阿里云的大数据技术被用来守护马拉松选手的心脏

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

1月2日,2016厦门国际马拉松赛在鹭岛开赛,获得了诸多运动爱好者的追捧。随着近年马拉松运动的兴起,越来越多的兴趣者加入其中。但是,是否所有人都适合这样的运动?

在此次厦门马拉松比赛中,一款叫做“阿甘跑步”的运动社交APP联手深圳一家心电医疗设备供应商,借助阿里云大数据平台面向跑马爱好者推出皮肤级运动心律监测解决方案"安心跑"。希望通过大数据的方法来寻找极限运动中可能存在的风险并及时解决。

这是一个像“创可贴”大小的智能设备,它实时扫描并且收集人体生命数据,通过及时回传、实时处理,机器判读等做出健康风险预警。

“结合3D路径实时上传心电数据,云平台快速分析后,又能实时的传给赛事安全保障小组,这是运动赛事保障的一个创新点,不仅如此,“安心跑”还将基于心律在运动康复方面进行探索,如睡眠深度监测、呼吸暂停症监测、焦虑分析。” 阿甘跑步CEO尚文表示。

对马拉松业余选手来说,可在日常的训练中提前进行监测,对自己的心脏状况有一个初步的评估,看是否适合参加马拉松。

在比赛进行中,通过联合紧急救援机构和智能心电设备数据打通,可以对跑步人员的心跳状况通过现场设施实时回传,可以及时识别,重点关注,在心脏出现问题时可以及时抢救。

参与测试中的跑步爱好者“解药”(网名,厦马3小时44完赛)表示,“这是目前市场心率监测设备中,在数据准确性和佩戴舒适性做的最好的产品。”

“目前已经有多家设备厂商和应急救援机构加入合作,计划在今年更多的城市马拉松活动中进行尝试,向部分自愿参与监测的跑友发放设备。”阿里云大数据平台资深数据专家甘云锋表示。

为什么会想到做这样的事情?在过去的2015年一年,国内发生过几起马拉松赛中选手猝死的悲剧。去年的上海马拉松赛上,在25公里处也有一名男性跑友出现心脏骤停的情况,经过现场医护人员抢救脱离危险。从马拉松猝死的案例来看,大多数跑友都是因为心脏病发死亡。

据美国10大马拉松30年的数据统计显示,马拉松的猝死率约为十万分之一,其中最主要的原因为心源性猝死。研究证明,存在未知的肥厚性心肌病等心脏疾病的年轻人在马拉松运动中最容易发生心跳骤停和猝死。

心血管专家表示,半程马拉松运动猝死的高发时段是在终点前;全程马拉松猝死的高发时段,是在35公里后;这与寒冷或高温使得人体运动能力受到一定限制,或因为疲劳导致机体对于运动负荷适应能力下降有密切关系。深究其原因,有跑者对自身身体状况的不了解和对比赛强度的盲目乐观。

甘云锋表示,也许借助于大数据,人们能够及时地发现潜在的风险,帮助更好地施以救援。“阿里云希望输出大数据分析和计算能力,提供大数据存储、计算资源等技术上支持,联合医疗设备商、急救组织、APP厂商、组委会等共同合力完成这件事情,比如帮助不同厂商、设备商、医疗系统之间的数据打通,使医疗大数据能够在多系统下发挥价值。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
5天前
|
存储 机器学习/深度学习 SQL
大数据处理与分析技术
大数据处理与分析技术
25 2
|
24天前
|
存储 分布式计算 数据可视化
大数据常用技术与工具
【10月更文挑战第16天】
84 4
|
7天前
|
存储 分布式计算 NoSQL
【赵渝强老师】大数据技术的理论基础
本文介绍了大数据平台的核心思想,包括Google的三篇重要论文:Google文件系统(GFS)、MapReduce分布式计算模型和BigTable大表。这些论文奠定了大数据生态圈的技术基础,进而发展出了Hadoop、Spark和Flink等生态系统。文章详细解释了GFS的架构、MapReduce的计算过程以及BigTable的思想和HBase的实现。
|
14天前
|
人工智能 Cloud Native 数据管理
媒体声音|重磅升级,阿里云发布首个“Data+AI”驱动的一站式多模数据平台
在2024云栖大会上,阿里云瑶池数据库发布了首个一站式多模数据管理平台DMS:OneMeta+OneOps。该平台由Data+AI驱动,兼容40余种数据源,实现跨云数据库、数据仓库、数据湖的统一数据治理,帮助用户高效提取和分析元数据,提升业务决策效率10倍。DMS已服务超10万企业客户,降低数据管理成本高达90%。
|
7天前
|
SQL 存储 算法
比 SQL 快出数量级的大数据计算技术
SQL 是大数据计算中最常用的工具,但在实际应用中,SQL 经常跑得很慢,浪费大量硬件资源。例如,某银行的反洗钱计算在 11 节点的 Vertica 集群上跑了 1.5 小时,而用 SPL 重写后,单机只需 26 秒。类似地,电商漏斗运算和时空碰撞任务在使用 SPL 后,性能也大幅提升。这是因为 SQL 无法写出低复杂度的算法,而 SPL 提供了更强大的数据类型和基础运算,能够实现高效计算。
|
10天前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
24 3
|
10天前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
39 2
|
13天前
|
消息中间件 分布式计算 大数据
数据为王:大数据处理与分析技术在企业决策中的力量
【10月更文挑战第29天】在信息爆炸的时代,大数据处理与分析技术为企业提供了前所未有的洞察力和决策支持。本文探讨了大数据技术在企业决策中的重要性和实际应用,包括数据的力量、实时分析、数据驱动的决策以及数据安全与隐私保护。通过这些技术,企业能够从海量数据中提取有价值的信息,预测市场趋势,优化业务流程,从而在竞争中占据优势。
45 2
|
15天前
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第27天】在大数据时代,数据湖技术凭借其灵活性和成本效益成为企业存储和分析大规模异构数据的首选。Hadoop和Spark作为数据湖技术的核心组件,通过HDFS存储数据和Spark进行高效计算,实现了数据处理的优化。本文探讨了Hadoop与Spark的最佳实践,包括数据存储、处理、安全和可视化等方面,展示了它们在实际应用中的协同效应。
59 2
|
16天前
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第26天】本文详细探讨了Hadoop与Spark在大数据处理中的协同作用,通过具体案例展示了两者的最佳实践。Hadoop的HDFS和MapReduce负责数据存储和预处理,确保高可靠性和容错性;Spark则凭借其高性能和丰富的API,进行深度分析和机器学习,实现高效的批处理和实时处理。
56 1