技术领域
[0001] 本发明属于医疗相关设备领域，尤其是涉及一种具有自适应提醒功能的智能药盒。
相关背景技术
[0002] 用户服药的行为包括设定用药日程、定时提醒服药、延迟服药或漏服药，检测报警。目前智能药盒为了提醒人们按时服药，通常使用预设定时闹钟的方式进行提醒，当时间到达预设时间后即开始提醒，包括灯光显示提醒、语音提醒和智能端应用提醒等方式。
[0003] 但是针对上述中的相关技术，其存在以下缺陷，现有的智能药盒基本采用药盒本身提醒加患者及家属手机对应智能应用辅助提醒的方式，在初始设定完整提醒程序后无法再针对用户个性化进行提醒方式的自适应调整，如公开号为CN116864070A的中国专利文献公开了一种用户科学用药辅助提醒方法，通过用药记录建立相关模型评估该用户的用药习惯，实现对用户习惯的辅助提醒。即便有可基于参数变化自适应的提醒方法，如公开号为CN111916175A的基于参数变化自适应调整提醒计划的系统、方法及药盒，也只是聚焦在根据用户数据修改提醒日程满足服药及时性的效果上，而针对收集数据的方法本身无法做到自适应的调整，因此难以提高收集数据的精确度。
[0004] 如今中国逐渐迈入老龄化社会，老年人由于生理性衰老导致的高血压病、糖尿病等一系列慢性病会增加老人漏服药的安全风险，特别是老年人在发生漏服药行为后，无意识打乱服药周期。例如老年人服药后忘记，短时间内二次服药；老年人漏服药后补服却忽略下一次服药的时间间隔，导致药品浓度在体内浓度过高增加隐患；老年人漏服一次药后，无意识漏服行为，使服药间隔时间过长药品在体内浓度过低而无效。
[0005] 当前并无专门针对同时满足根据用户行为数据实现提醒日程自适应和数据收集模型自适应以确保个性化数据的收集精度的有效模型和方法。同时一方面需要考虑到在日常使用中如何降低用户的操作成本，以及降低硬件成本与检测能耗从而更好利用社会公共资源；另一方面日常使用中，对不同用户的提醒需要满足个性化的需求。
具体实施方式
[0066] 下面结合附图和实施例对本发明做进一步详细描述，需要指出的是，以下所述实施例旨在便于对本发明的理解，而对其不起任何限定作用。
[0067] 本发明的智能药盒特别适用于具有长期服药需求且服药日程非常规时段和非常规频率的慢性病患者人群。
[0068] 如图1所示，一种具有自适应提醒功能的智能药盒，每个智能药盒包括电源模块101、分析控制模块102、通讯模块103、实时时钟模块104、智能检测模块105、复位按键106和执行模块。其中执行模块进一步包括颜色显示模块107和声音模块108。下面对上述各个模块进行详细说明。
[0069] 电源模块101用于给智能药盒的各个模块提供电能。
[0070] 通讯模块103用于更新数据库与手机端应用信息。
[0071] 实时时钟模块104，当分析控制模块102检测到用药日程开启，提醒系统激活，实时时钟模块104开始计时。任何时候用户变更服药状态都记录事件时间戳。
[0072] 智能检测模块105用于检测用户是否成功完成用药动作。
[0073] 复位按键106，用户可以在超过预设用药时间完成服药动作后，重置用药等待时间，并触发分析控制模块102记录服药数据，颜色显示模块107更新颜色。
[0074] 颜色显示模块107，所有药品格外侧各设置一个，颜色显示模块107使用的颜色和日常使用的红绿灯颜色指示认知统一，开盖前显示绿色表示对应药品格可服药，服药过程中亮灯验证时间窗口合理性，显示绿色的初始时间区间为(0,150]，显示黄色的初始时间区间为(150,300]，显示红色的初始时间区间为(300,600]，创新加入颜色变化代表警示的含义。
[0075] 声音模块108，当用药日程开始时，警报提示音响起直至用户打开药盒。
[0076] 在每个智能药盒内，分析控制模块102分别与电源模块101、通讯模块103、实时时钟模块104、智能检测模块105、复位按键106、颜色显示模块107、声音模块108通信连接。控制规则为分析控制模块102接受到用药日程开启的信号后，控制颜色显示模块107从白色显示为绿色，控制声音模块108响铃提示，同时控制实时时钟模块104开始计时；在提醒时间内，变换颜色督促用户完成服药，用户服药过程中通过复位按键106重置等待时间；完成服药后，智能检测程序验证服药行为，并触发实时时钟模块104重新计时；若智能检测模块105判定为用户延迟服药或漏服药，则分析控制模块102控制实时时钟模块104重新计时，触发通讯模块103向数据库和用户手机端应用更新数据，并重新计算用药间隔，自动更新下一次用药提醒时间覆盖原用药日程。
[0077] 如图2所示，本发明实施例中自适应功能的行为节律模型构建包括行为节律模型和统计度量，其中行为节律模型包括时间序列、时间窗口、滑动窗口模型和LSTM(长短期记忆网络)，统计度量包括标准差、变异系数和滑动窗口平均值。下面对上述各个模块进行详细说明。
[0078] 时间序列用于识别用户行为的周期性和趋势。
[0079] 时间窗口用于引入用户反馈机制来验证捕捉取药行为的合理性，避免用户报告频繁误报。
[0080] 滑动窗口模型用于快速捕捉用户行为的即时变化。
[0081] LSTM(长短期记忆网络)用于深度学习用户行为中的复杂模式和依赖关系，预测用户未来行为并适应行为变化自适应调整用药日程。
[0082] 标准差和变异系数用于量化用户行为的稳定性和波动性。
[0083] 滑动窗口平均值用于快速识别行为的偏离，从而及时调整提醒策略。
[0084] 在自适应模型内，系统通过统计度量评估行为稳定性，通过时间序列分析和滑动窗口模型识别基线行为和任何即时变化；通过LSTM深入学习用户行为的模式，预测未来的行为变化，并根据LSTM和滑动窗口模型的输出动态调整提醒时间，以适应用户行为的实际变化；同时系统持续监控用户行为，根据新的数据调整模型以实现长期的自适应调整。
[0085] 如图3所示，发生延迟用药或漏服药行为后，自适应提醒的工作流程如下：
[0086] (1)用户预设用药日程后，到达用药时间，智能药盒自动提醒用药。
[0087] (2)根据用户实际服药时间调整时间窗口阈值，并减少因用户延迟响应而导致的误判。
[0088] (3)判定用户行为稳定性。
[0089] (4)当用户行为不稳定时取较大P值，当用户行为稳定时取较小P值；若用户延迟服药的次数大于P，调整时间窗口阈值的最大值和最小值。
[0090] (5)智能检测模块接收药品格盖子关闭信号后检测用药状态。
[0091] (6)当变异系数CV小于或等于0.2时，对用户用药行为进行短期自适应调整；当变异系数CV大于0.2时，对用户用药行为进行动态追踪、模式识别和适应性学习。
[0092] (7)LSTM(长短期记忆网络)根据收集数据进行长期(如按服药疗程周期)自适应调整。
[0093] 如图4所示，判定用户行为稳定性的流程如下：
[0094] (1)计算滑动窗口平均值。
[0095] (2)计算窗口内标准差S。
[0096] (3)整合数据计算变异系数CV。
[0097] (4)判断变异系数CV是否小于等于0.2，若小于等于0.2则判定用户行为稳定，若大于0.2则判定用户行为不稳定。
[0098] (5)输出判定结果。
[0099] (6)补充数据集，将数据集的80％进行训练，得到真实环境中可以使用的数据模型，剩余20％用于测试，多次训练可以提高正确率。
[0100] 如图5所示，时间窗口的调整逻辑为：
[0101] A.计算M值
[0102] 对于每次使用，系统计算时间差M＝Tm2‑Tm1。这个时间差代表了用户实际用于操作药盒的时间。
[0103] B.计算M超过Tmax或低于Tmin的次数P
[0104] 系统需要追踪每次M是否超过了当前设定的时间窗口最大值或低于当前设定的时间窗口最小值。如果M大于最大值，该次操作被记录为一次“超时”，若超时的次数达到了设定的阈值P，系统将自动调整时间窗口的最大值。具体地，如果M值超过当前最大值超过P次，最大值将调整为最近一次的(M+10)值。同理，如果M小于最小值，该次操作被记录为一次“超时”，若超时的次数达到了设定的阈值P，系统将自动调整时间窗口的最小值。具体地，如果M值低于当前最小值超过P次，最小值将调整为最近一次的(M‑10)值，当M小于等于10时，最小值取1。
[0105] C.判定用户行为是否稳定
[0106] C1设定变异系数的阈值为20％，若变异系数的计算值小于或等于0.20，认为用户的行为是稳定的，P的取值范围为5≤P<10。
[0107] C2若变异系数大于0.20，认为行为是不稳定的，P的取值范围为10≤P<20。
[0108] D.区间阈值调整
[0109] D1基于差值自适应调整的时间窗口初始状态为Tmin≤M≤Tmax，阈值的最小值和最大值根据药盒反馈的时间数据浮动10秒调整区间，若M超过最大值的次数大于P，T’max＝max[Tmax,M+10]。
[0110] D2若M低于最小值的次数大于P，T’min＝min[1,|M‑10|]。
[0111] E.时间窗口自适应
[0112] 时间窗口大小根据用户反馈数据自适应调整，同时亮灯时间长度的调整跟随时间窗口变化动态调整，具体定义为绿灯表示充足时间，从Tmax开始倒计时，黄灯表示时间开始紧张，设置在倒计时的中间阶段，红灯表示时间临近结束，设置在倒计时的最后阶段；随着Tmax和Tmin的调整，整个倒计时的总长度和各个阶段的持续时间也相应地调整。
[0113] 以上所述的实施例对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的具体实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换，均应包含在本发明的保护范围之内。
