本申请涉及计算机信息处理领域，具体而言，涉及一种基于可穿戴设备和大数据分析的用户健康监测方法、系统、电子设备及计算机可读介质。
背景技术：
1、心电信号直观地反映了心脏电兴奋在传导系统中的产生和传导过程，可在一定程度上客观地反映心脏各部位的生理状况，是诊断心脏疾病和评价心脏功能的重要依据之一。穿戴式生理监测设备主要涉及到传感技术、无线通信技术和信号处理技术等,具有低负荷、操作简便、可移动、持续监测、无线传输和异常生理状况报警等功能，能够监测人体多种生理信号，提供全天实时健康状态监测并将数据上传至监测系统。
2、近年来，人工智能技术得到了飞速的发展。大数据库的建立，结合高效计算机和云计算平台，再辅以可穿戴设备，人工智能对心电图能够进行自我学习并智能分析。高效准确地给出诊断，在常见心律失常的预警、筛查和临床诊断上都有广阔的应用。随着心脏疾病的日益普遍以及人们自我监测意识的不断增强，用于家庭监测和远程医疗的可穿戴式心电图(ecg)采集系统日益受到人们的关注。但此类的可穿戴式设备能直接采集的ecg导联数较少，所能提供的医疗ecg信息有限。目前，国内外临床医生和科研工作者对于重建算法，已经进行了多种的研究尝试重建结果。然而心电数据本身的复杂性使得重建结果与实际测量结果之间存在差异，这些误差难以避免，并且现有的重建算法存在一定局限性。
3、因此，需要一种新的基于可穿戴设备和大数据分析的用户健康监测方法、系统、电子设备及计算机可读介质。
4、在所述背景技术部分公开的上述信息仅用于加强对本申请的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、有鉴于此，本申请提供一种基于可穿戴设备和大数据分析的用户健康监测方法、系统、电子设备及计算机可读介质，能够针对传统算法模型准确度低、可靠性差，评估预测结果不可信的问题，基于云边端结合的系统架、基于动态学习、深度学习与基于规则想结合的模型协同机制，深度挖掘人体生理信号之间的多源异构信息，辅助进行心肌缺血、心率异常等心血管疾病健康诊断、疾病早筛、风险预警。
2、本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
3、根据本申请的一方面，提出一种基于可穿戴设备和大数据分析的用户健康监测方法，该方法包括：持续通过可穿戴设备获取被监测用户的多个实时信号；对所述多个实时信号进行数据预处理，生成多个动态信号；将所述多个动态信号输入动态学习模型中，通过大数据分析生成动态监测结果；根据所述动态监测结果生成健康指导信息。
4、可选地，持续通过可穿戴设备获取被监测用户的多个实时信号，包括：通过入耳式耳机和/或头戴式耳机内置的电极持续获取被监测用户的第一实时心电信号和第二实时心电信号；通过入耳式耳机和/或头戴式耳机内置的温度传感器持续获取被监测用户的实时温度信号。
5、可选地，持续通过可穿戴设备获取被监测用户的多个实时信号，包括：通过手环中的电极持续获取被监测用户的第三实时心电信号；通过手环中的电极或传感器(光电传感器和/或加速度传感器和/或运动传感器和/或陀螺仪等)持续获取被监测用户的实时脉搏信号、实时血氧信号、实时运动信号、实时环境信号。
6、可选地，对所述多个实时信号进行数据预处理，生成多个动态信号，包括：通过可穿戴设备对所述多个实时信号进行数据预处理，生成多个动态信号；和/或通过移动终端对所述多个实时信号进行数据预处理，生成多个动态信号。
7、可选地，将所述多个动态信号输入动态学习模型中，通过大数据分析生成动态监测结果，包括：在云平台中，通过带有健康标签的多个历史动态信号生成样本大数据；通过样本大数据对机器学习模型进行训练生成实时动态学习模型；通过所述动态学习模型对所述多个动态信号进行分析以生成动态监测结果。
8、可选地，通过所述动态学习模型对所述多个动态信号进行分析以生成动态监测结果，包括：将所述动态学习模型进行简化处理，生成简化动态学习模型；将所述简化动态学习模型设置在移动终端处；移动终端处的所述简化动态学习模型所述多个动态信号进行分析以生成动态监测结果。
9、可选地，通过所述动态学习模型对所述多个动态信号进行分析以生成动态监测结果，包括：移动终端将所述多个动态信号发送到云平台；云平台中的动态学习模型对所述多个动态信号进行分析以生成动态监测结果。
10、可选地，根据所述动态监测结果生成健康指导信息，包括：云平台对用户历史数据的统计分析生成多个指标区间；将所述动态监测结果分别和其对应的指标区间进行对比；根据对比结果生成健康指导信息。
11、根据本申请的一方面，提出一种基于可穿戴设备和大数据分析的用户健康监测系统，该系统包括：可穿戴设备，用于持续获取被监测用户的多个实时信号；第一数据处理设备，用于对所述多个实时信号进行数据预处理，生成多个动态信号；第二数据处理设备，用于将所述多个动态信号输入动态学习模型中，通过大数据分析生成动态监测结果；云平台，用于根据所述动态监测结果生成健康指导信息。
12、可选地，穿戴设备，包括以下至少一者：入耳式耳机，头戴式耳机，手环。
13、可选地，第一数据处理设备，包括以下至少一者：入耳式耳机，头戴式耳机，手环，移动终端。
14、可选地，第二数据处理设备，包括以下至少一者：移动终端，云平台。
15、根据本申请的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。
16、根据本申请的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。
17、根据本申请的基于可穿戴设备和大数据分析的用户健康监测方法、系统、电子设备及计算机可读介质，通过持续通过可穿戴设备获取被监测用户的多个实时信号；对所述多个实时信号进行数据预处理，生成多个动态信号；将所述多个动态信号输入动态学习模型中，通过大数据分析生成动态监测结果；根据所述动态监测结果生成健康指导信息的方式，能够针对传统算法模型准确度低、可靠性差，评估预测结果不可信的问题，基于云边端结合的系统架、基于动态学习、深度学习与基于规则想结合的模型协同机制，深度挖掘人体生理信号之间的多源异构信息，辅助进行心肌缺血、心率异常等心血管疾病健康诊断、疾病早筛、风险预警。
18、应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本申请。
1.一种基于可穿戴设备和大数据分析的用户健康监测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，持续通过可穿戴设备获取被监测用户的多个实时信号，包括：
3.如权利要求1所述的方法，其特征在于，持续通过可穿戴设备获取被监测用户的多个实时信号，包括：
4.如权利要求1所述的方法，其特征在于，对所述多个实时信号进行数据预处理，生成多个动态信号，包括：
5.如权利要求1所述的方法，其特征在于，将所述多个动态信号输入动态学习模型中，通过大数据分析生成动态监测结果，包括：
6.如权利要求5所述的方法，其特征在于，通过所述动态学习模型对所述多个动态信号进行分析以生成动态监测结果，包括：
7.如权利要求5所述的方法，其特征在于，通过所述动态学习模型对所述多个动态信号进行分析以生成动态监测结果，包括：
8.如权利要求1所述的方法，其特征在于，根据所述动态监测结果生成健康指导信息，包括：
9.一种基于可穿戴设备和大数据分析的用户健康监测系统，其特征在于，包括：
10.如权利要求9所述的系统，其特征在于，可穿戴设备，包括以下至少一者：
11.如权利要求9所述的系统，其特征在于，第一数据处理设备，包括以下至少一者：
12.如权利要求9所述的系统，其特征在于，第二数据处理设备，包括以下至少一者：
13.一种电子设备，其特征在于，包括：
14.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至8中任一所述的方法。
