系统流程图；

图5是本发明的QoE计算流程示意图。

具体实施方式

总体框架

本发明通过实时监测人日常生活的健康状态或者疾病治疗中的身体健康状态(例如术后 恢复，慢性疾病)，在普适计算环境中可以发现与目标用户具有类似的状态，然后依照QoE值 为其提供保健和医疗资源列表。如果用户生病，他可以根据以往用户处的选择迅速得到最有 效的治疗。如附图2所示。

健康状态追踪

随着人类生物特征传感器的飞速发展，高度集成的低功耗，智能化，小型化的传感器节 点能够被放置在人体内外用于监测人体机能和周围环境。例如无线体域网(WBAN)和HRS-I。 我们将一个人身上的生物特征传感器及其相关的传感器的集合称为一个智能节点，智能节点 可以测量诸如体表温度，身体运动和心电信号等人体相关信息。然后将该信息转发给云端的 服务器，该服务器存储大量的用户特征数据，用于辅助医师诊断和开出处方。一个智能节点 可以提供有关身体健康的丰富信息，如果一个人身上安装了这些传感器，系统可以根据传感 器搜集到的信息建立起他在一天内在正常情况下的血压变化图像，甚至可以建立起在某个较 长时间段内的生理特征变化情况。这些信息对医生来说具有很高的参考价值，帮助减少误诊 率。。需要注意的是，随着健康程度的变化，不同的生理特征的变化程度是不一致的，因此在 对一个人的健康评估时，不同的生理特征应当占有着不同的比重，否则所的到的评估结果则 会有较大的偏差。下面我们给出该方法的数学表达。

本方法中需要监测的个体健康信息包括：体表温度，心率，血压，胆固醇等。基于这些 信息，我们定义健康状态向量为F＝{f₁，f₂，f₃…f_N}，f_hi是健康向量的第i个特征，N是特 征的总数。考虑到不同的特征f的影响具有显著差异，这些特征被量化为不同的权重： 权重越大则对健康影响更大。

在每个只能节点获取到一个健康向量f之后，智能节点可以根据预设的生理特征权重集 将健康向量f计算为一个健康指数，之后将健康向量和健康指数一并发送到云端数据库中。 数据库将经可能多的存储一个人的健康检测数据，因为在对一个人的健康状况分析的时候如 果对该人在一个较长时间段内的生理变化情况有一个了解，那么该用户的健康状态所透露出 来的信息也更为丰富，对某些隐藏度较高的疾病的诊断也将会更加的准确。

亚健康报警

人生来都是有差异的，并且环境以及生活习惯都影响着一个人的生理特征，那么每个人 的健康阈值都是不同的，因此对于不同的人，我们采用不同的阈值来判断其健康与否。阈值 从大量的监测数据中学习得到。监测数据的选取应当满足以下两点，第一，用户在当前各个 生理指标都位于正常范围中，或某个稳定域之间；第二，数据的选取应当足量，从而避免由 于数据量较少而带来的误差。

基于对用户个体每天的检测数据，我们能够计算出该用户的健康指数：

$I_h=\underset{1}{\overset{n}{\Sigma }}{a}_i\times f_i$

从一定范围内的数据中可以计算出一个人的健康指数阈值Th_h。如果健康指数I_h低于确 定阈值Th_h，则说明该用户处于了亚健康状态，系统将定时地警告或提醒该用户并提供一些 改善建议。如果健康指数低于Th_s，则说明该用户生病了，系统则开启医疗资源推荐程序。

搜寻具有类似健康状况的人

我们方法的目的是尽力为用户提供与他们健康状况相关的有用的信息，在必要的情况下 能够准确的找到对症的治疗机构和专家，避免漫无目的的耗费时间和精力。在进行医疗推荐 之前，我们得找到曾具有相似健康状况的人，然后根据此人所使用过的医疗资源中挑选一个 QoE值较高的用户相关医疗信息推荐给当前用户。首先需要解决的问题是如何找到一个曾具有 相似健康状况的人。

寻找与当前用户相似的人的过程可以转化为寻找具有相似健康向量的过程。根据常理， 一个人的健康状况可以划分为两个部分，一个为健康，一个为非健康。当一个人的健康状况 由正常变为非正常的时候则说明该人生病了，从另一个角度上考虑，当两个不同的人在正常 和非正常两个健康状态下时他们都具有相似的健康向量时则他们出现相同的健康问题的可能 性很高。为了开展针对性的推荐，我们发现在普适计算环境下的人的前M个最接近的健康状态。

这一步包含两个子步骤：

子步骤1：健康状态正常条件下相似

在这个步骤中，我们基于在人们的健康生活条件下健康状态越相似，他们的生理状态的 变化就更具有参考价值的常识来寻找在正常条件下相似的人。例如，对中国人来说其他亚洲 的健康状态信息要比欧洲的更有价值。此过程可以被描述为：

在该步骤中，对于每个人，我们已知健康向量F_n，设目标用户的健康向量为F_tn，计算F_n和F_tn的相似度。

Sim(F_n，F_tn)=1-Dis(F_n，F_tn)

Dis(F_n，F_tn)＝||aF_n-aF_tn||

Dis(F_n，F_tn)为向量F_n和F_tn在正常条件下的距离。

通过阈值可以选择相似的人，当相似度大于阈值时则被选取为相似用户。此后我们将得 到的相似用户表示为F_ns＝{f_ns1，f_ns2……}。

子步骤2：健康状态非正常条件下相似

在此步中，我们在健康状态非正常条件下从F_ns中选取相似用户，因为相似的身体状况信 息能够为目标用户解决健康问题提供帮助。此过程可以被描述为：

在此步中，对于F_ns中的每个人，已知健康向量F_a，设目标用户的健康向量为F_ta，依照 如下公式计算F_a的F_ta相似度。

Sim(F_a，F_ta)=1-Dis(F_a，F_ta)

Dis(F_n，F_tn)＝||aF_a-aF_ta||

Dis(F_a，F_ta)为向量F_a和F_ta在非正常条件下的距离。

通过阈值可以选择相似的人，当相似度大于阈值时则被选取为相似用户。此后我们将得 到的相似用户表示为Ｆ_as＝{f_as1，f_as2，……}。

基于QoE医疗资源推荐

我们得到了在非正常条件下的相似对象和他的诊断结果，因此我们可以初步预测疾病的 类型，并且系统能够估计每个类型的疾病的患病风险，然后提供相应的医疗保健资源推荐。

设保健资源列表为Ｈ_r＝{h_r1，h_r2，……}，例如医院名，我们需要从中找出最适合目标 用户的保健资源。可以通过保健资源的QoE来进行衡量。对于每一保健资源h_r1，先量化人们 在使用该资源前的QoE，得到QoE值列表Q_b＝{q_b1，q_b2，……}，然后量化在使用之后的QoE， 得到QoE值列表Q_a＝{q_a1，q_a2，……}，最后计算QoE的变化数值。QoE计算请看下一部分。我 们假设当用户的使用后的QoE大于使用前的QoE，且治疗时间较短，那么向用户推荐该医疗资 源。因此计算推荐度V_r并排序。

$V_r=\frac{\mathrm{\Delta QoE}}{\mathrm{\Delta t}}$

ΔQoE＝|Q_a-Q_b|

ΔQoE是用户在使用医疗资源前后的QoE变化值,Δt是治疗持续的时间。

得到与保健和医疗资源的推荐度列表V_r＝{v_r1，v_r2，……}，然后对V_r排序，然后依照该 列表将其所对应的医疗资源推送到用户端让用户自己选择最合适的资源。

QoE计算

QoE的数值决定了该医疗资源是否满足该用户的预期，以及从侧面上显示了该医疗资源 是否适合于该用户的健康状态。QoE的测量方法有很多种，在本系统中，我们集合人体生理 传感器所能够搜集到的数据来对QoE进行计算。

在监测期间，我们的方法需要持续检测内啡肽的数量，内啡肽能表示高兴程度，因为内 啡肽能在兴奋，恋爱等过程中产生幸福感和一些生理信号，它代表用户的反应强度。

需要监测的生理信号包括血压，心跳，脑电波等能够代表用户反应强度的生理信号。假 定我们已知当前平均内啡肽数量为e和当前平均生理信号向量{bp,h,bw}，所有的信息在软 件使用时都应符合范式(0到1之间)，通过比较使用软件之前那的初始值计算幸福程度

$\mathrm{ev}=\frac{e-e_i}{e_i}$

$\mathrm{iv}=\frac{(\mathrm{bp}-{\mathrm{bp}}_i)+(h-h_i)+(\mathrm{bw}-{\mathrm{bw}}_i)}{b{p}_i+h_i+b{w}_i}$

e_i,bp_i,h_i,和bw_i表示内啡肽数量,血压,心跳和脑电波的初始值。

QoE评分计算公式如下：

qoe＝ev×iv

请注意，计算的QoE还可以根据面部表情，言语，肢体语言，语音信息和生理信号，以及 使用医疗资源之后的健康指数的变化情况，所有这些方法都可以成为我们的推荐系统的框架 的一部分。