首页 > 资讯 > 一种健康状态的监测方法及装置与流程

一种健康状态的监测方法及装置与流程

泰然健康网
2025-07-15 21:18

1.本技术涉及健康监测技术领域，具体而言，涉及一种健康状态的监测方法及装置。

背景技术：

2.健康管理系统，用于对用户的健康状态进行管理。在健康管理的过程中，通常先获取用户的各项监测数据(如运动量)，然后利用监测数据确定用户的健康状态，并基于确定的健康状态给出相应的指导建议。
3.现有技术中，仅利用监测数据作一些简单的评估，例如根据运动量评估能量消耗，以指导在对应的能量消耗下的饮食。这种方式，不能对健康状态起到有效的监测，且所给出的指导建议的准确性也较低。

技术实现要素：

4.本技术实施例的目的在于提供一种健康状态的监测方法及装置，用以实现健康状态的有效监测，以及提高健康指导建议的准确性。
5.第一方面，本技术实施例提供一种健康状态的监测装置，包括：健康管理模块，用于：获取用户的健康管理需求和基础信息，所述健康管理需求用于指示所述用户所需求的健康状态，所述基础信息为与所述用户的健康状态相关的个人信息；根据所述健康管理需求和所述基础信息确定所述用户的运动计划，并将所述运动计划反馈给所述用户，以使所述用户执行所述运动计划；健康监测模块，用于监测所述用户的运动数据、日常活动数据、健康状态数据；所述健康管理模块，还用于：根据所述运动数据、日常活动数据、健康状态数据确定所述用户的健康状态。
6.在本技术实施例中，与现有技术相比，获取用户的健康管理需求和基础信息，其中，健康管理需求可以指示用户所需求的健康状态，基础信息与用户的健康状态相关；基于这两项与健康状态具有强关联性的信息，可为用户确定出与其健康状态所适配的运动计划，该运动计划相当于健康指导建议，准确性较高。在反馈运动计划之后，再对用户的运动数据、日常活动数据以及健康状态数据进行监测，以对用户的健康状态进行确定，进而实现健康状态的有效且准确的监测。
7.作为一种可能的实现方式，所述健康管理模块具体用于：将所述健康管理需求和所述基础信息输入预先训练好的运动计划生成模型中，获得所述预先训练好的运动计划生成模型输出的运动计划。
8.在本技术实施例中，通过预先训练好的运动计划生成模型，以及与健康状态具有强关联性的信息，实现运动计划的准确且有效的确定。
9.作为一种可能的实现方式，所述基础信息包括：用户年龄、用户性别、用户体重、用户身高、用户所在地区、连续的心率数据、以及连续的睡眠数据。
10.在本技术实施例中，通过上述基础信息，可以实现有效反映用户的健康状态。
11.作为一种可能的实现方式，所述运动计划包括：运动项目和运动项目对应的时间；
以及日常活动项目和日常活动项目对应的时间；所述健康管理模块具体用于：根据所述运动项目对应的时间提醒所述用户开展对应的运动项目，以及根据所述日常活动项目对应的时间提醒所述用户开展对应的日常活动项目。
12.在本技术实施例中，在运动计划中，包括运动项目和运动项目对应的时间；以及日常活动项目和日常活动项目对应的时间，基于这些信息，可以在对应的时间提醒用户开展对应的运动计划。
13.作为一种可能的实现方式，所述健康状态数据包括：心率、心率变异性、呼吸率、血氧、睡眠数据、体温、身体成分、血压、血糖、精神压力、情绪中的至少两项。
14.在本技术实施例中，通过上述健康状态数据，可以实现健康状态的有效且准确的确定。
15.作为一种可能的实现方式，所述运动数据包括：运动强度、运动类型、运动持续时间、运动频率中的至少两项；所述日常活动数据包括：日常活动强度、日常活动类型、日常活动持续时间、日常活动频率中的至少两项。
16.在本技术实施例中，通过上述运动数据和日常活动数据，可以实现健康状态的有效且准确的确定。
17.作为一种可能的实现方式，所述健康管理模块，还用于：根据所述运动数据、所述日常活动数据、所述健康状态数据对所述运动计划进行更新，并将更新的运动计划反馈给所述用户，以使所述用户执行所述更新的运动计划。
18.在本技术实施例中，通过运动数据、日常活动数据和健康状态数据，还可以对运动计划进行更新。
19.作为一种可能的实现方式，所述健康管理模块还用于：根据所述运动数据、所述日常活动数据、所述健康状态数据确定所述运动计划是否需要终止；若确定所述运动计划需要终止，生成终止提示信息并反馈给所述用户。
20.在本技术实施例中，通过运动数据、日常活动数据和健康状态数据，判断是否需要终止运动计划，若确定需要，则生成相应的提示信息反馈给用户，以实现更有效的健康状态监测。
21.作为一种可能的实现方式，所述健康管理模块还用于：在确定所述健康状态为异常健康状态时，根据所述健康状态数据生成提示信息；反馈所述提示信息。
22.在本技术实施例中，若确定健康状态为异常健康状态，生成提示信息并反馈，提高健康状态监测的有效性。
23.作为一种可能的实现方式，所述健康管理模块具体用于：获取所述用户预先输入的医疗机构信息和联系人信息；将所述提示信息反馈给所述用户，以及根据所述医疗机构信息将所述提示信息反馈给相应的医疗机构，以及根据所述联系人信息将所述提示信息反馈给相应的联系人。
24.在本技术实施例中，通过将提示信息反馈给用户、相应的医疗机构以及相应的联系人，提高健康状态监测的有效性。
25.第二方面，本技术实施例提供一种健康状态的监测方法，包括：获取用户的健康管理需求和基础信息，所述健康管理需求用于指示所述用户所需求的健康状态，所述基础信息为与所述用户的健康状态相关的个人信息；根据所述健康管理需求和所述基础信息确定
所述用户的运动计划，并将所述运动计划反馈给所述用户，以使所述用户执行所述运动计划；监测所述用户的运动数据、日常活动数据、健康状态数据；根据所述运动数据、所述活动数据、所述状态数据确定所述用户的健康状态。
附图说明
26.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
27.图1为本技术实施例提供的健康状态的监测装置的结构示意图；
28.图2为本技术实施例提供的健康状态的监测装置的监测流程图；
29.图3为本技术实施例提供的运动计划生成模型的训练流程图；
30.图4为本技术实施例提供的健康状态预测模型的训练流程图。
31.图标：100-健康状态的监测装置；110-健康管理模块；120-健康监测模块。
具体实施方式
32.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。
33.本技术实施例所提供的健康状态的监测装置可以应用于需要进行健康状态的监测的应用场景中，例如：普通用户的日常健康状态监测；医院患者的健康状态监测。基于这些应用场景，该监测装置对应的监测用户可以是普通用户，也可以是患者。
34.该监测装置可以集成在健康管理系统中，也可以集成在健康管理设备中。其中，健康管理系统通常为应用程序的硬件表现形式；而健康管理设备为硬件设备，例如：可穿戴式设备、台式设备等。因此，对于该监测装置的硬件运行环境，在本技术实施例中不作限定。
35.此外，不管是健康管理系统，还是健康管理设备，还应当包括一些监测数据的采集模块，或者可以与监测数据的采集模块建立通信连接。以可穿戴式设备为例，可穿戴式设备通常还可以采集与用户的健康状态相关的一些信息，例如：心率、血压、血糖等。
36.基于上述应用场景和硬件环境的介绍，接下来请参照图1，为本技术实施例提供的健康状态的监测装置100的结构示意图，健康状态的监测装置100包括：健康管理模块110和健康监测模块120。
37.请参照图2，为本技术实施例中提供的监测装置的监测流程的示意图，包括：
38.步骤210：健康管理模块110获取用户的健康管理需求和基础信息。其中，健康管理需求用于指示用户所需求的健康状态，基础信息为与用户的健康状态相关的个人信息。
39.步骤220：健康管理模块110根据健康管理需求和基础信息确定用户的运动计划，并将运动计划反馈给所述用户，以使用户执行运动计划。
40.步骤230：健康监测模块120监测用户的运动数据、日常活动数据、健康状态数据。
41.步骤240：健康管理模块110根据运动数据、日常活动数据、健康状态数据确定用户的健康状态。
42.通过上述监测流程可以看出，在本技术实施例中，获取用户的健康管理需求和基础信息，其中，健康管理需求可以指示用户所需求的健康状态，基础信息与用户的健康状态
相关；基于这两项与健康状态具有强关联性的信息，可为用户确定出与其健康状态所适配的运动计划，该运动计划相当于健康指导建议，准确性较高。在反馈运动计划之后，再对用户的运动数据、日常活动数据以及健康状态数据进行监测，以对用户的健康状态进行确定，进而实现健康状态的有效且准确的监测。
43.接下来对该监测装置以及对应的监测流程的实施方式作详细的介绍。
44.在步骤210中，健康管理模块110所获取的健康管理需求可以为用户输入的健康管理需求。该健康管理需求可以是用户直接输入的健康管理需求；也可以是用户从提供的多个健康管理需求中选择的某个健康管理需求。
45.健康管理需求用于指示用户所需求的健康状态，其可以是：减肥、保持身材、提升耐力、提升体能、提升灵活性、改善健康状况、辅助治疗某些慢性疾病等，在本技术实施例中不作限定。
46.健康管理模块110所获取的基础信息可以为用户输入的基础信息，也可以是本地存储的预先获取好的基础信息。基础信息与用户的健康状态相关，可以反映用户的一些基本情况。
47.作为一种可选的实施方式，基础信息包括：用户年龄、用户性别、用户体重、用户身高、用户所在地区、连续的心率数据、以及连续的睡眠数据。
48.其中，连续的心率数据可以理解为用户在一段时间内的心率数据，连续的睡眠数据可以理解为用户在一段时间内的睡眠数据，例如：每天几点睡觉，睡几个小时等。
49.基于健康管理需求和基础信息，在步骤220中，健康管理模块110确定用户的运动计划，并将运动计划反馈给用户，以使用户执行运动计划。
50.作为一种可选的实施方式，健康管理模块110将健康管理需求和基础信息输入预先训练好的运动计划生成模型中，获得预先训练好的运动计划生成模型所输出的运动计划。
51.接下来对该预先训练好的运动计划生成模型的实施方式进行介绍。
52.请参照图3，为本技术实施例提供的运动计划生成模型的训练流程图，在该训练流程中包括：分别获取第一训练样本集和第二训练样本集；然后为这两个训练样本集分别设置标签；在设置标签之后，分别基于设置标签后的两个训练样本集进行模型训练，获得训练好的运动计划生成模型。
53.其中，每个训练样本集可对应一个运动计划生成模型，不同的运动计划生成模型对应的健康管理需求不相同，具体的，可参见后续的举例介绍。
54.该运动计划生成模型的训练依赖于人群大数据，因此，首先需要进行训练数据的获取。作为一种可选的实施方式：利用智能可穿戴设备获取人群大数据(脱敏数据，隐去个人姓名、职业、特殊社会/生理标识等)，包括身高、年龄、性别、体重等基本信息，以及近6个月内(条件允许，也可以获取更长时间段内的)的监测数据。监测数据包括：运动数据、日常活动数据和生理指标数据。
55.其中，生理指标数据属于一种健康状态数据，例如：心率、心率变异性、呼吸率、血氧等。
56.然后，基于不同的健康管理需求，为上述获取到的数据设置标签。具体的，针对减肥、保持身材、提升耐力/体能/灵活性、改善健康状况、辅助治疗某些慢性疾病等不同的健
康管理需求，采用不同的评价标准，对数据集中的基础信息和生理指标进行分析，得到“改善”、“保持”、“无作用”、“恶化”等标签。例如，针对“减肥”该健康管理需求，“改善”的定义是用户的体重变化符合健康组织对于减肥的阐释(每周减肥0.5-1公斤，每月减肥1-3公斤)，“保持”的定义是指用户的体重无明显变化，“无作用”的定义是指用户的体重波动较大或者略有增加，“恶化”的定义是用户的体重有较明显的增加。
57.在本技术实施例中，运动计划生成模型可以是深度学习模型、随机森林模型等，在此不作限定。
58.基于数据样本集，运动计划生成模型的训练过程包括：以用户的年龄、性别、体重、身高、地区、连续的心率、连续的睡眠数据(即基础数据)为输入，以运动和日常活动的强度、频率、类型和持续时间等变量为输出，分别利用“体重改善(健康减肥)”数据样本集和“体重保持”数据样本集进行训练，训练方法采用预测模型所对应的训练方法(如深度学习模型的训练方法)，得到训练好的“体重改善(健康减肥)”模型和“体重保持”模型，这两个训练好的模型可以用于生成个性化运动和日常活动指导，即用于生成运动计划。
59.当基于所有的健康管理需求分别对应的样本集均进行模型训练之后，所获得的运动计划生成模型便可以直接基于不同的健康管理需求输出不同的运动计划。
60.进而，基于上述训练好的运动计划生成模型，将健康管理需求和基础信息输入到训练好的运动计划生成模型中，该模型便可以输出运动计划。
61.在本技术实施例中，基于上述的运动计划模型的训练数据，还可以进一步训练健康状态预测模型，该健康状态预测模型用于预测用户在执行上述运动计划生成模型所输出的运动计划之后的健康状态。例如：假设用户的健康管理需求为减肥，在执行运动计划之后，通过健康状态预测模型预测用户的体重。
62.对于该健康状态预测模型所输出的预测健康状态，可用于后续对运动计划进行更新。
63.请参照图4，为本技术实施例中提供的健康状态预测模型的训练流程图，该训练流程包括：获取训练样本集；为训练样本集设置对应的标签；将设置有对应标签的训练样本集输入到初始的健康状态预测模型中，进行训练，获得训练好的健康状态预测模型。
64.其中，健康状态预测模型可以是深度学习模型、随机森林模型等，在此不作限定。
65.以健康管理需求为减肥为例，训练样本集的处理过程包括：对用户连续3个月的体重进行统计和相关性分析(去掉运动和日常活动的强度、频率、类型和持续时间之外的干扰因素)，找到与用户减肥“改善”、“保持”、“无作用”、“恶化”有明确联系的运动和日常活动、行为习惯等，包括运动和日常活动的强度、频率、类型和持续时间等；分别建立“体重改善(健康减肥)”、“体重保持”、“无作用”和“恶化”数据样本集。
66.进而，以用户的年龄、性别、体重、身高、地区、以及连续的心率、睡眠数据、运动和日常活动的强度、频率、类型和持续时间、入睡和起床时间等变量为输入，以样本集中“体重改善(健康减肥)”、“体重保持”、“无作用”和“恶化”等标签为输出，进行训练，能得到针对个性化目标中与减肥、控制体重、保持身材等目标相关的体重变化预测模型(即健康状态预测模型)。
67.进一步地，健康管理模块110在确定运动计划之后，将运动计划反馈给用户，以使用户执行运动计划。
68.在运动计划生成模型所生成的运动计划中，同时包含运动信息和日常活动信息，作为一种可选的实施方式，在运动计划中，包括运动项目和运动项目对应的时间；以及日常活动项目和日常活动项目对应的时间。因此，对于健康管理模块110来说，根据运动项目对应的时间提醒所述用户开展对应的运动项目，以及根据日常活动项目对应的时间提醒用户开展对应的日常活动项目。
69.在本技术实施例中，运动和日常活动属于两个不同的概念，运动相较于日常活动来说，强度更大，要求更高。举例来说，跑步、骑车等属于运动；睡觉、吃饭等属于日常活动。
70.举例来说，在晚上10点提醒给用户：“建议您半个小时内准备入睡，明天8点至9点之间完成20-30分钟的快走，心率控制在约90-110之间；中午可以午睡约30分钟；下午4-5点间进行40分钟羽毛球或者网球运动，中等强度即可，心率控制在约120-140”。
71.其中，运动项目对应的时间和日常活动项目对应的时间可以决定运动计划的提醒时间，例如上述举例中，在运动计划中，已经给出了用户在10点左右适合入睡，那么，便可以在10点左右将相应的运动计划信息反馈给用户。
72.在本技术实施例中，在运动计划中，包括运动项目和运动项目对应的时间；以及日常活动项目和日常活动项目对应的时间，基于这些信息，可以在对应的时间提醒用户开展对应的运动计划。
73.可以理解，在健康管理模块110反馈运动计划给用户之后，用户会执行相应的运动计划。此时，在步骤230中，健康监测模块120监测用户的运动数据、日常活动数据和健康状态数据。
74.健康状态数据可以包括：前述实施例中介绍的生理指标，以及用户的身体状态；用户的身体状态可以通过对生理指标数据进行运算确定。
75.作为一种可选的实施方式，健康状态数据包括：心率、心率变异性、呼吸率、血氧、睡眠数据、体温、身体成分、血压、血糖、精神压力、情绪中的至少两项。
76.在这些健康状态数据中，有的数据可以由健康监测模块120直接监测到，有的数据需要由健康监测模块120对其他监测数据进行运算后确定，其他监测数据可以来自于智能手表、心率带等智能可穿戴设备。数据的运算，可以通过算法模型实现。
77.例如：睡眠数据通过对惯性传感器所采集的数据和血压采集设备所采集的数据进行算法建模计算获得。身体成分通过对身体阻抗采集模块所采集的数据进行算法建模计算获得。精神压力通过对血压采集设备所采集的数据和皮肤阻抗采集模块所采集的数据进行算法建模计算获得。情绪通过对血压采集设备所采集的数据和皮肤阻抗采集模块所采集的数据进行算法建模计算获得。或者，上述的数据也可以通过其他实施方式确定，在本技术实施例中不作限定。
78.在本技术实施例中，通过上述健康状态数据，可以实现健康状态的有效且准确的确定。
79.对于运动数据，可以包括：运动强度、运动类型、运动持续时间、运动频率中的至少两项。对于日常活动数据，可以包括：日常活动强度、日常活动类型、日常活动持续时间、日常活动频率中的至少两项。
80.除了上述的数据，在运动数据中还可以包括一些其他的数据，例如：久坐，摄氧量，最大摄氧量，有氧/无氧运动效果，运动负荷，能量消耗等，在本技术实施例中不作限定。
81.在本技术实施例中，通过上述运动数据和日常活动数据，可以实现健康状态的有效且准确的确定。
82.对于健康状态预测模型来说，通过用户的各项基础信息，以及健康监测模块120所监测的各项数据，可以对健康状态进行预测。
83.举例来说，基于用户的年龄、性别、体重、身高、地区、以及连续的运动和日常活动的强度、频率、类型和持续时间、心率和睡眠数据等，就能预测用户接下来一段时间内可能的体重变化情况，并在用户设置了个性化减肥/控制体重目标、但有没有严格遵循个性化运动和日常活动指导，甚至根据体重预测模型，有与减肥/控制体重目标背道而驰的情况发生时，及时给与用户提醒，尝试让用户遵循个性化运动和日常活动指导、修改个性化目标或者终止目标。
84.以上是针对减肥/控制体重目标的个性化运动和日常活动指导的生成和预测方法；针对其他目标的个性化运动和日常活动指导生成和预测方法同理，比如如果目标是改善/保持心肺功能，那人群大数据中相关的健康和生理状态数据是各种场景下心率数据(静息心率、最大心率、心率变异性hrv等)，根据心率指标的改善与否(例如对睡眠状态下的hrv进行人工分析)，分成“改善”、“保持”、“无作用”、“恶化”等数据集；然后分别以用户的年龄、性别、体重、身高、地区、连续的运动和日常活动的强度、频率、类型和持续时间、连续的心率和睡眠数据，以及“改善”、“保持”、“无作用”、“恶化”等标签，就能分别建立“改善”/“保持”心肺功能模型，以及心肺功能的短期预测模型。
85.基于健康监测模块120所监测的各项数据，在步骤240中，健康管理模块110根据运动数据、日常活动数据、健康状态数据确定用户的健康状态。
86.作为一种可选的实施方式，健康管理模块110可以根据运动数据和日常活动数据对用户的健康状态数据进行评估(预测)，确定用于指示预期的健康状态的评估结果。在获得评估结果之后，将评估结果与实际监测到的健康状态数据进行比较，如果评估结果与实际监测到的健康状态数据比较接近，则直接依据该健康状态数据判断用户的健康状态是否异常；如果评估结果与实际监测到的健康状态数据相差较远，则直接将用户的健康状态判定为异常。
87.在根据健康状态数据判断用户的健康状态是否异常时，可以通过检测各项生理指标参数是否超标实现。
88.在根据运动数据和日常活动数据对用户的健康状态进行预测时，作为一种可选的实施方式：预设各种运动项目或者日常活动对应的健康状态数据的变化量，然后依据实际执行的运动项目或者日常活动，在执行之前运动计划之前的健康状态数据的基础上，加上或者减去对应的变化量，进而确定在运动数据和日常活动数据之后的健康状态数据。
89.除了上述的实施方式，在确定健康状态时，将运动数据和日常活动数据与运动计划进行比较；以及将健康状态数据与预期健康状态数据(即前述的健康状态预测模型所输出的预测健康状态数据)进行比较；若运动数据和日常活动数据与运动计划不符合，和/或者健康状态数据与预期健康状态数据不符合，均确定用户的健康状态为异常。
90.可以理解，最终所确定的健康状态可以包括正常状态和异常状态；如果为正常状态，代表用户的健康情况没有问题；如果为异常状态，代表用户的健康状态有问题。
91.在本技术实施例中，在确定健康状态之后，还可以基于健康状态进行相应的提醒。
因此，作为一种可选的实施方式，健康管理模块110在确定健康状态为异常健康状态时，根据健康状态数据生成提示信息；反馈提示信息。
92.作为一种可选的实施方式，在提示信息中，包括：异常健康状态的严重等级。结合前述确定健康状态的不同实施方式，异常等级可以根据预期健康状态数据与实际健康状态数据之间的差异确定，或者根据运动数据和日常活动数据与运动计划之间的差异确定等。例如：预设不同的差异值分别对应的异常等级，进而可以将当前的差异值对应的异常等级确定为当前的异常等级。
93.除了异常等级，还可以包括对应的处理措施。对应的处理措施也可以根据健康状态数据与实际健康状态数据之间的差异确定，或者根据运动数据和日常活动数据与运动计划之间的差异确定等。例如：预设不同的差异值分别对应的处理措施，进而可以将当前的差异值对应的处理措施确定为当前的处理措施。
94.在本技术实施例中，提示信息还可以采取其他实施方式，比如：包括更多的信息，在本技术实施例中不作限定。
95.进一步地，作为一种可选的实施方式，反馈提示信息包括：获取用户预先输入的医疗机构信息和联系人信息；将提示信息反馈给用户，以及根据医疗机构信息将提示信息反馈给相应的医疗机构，以及根据联系人信息将提示信息反馈给相应的联系人。
96.在这种实施方式中，用户会预先输入医疗机构信息和联系人信息，比如：医疗机构信息包括：医疗机构的联系方式和名称；联系人信息包括：联系人姓名和联系方式等。
97.基于医疗机构信息和联系人信息，健康管理模块110将提示信息反馈给对应的医疗机构，例如：将提示信息发送给医疗机构对应的负责人。以及将提示信息反馈给对应的联系人，例如：将提示信息通过短信的形式发送给联系人等，或者采取其他的反馈方式，在本技术实施例中不作限定。
98.在本技术实施例中，通过将提示信息反馈给用户、相应的医疗机构以及相应的联系人，提高健康状态监测的有效性。
99.在本技术实施例中，对于健康管理模块110来说，在获得运动数据，日常活动数据，健康状态数据之后，除了确定健康状态，还可以对运动计划进行更新。因此，作为一种可选的实施方式，健康管理模块110根据运动数据、日常活动数据、健康状态数据对运动计划进行更新，并将更新的运动计划反馈给用户，以使用户执行更新的运动计划。
100.结合前述实施例中运动计划的确定的实施方式，在这种实施方式中，对运动计划进行更新的过程可以包括：将运动数据、日常活动数据和健康状态数据输入到前述的运动计划生成模型中，运动计划生成模型便可以输出更新的运动计划。
101.进一步地，更新的运动计划的反馈方式参照前述实施例中的介绍，在此不再重复介绍。
102.在本技术实施例中，通过运动数据、日常活动数据和健康状态数据，还可以对运动计划进行更新。
103.除了更新运动计划，健康管理模块110还可以对运动计划的执行性进行判断，因此，作为一种可选的实施方式，健康管理模块110根据运动数据、日常活动数据、健康状态数据确定运动计划是否需要终止；若确定运动计划需要终止，生成终止提示信息并反馈给用户。
104.在这种实施方式中，确定运动计划是否需要终止，可以结合前述实施例中的健康状态进行确定。作为一种可选的实施方式，健康管理模块110先按照前述的实施方式确定出健康状态，如果健康状态为异常，则确定出健康状态的异常等级，进而，根据异常等级判断是否需要终止。
105.具体的，可以预设需要终止的异常等级条件，如果确定出的异常等级符合需要终止的异常等级条件，则确定运动计划需要终止；如果确定出的异常等级不符合需要终止的异常等级条件，则确定运动计划不需要终止。
106.进一步地，如果确定运动计划需要终止，则生成相应的提示信息并反馈给用户；例如：语音提示，内容为：终止当前运动计划等。
107.在本技术实施例中，通过运动数据、日常活动数据和健康状态数据，判断是否需要终止运动计划，若确定需要，则生成相应的提示信息反馈给用户，以实现更有效的健康状态监测。
108.可以理解的是，在确定运动计划并反馈给用户之后，即在步骤220之后，步骤230-步骤240以及后续的监测流程是持续进行的，直至用户取消步骤210中所配置的健康管理需求；或者说监测到用户已经完成健康管理需求；即不再需要健康管理需求。
109.举例来说，健康管理需求可以是用户的一种个性化目标，当用户取消该个性化目标之后，该监测装置便可以仅对用户的常规数据进行监测，不需要再生成运动计划，以及更新运动计划等。
110.此外，在本技术实施例中，该监测装置还可以包括显示模块，显示模块可以将健康管理模块110和健康监测模块120所处理的各种数据，或者所获得的各种数据进行展示，以使用户及时的了解到这些数据。也可以作为一个人机交互界面，使用户输入各种信息等。该显示模块还可以具备其他的与人机交互相关的功能，在此不作一一介绍。
111.采用本技术实施例所提供的监测装置和对应的监测流程，具有以下优点：
112.对用户的生理指标和身体状态(即健康状态数据)、运动和日常活动的监测是自动进行的，除了身高、性别、年龄、体重等基本信息，以及用户的个性化目标(即健康管理需求)，其他所有信息都在用户完全无感的情况下通过监测和分析得到。
113.根据用户的个性化目标，结合用户当前的生理指标和身体状态，制订和优化个性化的运动计划。
114.通过对用户的生理指标和身体状态、运动和日常活动情况、运动计划的执行情况进行监测和分析，实时、动态地调整运动计划，以最优的运动收益(即以较少的运动达成较好的运动效果)达成个性化目标。
115.对用户的生理指标和身体状态、运动和日常活动情况进行实时监测、分析和预测，当系统预测到用户的个性化目标在当前身体状态下已经不合理时，或者运动和日常活动情况不合理，会及时调整运动计划甚至终止计划。
116.可以通过界面展示的方式与用户交互，显示用户实时的生理指标和身体状态、运动和日常活动情况、运动计划的执行情况、历史状态和运动统计数据等，并会在用户生理指标和身体状态、运动和日常活动情况、运动计划执行情况等出现异常时及时给用户、联系人和医疗机构等发出提醒、改善方法和就医指导。
117.在本技术所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方
式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
118.另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
119.再者，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
120.在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
121.以上所述仅为本技术的实施例而已，并不用于限制本技术的保护范围，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。