基于智能穿戴实时数据采集、融入变换与大数据模型中扩散模型、利用云计算、中西医特征相互渗透的健康服务管理系统的制作方法

发明是基于智能穿戴实时采集的数据、相关个体相对静态数据、区域公开的健康统计数据；融入变换与大数据模型中扩散模型、利用云计算、中西医特征相互参透的健康服务管理系统。属于健康信息管理。

背景技术：

1、目前智能穿戴均配有一些健康数据传感器，特别是智能手表和手环，已经成为一种大众产品。穿戴者迫切希望利用这些数据，对自己身体状况和可能发展情况，进行初步了解。

2、针对智能穿戴数据，个别生产厂商提供数据的存储服务，对其中生理数据用图表方式，如：一种儿童智能手表健康指数监测系统(cn202310227836.4)；又如：一种基于智能手表的睡眠监测系统及方法(cn202310270891.1)。单一通知系统，如：一种基于可穿戴设备的通知系统(cn202311731372.7)。简单西医数据处理，如：基于可穿戴设备的老人健康监测数据处理方法(cn202410218455.4)；一种基于智能穿戴装置的数据监测方法及系统(cn202111170646.0)。或利用西医大型专业设备，如一种多维数据融合的医疗健康诊疗模型(cn202110046333.8)。或专业中医体检设备，如：中医诊断方法及仪器设备(cn202010774641.8)；采用传统中医方法获得定性的数据，如：一种基于大数据的智能化中医体质检测系统及方法(cn202210691765.9)，又如：基于深度学习的智能中医综合诊疗系统(cn201710445067.x)。

3、上所述：目前没有对智能穿戴所获得的健康数据(血糖、血压、心率、血氧、运动数据、睡眠、皮肤湿度、温度、视频、图片、位置信息等)进行综合分析；并且联合其他相对静态数据，对健康状态现状，从西方健康和传统中医健康两方面同时进行分析，同时将中西两方面健康数据相互渗透、进行综合分析；并对健康状态发展趋势的可能性，提出相应建议的系统。

4、当前云计算为分布式安全计算和数据存储提供了技术支撑；逻辑回归、决策树、向量机、线性回归、随机森林、神经网络、层次聚类、关联规则学习、q学习、r学习、变换降维、扩散模型、灰色预测等算法。为健康数据综合融合分析和趋势分析，关联中医工程学的相关指标体系提供了技术支撑条件。

5、虽然目前，近期没有相关健康数据(血糖、血压、心率、运动数据、睡眠、皮肤湿度、温度、视频、图片、位置信息等)与相对静态健康数据融合，统一综合状态判别方法；特别是没有与传统医学状态变换方法，但相关学科发布体质标准，特别是《中医体质分类与判定》为综合分析、变换、与预测，提供了相关算法基础。

技术实现思路

1、本发明将智能穿戴所得实时健康数据(血糖、血压、心率、运动数据、睡眠、皮肤湿度、温度、视频、图片、位置信息等)与其他数据采集模块所得到的相对静态健康数据融合，对服务对象当前身体状态，用定性方式给描述。

2、本发明将智能穿戴所得实时健康数据(血糖、血压、心率、血氧、运动数据、睡眠、皮肤湿度、温度、视频、图片、位置信息等)与其他数据采集模块所得到的相对静态健康数据融合，对服务对象身体状态发展状态，用定性方式给描述。

3、本发明将智能穿戴所得实时健康数据(血糖、血压、心率、运动数据、睡眠、皮肤湿度、温度、视频、图片、位置信息等)与其他数据采集模块所得到的相对静态健康数据融合，建立体质表的变换方法。

4、本发明将智能穿戴所得实时健康数据(血糖、血压、心率、血氧、运动数据、睡眠、皮肤湿度、温度、视频、图片、位置信息等)与其他数据采集模块所得到的相对静态健康数据融合，建立与《中医体质分类与判定》变换方法。

5、本发明对智能穿戴所得实时健康数据(血糖、血压、心率、运动数据、睡眠、皮肤湿度、温度、视频、图片、位置信息等)与其他数据采集模块所得到的相对静态健康数据，利用学习算法、灰色预测、扩散模型等方法，实现多维融合和降维。

6、本发明对智能穿戴所得实时健康数据(血糖、血压、心率、血氧、运动数据、睡眠、皮肤湿度、温度、视频、图片、位置信息等)与其他数据采集模块所得到的相对静态健康数据，利用学习算法、灰色预测、扩散模型等方法，实现多维融合和降维后，变换为体质表和中医体质分类对应可描述的文本与图表。

7、建立体质与饮食谱变换方法，生成日常生活指引建议。

8、建立服务对象体质状态与趋势可能发生变化的报告，依托受信对象与服务对象之间的关系，根据服务对象(或监护人)授权，对相关报告进行分类脱密。显示形式，提供二十多种供服务对象自动适配选择。

1.一个智能穿戴实时健康数据与传统中医学健康服务相融合的管理系统。其特征在于，所述系统包括：

2.一个智能穿戴实时健康数据管理与传统中医学分析融合，分析自然人体质的方法。根据权利要求1所述的健康服务管理系统，其特征在于：能根据智能穿戴当前健康数据(血糖、血压、心率、血氧、运动数据、睡眠、皮肤湿度、温度、视频、图片、位置信息等)，进行彼此之间关联分析；将智能穿戴实时健康数据与传统中医学身体特征之间关系(初期依托自建的生理电化指标对照表、当智能穿戴个体自然人有一定自有数据后，利用深度学习算法)，进行初步变换；将智能穿戴当前健康数据与相对静态(区域相关发布的统计数据、年龄、性别、体型、健康历史数据)、其他数据(舌象、面象、声音、耳象(纹))等融合，对服务对象(智能穿戴人和该人授权的相关对象)展示当前健康状况，并提供实时身体健康状态报告，其功能，见图2。

3.一个智能穿戴的实时数据与相对静态数据融合分析方法。根据权利要求1或权利要求2所述的健康服务管理系统，其特征在于：能将智能穿戴的实时数据与采集模块所得相对静态数据融合分析。提供身体健康状态发展趋势报告。

4.一个可量化的中医医学健康档案设计方法。根据权利要求1或权利要求2所述的健康服务管理系统，其特征在于：根据智能穿戴的实时数据与采集模块所得相对静态数据，对服务对象健康档案更新。

5.一个传统医学健康表述和西方医学表述相融合的报告生成方法。根据权利要求2或权利要求3所述的健康服务管理系统，其特征在于：相关报告均为通俗易懂中医学特征陈述式报告、西医

6.一个智能穿戴检测到数据与静态数据与《中医体质量表》的分类对应转换方法。根据权利要求1或权利要求2所述的健康服务管理系统，其特征在于：将智能检测到数据与采集模块所得数据，结合历史健康档案，通过多维融合变换处理，建立与《中医体质量表》的分类对应的中医九大类型主要体质值：其服务对象的体质值，通过深度学习后，逐渐趋于精准。根据智能穿戴所获得数据，按一周为周期，出具数据统计图(含医学参考阈值)。

7.一个智能穿戴检测到数据与静态数据融合，用灰色理论预测体质的方法。根据权利要求1或权利要求3所述的健康服务管理系统，其特征在于：数据融合分析模块对于数据偏少(可自控设置阈值、也能利用深度学习自动调整阈值)的个体健康数据，利用灰色预测模型先行预测。

8.一个智能穿戴检测到数据与静态数据融合，用扩散模型预测体质的方法。当达到一定数量(当前设定为50)，利用扩散模型进行预测。

9.一个根据服务对象类型、终端类型自动适配交互界面方法。传统医学健康表述报告、西方医学表述报告。这些报告是专业型报告，一般公众难懂，不易理解。根据权利要求1、或权利要求2、或权利要求3所述的健康服务管理系统，其特征在于：显示交互模块中报告，其描述语言为定性、通俗易懂，是供非医学专

10.一个根据对象类型，生成选择内容的方法。只有获得授权的相关人员，才能获得对应报告。