生理参数数据处理方法及系统与流程

本发明实施例涉及大数据领域，尤其涉及一种生理参数数据处理方法及系统。

背景技术：

现实生活中绝大多数人群对于自身健康状况、身体结构、医疗保健方面的知识没有直观的概念，对于自身的生理数据的认知不足，常常因为医疗知识浅薄，对自身健康状况了解不够，错过了很多治疗最佳期。

因此，如何及时了解用户自身的健康状况成为一个亟待解决的问题。

技术实现要素：

有鉴于此，本发明实施例提供了一种生理参数数据处理方法、装置、系统、计算机设备及计算机可读存储介质，用于解决现有技术中不能及时准确地得到用户自身的健康状况的问题。

本发明实施例是通过下述技术方案来解决上述技术问题：

一种生理参数数据处理方法，包括：

获取可穿戴设备采集到的用户的生理参数数据，所述生理参数数据包括心率数据、血压数据、血氧数据中的至少两类数据；

分别对获取到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据；

分别对各个类别的生理参数数据的第一权重数据与第二权重数据进行处理，以得到各个类别的生理参数数据对应的生理特征值；

根据各个类别的生理参数数据对应的生理特征值与预设的器官状态参数表确定各个器官的状态参数；

将所述状态参数发送给终端设备，以使所述终端设备根据所述状态参数对各个器官的状态进行显示。

可选地，分别对获取到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据包括：

分别对获取到的各个类别的生理参数数据中的每一条生理参数数据的采集时间进行分析，若当前分析的生理参数数据的采集时间处于预设时间段内，则将当前分析的生理参数数据作为所述第一权重数据中的一条生理参数数据，若当前分析的生理参数数据的采集时间不在预设时间段内，则将当前分析的生理参数数据作为所述第二权重数据中的一条生理参数数据；

重复上述对各个类别的生理参数数据中的每一生理参数条数据的采集时间进行分析的步骤，直到将各个类别的生理参数数据中所有生理参数数据划分完为止。

可选地，所述分别对各个类别的生理参数数据的第一权重数据与第二权重数据进行处理，以得到各个类别的生理参数数据对应的生理特征值包括：

获取各个类别的生理参数数据的第一权重数据与第二权重数据对应的权重值；

根据获取到的权重值从各个类别的生理参数数据的第一权重数据与第二权重数据中分别选择出与获取到的权重值相对应的数据量的生理参数数据；

将选择出的生理参数数据作为各个类别的生理参数数据的待处理数据；

分别对各个类别的生理参数数据的待处理数据进行分析，以得到各个类别的生理参数数据对应的生理特征值。

可选地，所述分别对各个类别的生理参数数据的待处理数据进行分析，以得到各个类别的生理参数数据对应的生理特征值包括：

获取各个类别的生理参数数据对应的标准生理参数值，所述标准生理参数值包括多个；

分别对各个类别的生理参数数据的待处理数据中的生理参数数据在预设的多个标准生理参数值区间的占比进行计算；

根据计算得到的占比确定各个类别的生理参数数据对应的生理特征值。

可选地，所述分别对获取到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据的步骤之前，还包括：

根据获取到的各个类别的生理参数数据的数据量确定调用的cpu数量。

可选地，所述分别对获取到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据的步骤之前，还包括：

判断获取到的各个类别的生理参数数据的数据量是否大于或者等于预设阈值；

若获取到的各个类别的生理参数数据的数据量大于或者等于所述预设阈值，则执行所述分别对获取到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据的步骤。

为了实现上述目的，本发明实施例还提供一种生理参数数据处理装置，包括：

获取模块，用于获取可穿戴设备采集到的用户的生理参数数据，所述生理参数数据包括心率数据、血压数据、血氧数据中的至少两类数据；

分析模块，用于分别对获取到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据；

处理模块，用于分别对各个类别的生理参数数据的第一权重数据与第二权重数据进行处理，以得到各个类别的生理参数数据对应的生理特征值；

确定模块，用于根据各个类别的生理参数数据对应的生理特征值与预设的器官状态参数表确定各个器官的状态参数；

发送模块，用于将所述状态参数发送给终端设备，以使所述终端设备根据所述状态参数对各个器官的状态进行显示。

为了实现上述目的，本发明实施例还提供一种计算机设备，所述计算机设备包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述生理参数数据处理方法的步骤。

为了实现上述目的，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如上所述的生理参数数据处理方法的步骤。

为了实现上述目的，本发明实施例还提供一种生理参数数据处理系统，所述生理参数数据处理系统包括可穿戴设备、终端设备、服务器，其中：

所述可穿戴设备，用于采集用户的生理参数数据，并将采集到的生理参数数据上传给所述服务器，所述生理参数数据包括心率数据、血压数据、血氧数据中的至少两类数据；

所述服务器，用于对所述可穿戴设备上传的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据；分别对各个类别的生理参数数据的第一权重数据与第二权重数据进行处理，以得到各个类别的生理参数数据对应的生理特征值；根据各个类别的生理参数数据对应的生理特征值与预设的器官状态参数表确定各个器官的状态参数；将所述状态参数发送给所述终端设备；

所述终端设备，用于根据所述服务器发送的状态参数对各个器官的状态进行显示。

本发明实施例提供的生理参数数据处理方法、装置、系统、计算机设备及计算机可读存储介质，通过可穿戴设备采集到的用户的生理参数数据，然后通过对采集到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据；分别对各个类别的生理参数数据的第一权重数据与第二权重数据进行处理，以得到各个类别的生理参数数据对应的生理特征值；根据各个类别的生理参数数据对应的生理特征值与预设的器官状态参数表确定各个器官的状态参数，从而可以及时准确地发现用户各个器官的状态，同时，在对各个类别的生理参数数据进行分析时，通过将各个类别的生理参数数据分为第一权重数据与第二权重数据，从而可以减少数据的处理量，提高数据处理效率。

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

附图说明

图1为本发明之本发明生理参数数据处理系统的硬件架构示意图；

图2为本发明实施例一之生理参数数据处理方法的步骤流程图；

图3为本发明实施例一之分别对获取到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据的步骤流程细化示意图；

图4为本发明实施例一之分别对各个类别的生理参数数据的第一权重数据与第二权重数据进行处理，以得到各个类别的生理参数数据对应的生理特征值的步骤流程细化示意图；

图5为本发明实施例一之分别对各个类别的生理参数数据的待处理数据进行分析，以得到各个类别的生理参数数据对应的生理特征值的步骤流程细化示意图；

图6为本发明实施例一之生理参数数据处理方法中监测数据量的步骤流程图；

图7为本发明实施例三之计算机设备的硬件结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。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他实施例，都属于本发明保护的范围。

各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

图1示出了根据本发明生理参数数据处理系统的硬件架构示意图。如图1所示，在示例性的实施例中，生理参数数据处理系统包括可穿戴设备1、终端设备2、服务器4。其中，可穿戴设备1，用于采集用户的生理参数数据，并将采集到的生理参数数据上传给所述服务器4，所述生理参数数据包括心率数据、血压数据、血氧数据中的至少两类数据；

所述服务器4，用于对所述可穿戴设备1上传的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据；分别对各个类别的生理参数数据的第一权重数据与第二权重数据进行处理，以得到各个类别的生理参数数据对应的生理特征值；根据各个类别的生理参数数据对应的生理特征值与预设的器官状态参数表确定各个器官的状态参数；将所述状态参数发送给所述终端设备2；

所述终端设备2，用于根据所述服务器4发送的状态参数对各个器官的状态进行显示。

示例性的，服务器4对获取到的生理参数数据的处理步骤将在下面的实施例中进行描述，在本实施例中先不作描述。

需要说明的是，可穿戴设备1、终端设备2可以通过网络3与服务器4进行通讯，其中网络3可以包括无线链路，例如蜂窝链路、卫星链路、wi-fi链路和/或类似物。本发明实施例中的可穿戴设备1、终端设备2可以包括多个，终端设备2可以为手机、电脑等电子设备，该服务器4可以为机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。

实施例一

请参阅图2，示出了本发明实施例之生理参数数据处理方法的步骤流程图。可以理解，本方法实施例中的流程图不用于对执行步骤的顺序进行限定。下面以计算机设备为执行主体进行示例性描述，具体如下：

如图2所示，所述生理参数数据处理方法可以包括步骤s20～s24，其中：

步骤s20，获取可穿戴设备采集到的用户的生理参数数据，所述生理参数数据包括心率数据、血压数据、血氧数据中的至少两类数据。

示例性的，可穿戴设备可以为智能手表、智能手环、智能眼镜等智能可穿戴设备。可穿戴设备因具有全天候、高频次监测的优势，可在其中集成心率传感器、血压传感器、血氧传感器、运动传感器、体温传感器等，通过可穿戴设备中的传感器实时或者定时采集用户的生理参数数据。其中，心率传感器可侦测出使用者的心跳相关讯号，在本发明的一个实施例中，此心率传感器利用光透射测量法(光体积变化描记法)进行心跳讯号的量测。血压传感器可侦测出使用者的血压相关讯号，在本发明的一个实施例中，此血压传感器为光电传感器，利用采集到的脉搏波，并对其进行分析，从而得到血压值。血氧传感器可侦测出使用者的血氧相关讯号，在本发明的一个实施例中，此血氧传感器为反射式光电传感器，通过在一边采用led发射光源，另外一边使用cmos接收端接收反射光，通过反射光的变化，来得到血氧值。运动状态传感器可侦测出使用者的运动相关讯号，在本发明的一个实施例中，运动状态传感器可为一种加速度传感器，例如一线性加速度计(gsensor，重力传感器)。

本发明实施例中，可穿戴设备采集到用户的生理参数之后可以通过该可穿戴设备中的通讯模块实时或者定时将采集到的生理参数上传至计算机设备。其中，该通讯模块可以为2g模块、4g模块等。

需要说明的是，本发明实施例中的运动数据指的是反映用户运动情况的数据，通过该运动数据可以确定用户每天行走的步数，以及可以确定用户的睡眠情况。

步骤s21，分别对获取到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据。

示例性的，假设采集到的生理参数数据包括用户的心率、舒张压、收缩压、血氧饱和度，且每条生理参数数据都包含有采集时间，则可以对获取到的所有心率数据的采集时间进行分析，以将所有的心率数据划分为第一权重数据与第二权重数据。同理，需要对获取到的所有舒张压数据、收缩压数据、血氧饱和度数据的采集时间进行分析，以将所有的舒张压数据划分为第一权重数据与第二权重数据，将所有的收缩压数据划分为第一权重数据与第二权重数据，将所有的血氧饱和度数据划分为第一权重数据与第二权重数据，以及将所有的运动数据划分为第一权重数据与第二权重数据。

在示例性的实施例中，请参阅图3，步骤s21包括：

步骤s30，分别对获取到的各个类别的生理参数数据中的每一条生理参数数据的采集时间进行分析，若当前分析的生理参数数据的采集时间处于预设时间段内，则执行步骤s31，若当前分析的生理参数数据的采集时间不在预设时间段内，则执行步骤s32。在对当前分析的生理参数数据的采集时间完成分析之后，重复上述对各个类别的生理参数数据中的每一生理参数条数据的采集时间进行分析的步骤，直到将各个类别的生理参数数据中所有生理参数数据划分完为止。

步骤s31，将当前分析的生理参数数据作为所述第一权重数据中的一条生理参数数据。

步骤s32，当前分析的生理参数数据作为所述第二权重数据中的一条生理参数数据。

示例性的，在得到各个类别的生理参数数据之后，例如，得到10条心率数据、10条舒张压数据、10条收缩压数据、10条血氧饱和度数据，则可以先对10条心率数据的采集时间进行分析，假设采集时间依次为t1、t2、t3、t4、t5、t6、t7、t8、t9、t10，且t1、t2、t3、t4、t5、t6、t7位于预设时间段内，t8、t9、t10不处于预设时间段内，则在经过对每条心率数据的采集时间进行分析之后，可以将t1、t2、t3、t4、t5、t6、t7采集到的心率数据作为第一权重数据，将t8、t9、t10采集到的心率数据作为第二权重数据。

同理，在完成10条心率数据的分析之后，可以再分别对10条舒张压数据、10条收缩压数据、10条血氧饱和度数据的采集时间进行分析，以将10条舒张压数据划分为第一权重数据与第二权重数据，将10条收缩压数据划分为第一权重数据与第二权重数据，将10条血氧饱和度数据划分为第一权重数据与第二权重数据。

在本发明实施例中，各个类别的生理参数数据的采集时间对应的预设时间段可以相同，也可以不同，在本实施例中，各个类别的生理参数数据的采集时间对应的预设时间段优选为相同的。该预设时间段为预先设定的时间段，该预设时间段可以仅为一个时间段，也可以为包含多个时间段，在本实施例中不作限定。

本发明实施例中，通过将各个类别的生理参数数据都划分为第一权重数据与第二权重数据，从而可以根据第一权重数据与第二权重数据中的数据的重点性来对数据进行选择处理，进而减少数据处理量，提高数据的处理效率。

步骤s22，分别对各个类别的生理参数数据的第一权重数据与第二权重数据进行处理，以得到各个类别的生理参数数据对应的生理特征值。

示例性的，假设采集到的生理参数数据包括用户的心率、舒张压、收缩压、血氧饱和度，则可以对心率数据的第一权重数据与第二权重数据进行处理，以得到心率数据对应的生理特征值。

同理，可以对舒张压数据的第一权重数据与第二权重数据进行处理，以得到舒张压数据对应的生理特征值；可以对收缩压数据的第一权重数据与第二权重数据进行处理，以得到收缩压数据对应的生理特征值；可以对血氧饱和度数据的第一权重数据与第二权重数据进行处理，以得到血氧饱和度数据对应的生理特征值；可以对运动数据的第一权重数据与第二权重数据进行处理，以得到运动数据对应的生理特征值。

其中，所述生理特征值为表示生理健康状况的值，比如为“预警”、“健康”、“亚健康”等。

在示例性的实施例中，请参阅图4，所述步骤s22包括：

步骤s40，获取各个类别的生理参数数据的第一权重数据与第二权重数据对应的权重值。

示例性的，在数据库中预先存储各个类别的生理参数数据的第一权重数据与第二权重数据对应的权重值，比如，存储心率数据的第一权重数据与第二权重数据对应的权重值分别为0.8，0.2；存储舒张压数据的第一权重数据与第二权重数据对应的权重值分别为0.6，0.4；存储收缩压数据的第一权重数据与第二权重数据对应的权重值分别为0.6，0.4；存储血氧饱和度数据的第一权重数据与第二权重数据对应的权重值分别为0.5，0.5。

需要说明的是，在本发明其他实施例中，各个类别的生理参数数据的第一权重数据与第二权重数据对应的权重值也可以都相同，比如，第一权重数据与第二权重数据对应的权重值都为0.5。

步骤s41，根据获取到的权重值从各个类别的生理参数数据的第一权重数据与第二权重数据中分别选择出与获取到的权重值相对应的数据量的生理参数数据。

示例性的，假设获取到的心率数据的第一权重数据与第二权重数据对应的权重值分别为0.8，0.2，则可以从心率数据的第一权重数据中选择出80％的心率数据，以及从心率数据的第二权重数据中选择出20％。比如，心率数据的第一权重数据中包含有100条心率数据，则可以从中选择出80条心率数据；心率数据的第二权重数据中包含有40条心率数据，则可以从中选择出8条心率数据。

同理，假设舒张压数据的第一权重数据与第二权重数据对应的权重值分别为0.6，0.4，则也可以从舒张压数据的第一权重数据中选择60％的舒张压数据，从舒张压数据的第二权重数据中选择40％的舒张压数据；假设收缩压数据的第一权重数据与第二权重数据对应的权重值分别为0.6，0.4，则也可以从舒张压数据的第一权重数据中选择60％的收缩压数据，从舒张压数据的第二权重数据中选择40％的收缩压数据。

步骤s42，将选择出的生理参数数据作为各个类别的生理参数数据的待处理数据。

示例性的，在对各个类别的生理参数数据完成选择之后，可以分别将选出的生理参数数据作为各个类别的生理参数数据的待处理数据。

步骤s43，分别对各个类别的生理参数数据的待处理数据进行分析，以得到各个类别的生理参数数据对应的生理特征值。

示例性的，假设心率数据的待处理数据包含有150条心率数据，舒张压数据的待处理数据包含有180条舒张压数据，收缩压数据的待处理数据包含有180条收缩压数据，血氧饱和度数据的待处理数据包含有200条血氧饱和度数据。则可以对150条心率数据进行分析，得到心率数据对应的生理特征值；对180条收缩压数据进行分析，得到收缩压数据对应的生理特征值；对180条舒张压数据进行分析，得到舒张压数据对应的生理特征值；对200条血氧饱和度数据进行分析，得到血氧饱和度数据对应的生理特征值。

在示例性的实施例中，请参阅图5，步骤s43包括：

步骤s50，获取各个类别的生理参数数据对应的标准生理参数值，所述标准生理参数值包括多个。

步骤s51，分别对各个类别的生理参数数据的待处理数据中的生理参数数据在预设的多个标准生理参数值区间的占比进行计算。

步骤s52，根据计算得到的占比确定各个类别的生理参数数据对应的生理特征值。

示例性的，预先设定各个类别的生理参数数据对应的标准生理参数值，各个类别的生理参数数据对应的标准生理参数值区间，以及各个类别的生理参数数据的生理参数数据占比对应的生理特征值。

需要说明的是，本实施例中的标准生理参数值，标准生理参数值区间可以根据实际情况进行设定，在设定完之后，也可以根据具体情况进行修改，在本发明实施例中不作限定。

在一示例性的应用场景中，设定心率的标准生理参数值为a1、a2、a3

设定心率频次小于等于a1的次数占心率总测量次数比例大于70％时对应的生理特征值为“预警”；

设定心率频次大于a2的次数占心率总测量次数比例大于70％对应的生理特征值为“预警”；

设定心率频次小于等于a1的次数占心率总测量次数比例大于50％小于等于70％对应的生理特征值为“亚健康”；

设定心率频次大于a2的次数占心率总测量次数比例大于50％小于等于70％对应的生理特征值为“亚健康”；

设定心率频次大于a1，小于a2的次数占总测量次数大于50％对应的生理特征值为“健康”。

本发明实施例中，在获取到的心率数据的待处理数据中的各个心率值后，可以对各个心率值进行统计分析，然后计算出心率值在各个标准生理参数区间的占比，最后根据占比即可以确定当前的心率数据对应的生理特征值。

在另一示例性的应用场景中，可以设定血压的收缩压标准生理参数值为b1、b2、b3、b4、b5；血压的舒张压标准生理参数值为c1、c2、c3、c4。

设定收缩压大于等于b1小于等于b2的次数占比大于70％对应的生理特征值为“预警”；

设定舒张压大于等于c1小于等于c2的次数占比大于70％对应的生理特征值为“预警”；

设定收缩压大于等于b1小于等于b2的次数占比大于50％小于等于70％对应的生理特征值为“亚健康”；

设定舒张压大于等于c1小于等于c2的次数占比大于50％小于等于70％对应的生理特征值为“亚健康”；

设定收缩压大于等于b3的次数占比大于60％对应的生理特征值为“预警”；

设定舒张压大于等于c3的次数占比大于60％对应的生理特征值为“预警”；

设定收缩压大于等于b3的次数占比大于50％小于等于60％对应的生理特征值为“预警”；

设定舒张压大于等于c3的次数占比大于50％小于等于60％对应的生理特征值为“预警”；

设定收缩压小于b4的次数占比大于70％对应的生理特征值为“预警”；

设定舒张压小于c4的次数占比大于70％对应的生理特征值为“预警”；

设定收缩压大于等于b4，小于等于b5，而且舒张压大于等于c4，小于c1的次数总占比超过50％对应的生理特征值为“健康”；

本发明实施例中，在获取到收缩压与舒张压值的待处理数据中的各个收缩压与舒张压后，可以对各个收缩压与舒张压值进行统计分析，然后计算收缩压与舒张压值在各个标准生理参数区间的占比，最后根据占比即可以确定当前的收缩压与舒张压值对应的生理特征值。

在另一示例性的应用场景中，预先血氧的标准生理参数值为d1，d2，d3，d4。

设定血氧饱和度小于d1的次数占总血氧检查次数占比大于70％对应的生理特征值为“预警”；

设定血氧饱和度小于d2的次数占总血氧检查次数占比大于50％小于等于70％对应的生理特征值为“预警”；

设定血氧饱和度小于d2，大于等于d1的次数占总血氧检查次数占比大于70％对应的生理特征值为“亚健康”；

设定血氧饱和度小于d2，大于等于d1的次数占总血氧检查次数占比大于50％，小于等于70％对应的生理特征值为“预警”；

设定血氧饱和度小于d3，大于等于d2的次数占总血氧检查次数占比大于70％对应的生理特征值为“亚健康”；

设定血氧饱和度小于d3，大于等于d2的次数占总血氧检查次数占比大于50％，小于等于70％对应的生理特征值为“健康”；

设定血氧饱和度小于等于d4，大于等于d3的次数占总血氧检查次数占比大于50％对应的生理特征值为“健康”；

本发明实施例中，在获取到的血氧饱和度的待处理数据中的各个血氧饱和度数据后，可以对各个血氧饱和度进行统计分析，然后计算血氧饱和度在各个标准生理参数区间的占比，最后根据占比即可以确定当前的血氧饱和度值对应的生理特征值。

在另一示例性的应用场景中，当通过可穿戴设备采集到用户的运动数据时，还可以设定睡眠固定时间段内标准生理参数值为e1，e2。

设定睡眠时间<e1对应的生理特征值为“亚健康”；

设定e1<睡眠时间<＝e2对应的生理特征值为“健康”；

设定睡眠时间>e2对应的生理特征值为“亚健康”；

本发明实施例中，在获取到运动数据之后，根据获取到的运动数据确定用户是否处于睡眠状态，以及用户的睡眠时间。在得到睡眠时间之后，即可以根据得到的睡眠时间确定睡眠时间所属的标准生理参数值区间，然后根据得到的标准生理参数区间来确定运动数据对应的生理特征值。

在另一实施例中，当通过可穿戴设备采集到用户的运动数据时，还可以设定用户步数的标准生理参数值为s。

设定每天步数小于s对应的生理特征值为“亚健康”；

设定每天步数大于等于s对应的生理特征值为“健康”；

本发明实施例中，在获取到用户的步数数据之后，即可以根据步数的情况来确定用户步数对应的生理特征值。

步骤s23，根据各个类别的生理参数数据对应的生理特征值与预设的器官状态参数表确定各个器官的状态参数。

示例性的，预先在数据库中存储器官状态表，该器官状态表中包含有各个器官的状态参数与各个类别的生理参数数据对应的生理特征值的映射关系。比如，该器官状态表中包含有心率“健康”、收缩压“预警”、舒张压“健康”、血氧饱和度“亚健康”对应着淋巴“正常”、肝“正常”、心脏“风险1”，又比如，心率“亚健康”、收缩压“正常”、舒张压“健康”、血氧饱和度“健康”对应着淋巴“风险1”、肝“正常”、心脏“正常”。

本发明实施例中，在得到各个类别的生理参数数据对应的生理特征值之后通过查询该器官状态参数表即可以得到各个器官的状态参数。

需要说明的是，在本实施例中的各个器官包括但不限于淋巴、脊椎、肝、胆、心包、心脏、肺、脾、胃、大肠、小肠、肾脏等。

步骤s24，将所述状态参数发送给终端设备，以使所述终端设备根据所述状态参数对各个器官的状态进行显示。

示例性的，在得到各个器官的状态参数之后，可以将该状态参数发送给终端设备，以便终端设备可以根据这些状态参数对各个器官的状态进行显示，这样，用户即可以通过终端设备来查询用户的各个器官的状态，以便用户可以及时根据各个器官的状态来了解自己的身体状况。

在一实施方式中，在将所述状态参数发送给终端设备时，为了使得用户可以及时查看，可以在将所述状态参数发送给终端设备时，还可以发送通知消息提醒用户查看各个器官的状态。该通知消息可以为app通知、短信提示等方法提示用户。

本实施例中通过可穿戴设备采集到的用户的生理参数数据，然后通过对采集到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据；分别对各个类别的生理参数数据的第一权重数据与第二权重数据进行处理，以得到各个类别的生理参数数据对应的生理特征值；根据各个类别的生理参数数据对应的生理特征值与预设的器官状态参数表确定各个器官的状态参数，从而可以及时准确地发现用户各个器官的状态，同时，在对各个类别的生理参数数据进行分析时，通过将各个类别的生理参数数据分为第一权重数据与第二权重数据，从而可以减少数据的处理量，提高数据处理效率。

在示例性的实施例中，所述分别对获取到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据的步骤之前，还包括：

判断获取到的各个类别的生理参数数据的数据量是否大于或者等于预设阈值，若获取到的各个类别的生理参数数据的数据量大于或者等于所述预设阈值，则执行所述分别对获取到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据的步骤，若获取到的各个类别的生理参数数据的数据量小于所述预设阈值，则不执行所述分别对获取到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据的步骤，直到获取到的各个类别的生理参数数据的数据量大于或者等于所述预设阈值，才会执行所述分别对获取到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据的步骤。

示例性的，所述预设阈值为预先设定的数量，比如，设定为1000条。所述数据量为生理参数数据的条数。

本发明实施例中，通过获取到的各个类别的生理参数数据的数据量大于或等于所述预设阈值，才对获取到的数据进行分析，从而可以避免因数据量不足造成的最后得到的状态参数不准确的问题。

在示例性的实施例中，所述分别对获取到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据的步骤之前，还包括：

根据获取到的各个类别的生理参数数据的数据量确定调用的cpu数量。

示例的，由于采集到的生理参数数据的数据量比较大，为了提高数据的处理速度，本发明实施例中在对生理参数数据进行分析时，可以根据待分析的生理参数数据的数据量来确定调用处理该生理参数数据的cpu数量，比如，该待分析的生理参数数据的数据量为10g，则可以调用10个cpu来处理该待分析的生理参数数据；又比如，该待处理的生理参数数据的数据量为20g，则可以调用15个cpu来处理该待分析的生理参数数据。

本发明实施例中，通过数据量的不同调用不同数据的cpu数量来处理生理参数数据，从而可以提高数据的处理效率。

实施例二

请继续参阅图6，示出了本发明生理参数数据处理装置的程序模块示意图。在本实施例中，生理参数数据处理装置600可以包括或被分割成一个或多个程序模块，一个或者多个程序模块被存储于存储介质中，并由一个或多个处理器所执行，以完成本发明，并可实现上述生理参数数据处理方法。本发明实施例所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序本身更适合于描述生理参数数据处理装置600在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能：

获取模块601，用于获取可穿戴设备采集到的用户的生理参数数据，所述生理参数数据包括心率数据、血压数据、血氧数据中的至少两类数据。

示例性的，可穿戴设备可以为智能手表、智能手环、智能眼镜等智能可穿戴设备。可穿戴设备因具有全天候、高频次监测的优势，可在其中集成心率传感器、血压传感器、血氧传感器、运动传感器、体温传感器等，通过可穿戴设备中的传感器实时或者定时采集用户的生理参数数据。其中，心率传感器可侦测出使用者的心跳相关讯号，在本发明的一个实施例中，此心率传感器利用光透射测量法(光体积变化描记法)进行心跳讯号的量测。血压传感器可侦测出使用者的血压相关讯号，在本发明的一个实施例中，此血压传感器为光电传感器，利用采集到的脉搏波，并对其进行分析，从而得到血压值。血氧传感器可侦测出使用者的血氧相关讯号，在本发明的一个实施例中，此血氧传感器为反射式光电传感器，通过在一边采用led发射光源，另外一边使用cmos接收端接收反射光，通过反射光的变化，来得到血氧值。运动状态传感器可侦测出使用者的运动相关讯号，在本发明的一个实施例中，运动状态传感器可为一种加速度传感器，例如一线性加速度计(gsensor，重力传感器)。

本发明实施例中，可穿戴设备采集到用户的生理参数之后可以通过该可穿戴设备中的通讯模块实时或者定时将采集到的生理参数上传至计算机设备。其中，该通讯模块可以为2g模块、4g模块等。

需要说明的是，本发明实施例中的运动数据指的是反映用户运动情况的数据，通过该运动数据可以确定用户每天行走的步数，以及可以确定用户的睡眠情况。

分析模块602，用于分别对获取到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据。

示例性的，假设采集到的生理参数数据包括用户的心率、舒张压、收缩压、血氧饱和度，且每条生理参数数据都包含有采集时间，则可以对获取到的所有心率数据的采集时间进行分析，以将所有的心率数据划分为第一权重数据与第二权重数据。同理，需要对获取到的所有舒张压数据、收缩压数据、血氧饱和度数据的采集时间进行分析，以将所有的舒张压数据划分为第一权重数据与第二权重数据，将所有的收缩压数据划分为第一权重数据与第二权重数据，将所有的血氧饱和度数据划分为第一权重数据与第二权重数据，以及将所有的运动数据划分为第一权重数据与第二权重数据。

在示例性的实施例中，分析模块602，还用于分别对获取到的各个类别的生理参数数据中的每一条生理参数数据的采集时间进行分析，若当前分析的生理参数数据的采集时间处于预设时间段内，则将当前分析的生理参数数据作为所述第一权重数据中的一条生理参数数据，若当前分析的生理参数数据的采集时间不在预设时间段内，则当前分析的生理参数数据作为所述第二权重数据中的一条生理参数数据。

示例性的，在对当前分析的生理参数数据的采集时间完成分析之后，重复上述对各个类别的生理参数数据中的每一生理参数条数据的采集时间进行分析的步骤，直到将各个类别的生理参数数据中所有生理参数数据划分完为止。

在得到各个类别的生理参数数据之后，例如，得到10条心率数据、10条舒张压数据、10条收缩压数据、10条血氧饱和度数据，则可以先对10条心率数据的采集时间进行分析，假设采集时间依次为t1、t2、t3、t4、t5、t6、t7、t8、t9、t10，且t1、t2、t3、t4、t5、t6、t7位于预设时间段内，t8、t9、t10不处于预设时间段内，则在经过对每条心率数据的采集时间进行分析之后，可以将t1、t2、t3、t4、t5、t6、t7采集到的心率数据作为第一权重数据，将t8、t9、t10采集到的心率数据作为第二权重数据。

同理，在完成10条心率数据的分析之后，可以再分别对10条舒张压数据、10条收缩压数据、10条血氧饱和度数据的采集时间进行分析，以将10条舒张压数据划分为第一权重数据与第二权重数据，将10条收缩压数据划分为第一权重数据与第二权重数据，将10条血氧饱和度数据划分为第一权重数据与第二权重数据。

在本发明实施例中，各个类别的生理参数数据的采集时间对应的预设时间段可以相同，也可以不同，在本实施例中，各个类别的生理参数数据的采集时间对应的预设时间段优选为相同的。该预设时间段为预先设定的时间段，该预设时间段可以仅为一个时间段，也可以为包含多个时间段，在本实施例中不作限定。

本发明实施例中，通过将各个类别的生理参数数据都划分为第一权重数据与第二权重数据，从而可以根据第一权重数据与第二权重数据中的数据的重点性来对数据进行选择处理，进而减少数据处理量，提高数据的处理效率。

处理模块603，用于分别对各个类别的生理参数数据的第一权重数据与第二权重数据进行处理，以得到各个类别的生理参数数据对应的生理特征值。

示例性的，假设采集到的生理参数数据包括用户的心率、舒张压、收缩压、血氧饱和度，则可以对心率数据的第一权重数据与第二权重数据进行处理，以得到心率数据对应的生理特征值。

同理，可以对舒张压数据的第一权重数据与第二权重数据进行处理，以得到舒张压数据对应的生理特征值；可以对收缩压数据的第一权重数据与第二权重数据进行处理，以得到收缩压数据对应的生理特征值；可以对血氧饱和度数据的第一权重数据与第二权重数据进行处理，以得到血氧饱和度数据对应的生理特征值；可以对运动数据的第一权重数据与第二权重数据进行处理，以得到运动数据对应的生理特征值。

其中，所述生理特征值为表示生理健康状况的值，比如为“预警”、“健康”、“亚健康”等。

示例性的，处理模块603，还用于获取各个类别的生理参数数据的第一权重数据与第二权重数据对应的权重值。

示例性的，在数据库中预先存储各个类别的生理参数数据的第一权重数据与第二权重数据对应的权重值，比如，存储心率数据的第一权重数据与第二权重数据对应的权重值分别为0.8，0.2；存储舒张压数据的第一权重数据与第二权重数据对应的权重值分别为0.6，0.4；存储收缩压数据的第一权重数据与第二权重数据对应的权重值分别为0.6，0.4；存储血氧饱和度数据的第一权重数据与第二权重数据对应的权重值分别为0.5，0.5。

需要说明的是，在本发明其他实施例中，各个类别的生理参数数据的第一权重数据与第二权重数据对应的权重值也可以都相同，比如，第一权重数据与第二权重数据对应的权重值都为0.5。

处理模块603，还用于根据获取到的权重值从各个类别的生理参数数据的第一权重数据与第二权重数据中分别选择出与获取到的权重值相对应的数据量的生理参数数据。

示例性的，假设获取到的心率数据的第一权重数据与第二权重数据对应的权重值分别为0.8，0.2，则可以从心率数据的第一权重数据中选择出80％的心率数据，以及从心率数据的第二权重数据中选择出20％。比如，心率数据的第一权重数据中包含有100条心率数据，则可以从中选择出80条心率数据；心率数据的第二权重数据中包含有40条心率数据，则可以从中选择出8条心率数据。

同理，假设舒张压数据的第一权重数据与第二权重数据对应的权重值分别为0.6，0.4，则也可以从舒张压数据的第一权重数据中选择60％的舒张压数据，从舒张压数据的第二权重数据中选择40％的舒张压数据；假设收缩压数据的第一权重数据与第二权重数据对应的权重值分别为0.6，0.4，则也可以从舒张压数据的第一权重数据中选择60％的收缩压数据，从舒张压数据的第二权重数据中选择40％的收缩压数据。

处理模块603，还用于将选择出的生理参数数据作为各个类别的生理参数数据的待处理数据。

示例性的，在对各个类别的生理参数数据完成选择之后，可以分别将选出的生理参数数据作为各个类别的生理参数数据的待处理数据。

处理模块603，还用于分别对各个类别的生理参数数据的待处理数据进行分析，以得到各个类别的生理参数数据对应的生理特征值。

示例性的，假设心率数据的待处理数据包含有150条心率数据，舒张压数据的待处理数据包含有180条舒张压数据，收缩压数据的待处理数据包含有180条收缩压数据，血氧饱和度数据的待处理数据包含有200条血氧饱和度数据。则可以对150条心率数据进行分析，得到心率数据对应的生理特征值；对180条收缩压数据进行分析，得到收缩压数据对应的生理特征值；对180条舒张压数据进行分析，得到舒张压数据对应的生理特征值；对200条血氧饱和度数据进行分析，得到血氧饱和度数据对应的生理特征值。

在示例性的实施例中，处理模块603，还用于获取各个类别的生理参数数据对应的标准生理参数值，所述标准生理参数值包括多个；分别对各个类别的生理参数数据的待处理数据中的生理参数数据在预设的多个标准生理参数值区间的占比进行计算；根据计算得到的占比确定各个类别的生理参数数据对应的生理特征值。

示例性的，预先设定各个类别的生理参数数据对应的标准生理参数值，各个类别的生理参数数据对应的标准生理参数值区间，以及各个类别的生理参数数据的生理参数数据占比对应的生理特征值。

需要说明的是，本实施例中的标准生理参数值，标准生理参数值区间可以根据实际情况进行设定，在设定完之后，也可以根据具体情况进行修改，在本发明实施例中不作限定。

在一示例性的应用场景中，设定心率的标准生理参数值为a1、a2、a3

设定心率频次小于等于a1的次数占心率总测量次数比例大于70％时对应的生理特征值为“预警”；

设定心率频次大于a2的次数占心率总测量次数比例大于70％对应的生理特征值为“预警”；

设定心率频次小于等于a1的次数占心率总测量次数比例大于50％小于等于70％对应的生理特征值为“亚健康”；

设定心率频次大于a2的次数占心率总测量次数比例大于50％小于等于70％对应的生理特征值为“亚健康”；

设定心率频次大于a1，小于a2的次数占总测量次数大于50％对应的生理特征值为“健康”。

本发明实施例中，在获取到的心率数据的待处理数据中的各个心率值后，可以对各个心率值进行统计分析，然后计算出心率值在各个标准生理参数区间的占比，最后根据占比即可以确定当前的心率数据对应的生理特征值。

在另一示例性的应用场景中，可以设定血压的收缩压标准生理参数值为b1、b2、b3、b4、b5；血压的舒张压标准生理参数值为c1、c2、c3、c4。

设定收缩压大于等于b1小于等于b2的次数占比大于70％对应的生理特征值为“预警”；

设定舒张压大于等于c1小于等于c2的次数占比大于70％对应的生理特征值为“预警”；

设定收缩压大于等于b1小于等于b2的次数占比大于50％小于等于70％对应的生理特征值为“亚健康”；

设定舒张压大于等于c1小于等于c2的次数占比大于50％小于等于70％对应的生理特征值为“亚健康”；

设定收缩压大于等于b3的次数占比大于60％对应的生理特征值为“预警”；

设定舒张压大于等于c3的次数占比大于60％对应的生理特征值为“预警”；

设定收缩压大于等于b3的次数占比大于50％小于等于60％对应的生理特征值为“预警”；

设定舒张压大于等于c3的次数占比大于50％小于等于60％对应的生理特征值为“预警”；

设定收缩压小于b4的次数占比大于70％对应的生理特征值为“预警”；

设定舒张压小于c4的次数占比大于70％对应的生理特征值为“预警”；

设定收缩压大于等于b4，小于等于b5，而且舒张压大于等于c4，小于c1的次数总占比超过50％对应的生理特征值为“健康”；

本发明实施例中，在获取到收缩压与舒张压值的待处理数据中的各个收缩压与舒张压后，可以对各个收缩压与舒张压值进行统计分析，然后计算收缩压与舒张压值在各个标准生理参数区间的占比，最后根据占比即可以确定当前的收缩压与舒张压值对应的生理特征值。

在另一示例性的应用场景中，预先血氧的标准生理参数值为d1，d2，d3，d4。

设定血氧饱和度小于d1的次数占总血氧检查次数占比大于70％对应的生理特征值为“预警”；

设定血氧饱和度小于d2的次数占总血氧检查次数占比大于50％小于等于70％对应的生理特征值为“预警”；

设定血氧饱和度小于d2，大于等于d1的次数占总血氧检查次数占比大于70％对应的生理特征值为“亚健康”；

设定血氧饱和度小于d2，大于等于d1的次数占总血氧检查次数占比大于50％，小于等于70％对应的生理特征值为“预警”；

设定血氧饱和度小于d3，大于等于d2的次数占总血氧检查次数占比大于70％对应的生理特征值为“亚健康”；

设定血氧饱和度小于d3，大于等于d2的次数占总血氧检查次数占比大于50％，小于等于70％对应的生理特征值为“健康”；

设定血氧饱和度小于等于d4，大于等于d3的次数占总血氧检查次数占比大于50％对应的生理特征值为“健康”；

本发明实施例中，在获取到的血氧饱和度的待处理数据中的各个血氧饱和度数据后，可以对各个血氧饱和度进行统计分析，然后计算血氧饱和度在各个标准生理参数区间的占比，最后根据占比即可以确定当前的血氧饱和度值对应的生理特征值。

在另一示例性的应用场景中，当通过可穿戴设备采集到用户的运动数据时，还可以设定睡眠固定时间段内标准生理参数值为e1，e2。

设定睡眠时间<e1对应的生理特征值为“亚健康”；

设定e1<睡眠时间<＝e2对应的生理特征值为“健康”；

设定睡眠时间>e2对应的生理特征值为“亚健康”；

本发明实施例中，在获取到运动数据之后，根据获取到的运动数据确定用户是否处于睡眠状态，以及用户的睡眠时间。在得到睡眠时间之后，即可以根据得到的睡眠时间确定睡眠时间所属的标准生理参数值区间，然后根据得到的标准生理参数区间来确定运动数据对应的生理特征值。

在另一实施例中，当通过可穿戴设备采集到用户的运动数据时，还可以设定用户步数的标准生理参数值为s。

设定每天步数小于s对应的生理特征值为“亚健康”；

设定每天步数大于等于s对应的生理特征值为“健康”；

本发明实施例中，在获取到用户的步数数据之后，即可以根据步数的情况来确定用户步数对应的生理特征值。

确定模块604，用于根据各个类别的生理参数数据对应的生理特征值与预设的器官状态参数表确定各个器官的状态参数。

示例性的，预先在数据库中存储器官状态表，该器官状态表中包含有各个器官的状态参数与各个类别的生理参数数据对应的生理特征值的映射关系。比如，该器官状态表中包含有心率“健康”、收缩压“预警”、舒张压“健康”、血氧饱和度“亚健康”对应着淋巴“正常”、肝“正常”、心脏“风险1”，又比如，心率“亚健康”、收缩压“正常”、舒张压“健康”、血氧饱和度“健康”对应着淋巴“风险1”、肝“正常”、心脏“正常”。

本发明实施例中，在得到各个类别的生理参数数据对应的生理特征值之后通过查询该器官状态参数表即可以得到各个器官的状态参数。

需要说明的是，在本实施例中的各个器官包括但不限于淋巴、脊椎、肝、胆、心包、心脏、肺、脾、胃、大肠、小肠、肾脏等。

发送模块605，用于将所述状态参数发送给终端设备，以使所述终端设备根据所述状态参数对各个器官的状态进行显示。

示例性的，在得到各个器官的状态参数之后，可以将该状态参数发送给终端设备，以便终端设备可以根据这些状态参数对各个器官的状态进行显示，这样，用户即可以通过终端设备来查询用户的各个器官的状态，以便用户可以及时根据各个器官的状态来了解自己的身体状况。

在一实施方式中，在将所述状态参数发送给终端设备时，为了使得用户可以及时查看，可以在将所述状态参数发送给终端设备时，还可以发送通知消息提醒用户查看各个器官的状态。该通知消息可以为app通知、短信提示等方法提示用户。

本实施例中通过可穿戴设备采集到的用户的生理参数数据，然后通过对采集到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据；分别对各个类别的生理参数数据的第一权重数据与第二权重数据进行处理，以得到各个类别的生理参数数据对应的生理特征值；根据各个类别的生理参数数据对应的生理特征值与预设的器官状态参数表确定各个器官的状态参数，从而可以及时准确地发现用户各个器官的状态，同时，在对各个类别的生理参数数据进行分析时，通过将各个类别的生理参数数据分为第一权重数据与第二权重数据，从而可以减少数据的处理量，提高数据处理效率。

在示例性的实施例中，所述生理参数数据处理装置600还包括：

判断模块，用于判断获取到的各个类别的生理参数数据的数据量是否大于或者等于预设阈值。

示例性的，若获取到的各个类别的生理参数数据的数据量大于或者等于所述预设阈值，则分别对获取到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据，若获取到的各个类别的生理参数数据的数据量小于所述预设阈值，则不对获取到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据，直到获取到的各个类别的生理参数数据的数据量大于或者等于所述预设阈值，才会分别对获取到的各个类别的生理参数数据的采集时间进行分析，以将各个类别的生理参数数据划分为第一权重数据与第二权重数据的步骤。

其中，所述预设阈值为预先设定的数量，比如，设定为1000条。所述数据量为生理参数数据的条数。

本发明实施例中，通过获取到的各个类别的生理参数数据的数据量大于或等于所述预设阈值，才对获取到的数据进行分析，从而可以避免因数据量不足造成的最后得到的状态参数不准确的问题。

在示例性的实施例中，所述生理参数数据处理装置600还包括：

调用模块，用于根据获取到的各个类别的生理参数数据的数据量确定调用的cpu数量。

示例的，由于采集到的生理参数数据的数据量比较大，为了提高数据的处理速度，本发明实施例中在对生理参数数据进行分析时，可以根据待分析的生理参数数据的数据量来确定调用处理该生理参数数据的cpu数量，比如，该待分析的生理参数数据的数据量为10g，则可以调用10个cpu来处理该待分析的生理参数数据；又比如，该待处理的生理参数数据的数据量为20g，则可以调用15个cpu来处理该待分析的生理参数数据。

本发明实施例中，通过数据量的不同调用不同数据的cpu数量来处理生理参数数据，从而可以提高数据的处理效率。

实施例三

参阅图7，是本发明实施例三之计算机设备的硬件架构示意图。本实施例中，所述计算机设备7是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。该计算机设备7可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图7所示，所述计算机设备7至少包括，但不限于，可通过系统总线相互通信连接存储器21、处理器22、网络接口23。其中：

本实施例中，存储器21至少包括一种类型的计算机可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器21可以是计算机设备7的内部存储单元，例如该计算机设备7的硬盘或内存。在另一些实施例中，存储器21也可以是计算机设备7的外部存储设备，例如该计算机设备7上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。当然，存储器21还可以既包括计算机设备7的内部存储单元也包括其外部存储设备。本实施例中，存储器21通常用于存储安装于计算机设备7的操作系统和各类应用软件，例如上述实施例的生理参数数据处理装置600的程序代码等。此外，存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器22在一些实施例中可以是中央处理器(centralprocessingunit，cpu)、控制器、微控制器、微处理器、或其他生理参数数据处理芯片。该处理器22通常用于控制计算机设备7的总体操作。本实施例中，处理器22用于运行存储器21中存储的程序代码或者处理数据，例如运行生理参数数据处理装置600，以实现上述实施例的生理参数数据处理方法。

所述网络接口23可包括无线网络接口或有线网络接口，该网络接口23通常用于在所述计算机设备7与其他电子装置之间建立通信连接。例如，所述网络接口23用于通过网络将所述计算机设备7与外部终端相连，在所述计算机设备7与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(intranet)、互联网(internet)、全球移动通讯系统(globalsystemofmobilecommunication，gsm)、宽带码分多址(widebandcodedivisionmultipleaccess，wcdma)、4g网络、5g网络、蓝牙(bluetooth)、wi-fi等无线或有线网络。

需要指出的是，图7仅示出了具有部件20-23的计算机设备7，但是应理解的是，并不要求实施所有示出的部件，可以替代的实施更多或者更少的部件。

在本实施例中，存储于存储器21中的所述生理参数数据处理装置600还可以被分割为一个或者多个程序模块，所述一个或者多个程序模块被存储于存储器21中，并由一个或多个处理器(本实施例为处理器22)所执行，以完成本发明。

实施例四

本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘、服务器、app应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储生理参数数据处理装置600，被处理器执行时实现上述实施例的生理参数数据处理方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。