一种运动健康数据的处理方法、装置及电子设备与流程

摘要: 本技术涉及数据处理,尤其涉及一种运动健康数据的处理方法、装置及电子设备。背景技术:1、随着智能穿戴设备与移动互联网技术的快速发展,智能手环、智能手表、心率带、血...
一种运动健康数据的处理方法、装置及电子设备与流程

本技术涉及数据处理,尤其涉及一种运动健康数据的处理方法、装置及电子设备。

背景技术:

1、随着智能穿戴设备与移动互联网技术的快速发展,智能手环、智能手表、心率带、血压计、血糖仪等各类可穿戴设备及移动终端已广泛用于采集心率、步数、血压、血糖、血氧、运动轨迹等多维度运动健康数据。这些数据在个人健康监测、运动训练指导、疾病早期预警及临床辅助诊断等场景中发挥着日益重要的作用。

2、但是,不同品牌、型号的设备在传感器精度、采样频率和数据格式方面差异巨大,且不同年龄段、健康状况和运动习惯的个体,其各项生理指标的正常范围各不相同,而现有固定阈值无法适应这种设备间差异和用户间差异,导致正常数据易被误判为异常(误报)、问题数据易被漏检(漏报)。

技术实现思路

1、有鉴于此,本技术提供了一种 方法及装置,旨在解决在数据来源多源异构且用户个体生理差异显著的运动健康数据采集场景下,如何对数据本身的质量进行实时、可靠的分析。

2、第一方面,本技术提供了一种运动健康数据的处理方法,包括:

3、结合目标用户的个性化基线模型以及所述目标用户当前所处环境及所用的设备,确定准确性维度的质量阈值;

4、通过所述设备采集目标用户的运动健康数据并预处理;所述运动健康数据包括用户标识、设备标识和所述设备标识对应设备采集的指标值;

5、对预处理后的运动健康数据结合多个质量阈值进行实时初筛,得到初筛结果,所述初筛结果包括通过筛选的合规数据和未通过筛选的不合规数据;

6、当同一时间窗口内存在至少来自于两个设备采集的同类型的合规数据时,对所述同类型的合规数据的采集精度进行交叉比对,并计算各设备对应的合规数据的置信度得分,确定异常数据;

7、根据所述初筛结果和所述异常数据,生成所述目标用户的运动健康数据的质量报告。

8、可选的,所述目标用户的个性化基线模型,包括:

9、静息基线,基于所述目标用户在静息状态下的历史运动健康数据,计算各生理指标的均值和标准差,以各生理指标的均值加减预设倍数的标准差作为所述目标用户静息状态下各生理指标的正常范围;

10、运动基线,根据历史运动健康数据中的加速度幅值划分不同运动强度等级,分别统计各运动强度等级下各生理指标的正常范围;

11、昼夜节律曲线,将一天划分为多个时段,分别统计各时段内各生理指标的均值和标准差,确定各生理指标在不同时段的正常波动范围;

12、设备使用习惯数据,包括目标用户常用设备类型、设备佩戴位置和设备使用场景中的一项或多项。

13、可选的,所述结合目标用户的个性化基线模型以及所述目标用户当前所处环境及所用的设备,确定准确性维度的质量阈值,包括:

14、根据所述个性化基线模型,设定准确性维度的初始阈值;

15、结合设备精度、当前的运动状态、当前设备所处环境和当前所处时段,确定当前运动状态下各生理指标在准确性维度的初始阈值基础上的的波动幅度,得到当前运动状态下各生理指标的准确性维度的质量阈值。

16、可选的,所述通过所述设备采集目标用户的运动健康数据并预处理,包括:

17、通过标准接口通信连接所述目标用户当前所使用的设备,采集目标用户的运动健康数据;

18、将从不同设备所采集的运动健康数据进行格式标准化转换;

19、将来自不同设备且经过所述格式标准化转换后的运动健康数据进行时间戳对齐,并识别数据中的缺失值并对应标记缺失位置及缺失类型,得到预处理后各设备的运动健康数据。

20、可选的,述多个质量维度包括规范性维度、完整性维度、准确性维度、一致性维度、时效性维度和可访问性维度;

21、所述对预处理后的运动健康数据结合多个质量阈值进行实时初筛,包括:

22、将预处理后的运动健康数据存入数据库;

23、对预处理后的各设备的运动健康数据通过正则表达式匹配数据格式,检查字段命名是否符合预设的命名规则,得到规范性维度的筛查结果;

24、统计预处理后的各设备的运动健康数据的必填字段的缺失率,根据所述缺失率确定完整性维度的筛选结果;

25、检查预处理后的各设备的运动健康数据中的数值型数据是否超过医学常识范围以及准确性维度的质量阈值,得到准确性维度的筛查结果;

26、确定预处理后的各设备的运动健康数据时间戳逻辑是否合理、同一设备预设短时长内的数据是否存在矛盾,得到一致性维度的筛选结果;

27、根据预处理后的各设备的运动健康数据存入数据库的时间戳与采集的时间戳的差值,确定时效性维度的筛选结果;

28、测试所述标准化接口的可用性以及查询响应时间,确定可访问性维度的筛选结果;

29、根据所述多个质量维度的筛选结果,将任一质量维度筛选未通过的运动健康数据标记为不合规数据,直接写入质量报告;将所述多个质量维度的筛选结果均为通过的运动健康数据标记为合规数据;所述筛查结果包括对应质量维度的维度得分。

30、可选的,所述当同一时间窗口内存在至少来自于两个设备采集的同类型的合规数据时,对所述同类型的合规数据的采集精度进行交叉比对,并计算各设备对应的合规数据的置信度得分,确定异常数据,包括:

31、当所述目标用户在同一时间窗口内存在至少来自于两个设备采集的同类型的合规数据时,按预设固定时间窗口对齐所述至少来自于两个设备采集的同类型的合规数据;

32、计算同一固定时间窗口内各设备同类型的合规数据两两之间的偏差,根据各设备的精度确定两两设备之间的偏差容忍度,并将与其他所有设备的偏差均超出对应的偏差容忍度的设备识别为离群源;

33、根据离群源的识别结果,将同一固定时间窗口内除离群源外其他设备的同类型的合规数据,通过加权平均求解参考值;基于所述参考值、设备精度等级和历史可靠性记录计算所述固定时间窗口内所涉及的各设备对应的合规数据的置信度;

34、将置信度得分低于预设置信度阈值的设备的合规数据、以及被识别为离群源的设备的合规数据,判定为异常数据。

35、可选的,所述偏差容忍度是计算两个设备精度的平方和后,开平方根再乘以缩放系数确定的值;

36、所述根据离群源的识别结果,将同一固定时间窗口内除离群源外其他设备的同类型的合规数据,通过加权平均求解参考值,包括:

37、在识别出离群源时,将同一固定时间窗口中除离群源外各设备的同类型的合规数据乘以对应权重后求和,再除以所述各设备对应权重和值,得到在所述固定时间窗口下所述类型的合规数据的参考值,所述权重是根据各设备的精度等级确定的权重;在未识别出离群源时,将同一固定时间窗口中各设备的同类型的合规数据乘以对应权重后求和,再除以所述各设备对应权重的和值,得到在所述固定时间窗口下所述类型的合规数据的参考值;

38、所述基于所述参考值、设备精度等级和历史可靠性记录计算所述固定时间窗口内所涉及的各设备对应的合规数据的置信度,包括:

39、所述固定时间窗口内所涉及的各设备的合规数据相比于同类型的参考值偏差越大、设备精度等级越低、历史可靠性记录越差,则置信度得分越低。

40、可选的,所述生成所述目标用户的运动健康数据的质量报告,包括:

41、根据所述多个质量维度的筛选结果,计算预处理后的运动健康数据中,各质量维度的维度得分与对应权重的加权和,得到所述运动健康数据的数据质量综合得分;

42、生成质量缺陷清单,所述质量缺陷清单包括不合规数据及异常数据的位置、不合格的质量维度、原因和修复建议;

43、将所述异常数据标注为待人工复核,并对应配置信度得分、与同一固定时间窗口内其他设备对应的合规数据的比对信息。

44、可选的,所述方法,还包括:

45、根据所述质量报告的人工复核结果,更新质量阈值;其中,复核确认为误报时,放宽对应的质量阈值;复核确认为漏报时,收紧对应的质量阈值。

46、第二方面,本技术还提供了一种运动健康数据的处理装置,包括:

47、配置单元,用于结合目标用户的个性化基线模型以及所述目标用户当前所处环境及所用的设备,确定准确性维度的质量阈值;

48、采集单元,用于通过所述设备采集目标用户的运动健康数据并预处理;所述运动健康数据包括用户标识、设备标识和所述设备标识对应设备采集的指标值;

49、初筛单元,用于对预处理后的运动健康数据结合多个质量阈值进行实时初筛,得到初筛结果,所述初筛结果包括通过筛选的合规数据和未通过筛选的不合规数据;

50、分析单元,用于当同一时间窗口内存在至少来自于两个设备采集的同类型的合规数据时,对所述同类型的合规数据的采集精度进行交叉比对,并计算各设备对应的合规数据的置信度得分,确定异常数据;

51、输出单元,用于根据所述初筛结果和所述异常数据,生成所述目标用户的运动健康数据的质量报告。

52、第三方面,本技术提供了一种设备,所述设备包括存储器和处理器,所述存储器用于存储指令或代码,所述处理器用于执行所述指令或代码,以使所述设备执行前述第一方面任一项所述的一种运动健康数据的处理方法。

53、第四方面,本技术提供了一种计算机存储介质,所述计算机存储介质中存储有代码,当所述代码被运行时,运行所述代码的设备实现前述第一方面任一项所述的一种运动健康数据的处理方法。

54、本技术提供了一种运动健康数据的处理方法及装置。在执行所述方法时,本技术基于预先确定的目标用户的个性化基线模型,并结合该目标用户当前所处环境及所用的设备,动态自适应调整准确性维度的质量阈值。进而,通过设备采集该目标用户的运动健康数据并进行预处理,确定携带用户标识、设备标识和所采集的各生理指标的指标值的预处理后的运动健康数据。当同一时间窗口内存在至少来自两个设备采集的同类型的合规数据时,对同类型合规数据的采集精度进行交叉比对,计算各设备对应合规数据的置信度得分,确定异常数据。根据初筛结果和二次分析确定的异常数据,生成目标用户的运动健康数据的质量报告。如此,使质量判定标准随人、随设备、随场景动态变化,从根本上消除了固定阈值与个体差异、设备差异之间的错配,实现误报与漏报的同步下降;同时以多源交叉比对弥补单设备源检测在设备识别上的盲区,最终以质量报告形式输出可追溯、可复核的质量结论,为健康监测、疾病预警等提供可靠的数据质量保障。