买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学

摘要：本发明公开了一种利用边缘计算实现独居老人智能健康监护的系统，系统框架上包括用户层、展现层、云数据中心层、边缘服务器层、数据预处理层和设备感知层。本发明系统中各个部分相互配合，实现了健康监护便捷化、辅助诊断准确化、紧急通知迅速化、隐私保护全面化、辅助功能贴心化的目的，最大程度的提升了智慧医疗的效率、准确率和安全性，成为守护在独居老人或患者身边的智慧医生。将本发明系统部署到实际应用场景中，不仅能够时刻守护独居老人的身体健康，帮助老人进行疾病自检，为老人的健康与生活质量提供支持和保障，还能有效降低老人的受伤概率，降低家庭和社会负担，助力现代化国家建设。

主权项：1.一种利用边缘计算实现独居老人智能健康监护的系统，其特征在于，包括用户层、展现层、云数据中心层、边缘服务器层、数据预处理层和设备感知层，其中：设备感知层，用于为整个系统提供与老人相关的体征监测数据；数据预处理层，用于从设备感知层收集老人体征数据，并进行预处理和前几层模型的训练，然后将输出结果加密后发送给医院私有服务器；边缘服务器层，由各个医院私有服务器组成；在模型训练过程中，边缘服务器用于接收云数据中心层发送的初始模型以及从数据预处理层收集预处理数据，然后完成剩下模型的训练，并将模型权重加上高斯噪声后上传至云端；在监护和诊断的过程中，边缘服务器用于监护及诊断结果的计算，并将结果反馈给用户和云端；云数据中心层，用于部署联邦学习应用、发布模型训练任务、收集和聚合来自各医院私有服务器的模型参数，以及进行集群状态的监控和移动设备的管理、备份训练和监测诊断数据；展现层，用于向用户提供系统操作渠道，包含Web端和或APP端；用户层，分为用户和管理员两类，并赋予相应的系统操作权限；所述设备感知层包括用于采集老人身体加速度的三轴加速度计、用于监控老人活动画面的相机以及用于探测老人心电图的智能手环，分别为防老人摔倒监测和心率异常监测提供数据支持；所述展现层为Web端时，包括集群可视化监控模块、任务中心模块和模型管理模块，其中：集群监控模块具有集群状态和应用部署两个功能点；任务中心模块具有实时统计、任务进展和任务发布三个功能点；模型管理模块具有模型列表和模型创建两个功能点；所述展现层为APP端时，包括监护和诊断模块、设备连接模块、个人中心模块和体征报告模块，其中：监护和诊断模块具有健康监护和辅助诊断两个功能点；设备连接模块具有设备添加和设备概览两个功能点；个人中心模块具有信息管理、紧急呼救和隐私管理三个功能点；体征报告模块具有实时体征和诊断报告两个功能点；所述的系统的实现方法，包括以下步骤：S101、数据预处理层从设备感知层收集老人体征数据，并进行预处理和前几层模型的训练，然后将输出结果加密后发送给边缘服务器层；S102、边缘服务器层接收云数据中心层发送的初始模型，并从数据预处理层收集预处理数据，解密后开始训练剩下的神经网络，得到一个局部模型；S103、求取局部模型梯度值，并将局部模型梯度值传至数据预处理层，实现数据预处理层前几层模型的更新；S104、利用局部模型梯度值更新局部模型参数；S105、对更新后的局部模型参数添加高斯噪声；S106、各边缘服务器层将添加了噪声的局部模型参数发送到云数据中心层；S107、云数据中心层收到各个各边缘服务器层的局部模型参数后，对其进行聚合并获得全局模型参数；S108、在全局模型参数中添加高斯噪声，并更新全局模型参数；S109、云数据中心层将更新后的全局模型参数下发给边缘服务器层进行下一轮次的训练，直到模型收敛或达到迭代次数为止；所述健康监护：边缘服务器层接收数据预处理层传送的预处理数据，解密后使用训练好的模型计算结果，并将结果发布至用户层和云端，由云数据中心层备份，若计算结果为老人体征正常，则不做处理；反之，则由云数据中心层立即通知紧急联系人；所述辅助诊断：边缘服务器层接收数据预处理层传送的预处理数据，解密后使用训练好的模型计算结果，并将结果发布至用户层和云端，由云数据中心层备份；所述步骤S103中，对于第j个边缘服务器层，其第t轮训练得到的局部模型梯度值为： 式中，ω表示权重参数，ωt是第j个边缘服务器层第t轮训练后得到的权重参数；N是上传到边缘服务器层的终端总数；Loss是损失函数，且其中，Di是第i个数据预处理层的训练集，且Di＝{x1，x2，x3…xn}，是输入数据xn后得到的模型输出；Li是第i个数据预处理层的标签集；并且，得到局部模型梯度值后，计算Loss值对Yic的导数并反馈给第i个数据预处理层，第i个数据预处理层按照如下公式对本地神经网络参数ωc进行更新： 式中，η是学习率；所述步骤S104中，采用以下公式更新局部模型参数 所述步骤S105中，采用以下公式添加高斯噪声： 式中，N0,σ2C2I是一个归一化分布，其均值为0；σ是高斯噪声标准差，且其中，∈代表隐私预算，δ代表置信度参数，Δf代表全局敏感度，I代表与模型参数同维数的单位向量；所述步骤S108中，采用以下公式添加高斯噪声并更新全局模型参数： 其中，σ1是高斯噪声标准差，且

全文数据：

权利要求：

百度查询： 电子科技大学 利用边缘计算实现独居老人智能健康监护的系统及方法