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：南昌大学第二附属医院

摘要：本发明提供一种基于可穿戴设备的基层高血压人群再住院风险预测系统，涉及健康监测设备技术领域。该基于可穿戴设备的基层高血压人群再住院风险预测系统，包括穿戴设备，所述穿戴设备还包括：数据采集模块、预测模型、验算模块、联网救助模块、中央控制平台与警示模块。通过预测模型中的神经网络能够处理高维数据，神经网络模型可以预测血压的未来变化趋势，为用户提供早期预警，从而采取预防措施，减少高血压及其并发症的风险，变种随机梯度下降算法，旨在解决标准随机梯度下降算法在训练深度神经网络时可能遇到的问题，频繁出现的参数提供较小的学习率，从而提高模型训练的效率，同时警示模块能及时对穿戴者进行预警。

主权项：1.一种基于可穿戴设备的基层高血压人群再住院风险预测系统，包括穿戴设备，其特征在于：所述穿戴设备还包括：数据采集模块，所述数据采集模块包括PPG传感器，用于监测心率和心率变异性，间接评估血压变化趋势；加速度计，用于监测活动量、步数、行走距离、消耗的卡路里等，评估日常活动水平；ECG传感器，用于监测心脏电活动，识别心律失常等心脏问题；SpO2传感器，通过发射光并检测血液中氧合血红蛋白和脱氧血红蛋白的吸收差异来测量血氧饱和度；EDA传感器，监测皮肤电导率变化；预测模型，使用神经网络建立模型来预测血压变化，所述预测模型的建立包括以下步骤：S1.模型设计，设计出适合监测与预测的模型，包括了：输入层，输入层的神经元数量等于输入特征的数量，即心率、血氧饱和度、活动量、ECG和EDA的特征数量，隐藏层的计算公式为：h＝ReLUWh·x+bh其中，Wh是隐藏层的权重矩阵，bh是隐藏层的偏置向量；隐藏层，隐藏层的设计取决于问题的复杂性，隐藏层的数量和每层的神经元数量需要通过实验来确定，隐藏层使用激活函数，输出层的计算公式为： 其中，Wo是输入层的权重向量，bo是输出层的偏置；输出层，输出层的神经元数量取决于预测任务，对于血压预测，输出层只有一个神经元，使用线性激活函数，损失函数为： 其中，N是样本数量，是真实血压值，是预测的血压值；S2.神经网络训练，损失函数，对于回归问题，常用的损失函数是均方误差，随机梯度下降优化算法，使用训练数据集训练神经网络，通过反向传播算法调整网络权重，最小化损失函数，随机梯度下降的权重更新公式为： 其中，wt+1是更新后的权重，wt是当前权重，η是学习率，是损失函数关于权重wt的梯度；S3.预测步骤，将预处理后的数据输入到训练好的神经网络中，数据通过网络的每一层，直到输出层产生预测结果，输出层的神经元输出预测的血压值；验算模块，交叉验证可以用来评估模型在未知数据上的泛化能力，数据集划分，将数据集随机分为k个大小相等的子集，对于每个子集的迭代过程包括以下步骤：A.训练集，将当前子集以外的k-1个子集合并作为训练集；B.验证集，将当前子集作为验证集；C.模型训练，使用训练集数据训练模型；D.模型验证，使用验证集数据评估模型性能；E.记录性能，记录模型在验证集上的准确率与均方误差性能指标；其公式为：假设我们有k个子集，每个子集的性能指标为Pi＝1，2，...，k，则模型的最终性能评估Pavg可以通过以下公式进行计算： 建立联网救助模块，通过建立联网系统，准确了解附近医院，医院可以根据智能穿戴设备上的联网救助模块进行线上指导，建立救助方案，到达最近的医院进行及时就诊，或者根据穿戴者的身体状况进行及时到达现场进行救护；中央控制平台，用于数据收集与整合、建立模型与联网传输；警示模块，振动警示与语音提示，并通过建立的联网传输模块向医院发送信息数据。

全文数据：

权利要求：

百度查询： 南昌大学第二附属医院 一种基于可穿戴设备的基层高血压人群再住院风险预测系统