[go: up one dir, main page]

CN114469084B - 一种基于高精度adc的血氧监测系统 - Google Patents

一种基于高精度adc的血氧监测系统 Download PDF

Info

Publication number
CN114469084B
CN114469084B CN202210344060.XA CN202210344060A CN114469084B CN 114469084 B CN114469084 B CN 114469084B CN 202210344060 A CN202210344060 A CN 202210344060A CN 114469084 B CN114469084 B CN 114469084B
Authority
CN
China
Prior art keywords
blood oxygen
user
saturation
module
diagnosis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210344060.XA
Other languages
English (en)
Other versions
CN114469084A (zh
Inventor
莫坚成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jianbo Microelectronics Shenzhen Co ltd
Original Assignee
Jianbo Microelectronics Shenzhen Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jianbo Microelectronics Shenzhen Co ltd filed Critical Jianbo Microelectronics Shenzhen Co ltd
Priority to CN202210344060.XA priority Critical patent/CN114469084B/zh
Publication of CN114469084A publication Critical patent/CN114469084A/zh
Application granted granted Critical
Publication of CN114469084B publication Critical patent/CN114469084B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Measuring devices for evaluating the respiratory organs
    • A61B5/091—Measuring volume of inspired or expired gases, e.g. to determine lung capacity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • Primary Health Care (AREA)
  • Molecular Biology (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Pulmonology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Optics & Photonics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明属于血氧监测技术领域，用于解决现有的血氧监测系统无法结合相关参数对用户的病症特征进行分析，并根据不同的病症特征进行治疗方案推荐的问题，具体是一种基于高精度ADC的血氧监测系统，包括监测平台，所述监测平台通信连接有血氧采集模块、饱和分析模块、存储模块、匹配模块以及治疗推荐模块；所述血氧采集模块对用户的血氧饱和度进行采集并将采集到的血氧饱和度发送至饱和分析模块，饱和分析模块接收到血氧饱和度之后，通过血氧饱和度对用户的血氧饱和情况进行分析；本发明通过饱和分析模块对用户的血氧饱和度进行分析，并针对于血氧饱和度不合格的用户，采用病症分析模型对其特征进行分析判定，从而将诊断用户进行分类。

Description

一种基于高精度ADC的血氧监测系统
技术领域
本发明属于血氧监测技术领域，具体是一种基于高精度ADC的血氧监测系统。
背景技术
血氧饱和度（SaO2）是血液中被氧结合的氧合血红蛋白（HbO2）的容量占全部可结合的血红蛋白（Hb，hemoglobin）容量的百分比，即血液中血氧的浓度，它是呼吸循环的重要生理参数。而功能性氧饱和度为HbO2浓度与HbO2+Hb浓度之比，有别于氧合血红蛋白所占百分数。
现有的血氧监测系统仅能够对用户的血氧饱和度进行检测分析，而无法结合相关参数对用户的病症特征进行分析，并根据不同的病症特征进行治疗方案推荐。
发明内容
针对现有技术存在的不足，本发明目的是提供一种基于高精度ADC的血氧监测系统。
本发明所要解决的技术问题为：
如何提供一种可以针对血氧病症用户的病症特征进行针对性治疗方案推荐的血氧监测系统。
本发明的目的可以通过以下技术方案实现：
一种基于高精度ADC的血氧监测系统，包括监测平台，所述监测平台通信连接有血氧采集模块、饱和分析模块、存储模块、匹配模块以及治疗推荐模块；
所述血氧采集模块用于通过AC/DC转换器对用户的血氧饱和度进行采集并将采集到的血氧饱和度发送至饱和分析模块；
饱和分析模块接收到血氧饱和度之后，通过血氧饱和度对用户的血氧饱和情况进行分析，通过病症分析模型对血氧浓度不合格的用户进行血氧曲线分析并进行特征判定；
匹配模块接收到匹配信号后对特征为病症的诊断用户进行用户匹配；
治疗推荐模块接收到就医信号后为诊断用户进行就诊医院推荐。
作为本发明的进一步改进，饱和分析模块对用户的血氧饱和情况进行分析的具体过程包括：将接收到的血氧饱和度标记为XB，通过存储模块获取到血氧范围的最小值XYmin，将血氧饱和度XB与血氧范围的最小值XYmin进行比较：若XB小于等于XYmin，则判定用户血氧浓度不合格；若XB大于XYmin，则判定用户血氧浓度合格。
作为本发明的进一步改进，病症分析模型对血氧浓度不合格的用户进行血氧曲线分析：将血氧浓度不合格的用户标记为诊断用户，获取诊断用户的历史血氧检测数据，将诊断用户的历史血氧检测次数标记为i，i=1，2，…，n，将每次检测的血氧饱和度的数值标记为XBi，将血氧饱和度XBi中最大的数值标记为血氧峰值XF，将血氧峰值CF与血氧范围的最小值XYmin进行比较：若血氧峰值CF小于等于血氧范围的最小值XYmin，则判定诊断用户为先天性用户，若血氧峰值CF大于血氧范围的最小值XYmin，则判定诊断用户为非先天性用户；针对非先天性用户进行特征分析：将用户历史检测的血氧饱和度XBi建立饱和集合｛XB1，XB2，…，XBn｝，对饱和集合进行方差计算并将得到的数值标记为偏离系数PL，通过存储模块获取到偏离阈值PLmin、PLmax，将偏离系数PL与偏离阈值PLmin、PLmax进行比较：
若PL≤PLmin，则判定诊断用户的特征为不规律；
若PLmin＜PL＜PLmax，则判定诊断用户的特征为病症；
若PL≥PLmax，则判定诊断用户的特征为病疾。
作为本发明的进一步改进，针对特征为不规律的诊断用户，通过饱和分析模块向诊断用户的手机终端发送规律信号；
针对特征为病症的诊断用户，通过饱和分析模块向匹配模块发送匹配信号；
针对特征为病疾的诊断用户，通过饱和分析模块向治疗推荐模块发送就医信号。
作为本发明的进一步改进，用户匹配的过程包括：获取诊断用户的心率数据XL、氧分压数据YF以及肺活量数据FH，对诊断用户的心率数据XL、氧分压数据YF以及肺活量数据FH进行分析得到诊断用户的综合系数ZH；
对综合系数ZH进行比例换算得到综合范围的最大值ZHmax与最小值ZHmin，其中ZHmax=t1×ZH，t1为比例系数，1.15≤t1≤1.25，ZHmin=t2×ZH，t2为比例系数，0.75≤t2≤0.85；将存储模块中综合系数位于综合范围之内的所有用户标记为初筛用户，将血氧饱和度与诊断用户的血氧饱和度最接近的m个初筛用户标记为次筛用户，将次筛用户中恢复效率最高的用户标记为匹配用户，将匹配用户的治疗方案与诊断用户相匹配。
作为本发明的进一步改进，诊断用户的心率数据获取过程包括：通过存储模块获取到心率范围的最大值与最小值，将心率范围的最大值与最小值进行求和取平均数得到心率标准值，将诊断用户心率检测的数值减去心率标准值并取其绝对值得到心率数据XL；
诊断用户的氧分压数据获取过程包括：通过存储模块获取到氧分压的最小阈值，将诊断用户氧分压检测的数值减去氧分压的最小阈值得到氧分压数据YF；
诊断用户的肺活量数据获取过程包括：通过存储模块获取到肺活量的最小阈值，将诊断用户肺活量检测的数值减去肺活量的最小阈值得到肺活量数据FH。
作为本发明的进一步改进，就诊医院推荐的过程包括：将诊断用户的地理位置标记为中心位置，以中心位置为圆心，r1为半径进行画圆，r1为预设半径值，单位为千米，将得到的圆形区域标记为筛选区域，将筛选区域内的所有医院标记为初选对象，将初选对象与中心位置的直线距离标记为ZJ，将初选对象的注册医师数量标记为YS，通过公式TJ=（β1×YS）/（β2×ZJ）得到初选对象的推荐系数TJ，其中β1与β2均为比例系数，且β1＞β2＞1；将推荐系数数值最大的初选对象标记为推荐对象，治疗推荐模块将推荐对象的医院信息通过监测平台发送至用户的手机终端；推荐对象的医院信息包括：医院的地理位置、医院的联系电话以及医院的成立时间。
作为本发明的进一步改进，基于高精度ADC的血氧监测系统的工作方法，包括以下步骤：
步骤一：血氧采集模块通过AC/DC转换器对用户的血氧饱和度进行采集并将采集到的血氧饱和度发送至饱和分析模块；
步骤二：饱和分析模块接收到血氧饱和度之后，通过血氧饱和度对用户的血氧饱和情况进行分析并对用户的血氧浓度是否合格进行判定；
步骤三：对血氧浓度不合格的用户进行血氧曲线分析，通过血氧曲线分析结果对诊断用户的特征进行判定；
步骤四：匹配模块对特征为病症的诊断用户进行用户匹配，通过心率数据XL、氧分压数据YF以及肺活量数据FH计算得到综合系数，结合综合系数与血氧饱和度的数值进行筛选得到匹配用户，将匹配用户的治疗方案与诊断用户相匹配；
步骤五：治疗推荐模块为诊断用户进行就诊医院推荐，通过直线距离与注册医师数量得到推荐系数，通过推荐系数的数值大小筛选得到推荐对象，治疗推荐模块将推荐对象的医院信息通过监测平台发送至用户的手机终端。
与现有技术相比，本发明的有益效果是：
1、本发明通过饱和分析模块对用户的血氧饱和度进行分析，并针对于血氧饱和度不合格的用户，采用病症分析模型对其特征进行分析判定，从而将诊断用户进行分类，针对不同类型的病症用户采用对应的治疗方案进行推荐，从而使诊断用户得到针对性治疗，缩短用户治疗周期，加快治疗效率；
2、本发明通过匹配模块对特征为病症的诊断用户进行用户匹配，从数据库中通过参数比对的方式筛选出特征与诊断用户最为接近的用户，从而在该类用户中查找治疗效果最好的用户，从而可以对诊断用户进行治疗方案推荐；
3、本发明通过治疗推荐模块可以对诊断用户周边的医院进行筛选，通过推荐系数的数值大小筛选得到最适宜的医院，诊断用户接收到推荐对象的医院信息后可直接前往对应医院进行就诊，节省对医院进行挑选筛查的时间，加快治疗效率。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明实施例一的整体系统框图；
图2为本发明实施例二的方法流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，一种基于高精度ADC的血氧监测系统，包括监测平台，监测平台通信连接有血氧采集模块、饱和分析模块、存储模块、匹配模块以及治疗推荐模块；
血氧采集模块用于通过AC/DC转换器对用户的血氧饱和度进行采集并将采集到的血氧饱和度发送至饱和分析模块，需要说明的是，AC/DC转换器就是将交流电变为直流电的设备，其功率流向可以是双向的，功率流由电源流向负载的称为整流，功率流由负载返回电源的称为有源逆变。饱和分析模块接收到血氧饱和度之后，通过血氧饱和度对用户的血氧饱和情况进行分析：将接收到的血氧饱和度标记为XB，通过存储模块获取到血氧范围的最小值XYmin，将血氧饱和度XB与血氧范围的最小值XYmin进行比较：若XB小于等于XYmin，则判定用户血氧浓度不合格；若XB大于XYmin，则判定用户血氧浓度合格；
通过病症分析模型对血氧浓度不合格的用户进行血氧曲线分析：将血氧浓度不合格的用户标记为诊断用户，获取诊断用户的历史血氧检测数据，历史血样检测数据可通过存储模块调取，将诊断用户的历史血氧检测次数标记为i，i=1，2，…，n，将每次检测的血氧饱和度的数值标记为XBi，将血氧饱和度XBi中最大的数值标记为血氧峰值XF，将血氧峰值CF与血氧范围的最小值XYmin进行比较：若血氧峰值CF小于等于血氧范围的最小值XYmin，则判定诊断用户为先天性用户，先天性用户的血氧浓度不足由先天性疾病引起，日常生活中通过饮食与运动调节即可；若血氧峰值CF大于血氧范围的最小值XYmin，则判定诊断用户为非先天性用户，非先天性用户的血氧浓度不足由后天病症引起；针对非先天性用户进行特征分析：将用户历史检测的血氧饱和度XBi建立饱和集合｛XB1，XB2，…，XBn｝，对饱和集合进行方差计算并将得到的数值标记为偏离系数PL，通过存储模块获取到偏离阈值PLmin、PLmax，将偏离系数PL与偏离阈值PLmin、PLmax进行比较：若PL≤PLmin，则判定诊断用户的特征为不规律；若PLmin＜PL＜PLmax，则判定诊断用户的特征为病症；若PL≥PLmax，则判定诊断用户的特征为病疾，特征为病疾的诊断用户的病症严重程度较高，需要立即采取就医处理。
针对特征为不规律的诊断用户，通过饱和分析模块向诊断用户的手机终端发送规律信号，诊断用户在日常生活中可通过规律饮食、运动等方式进行调节；
针对特征为病症的诊断用户，通过饱和分析模块向匹配模块发送匹配信号，为诊断用户进行匹配用户筛选，从而得到最佳治疗方案；
针对特征为病疾的诊断用户，通过饱和分析模块向治疗推荐模块发送就医信号，针对病症严重程度较高的用户，采取立即就医的方式进行处理。
匹配模块接收到匹配信号后对特征为病症的诊断用户进行用户匹配，用户匹配的过程包括：获取诊断用户的心率数据XL、氧分压数据YF以及肺活量数据FH，
诊断用户的心率数据获取过程包括：通过存储模块获取到心率范围的最大值与最小值，将心率范围的最大值与最小值进行求和取平均数得到心率标准值，将诊断用户心率检测的数值减去心率标准值并取其绝对值得到心率数据XL；
诊断用户的氧分压数据获取过程包括：通过存储模块获取到氧分压的最小阈值，将诊断用户氧分压检测的数值减去氧分压的最小阈值得到氧分压数据YF；
诊断用户的肺活量数据获取过程包括：通过存储模块获取到肺活量的最小阈值，将诊断用户肺活量检测的数值减去肺活量的最小阈值得到肺活量数据FH；
通过公式
Figure 232093DEST_PATH_IMAGE001
得到诊断用户的综合系数ZH，其中α1、α2以及α3均为比例系数，且α1＞α2＞α3＞1；对综合系数ZH进行比例换算得到综合范围的最大值ZHmax与最小值ZHmin，其中ZHmax=t1×ZH，t1为比例系数，1.15≤t1≤1.25，ZHmin=t2×ZH，t2为比例系数，0.75≤t2≤0.85；将存储模块中综合系数位于综合范围之内的所有用户标记为初筛用户，将血氧饱和度与诊断用户的血氧饱和度最接近的m个初筛用户标记为次筛用户，将次筛用户中恢复效率最高的用户标记为匹配用户，匹配用户是参考多种参数之后得到的与诊断用户病症最为接近且治疗效果最好的用户，将匹配用户的治疗方案与诊断用户相匹配。
治疗推荐模块接收到就医信号后为诊断用户进行就诊医院推荐，就诊医院推荐的过程包括：将诊断用户的地理位置标记为中心位置，以中心位置为圆心，r1为半径进行画圆，r1为预设半径值，单位为千米，将得到的圆形区域标记为筛选区域，将筛选区域内的所有医院标记为初选对象，将初选对象与中心位置的直线距离标记为ZJ，将初选对象的注册医师数量标记为YS，通过公式TJ=（β1×YS）/（β2×ZJ）得到初选对象的推荐系数TJ，其中β1与β2均为比例系数，且β1＞β2＞1；将推荐系数数值最大的初选对象标记为推荐对象，推荐对象是诊断对象当前最适宜就诊的医院，治疗推荐模块将推荐对象的医院信息通过监测平台发送至用户的手机终端；推荐对象的医院信息包括：医院的地理位置、医院的联系电话以及医院的成立时间。
实施例二
请参阅图2所示，一种基于高精度ADC的血氧监测方法，包括以下步骤：
步骤一：血氧采集模块通过AC/DC转换器对用户的血氧饱和度进行采集并将采集到的血氧饱和度发送至饱和分析模块；
步骤二：饱和分析模块接收到血氧饱和度之后，通过血氧饱和度对用户的血氧饱和情况进行分析并对用户的血氧浓度是否合格进行判定；
步骤三：对血氧浓度不合格的用户进行血氧曲线分析，通过血氧曲线分析结果对诊断用户的特征进行判定；
步骤四：匹配模块对特征为病症的诊断用户进行用户匹配，通过心率数据XL、氧分压数据YF以及肺活量数据FH计算得到综合系数，结合综合系数与血氧饱和度的数值进行筛选得到匹配用户，将匹配用户的治疗方案与诊断用户相匹配；
步骤五：治疗推荐模块为诊断用户进行就诊医院推荐，通过直线距离与注册医师数量得到推荐系数，通过推荐系数的数值大小筛选得到推荐对象，治疗推荐模块将推荐对象的医院信息通过监测平台发送至用户的手机终端。
一种基于高精度ADC的血氧监测系统，工作时，血氧采集模块通过AC/DC转换器对用户的血氧饱和度进行采集并将采集到的血氧饱和度发送至饱和分析模块；饱和分析模块接收到血氧饱和度之后，通过血氧饱和度对用户的血氧饱和情况进行分析并对用户的血氧浓度是否合格进行判定；对血氧浓度不合格的用户进行血氧曲线分析，通过血氧曲线分析结果对诊断用户的特征进行判定，匹配模块对特征为病症的诊断用户进行用户匹配，治疗推荐模块为诊断用户进行就诊医院推荐。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置；
如公式：
Figure 992239DEST_PATH_IMAGE001
；
由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的评级系数；将设定的综合系数和采集的样本数据代入公式，任意三个公式构成三元一次方程组，将计算得到的系数进行筛选并取均值，得到α1、α2与α3取值分别为3.25、2.58和2.21；
系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，只要不影响参数与量化后数值的比例关系即可。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (4)

1.一种基于高精度ADC的血氧监测系统，包括监测平台，其特征在于，所述监测平台通信连接有血氧采集模块、饱和分析模块、存储模块、匹配模块以及治疗推荐模块；
所述血氧采集模块用于通过AC/DC转换器对用户的血氧饱和度进行采集并将采集到的血氧饱和度发送至饱和分析模块；
饱和分析模块接收到血氧饱和度之后，通过血氧饱和度对用户的血氧饱和情况进行分析，通过病症分析模型对血氧浓度不合格的用户进行血氧曲线分析并进行特征判定；
匹配模块接收到匹配信号后对特征为病症的诊断用户进行用户匹配：获取诊断用户的心率数据XL、氧分压数据YF以及肺活量数据FH，对诊断用户的心率数据XL、氧分压数据YF以及肺活量数据FH进行分析得到诊断用户的综合系数ZH；
对综合系数ZH进行比例换算得到综合范围的最大值ZHmax与最小值ZHmin，其中ZHmax=t1×ZH，t1为比例系数，1.15≤t1≤1.25，ZHmin=t2×ZH，t2为比例系数，0.75≤t2≤0.85；将存储模块中综合系数位于综合范围之内的所有用户标记为初筛用户，将血氧饱和度与诊断用户的血氧饱和度最接近的m个初筛用户标记为次筛用户，将次筛用户中恢复效率最高的用户标记为匹配用户，将匹配用户的治疗方案与诊断用户相匹配；
治疗推荐模块接收到就医信号后对特征为病疾的诊断用户进行就诊医院推荐：将诊断用户的地理位置标记为中心位置，以中心位置为圆心，r1为半径进行画圆，r1为预设半径值，单位为千米，将得到的圆形区域标记为筛选区域，将筛选区域内的所有医院标记为初选对象，将初选对象与中心位置的直线距离标记为ZJ，将初选对象的注册医师数量标记为YS，通过公式TJ=（β1×YS）/（β2×ZJ）得到初选对象的推荐系数TJ，其中β1与β2均为比例系数，且β1＞β2＞1；将推荐系数数值最大的初选对象标记为推荐对象，治疗推荐模块将推荐对象的医院信息通过监测平台发送至用户的手机终端；推荐对象的医院信息包括：医院的地理位置、医院的联系电话以及医院的成立时间；
饱和分析模块对用户的血氧饱和情况进行分析的具体过程包括：将接收到的血氧饱和度标记为XB，通过存储模块获取到血氧范围的最小值XYmin，将血氧饱和度XB与血氧范围的最小值XYmin进行比较：若XB小于等于XYmin，则判定用户血氧浓度不合格；若XB大于XYmin，则判定用户血氧浓度合格；
病症分析模型对血氧浓度不合格的用户进行血氧曲线分析：将血氧浓度不合格的用户标记为诊断用户，获取诊断用户的历史血氧检测数据，将诊断用户的历史血氧检测次数标记为i，i=1，2，…，n，将每次检测的血氧饱和度的数值标记为XBi，将血氧饱和度XBi中最大的数值标记为血氧峰值CF，将血氧峰值CF与血氧范围的最小值XYmin进行比较：若血氧峰值CF小于等于血氧范围的最小值XYmin，则判定诊断用户为先天性用户，若血氧峰值CF大于血氧范围的最小值XYmin，则判定诊断用户为非先天性用户；针对非先天性用户进行特征分析：将用户历史检测的血氧饱和度XBi建立饱和集合{XB1，XB2，…，XBn}，对饱和集合进行方差计算并将得到的数值标记为偏离系数PL，通过存储模块获取到偏离阈值PLmin、PLmax，将偏离系数PL与偏离阈值PLmin、PLmax进行比较：
若PL≤PLmin，则判定诊断用户的特征为不规律；
若PLmin＜PL＜PLmax，则判定诊断用户的特征为病症；
若PL≥PLmax，则判定诊断用户的特征为病疾。
2.根据权利要求1所述的一种基于高精度ADC的血氧监测系统，其特征在于，针对特征为不规律的诊断用户，通过饱和分析模块向诊断用户的手机终端发送规律信号；
针对特征为病症的诊断用户，通过饱和分析模块向匹配模块发送匹配信号；
针对特征为病疾的诊断用户，通过饱和分析模块向治疗推荐模块发送就医信号。
3.根据权利要求1所述的一种基于高精度ADC的血氧监测系统，其特征在于，诊断用户的心率数据获取过程包括：通过存储模块获取到心率范围的最大值与最小值，将心率范围的最大值与最小值进行求和取平均数得到心率标准值，将诊断用户心率检测的数值减去心率标准值并取其绝对值得到心率数据XL；
诊断用户的氧分压数据获取过程包括：通过存储模块获取到氧分压的最小阈值，将诊断用户氧分压检测的数值减去氧分压的最小阈值得到氧分压数据YF；
诊断用户的肺活量数据获取过程包括：通过存储模块获取到肺活量的最小阈值，将诊断用户肺活量检测的数值减去肺活量的最小阈值得到肺活量数据FH。
4.根据权利要求1-3任一项所述的一种基于高精度ADC的血氧监测系统，其特征在于，基于高精度ADC的血氧监测系统的工作方法，包括以下步骤：
步骤一：血氧采集模块通过AC/DC转换器对用户的血氧饱和度进行采集并将采集到的血氧饱和度发送至饱和分析模块；
步骤二：饱和分析模块接收到血氧饱和度之后，通过血氧饱和度对用户的血氧饱和情况进行分析并对用户的血氧浓度是否合格进行判定；
步骤三：对血氧浓度不合格的用户进行血氧曲线分析，通过血氧曲线分析结果对诊断用户的特征进行判定；
步骤四：匹配模块对特征为病症的诊断用户进行用户匹配，通过心率数据XL、氧分压数据YF以及肺活量数据FH计算得到综合系数，结合综合系数与血氧饱和度的数值进行筛选得到匹配用户，将匹配用户的治疗方案与诊断用户相匹配；
步骤五：治疗推荐模块对特征为病疾的诊断用户进行就诊医院推荐，通过直线距离与注册医师数量得到推荐系数，通过推荐系数的数值大小筛选得到推荐对象，治疗推荐模块将推荐对象的医院信息通过监测平台发送至用户的手机终端。
CN202210344060.XA 2022-04-02 2022-04-02 一种基于高精度adc的血氧监测系统 Active CN114469084B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210344060.XA CN114469084B (zh) 2022-04-02 2022-04-02 一种基于高精度adc的血氧监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210344060.XA CN114469084B (zh) 2022-04-02 2022-04-02 一种基于高精度adc的血氧监测系统

Publications (2)

Publication Number Publication Date
CN114469084A CN114469084A (zh) 2022-05-13
CN114469084B true CN114469084B (zh) 2022-06-24

Family

ID=81488979

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210344060.XA Active CN114469084B (zh) 2022-04-02 2022-04-02 一种基于高精度adc的血氧监测系统

Country Status (1)

Country Link
CN (1) CN114469084B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115083584A (zh) * 2022-07-08 2022-09-20 杭州领翼信息技术有限公司 基于大数据的单病种全病程管理系统
CN115620872B (zh) * 2022-12-20 2023-03-07 安徽猫头鹰科技有限公司 一种照明发光的光谱调制处理系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5891023A (en) * 1992-08-19 1999-04-06 Lynn; Lawrence A. Apparatus for the diagnosis of sleep apnea
CN103536286A (zh) * 2013-11-01 2014-01-29 中国科学院苏州生物医学工程技术研究所 一种多功能家庭监护系统
CN105794223A (zh) * 2013-10-02 2016-07-20 声音睡眠有限责任公司 多功能头戴物
CN112289465A (zh) * 2020-10-21 2021-01-29 梁秀文 一种基于大数据的医疗监管系统
CN113289182A (zh) * 2021-07-09 2021-08-24 重庆医科大学附属第一医院 一种氧疗监测调控系统和调控方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8417311B2 (en) * 2008-09-12 2013-04-09 Optiscan Biomedical Corporation Fluid component analysis system and method for glucose monitoring and control
US8909330B2 (en) * 2009-05-20 2014-12-09 Sotera Wireless, Inc. Body-worn device and associated system for alarms/alerts based on vital signs and motion
BRPI1010718A2 (pt) * 2009-06-10 2016-03-15 Nono Inc sistemas modelo e regimes de tratamento para tratar doença neurológica.
US8752220B2 (en) * 2009-07-10 2014-06-17 Hill-Rom Services, Inc. Systems for patient support, monitoring and treatment
SG10201502886VA (en) * 2009-08-13 2015-05-28 Hidetsugu Asanoi Device For Calculating Respiratory Waveform Information And Medical Device Using Respiratory Waveform Information
GB201018774D0 (en) * 2010-11-05 2010-12-22 Learning Clinic The Ltd A system and method for monitoring the health of a hospital patient
CN102824179A (zh) * 2012-08-14 2012-12-19 深圳创维－Rgb电子有限公司 血氧饱和度检测告警装置及智能信息终端
CN103823616A (zh) * 2012-11-16 2014-05-28 镇江市顶智微电子科技有限公司 一种基于vvvv的虚拟翻书系统实现方法
JP6651402B2 (ja) * 2016-04-12 2020-02-19 キヤノンメディカルシステムズ株式会社 医用画像処理装置、医用画像診断装置およびプログラム
CN105912881B (zh) * 2016-06-14 2018-12-28 华南师范大学 基于大数据知识库的个性化治疗方案推荐系统
CN106817412A (zh) * 2016-12-30 2017-06-09 武汉飞博科技有限公司 一种在线查询血糖数据的系统及其使用方法
US10433726B2 (en) * 2017-08-14 2019-10-08 Amrita Vishwa Vidyapeetham Systems, methods, and devices for remote health monitoring and management using internet of things sensors
CN110459288A (zh) * 2019-06-27 2019-11-15 浙江大学 一种筛查先天性心脏病的方法、装置、设备及存储介质
CN111513761A (zh) * 2020-04-15 2020-08-11 浙江大学 一种可同步采集多种动态数据的采集器的采集方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5891023A (en) * 1992-08-19 1999-04-06 Lynn; Lawrence A. Apparatus for the diagnosis of sleep apnea
CN105794223A (zh) * 2013-10-02 2016-07-20 声音睡眠有限责任公司 多功能头戴物
CN103536286A (zh) * 2013-11-01 2014-01-29 中国科学院苏州生物医学工程技术研究所 一种多功能家庭监护系统
CN112289465A (zh) * 2020-10-21 2021-01-29 梁秀文 一种基于大数据的医疗监管系统
CN113289182A (zh) * 2021-07-09 2021-08-24 重庆医科大学附属第一医院 一种氧疗监测调控系统和调控方法

Also Published As

Publication number Publication date
CN114469084A (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
CN114469084B (zh) 一种基于高精度adc的血氧监测系统
RU2757048C1 (ru) Способ и система оценки здоровья тела человека на основе данных большого объема о сне
CN111613335A (zh) 一种健康预警系统及方法
CN109846474B (zh) 心电图的处理方法及装置、心电图的远程处理方法及系统
CN104462744B (zh) 适用于心血管远程监测系统的数据质量控制方法
CN108417246A (zh) 使用物联网智慧云心电智能监控与数据处理系统的监控方法
CN104158914A (zh) 面向家庭的远程尿液检测与健康咨询服务系统及方法
CN109124655A (zh) 精神状态分析方法、装置、设备、计算机介质及多功能椅
CN118248332A (zh) 一种智能多模态生理数据监测系统
CN112037896A (zh) 一种面向血液透析的智能云护士助理系统
CN117153316B (zh) 一种多用户的医疗信息采集终端的管理系统
CN104042208B (zh) 心电监护系统
CN116687363A (zh) 一种基于穿戴设备的有限空间作业人员身体状况监测系统
CN112435726B (zh) 基于便携式健康监测设备的健康管理系统
CN115662631A (zh) 基于ai智能判别的养老院管理系统
CN116269249B (zh) 一种脑卒中风险预测方法和系统
KR101029386B1 (ko) 실시간 심전도 모니터링 시스템을 위한 큐알에스 검출 방법
CN115083584A (zh) 基于大数据的单病种全病程管理系统
CN118576165A (zh) 智能手表的多模态交互健康监测方法及系统
CN116671881A (zh) 基于图神经网络的头戴式脑体作业能力评估设备及方法
CN114093450A (zh) 一种基于可穿戴设备的慢病管理系统及方法
CN114452133A (zh) 一种基于分级监护模式的护理方法及护理系统
Rifat et al. Skin Disease Screening System Based on Smartphone Captured Images Using Deep Learning
CN110200641A (zh) 一种基于触摸屏测量认知负荷与心理压力的方法及装置
CN112908483A (zh) 一种智慧健康社区系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant