Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2019/048389 International Application No.: PCT/EP2018/073644
Publication Date: 14.03.2019 International Filing Date: 04.09.2018
G16H 50/20 (2018.01) ,G16H 20/30 (2018.01)
[IPC code unknown for G16H 50/20][IPC code unknown for G16H 20/30]
KONINKLIJKE PHILIPS N.V. [NL/NL]; High Tech Campus 5 5656 AE Eindhoven, NL
PALANISAMY, Krishnamoorthy; NL
PATIL, Ravindra Balasaheb; NL
DE HAAN, Poul, Erik; NL
Priority Data:
(EN) Systems and methods for contextual health assistance are disclosed. Providing contextual health assistance includes normalizing contextual data related to a user based on a big data analytics framework. The contextual data may be received from one or more devices (102, 104). An insight may be generated, based on the normalized contextual data and a user profile corresponding to the user, to classify the user into one of a plurality of dynamically defined classes. The insight may be generated based on deep neural learning. Further, a recommendation for an activity schedule of the user may be determined based on mathematical modeling of the insight, the user profile, and the normalized contextual data. The recommended activity schedule may be provided to a user device (102) for being displayed to the user.
(FR) La présente invention concerne des systèmes et des procédés d’assistance de santé contextuelle. La fourniture d’assistance de santé contextuelle comprend la normalisation de données contextuelles relatives à un utilisateur sur la base d’un cadre d’analyse de mégadonnées. Les données contextuelles peuvent être reçues depuis un ou plusieurs dispositifs (102, 104). Une vue d’ensemble peut être générée, sur la base des données contextuelles normalisées et d’un profil d’utilisateur correspondant à l’utilisateur, pour classer l’utilisateur dans l’une d’une pluralité de classes définies de façon dynamique. La vue d’ensemble peut être générée sur la base d’un apprentissage neuronal profond. En outre, une recommandation pour un calendrier d’activité de l’utilisateur peut être déterminée sur la base d’une modélisation mathématique de la vue d’ensemble, du profil d’utilisateur et des données contextuelles normalisées. Le calendrier d’activité recommandé peut être fourni à un dispositif d’utilisateur (102) pour être affiché à l’utilisateur.
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: English (EN)
Filing Language: English (EN)