[发明专利]健康监测方法、装置、设备及计算机可读存储介质

说明书

本申请提供了一种健康监测方法、装置、设备及计算机可读存储介质，所述方法包括：获取多个样本人员的训练数据，每个样本人员的训练数据包括所述样本人员的静脉图像和血氧饱和度；利用所述多个样本人员的训练数据训练深度卷积神经网络，得到图像分类模型；获取目标人员的静脉图像；将所述目标人员的静脉图像输入所述图像分类模型，得到所述目标人员的血氧饱和度；将所述目标人员的血氧饱和度发送至用户设备。可以实时预测目标人员的血氧饱和度，智能化程度较高，且效率较高，适用范围广。

技术领域

本申请涉及图像处理技术领域，尤其涉及健康监测方法、装置、设备及计算机可读存储介质。

背景技术

当今社会，人们对身体健康状况的关注越来越强烈。随着血氧饱和度作为健康评估的一项指标，血氧检测技术成为相关人员关注的重点。

常规的血氧检测设备的工作原理为：通过检测人体上充血的末梢组织如手指、手掌等部位对不同波长的红光或红外光的吸光度变化率之比来推算出末梢组织的动脉血氧饱和度。然而，这种设备的检测效率较低，适用范围有限。

发明内容

本申请的目的在于提供一种健康监测方法、装置、设备及计算机可读存储介质，可以实时预测目标人员的血氧饱和度，智能化程度较高，且效率较高，适用范围广。

本申请的目的采用以下技术方案实现：

第一方面，本申请提供了一种健康监测方法，应用于健康监测设备，所述方法包括：获取多个样本人员的训练数据，每个样本人员的训练数据包括所述样本人员的静脉图像和血氧饱和度；利用所述多个样本人员的训练数据训练深度卷积神经网络，得到图像分类模型；获取目标人员的静脉图像；将所述目标人员的静脉图像输入所述图像分类模型，得到所述目标人员的血氧饱和度；将所述目标人员的血氧饱和度发送至用户设备。该技术方案的有益效果在于，一方面，可以利用多个样本人员的训练数据训练深度卷积神经网络，得到图像分类模型，只要将目标人员的静脉图像输入图像分类模型，即可实时预测目标人员的血氧饱和度，尤其是当训练用的样本数量足够多时，准确度有望达到极高水平，相对于利用常规的血氧检测设备检测血氧饱和度的方式来说，智能化程度较高，且效率较高，适用范围广；另一方面，可以将目标人员的血氧饱和度发送至用户设备，使得用户设备的使用者知晓目标人员的血氧饱和度，从而监测目标人员的健康状况。

在一些可选的实施例中，所述深度卷积神经网络是ResNet50。该技术方案的有益效果在于，深度卷积神经网络可以采用ResNet50，解决深度卷积神经网络的退化问题，随着网络深度的加深，网络的性能也能得到提升。

在一些可选的实施例中，所述方法还包括：获取所述目标人员的体温；所述将所述目标人员的血氧饱和度发送至用户设备，包括：将所述目标人员的血氧饱和度和体温发送至所述用户设备。该技术方案的有益效果在于，可以将目标人员的血氧饱和度和体温发送至用户设备，使用户设备的使用者同时了解到目标人员的血氧饱和度和体温，从而更全面地对目标人员的健康状况进行监测。

在一些可选的实施例中，每个样本人员的训练数据还包括所述样本人员的身份信息，所述目标人员是所述多个样本人员的其中一个；所述将所述目标人员的静脉图像输入所述图像分类模型，得到所述目标人员的血氧饱和度，包括：将所述目标人员的静脉图像输入所述图像分类模型，得到所述目标人员的血氧饱和度和身份信息；所述将所述目标人员的血氧饱和度发送至用户设备，包括：将所述目标人员的血氧饱和度和身份信息发送至所述用户设备。该技术方案的有益效果在于，训练数据还可以包括身份信息，在利用图像分类模型预测目标人员的血氧饱和度的同时，对目标人员的身份进行识别，得到目标人员的身份信息，将目标人员的血氧饱和度和身份信息发送至用户设备，使得用户设备的使用者了解到目标人员的血氧饱和度和身份信息，便于后续的信息管理。