一种识别与监测产后抑郁的智能可穿戴设备及其实现方法

1.本发明涉及智能可穿戴设备领域，具体为一种识别与监测产后抑郁的智能可穿戴设备及其实现方法。

背景技术：

2.产后抑郁症是指发生于产褥期的抑郁，是介于产后精神病与产后忧郁之间的一种精神疾患。产后抑郁症对产妇的影响：研究表明，与无产后抑郁产妇相比，产后抑郁组产妇产后24h流血量多，易疲乏，影响饮食和休息，初乳始动时间迟，泌乳量少，产后抑郁病因复杂。
3.抑郁与睡眠关系研究已经表明女性产后抑郁症与产后睡眠模式有密切，失眠或睡眠障碍是产后抑郁症状表现之一，同样，睡眠问题也是产后抑郁发生的危险因素，睡眠障碍伴随产后抑郁症发生，抑郁症状又随低质量睡眠而加重，产后抑郁与睡眠障碍之间有着双向影响的关系。
4.lewis[12]在研究中使用匹兹堡睡眠质量量表(psqi)和患者健康问卷-9(phq-9)，检查了产后女性自我报告的睡眠模式(产后6周到7个月)的变化与产后7个月的抑郁症状之间的关系，结果表明自我报告的睡眠恶化问题与产后七个月抑郁症状的增加有关，特别是睡眠潜伏期(晚上入睡所需的时间)，白天清醒状态以及睡眠质量的变化。陈明等[2] 评估女性产后睡眠障碍和产后抑郁症的发生率，采用匹兹堡睡眠质量量表(psqi)和爱丁堡产后抑郁量表(epds)评估了252名产后6周女性睡眠质量和产后抑郁症状，研究中在产后6周时抑郁症的发生率为25.8％，36.1％产妇出现睡眠问题，产妇的睡眠质量与产后抑郁症的发生呈正相关。iranpour等[13]收集了360名产后3个月内女性的匹兹堡睡眠质量量表和爱丁堡产后抑郁量表结果，研究后发现睡眠质量差的女性患产后抑郁症风险更大，是拥有良好睡眠质量女性的3倍。为了比较患有产后抑郁症与正常产后女性之间睡眠质量的差异，posmontier等[14]对46名产后6周到26周女性进行连续一周的睡眠监测，结果发现患有产后抑郁症的女性睡眠质量更差，表现在睡眠潜伏期更长、入睡后觉醒频率高及睡眠效率低等方面。goyal,d.[15]利用流行病学研究中心抑郁症量表(ces-d)、一般睡眠障碍量表(gsds)、手腕活动记录仪以及评估婴儿气质的问卷，以研究婴儿气质对母亲睡眠障碍与抑郁症状之间关系，结果发现无论婴儿的气质如何，在午夜至早上6点之间清醒时间超过2小时或白天小睡时间少于60分钟的母亲在产后三个月患抑郁症的风险增加。lawson等[16]以综述的形式整理睡眠质量与焦虑、抑郁及精神病等产后精神障碍的关联，发现妊娠期和产后的睡眠不佳对产后抑郁的影响尤为突出。
[0005]
睡眠与血糖关系也有研究表明，睡眠与血糖水平存在联系。睡眠不足、碎片化睡眠影响胰岛素的分泌并降低了人体的糖耐量，从而使人体出现血糖升高的情况；同时，睡眠障碍容易抑制下丘脑的活性，导致焦虑、抑郁的状态[17]。在knutson等[18]对睡眠不足与代谢结果的综述中有相似结果，即睡眠时间短影响机体葡萄糖代谢。stamatakis等[19] 通过人为操作使受试者的睡眠碎片化，再结合葡萄糖耐量测试，探究低质量睡眠对正常人葡
萄糖代谢的影响。实验结果发现，在睡眠总时长不变情况下，碎片化睡眠会降低胰岛素敏感性、改变血糖稳态。xu等[20]关注休息活动昼夜节律与葡萄糖代谢的关系，使用活动记录仪记录2760名健康成年人的昼夜节律信息，分析后发现昼夜节律紊乱与健康人的葡萄糖耐量受损显著相关。对于妊娠期糖尿病女性来说，血糖水平与睡眠状况同样存在联系。twedt等[21]对比37名妊娠糖尿病患者的血糖数据与睡眠数据，发现夜间睡眠持续时间与空腹血糖、餐后1小时血糖水平呈负相关，即妊娠糖尿病女性睡眠时间短不利于血糖控制。
[0006]
抑郁与血糖关系抑郁症与血糖的关系同样值得关注。在中国2型糖尿病防治指南[22] 中指出：抑郁症和糖尿病之间可能存在互为因果、相互促进的关系，中医范畴中“消渴”与“郁证”相互影响，目前糖尿病患者中抑郁症的发病率达到22％-62％，是普通人的5倍左右[23]，而抑郁、焦虑等负面情绪容易使糖尿病患者血糖控制不佳，导致糖尿病恶化。有国外研究[24]估算糖尿病使抑郁症的发生率增加20％，同样，抑郁症使糖尿病的发生率增加60％。国内有研究[25]指出抑郁是2型糖尿病的危险因素，其使糖尿病的患病率增加 54％。盖筱莉等[26]对妊娠期糖尿病孕妇进行个体化饮食干预的效果比较，实验结果表明接受个体化饮食干预的孕妇能有效控制血糖，焦虑和产后抑郁的发生率比对照组孕妇更低。
[0007]
现有技术：
[0008]
产后抑郁症相关检测专利，现有方式涉及血液检测、生物气体浓度检测、生物电信号及生理信号监测，并无与本专利中运用血糖监测的相似方案。
[0009]
(1)发明人：高雯琪(2021)《一种产后抑郁症检测试剂、系统及应用》，该发明公开了一种产后抑郁症检测试剂、系统及应用。该发明属于生化检测领域，通过检测血液中特定基因的表达水平，判断产妇是否有产后抑郁。(2)发明人：西山友加里、佃雅彦、奥村泰章(2019)《信息提供方法、信息处理系统、信息终端及信息处理方法》，基于压力与抑郁之间存在大致的因果关系假设，该发明利用可穿戴传感器监测孕妇腋下(任意部位皮肤表面)生物气体浓度，在检测到生物气体浓度超过正常上限的频率趋于增加时，判断用户为有产后抑郁的预兆，掌握用户从初始怀孕到产后两个星期内的压力积蓄程度，预防产后抑郁。(3)发明人：吴凯、杜欣(2015)《基于移动互联网的孕产妇健康监护系统》，该发明提供的系统一方面将孕产妇的心电信号、血氧饱和度信号、量表筛查的测评结果和临床信息，另一方面将来自医院的生化分析信息进行基于大样本数据信息的机器学习和数据挖掘，完成对孕产妇的健康现状分析，生成护理和保健指导。其中心电信号通过家庭中孕产妇心电检测背心获取，血氧饱和度信号通过血氧检测指套获取，生化分析信息通过医院对血清进行生化指标检测获取。(4)发明人：杨荣骞、吕瑞雪(2014)《一种基于心率变异性分析方法的抑郁症的评估系统及方法》，该发明公开一种基于心率变异性分析方法的抑郁症尤指一种围产期抑郁症的评估系统及方法，包括数据保存模块，峰值检测模块，数据校正模块，获取心率变异性曲线模块，hrv分析模块，选择特征参数模块，模型建立模块，模型应用模块。通过采集孕产妇于静息状态、深呼吸状态、瓦尔萨尔瓦动作和站立动作四个状态，每个状态记录时长2分钟的心电信号和脉搏波信号，利用算法分析得到围产期抑郁等级，实现了围产期抑郁程度量化评估。
[0010]
2.非产后抑郁症相关检测专利，现有方式涉及抑郁症患者的行为评估、生物电信号监测和生物成分检测，并无与本专利中运用血糖监测的相似方案。
[0011]
基于分析行为动作来评估抑郁症的方式:
[0012]
(1)发明人：王红等人(2018)《一种基于多模态特征的抑郁倾向测评装置、系统》，该发明使用韦氏记忆量表、镶嵌图形测验获取用户的记忆力测评数据、认知风格数据，分析用户的抑郁倾向，通过眼动追踪设备采集用户查看不同情绪面孔图像时的眼动数据。基于所得到的眼动数据、记忆力测评数据以及认知风格指数提取样本用户的眼动记忆力认知风格融合特征集合，根据融合特征集合训练分类模型，采用分类模型对测试用户进行抑郁倾向的测评。(2)发明人：胡斌等人(2017)《基于语音特征与机器学习的抑郁症自动评估系统和方法》，该发明采用3(情绪状态:正性、中性、负性)
×
3(任务类型:语言问答、文本朗读、图片描述)的实验设计，获取用户语音特征参数，运用机器学习方法,建立抑郁症自动识别模型，提供抑郁症自动评估系统和方法。(3)发明人：栗觅等人(2016) 《一种基于注意和情感信息融合的抑郁症诊断系统及方法》，该方明基于抑郁症患者存在注意能力、情感体验能力受损的特点，在多个情绪刺激任务时，使用摄像机采集受测者眼部图像和面部图像，处理分析图像后，提取受测者的注视点中心距特征、注意偏向分数特征、情感带宽特征和面部表情特征，系统将特征进行融合以识别抑郁症。(4)发明人：王桥等人(2016)《一种基于表情分析的抑郁程度自动评估系统》，该发明公开了一种基于表情分析的抑郁程度自动评估系统。在合适的光照环境、拍摄角度下，受试对象接受15 分钟或20分钟的hamd-17(汉密尔顿抑郁量表)访谈，记录访谈视频和量表分值。提取人脸特征，建立预测模型，模型对新输入的视频预测抑郁严重程度。根据hamd-17量表评分，划分5个量化标准等级，分别为正常、轻微抑郁、中性抑郁、重度抑郁和极重度抑郁。
[0013]
基于分析脑电、心电等生物电信号来评估抑郁症的方式：
[0014]
(5)发明人：胡斌等人(2016)《一种脑电与温度相结合的抑郁人判定方法》，在抑郁症发作的“三低”症状中，患者表现出主动性活动明显减少、注意力不集中、记忆力下降，因此抑郁症患者相较正常人而言，其大脑活动更为无序，神经元活动更弱，在进行同样的认知活动时，抑郁症患者前额叶的温度比正常人的前额叶温度更低。基于此，该发明通过采集脑电信号和前额叶温度，提取特征后使用knn分类器进行判断，抑郁症患者脑电信号的renyi熵、绝对功率和最大功率高于正常人，患者的前额叶温度相较正常人而言相对较低。(6)发明人：杨荣骞等人(2015)《基于生理信息的抑郁症评估系统及其评估方法》，根据以往的研究，抑郁症患者的心电、脉搏波、脑电、皮电、胃电、肌电、眼电、多导睡眠、温度等生理信息跟正常人有差异，表现为电信号的时域、频域、时域几何参数等有不同。因此该发明使用三导联心电采集方法采集人体心电信号以及采集脉搏波、脑电、皮电、胃电、肌电、眼电、多导睡眠、温度中的一种或一种以上信号，计算并提取特征参数集，建立抑郁评估数学模型，对受测者抑郁症以及抑郁症等级进行评估。(7) 发明人：吕胜富等人(2015)《一种抑郁风险三级预警方法及系统》，人脑在接受各种感觉刺激、执行运动、进行思维、记忆及情感体验等精神活动时，脑部特定区域会出现血流动力学变化，该发明利用fmri技术对四个脑区的进行核磁共振扫描，获取静息态和任务态的bold信号，根据变化强度值和变化矢量角与预设的变化强度阈值和变化矢量角阈值进行预警级别判定，实现对不同程度抑郁高危人的预警。
[0015]
基于生物检测技术，检测与抑郁症相关的特定生物成分来诊断抑郁症的方式：
[0016]
(8)发明人：王旭、李克峰(2016)《血液代谢标记物的用途及抑郁症检测试剂盒》，
该发明提供了血液代谢标记物的用途及抑郁症检测试剂盒。试剂盒能够准确测定抑郁症患者血液中的14种代谢标记物含量，利用该试剂盒能对抑郁症早期进行诊断。(9)发明人：布雷恩勒布斯有限公司(2016)《诊断抑郁症和监控效果的新的诊断方法》，该发明采集受试者血清或第一次晨尿样本，根据反映抑郁症的不同假说，检测样本物质成分中特定生物标记物的浓度，可用于诊断情感障碍，特别是抑郁症，或监控情感障碍的效果。 (10)发明人：武会娟等人(2014)《用于检测抑郁症的基因及其检测方法和试剂盒》，根据已知，抑郁症患者的家族性和大脑内环境代谢异常，针对个体病人抑郁症特异相关基因的表达水平的检测，可以对早期抑郁症进行诊断及病情评估，该发明提供了用于检测抑郁症患者的靶基因为atp1a1，还提供了对atp1a1进行定量检测的检测试剂盒。(11)发明人：川村则行(2012)《抑郁症的生物标记物、抑郁症的生物标记物的测定方法、计算机程序及记录介质》，基于生物体内的低分子化合物可作为抑郁症的生物标记物，该发明通过测定血液中特定化合物的含量诊断抑郁症及判断抑郁症药物的效果。(12)发明人：刘平等人(2009)《多态性位点基因型预测抑郁症及药效的用途、方法和试剂盒》，根据目前认为，5-羟胺(5-ht)水平或功能改变与抑郁症的发生和发展存在密切关系，该发明通过对血液采用差异核酸分析技术测定5-羟胺转运蛋白(5-htt)基因的基因型，来预测个体抑郁症严重程度、抑郁症核心症状严重程度。
[0017]
睡眠监测技术专利。现有睡眠监测方式涉及心率、呼吸、运动、声音和生物电信号等监测，并无与本专利中运用血糖监测的相似方案。
[0018]
(1)发明人：李超(2014)《基于多路传感器来确定上下床状态的方法及系统》，将多种传感器设置在床脚位置，监测震动信号和压力信号，获得用户的心率波形、呼吸波形及当前压力信号，根据心率波形、呼吸波形的幅度变化规律以及压力变化，判断用户当前的上下床状态。(2)发明人：倪红波等人(2016)《一种基于压电陶瓷传感器的睡眠监测装置及方法》，一种结合压电传感器的枕式睡眠监测装置，可感知用户在自然睡眠状态下头部对枕头的细微压力变化，实现对睡眠时的心率、呼吸、体动等生理信息实时监测。 (3)发明人：高理升等人(2018)《一种基于柔性阵列压力传感器的睡眠质量评估床垫及其使用方法》，设置在床垫内部的柔性阵列压力传感器对用户的睡姿信息、体动信息及心率和呼吸等生理信息进行监测，实现对用户睡眠质量评估。(4)发明人：陈强等人(2016) 《枕式睡眠生理参数监测装置》，枕式睡眠生理参数监测装置利用4个压力传感模块监测用户睡眠过程中心率、呼吸节律、头部运动等生理参数，以判断用户的睡眠质量。(5) 发明人：日东电工株式会社(2014)《用于睡眠监测的设备和方法》，采用手表形式的可穿戴设备，利用加速度传感器和光电容积脉搏波传感器获取用户睡眠期间的运动数据和心率变异性参数，用于确定用户的入睡时长、清醒状态以及睡眠阶段(rem和nrem)。(6) 发明人：歌尔科技有限公司(2021)《睡眠监测提醒方法、装置、智能穿戴设备及存储介质》，腕表式可穿戴设备在用户处于睡眠状态时，监测用户的生理特征信息和噪声信息，其中生理特征信息包括心率信息、血氧信息、体温信息和血压信息，噪声信息为睡眠的呼吸声、鼾声等声音信息，当以上信息出现异常，提醒用户调整睡眠环境、睡眠方式或睡眠姿态。(7)发明人：张婧文等人(2018)《一种基于脑电及眼电的睡眠质量监测仪及其监测方法》，使用可穿戴在用户头部的电极帽采集睡眠过程中脑电和眼电信号，利用机器学习的分类器进行睡眠分期，判断用户睡眠阶段及睡眠质量。
[0019]
血糖监控系统专利。现有血糖水平监测系统其作用在于管理控制血糖，但并无与本专利中运用血糖数据监测疾病的相似方案。
[0020]
(1)发明人：张莹等人(2020)《基于多维数据预测餐后血糖的方法和装置》，该发明通过采集用户多项生理参数、膳食营养数据、运动情况、睡眠时间及空腹血糖数据，建立血糖预测模型，预测餐后血糖数据，可用于预防和改善控制糖尿病血糖及并发症等一系列疾病。(2)发明人：韩洋等人(2022)《标签生成方法和装置、监控血糖水平的系统》，获取用户的血糖水平数据(包括葡萄糖浓度数据和浓度变化率)和用户数据(包括与血糖浓度相关联的事件和用户特征数据)，按规则生成第一案例特征值，将第一案例数据与知识库中历史案例数据进行对比，查相似度最大的历史案例，读取历史标签，提示用户并更新用户知识库。(3)发明人：祝娅(2019)《一种基于血糖监测的妊娠期血糖监控系统及在疾病监控系统中的应用》，对怀孕前无糖尿病、糖尿病合并妊娠及妊娠糖尿病三类人进行监测，实时采集妊娠用户的血糖值，按预设阈值对接收的血糖数据进行统计分析，生成血糖诊断分析报告。(4)发明人：伊多
·
韦克勒等人(2020)《用于生物监测和血糖预测的系统及相关联方法》，接收患者血糖数据、与健康相关的事件数据输入到特定机器学习模型中，可用于预测未来血糖状态(包括低血糖、高血糖状态)，并向用户发出预警。
[0021]
上述现有技术的缺点：
[0022]
针对产后抑郁症的现有技术缺点。
[0023]
发明人：高雯琪(2021)《一种产后抑郁症检测试剂、系统及应用》，该发明缺点在于，需要检测血液中特定基因的表达水平，属于有创检测，无法长期进行，同时血液检测设备昂贵、费用较高。
[0024]
发明人：西山友加里、佃雅彦、奥村泰章(2019)《信息提供方法、信息处理系统、信息终端及信息处理方法》，缺点在于，(廖培培等，2020)压力感知在压力与产后抑郁二者间存在中介作用，压力由压力源、个体对压力的认知评估、压力的反应三个部分构成，不同的自我接纳和压力感知会对产褥期心理有不同影响，产褥期女性压力感知越高，产后抑郁的发生率越高。该发明通过检测生物气体浓度来掌握产后女性压力积蓄程度，忽略产后女性自身心理调节能力，评估结果容易存在偏差。
[0025]
发明人：吴凯、杜欣(2015)《基于移动互联网的孕产妇健康监护系统》，该发明缺点在于，必须采用有创与无创结合的方式分析孕产妇精神压力和心理状况，除此之外，孕产妇还需要完成多份量表，检查项目繁复。
[0026]
发明人：杨荣骞、吕瑞雪(2014)《一种基于心率变异性分析方法的抑郁症的评估系统及方法》，该发明缺点在于，(况丹妮，2019)多状态下心电信号容易受到干扰，测试过程中需要端正身体姿态。同时，(朱美琳等，2018)妊娠期的疾病如：妊娠期高血压、妊娠期糖尿病、心脏病会对hrv产生影响。因此该发明对心率变异性分析结果可能受产妇其他疾病的影响，导致评估结果存在偏差。
[0027]
针对非产后抑郁症的现有技术缺点。
[0028]
基于分析行为动作来评估抑郁症的方式，包括：眼动特征、语音特征、面部表情特征等，是对抑郁症结果的判别，由于其原理应用于产后抑郁症上有偏差会造成评估结果失真，同时需要辅助人员参与，而不适用于产后抑郁症。
[0029]
发明人：王红等人(2018)《一种基于多模态特征的抑郁倾向测评装置、系统》，该发
明缺点在于，(梁欢欢等,2011)镶嵌图形测验是常被用来测试“场独立—场依存型”认知风格的测验，场认知风格作为一种独立的人格特征，会受到抑郁倾向的影响。而产后抑郁症是产后女性特殊状态下表现出来的抑郁。有(唐英等，2014)实验表明产后与非产后抑郁患者记忆功能均受损，但受损的性质有差异，受损的机制也不同，产后抑郁患者记忆下降可能是记忆神经网络的神经环路短暂的出现紊乱导致的记忆系统的动态转化发生了障碍；而非产后抑郁患者的记忆系统障碍可能是储存和管理记忆的大脑功能区的杏仁核和海马的功能性紊乱。无情感障碍的健康产后妇女同样会出现产后认知功能障碍，常见于思维能力差、记忆力下降、注意力难以集中等表现。利用记忆力测评来识别产后抑郁症容易产生偏差。该方法中仅提取用户的认知风格以及性别融合特征，对抑郁症倾向做测评的方法同样不适用于测评产后抑郁症。
[0030]
发明人：胡斌等人(2017)《基于语音特征与机器学习的抑郁症自动评估系统和方法》，该发明缺点在于，根据已有的研究(潘玮等，2018)，抑郁症病人的语音特点为：语速较慢、停顿次数多、停顿时间长、语音特征的变化减少、缺少韵律变化、呆板。(彭岚岚等， 2016)而患有产后抑郁症的女性表现出焦虑、情绪低落、郁郁寡欢、不愿与人交流外，还会表现出易怒、烦躁、暴躁的情绪。这些情绪下的语音特点不符合非产后抑郁症的语音特征，因此该发明不适用于评估产后抑郁症，评估结果易产生偏差。
[0031]
发明人：栗觅等人(2016)《一种基于注意和情感信息融合的抑郁症诊断系统及方法》，该发明缺点在于，有研究(pearson,r.2010)发现孕产妇对婴儿痛苦表情注意维持时间与围产期的抑郁症状有关，抑郁孕妇对婴儿的痛苦情绪的敏感性降低，表现出注意回避。抑郁孕产妇的注意回避现象与该发明中抑郁症患者存在对负面信息注意增加的原理不一致，因此该发明不适用于产后抑郁症的诊断。同时，(任四兰等，2021)患有产后抑郁症的女性存在注意力难以集中、注意力分散等症状。产后女性使用该发明识别产后抑郁症时，难以长时间配合数据采集，并且会对正性、中性和负性信息注意都减少，容易造成识别结果偏差。
[0032]
发明人：王桥等人(2016)《一种基于表情分析的抑郁程度自动评估系统》，该发明缺点在于，(李密密等，2016)hamd是临床中常用的产后抑郁他评工具之一，但对评估者要求较高，不宜大面积筛查中使用。同时该发明需要以访谈形式记录，对视频拍摄角度、环境有一定要求，而且长期视频记录，容易引起产后女性烦躁，影响表情评估结果，因此该发明不适合产后女性长期居家进行。
[0033]
基于分析生物电信号来评估抑郁症的方式，包括：脑电信号、心电信号等等，往往由于其监测方式缺乏便捷性和易操作性，涉及的设备较大，不适用于产后女性用于日常监测产后抑郁症。
[0034]
发明人：胡斌等人(2016)《一种脑电与温度相结合的抑郁人判定方法》，该发明缺点在于，涉及脑电信号采集需要专业人员进行操作，不适合产后女性用于居家判定产后抑郁，对产后女性来说该发明缺乏便捷性、准确易操作性。
[0035]
发明人：杨荣骞等人(2015)《基于生理信息的抑郁症评估系统及其评估方法》，该发明缺点在于，产后女性需要照顾婴儿，没有额外时间完成一系列需要他人辅助的测试。
[0036]
发明人：吕胜富等人(2015)《一种抑郁风险三级预警方法及系统》，该发明缺点在于，核磁共振成像设备属于专业医疗设备，设备使用操作要求高，无法将检查延伸到医院之外，检查时需要避免金属物件，同时核磁共振检查费用较高，所需时间较长，在密闭空间下
容易产生恐惧心理，因此不适合产后女性用于常规监测产后抑郁。
[0037]
针对睡眠监测的现有技术缺点。
[0038]
(1)发明人：李超(2014)《基于多路传感器来确定上下床状态的方法及系统》、发明人：倪红波等人(2016)《一种基于压电陶瓷传感器的睡眠监测装置及方法》、发明人：高理升等人(2018)《一种基于柔性阵列压力传感器的睡眠质量评估床垫及其使用方法》、发明人：陈强等人(2016)《枕式睡眠生理参数监测装置》，基于床、床垫及枕头等床上用品监测睡眠的方式缺点在于，需要用户与监测设备进行接触，而产后女性因照看婴儿需要频繁起身，难以进行长时间持续睡眠，同时当在床上护理婴儿时，会产生异常的压力信号，容易对监测数据产生误差。
[0039]
(2)发明人：日东电工株式会社(2014)《用于睡眠监测的设备和方法》，该发明的缺点在于，使用加速度传感器判别睡眠或清醒状态，无法判断清醒状态时手部活动较小的情况，睡眠监测结果容易与实际情况不符。
[0040]
(3)发明人：歌尔科技有限公司(2021)《睡眠监测提醒方法、装置、智能穿戴设备及存储介质》，该发明的缺点在于，此监测方式是对睡眠过程的监测和提醒，而不是睡眠质量结果的反馈，产后女性睡眠将长期处于异常状态，因此该监测方式不适用于产后女性。
[0041]
(4)发明人：张婧文等人(2018)《一种基于脑电及眼电的睡眠质量监测仪及其监测方法》，该发明缺点在于，需要专业人员辅助下才能完成电极片的正确佩戴，不适用于居家监测。
[0042]
针对血糖监控系统的现有技术缺点。
[0043]
(1)发明人：张莹等人(2020)《基于多维数据预测餐后血糖的方法和装置》，该发明涉及的生理参数包括血液参数、肝肾功能参数，获取这些参数信息需要采取有创方式，同时需要每天测量指尖血糖值。
[0044]
(2)发明人：韩洋等人(2022)《标签生成方法和装置、监控血糖水平的系统》、发明人：祝娅(2019)《一种基于血糖监测的妊娠期血糖监控系统及在疾病监控系统中的应用》、发明人：伊多
·
韦克勒等人(2020)《用于生物监测和血糖预测的系统及相关联方法》，缺点在于结合影响血糖的因素预测未来血糖变化，目的在于管理血糖，未提及基于血糖浓度变化回溯事件信息，不适用于产后抑郁症监测的实际效果，综上，我们提出了一种识别与监测产后抑郁的智能可穿戴设备及其实现方法。

技术实现要素：

[0045]
(一)解决的技术问题
[0046]
针对现有技术的不足，本发明提供了一种识别与监测产后抑郁的智能可穿戴设备及其实现方法，解决了上述的问题。
[0047]
(二)技术方案
[0048]
为实现上述所述目的，本发明提供如下技术方案：一种识别与监测产后抑郁的智能可穿戴设备，包括可穿戴腕带本体，腕带本体用于将血糖采集与数据处理器集合原件固定在用户手腕处，血糖采集与数据处理器集合原件上设置有电化学传感器，血糖采集与数据处理器集合原件包括血糖采集模块、数据处理模块、gsm和/或gprs和/或wifi模块以及供电模块，血糖采集与数据处理器集合原件设置有与之配合使用的智能终端app平台，所述智
能终端app平台包括数据接收模块、数据存储模块、数据分析模块和健康预警模块。
[0049]
一种识别与监测产后抑郁的智能可穿戴设备的实现方法，包括以下步骤：
[0050]
第一步：在腕带本体中嵌入血糖采集模块，然后识别与监测产后抑郁的智能可穿戴设备与对应的智能终端app平台进行配对，用户穿上识别与监测产后抑郁的智能可穿戴设备后进行初始化设置；
[0051]
第二步：血糖采集模块在预设时间段内采集产后女性血糖值，并将采集到的数据发送到智能终端app平台，智能终端app平台将接收的数据按预设规则与正常血糖数据进行对比分析；
[0052]
第三步：根据分析结果，对产后女性进行产后抑郁症风险识别与预判，并对风险严重程度作分级处理；
[0053]
第四步：将判别结果展示给用户，智能终端app平台将分析情况做出预防提醒，向用户发送预警报告信息，便于用户监控和了解自己的健康状况，用户及时到医院就诊。
[0054]
优选的，所述第二步中的血糖采集模块采集产后女性血糖值是通过反向离子电渗法检测表皮间质液中的葡萄糖浓度，具体方法是：在皮肤表面放置两个电极，通过电极对皮肤施加一定电压，在电场作用下，皮下组织中的cl-离子和na+离子分别向正负极移动，即形成一个从皮肤表层经过皮下组织再回到皮肤表层的直流电流通道，利用na+的电迁移形成的一个由正极到负极的离子流，将皮下组织液中的中性葡萄糖分子携带到皮肤表面，渗透出的葡萄糖分子与酶反应，血糖采集模块通过测量反应程度可计算出当前的血糖水平。
[0055]
优选的，所述智能终端app平台中的数据存储模块以七天为周期按照指定的格式记录血糖数据，血糖数据包括空腹血糖和餐后一小时血糖，即每个周期共记录二十八个数据。
[0056]
优选的，所述智能终端app平台将接收的数据按预设规则与正常血糖数据进行对比分析内容为：智能终端app平台中的数据分析模块结合产后抑郁发生率时间点和婴儿成长期的睡眠规律，产后时间段为产后零至三个月、三至六个月、六至十五个月、十五至二十四个月以及二十四至三十六个月，每个时间段的睡眠模式数据设定相关血糖阈值，智能终端 app平台将接收的血糖数据与预设的阈值进行对比分析，当记录的数据在周期时间超出阈值范围时，健康预警模块生成预警报告信息。
[0057]
优选的，智能终端app平台将接收的血糖数据与预设的阈值进行对比分析的方法是：阈值以每个产后时间段内夜间睡眠时长在七至九小时的每个时间点的血糖浓度正常范围作为基准阈值；
[0058]
对于零至三个月时间段，判断用户空腹血糖数据是否高于基准阈值的20％，如果是，则判断用户当天空腹血糖异常，判断用户早餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天早餐后1h血糖异常，判断用户午餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天午餐后1h血糖异常，判断用户晚餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天晚餐后1h血糖异常；
[0059]
对于三至六个月时间段，判断用户空腹血糖数据是否高于基准阈值的20％，如果是，则判断用户当天空腹血糖异常，判断用户早餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天早餐后1h血糖异常，判断用户午餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天午餐后1h血糖异常，判断用户晚餐后1h血糖数据是否高
于基准阈值的20％，如果是，则判断用户当天晚餐后1h血糖异常；
[0060]
对于六至十五个月时间段，判断用户空腹血糖数据是否高于基准阈值的20％，如果是，则判断用户当天空腹血糖异常，判断用户早餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天早餐后1h血糖异常，判断用户午餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天午餐后1h血糖异常，判断用户晚餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天晚餐后1h血糖异常；
[0061]
对于十五至二十四个月时间段，判断用户空腹血糖数据是否高于基准阈值的8％，如果是，则判断用户当天空腹血糖异常，判断用户早餐后1h血糖数据是否高于基准阈值的8％，如果是，则判断用户当天早餐后1h血糖异常，判断用户午餐后1h血糖数据是否高于基准阈值的8％，如果是，则判断用户当天午餐后1h血糖异常，判断用户晚餐后1h血糖数据是否高于基准阈值的8％，如果是，则判断用户当天晚餐后1h血糖异常；
[0062]
对于二十四至三十六个月时间段，判断用户空腹血糖数据是否高于基准阈值的8％，如果是，则判断用户当天空腹血糖异常，判断用户早餐后1h血糖数据是否高于基准阈值的 8％，如果是，则判断用户当天早餐后1h血糖异常，判断用户午餐后1h血糖数据是否高于基准阈值的8％，如果是，则判断用户当天午餐后1h血糖异常，判断用户晚餐后1h血糖数据是否高于基准阈值的8％，如果是，则判断用户当天晚餐后1h血糖异常。
[0063]
优选的，所述健康预警模块统计周期内的异常数据，以7天为一个周期，当7天中有 3天用户至少出现2次血糖数据异常，则判定为level-1产后抑郁预警模式，通过智能终端app平台向用户发送提醒，当7天中有5天用户至少出现2次血糖数据异常，则判定为 level-2产后抑郁预警模式，通过智能终端app平台4向用户发送提醒；当7天中有7天用户至少出现2次血糖数据异常，则判定为level-3产后抑郁预警模式，通过智能终端app 平台向用户发送提醒，并建议用户尽快到医院进行检查。
[0064]
(三)有益效果
[0065]
与现有技术相比，本发明提供了一种识别与监测产后抑郁的智能可穿戴设备及其实现方法，具备以下有益效果：
[0066]
1、本发明针对目前已有产后抑郁状态的诊断方式和设备，但没有考虑用户的生活环境状态，而基于医院或实验室的有创检测，用户无法完成自我检测，而且是单次性检测，不能提供连续的监测数据，主流使用量表的方式进行筛查，但产后抑郁评估量表使用种类较多，各量表在使用中存在时点不同、分界值差异等问题，使得产后抑郁筛检率跨度范围存在较大差异。本发明将能适用于早期产后抑郁症状的监测，使用无创、可穿戴的方式，减少用户额外生活负担，用户将在家中即可实现便捷、无创、长期地了解自身抑郁状况。
[0067]
2、本发明适用于产后女性的智能可穿戴设备具有针对性和科学性，通过大量文献资料确定血糖浓度、产后女性睡眠状况与抑郁状态三者间关系，实现人体无创监测与诊断，当用户在穿着适用于识别与监测产后抑郁的智能健康设备时，如果周期时间内用户的数据反复异常于基础阈值，则会通过手机警示用户或给用户。本发明的目的是对产后抑郁症前期阻断与预判，并非对抑郁结果的筛查，能使人们的医疗观念从为中心转变为以预防、保健为中心，医学模式从医院为中心转变为以家庭、病人为中心。
[0068]
3、本发明结合产后抑郁发生率时间点和婴儿成长期的睡眠规律，采用无创可穿戴的方式，实现长期监测用户生理参数变化，并保存和传输数据至智能终端app，app将记录和
分析数据，判断抑郁状态的风险程度，建立风险警报等级模型，及时反馈信息并提醒用户健康状态。当用户的生理情况数值稍微偏离正常值时，建议通过均衡饮食和科学睡眠等方法使人体的健康数值回归正常状态，若用户的生理情况数值偏离正常值较大且频繁时，则建议到医院进行相应检查。
[0069]
4、本发明结合智能终端app，建立风险警报等级机制，可以有效提高筛查与识别产后抑郁症效率，在产后特殊时间段内，做到及时发现、及时预警、及时护理。
附图说明
[0070]
图1为本发明装置示意图；
[0071]
图2为本发明系统示意图；
[0072]
图3为本发明流程示意图。
[0073]
图中：1、腕带本体；2、电化学传感器；3、血糖采集与数据处理器集合原件；4、智能终端app平台；31、血糖采集模块；32、数据处理模块；33、gsm和/或gprs和/或wifi 模块；34、供电模块；41、数据接收模块；42、数据存储模块；43、数据分析模块；44、健康预警模块。
具体实施方式
[0074]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。
[0075]
请参阅图1-3，一种识别与监测产后抑郁的智能可穿戴设备，包括可穿戴腕带本体1，腕带本体1用于将血糖采集与数据处理器集合原件3固定在用户手腕处，血糖采集与数据处理器集合原件3上设置有电化学传感器2，血糖采集与数据处理器集合原件3包括血糖采集模块31、数据处理模块32、gsm和/或gprs和/或wifi模块33以及供电模块34，血糖采集与数据处理器集合原件3设置有与之配合使用的智能终端app平台4，智能终端app 平台4包括数据接收模块41、数据存储模块42、数据分析模块43和健康预警模块44。
[0076]
血糖采集与数据处理器集合原件3放置在人体手腕部位，采用无创血糖检测方式，不影响用户健康以及血糖检测准确度的情况下，与柔软透气腕带1配合，能满足睡眠穿着的舒适性，给使用者带来很多便捷，并不对人体产生异物感。
[0077]
血糖采集与数据处理器集合原件3中血糖采集模块31用于在预设的时间段采集用户的血糖值，如空腹血糖值和餐后1小时内血糖值，数据处理模块32用于按预设规则对接收的血糖数据进行统计，并将数据缓存等待发送，gsm和/或gprs和/或wifi模块33用于接连智能终端app平台4的接收数据模块41，并将采集到的血糖参数信息无线发送到智能终端app平台4，供电模块34包括充电电路模块341和/或电池安装模块342两部分，用户可根据需求选择使用充电电路模块341提前充电或是使用电池安装模块342进行电池供电，供电模块34与血糖采集模块31、数据处理模块32和gsm和/或gprs和/或wifi无线通信模块33均相连接，用于给血糖采集与数据处理器集合原件3中各模块的供电。
[0078]
智能终端app平台4中数据接收模块41用于与血糖采集与数据处理器集合原件3的 gsm和/或gprs和/或wifi无线通信模块33连接，连接后无线接收对方发送的血糖数据，数据
3个月内，一周夜间觉醒次数为17次，单个夜间觉醒次数为3次，夜间清醒时长大于2h(120min)，夜间睡眠时长少于6h(360min)；3-6个月内，一周夜间觉醒次数为16次，单个夜间觉醒次数为3次，夜间清醒时长大于2h(120min)，夜间睡眠时长少于6h(360min)；6-15个月内，一周夜间觉醒次数为15次，单个夜间觉醒次数为3 次，夜间清醒时长大于2h(120min)，夜间睡眠时长少于6h(360min)；15-24个月内，一周夜间觉醒次数为10次，单个夜间觉醒次数为2次，夜间清醒时长大于90min，夜间睡眠时长少于6h(360min)；24-36个月内，一周夜间觉醒次数为9次，单个夜间觉醒次数 2次，夜间清醒时长大于90min，夜间睡眠时长少于6h(360min)。
[0089]
智能终端app平台4将接收的血糖数据与预设的阈值进行对比分析的方法是：
[0090]
阈值以用户自身血糖数据作为基准阈值。血糖受年龄、饮食习惯、身体素质等因素影响，存在个体差异，因此为了进行准确判断，优选使用用户自身的血糖数据，能做出适合每位产后女性的判断；
[0091]
另一方面，阈值以每个产后时间段内夜间睡眠时长在七至九小时的每个时间点的血糖浓度正常范围作为基准阈值。在此情况下，基准阈值可对多个用户共同使用，节省为每个用户生成及管理基准阈值的操作。正常情况下，空腹血糖浓度在70-110mg/dl，餐后1h血糖浓度为120-170mg/dl；
[0092]
对于0-3个月时间段，判断用户空腹血糖数据是否高于基准阈值的20％，如果是，则判断用户当天空腹血糖异常；判断用户早餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天早餐后1h血糖异常；判断用户午餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天午餐后1h血糖异常；判断用户晚餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天晚餐后1h血糖异常；
[0093]
对于3-6个月时间段，判断用户空腹血糖数据是否高于基准阈值的20％，如果是，则判断用户当天空腹血糖异常；判断用户早餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天早餐后1h血糖异常；判断用户午餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天午餐后1h血糖异常；判断用户晚餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天晚餐后1h血糖异常；
[0094]
对于6-15个月时间段，判断用户空腹血糖数据是否高于基准阈值的20％，如果是，则判断用户当天空腹血糖异常；判断用户早餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天早餐后1h血糖异常；判断用户午餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天午餐后1h血糖异常；判断用户晚餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天晚餐后1h血糖异常；
[0095]
对于15-24个月时间段，判断用户空腹血糖数据是否高于基准阈值的8％，如果是，则判断用户当天空腹血糖异常；判断用户早餐后1h血糖数据是否高于基准阈值的8％，如果是，则判断用户当天早餐后1h血糖异常；判断用户午餐后1h血糖数据是否高于基准阈值的8％，如果是，则判断用户当天午餐后1h血糖异常；判断用户晚餐后1h血糖数据是否高于基准阈值的8％，如果是，则判断用户当天晚餐后1h血糖异常；
[0096]
对于24-36个月时间段，判断用户空腹血糖数据是否高于基准阈值的8％，如果是，则判断用户当天空腹血糖异常；判断用户早餐后1h血糖数据是否高于基准阈值的8％，如果是，则判断用户当天早餐后1h血糖异常；判断用户午餐后1h血糖数据是否高于基准阈值的
8％，如果是，则判断用户当天午餐后1h血糖异常；判断用户晚餐后1h血糖数据是否高于基准阈值的8％，如果是，则判断用户当天晚餐后1h血糖异常。
[0097]
智能终端app4中数据存储模块42存储周期时间内的血糖数据，数据按照每天进行存储，周期内共28个数据值，如果用户的血糖超过基准阈值达到预设阈值，则判断用户当天血糖数据异常；
[0098]
健康预警模块44统计周期内的异常数据，以7天为一个周期，当7天中有3天用户至少出现2次血糖数据异常，则判定为level-1产后抑郁预警模式，通过智能终端app平台4向用户发送提醒，当7天中有5天用户至少出现2次血糖数据异常，则判定为level-2 产后抑郁预警模式，通过智能终端app平台4向用户发送提醒；当7天中有7天用户至少出现2次血糖数据异常，则判定为level-3产后抑郁预警模式，通过智能终端app平台4 向用户发送提醒，并建议用户尽快到医院进行检查。
[0099]
与现有技术实施方案的对比：
[0100]
1、目前主流使用量表对产后抑郁症进行早期诊断，常用的量表有爱丁堡产后抑郁量表、抑郁自评量表和汉密尔顿抑郁量表，但是各量表在使用中存在时点不同、分界值差异等问题，使得产后抑郁筛检率跨度范围存在较大差异。同时量表测试效率低，不能满足不断增长的产后女性数量，量表依赖测试者主观表达，存在自我掩饰、隐瞒病情的情况，医生的主观判断和实际临床经验也会对测量结果造成影响。因此本发明专利使用无创测量血糖浓度的方式监测产后抑郁状况，具有客观性、便捷性。
[0101]
2、现有发明专利通过检验血液特定成分，分析用户行为特征、生理参数和生物电信号对抑郁结果进行评估，而本发明专利是对产后抑郁过程的预判，基于血糖浓度变化建立抑郁风险预警机制，而监测血糖可以使用便捷无创的方式，因此本发明专利中可穿戴的方式可实现长期、科学、无创监测产后女性抑郁状况。
[0102]
3、目前对血糖进行监测的发明专利主要是服务于糖尿病患者更好地管理血糖变化，本发明专利引入血糖浓度变化数据来反映产后抑郁风险。同时，考虑到妊娠糖尿病患者和非妊娠糖尿病患者的使用情况，用户自身血糖数据和正常均值血糖数据作为本发明所采用的两种基准阈值，提高了本发明的适用人范围。
[0103]
4、在已有针对产后抑郁的发明专利中，测量时间较为随意，忽略了女性产后抑郁症发生率以及因照养婴儿而引起的睡眠不足问题，因此本发明结合产后抑郁发生率时间点和婴儿成长期的睡眠规律，划分为0-3个月、3-6个月、6-15个月、15-24个月以及24-36 个月5个时间段，可实现产后抑郁风险进行更长期且科学的监测。
[0104]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：

1.一种识别与监测产后抑郁的智能可穿戴设备，其特征在于，包括可穿戴腕带本体(1)，腕带本体(1)用于将血糖采集与数据处理器集合原件(3)固定在用户手腕处，血糖采集与数据处理器集合原件(3)上设置有电化学传感器(2)，血糖采集与数据处理器集合原件(3)包括血糖采集模块(31)、数据处理模块(32)、gsm和/或gprs和/或wifi模块(33)以及供电模块(34)，血糖采集与数据处理器集合原件(3)设置有与之配合使用的智能终端app平台(4)，所述智能终端app平台(4)包括数据接收模块(41)、数据存储模块(42)、数据分析模块(43)和健康预警模块(44)。2.一种识别与监测产后抑郁的智能可穿戴设备的实现方法，其特征在于，包括以下步骤：第一步：在腕带本体(1)中嵌入血糖采集模块(31)，然后识别与监测产后抑郁的智能可穿戴设备与对应的智能终端app平台(4)进行配对，用户穿上识别与监测产后抑郁的智能可穿戴设备后进行初始化设置；第二步：血糖采集模块(31)在预设时间段内采集产后女性血糖值，并将采集到的数据发送到智能终端app平台(4)，智能终端app平台(4)将接收的数据按预设规则与正常血糖数据进行对比分析；第三步：根据分析结果，对产后女性进行产后抑郁症风险识别与预判，并对风险严重程度作分级处理；第四步：将判别结果展示给用户，智能终端app平台(4)将分析情况做出预防提醒，向用户发送预警报告信息，便于用户监控和了解自己的健康状况，用户及时到医院就诊。3.根据权利要求2所述的一种识别与监测产后抑郁的智能可穿戴设备的实现方法，其特征在于：第二步中的血糖采集模块(31)采集产后女性血糖值是通过反向离子电渗法检测表皮间质液中的葡萄糖浓度，具体方法是：在皮肤表面放置两个电极，通过电极对皮肤施加一定电压，在电场作用下，皮下组织中的cl-离子和na+离子分别向正负极移动，即形成一个从皮肤表层经过皮下组织再回到皮肤表层的直流电流通道，利用na+的电迁移形成的一个由正极到负极的离子流，将皮下组织液中的中性葡萄糖分子携带到皮肤表面，渗透出的葡萄糖分子与酶反应，血糖采集模块(31)通过测量反应程度可计算出当前的血糖水平。4.根据权利要求2所述的一种识别与监测产后抑郁的智能可穿戴设备的实现方法，其特征在于：所述智能终端app平台(4)中的数据存储模块(42)以七天为周期按照指定的格式记录血糖数据，血糖数据包括空腹血糖和餐后一小时血糖，即每个周期共记录二十八个数据。5.根据权利要求2所述的一种识别与监测产后抑郁的智能可穿戴设备的实现方法，其特征在于：所述智能终端app平台(4)将接收的数据按预设规则与正常血糖数据进行对比分析内容为：智能终端app平台(4)中的数据分析模块(43)结合产后抑郁发生率时间点和婴儿成长期的睡眠规律，产后时间段为产后零至三个月、三至六个月、六至十五个月、十五至二十四个月以及二十四至三十六个月，每个时间段的睡眠模式数据设定相关血糖阈值，智能终端app平台(4)将接收的血糖数据与预设的阈值进行对比分析，当记录的数据在周期时间超出阈值范围时，健康预警模块(44)生成预警报告信息。6.根据权利要求2所述的一种识别与监测产后抑郁的智能可穿戴设备的实现方法，其特征在于：所述智能终端app平台(4)将接收的血糖数据与预设的阈值进行对比分析的方法
是：阈值以每个产后时间段内夜间睡眠时长在七至九小时的每个时间点的血糖浓度正常范围作为基准阈值；对于零至三个月时间段，判断用户空腹血糖数据是否高于基准阈值的20％，如果是，则判断用户当天空腹血糖异常，判断用户早餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天早餐后1h血糖异常，判断用户午餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天午餐后1h血糖异常，判断用户晚餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天晚餐后1h血糖异常；对于三至六个月时间段，判断用户空腹血糖数据是否高于基准阈值的20％，如果是，则判断用户当天空腹血糖异常，判断用户早餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天早餐后1h血糖异常，判断用户午餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天午餐后1h血糖异常，判断用户晚餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天晚餐后1h血糖异常；对于六至十五个月时间段，判断用户空腹血糖数据是否高于基准阈值的20％，如果是，则判断用户当天空腹血糖异常，判断用户早餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天早餐后1h血糖异常，判断用户午餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天午餐后1h血糖异常，判断用户晚餐后1h血糖数据是否高于基准阈值的20％，如果是，则判断用户当天晚餐后1h血糖异常；对于十五至二十四个月时间段，判断用户空腹血糖数据是否高于基准阈值的8％，如果是，则判断用户当天空腹血糖异常，判断用户早餐后1h血糖数据是否高于基准阈值的8％，如果是，则判断用户当天早餐后1h血糖异常，判断用户午餐后1h血糖数据是否高于基准阈值的8％，如果是，则判断用户当天午餐后1h血糖异常，判断用户晚餐后1h血糖数据是否高于基准阈值的8％，如果是，则判断用户当天晚餐后1h血糖异常；对于二十四至三十六个月时间段，判断用户空腹血糖数据是否高于基准阈值的8％，如果是，则判断用户当天空腹血糖异常，判断用户早餐后1h血糖数据是否高于基准阈值的8％，如果是，则判断用户当天早餐后1h血糖异常，判断用户午餐后1h血糖数据是否高于基准阈值的8％，如果是，则判断用户当天午餐后1h血糖异常，判断用户晚餐后1h血糖数据是否高于基准阈值的8％，如果是，则判断用户当天晚餐后1h血糖异常。7.根据权利要求2所述的一种识别与监测产后抑郁的智能可穿戴设备的实现方法，其特征在于：所述健康预警模块(44)统计周期内的异常数据，以7天为一个周期，当7天中有3天用户至少出现2次血糖数据异常，则判定为level-1产后抑郁预警模式，通过智能终端app平台(4)向用户发送提醒，当7天中有5天用户至少出现2次血糖数据异常，则判定为level-2产后抑郁预警模式，通过智能终端app平台(4)向用户发送提醒，当7天中有7天用户至少出现2次血糖数据异常，则判定为level-3产后抑郁预警模式，通过智能终端app平台(4)向用户发送提醒，并建议用户尽快到医院进行检查。

技术总结

本发明涉及智能可穿戴设备领域，且公开了一种识别与监测产后抑郁的智能可穿戴设备及其实现方法，本发明适用于产后女性的智能可穿戴设备具有针对性和科学性，通过大量文献资料确定血糖浓度、产后女性睡眠状况与抑郁状态三者间关系，实现人体无创监测与诊断，当用户在穿着适用于识别与监测产后抑郁的智能健康设备时，如果周期时间内用户的数据反复异常于基础阈值，则会通过手机警示用户或给用户。本发明的目的是对产后抑郁症前期阻断与预判，并非对抑郁结果的筛查，能使人们的医疗观念从为中心转变为以预防、保健为中心，医学模式从医院为中心转变为以家庭、病人为中心。心。心。