CN109192301A - 通过互联网智能医疗健康设备进行患者诊断工作方法 - Google Patents

Abstract

本发明提出了一种通过互联网智能医疗健康设备进行疾病诊断判断方法，包括如下步骤：S1，根据遗传算法形成特定区域患者疾病形成的计算模型，通过对疾病种类预测以及选择医院频率预测形成初步计算条件；S2，设置患者分布的权重规则条件，形成患者分布的目标函数构建体系，从而筛选出患者诊断分布结果；S3，根据患者诊断分布结果形成飞跃式均衡图划分算法，最终对患者诊断布局做出准确提炼。

Description

通过互联网智能医疗健康设备进行患者诊断工作方法

技术领域

本发明涉及计算机数据挖掘领域，尤其涉及一种通过互联网智能医疗健康设备进行患者诊断工作方法。

背景技术

当今社会，患者希望通过先进的技术手段进行疾病的诊断和治疗，但是又苦于到医院门诊就医时候人满为患的烦恼，这就催生了通过远程进行诊断疾病的方法，但是现有技术进行医生匹配或者药物查询信息匹配度并不准确，也不能完全智能准确匹配患者的症状信息，以及患者诊断的数据收集工作，这就亟需本领域技术人员解决相应的技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种通过互联网智能医疗健康设备进行患者诊断工作方法。

为了实现本发明的上述目的，本发明提供了一种通过互联网智能医疗健康设备进行患者诊断工作方法，包括如下步骤：

S1，根据遗传算法形成特定区域患者疾病形成的计算模型，通过对疾病种类预测以及选择医院频率预测形成初步计算条件；

S2，设置患者分布的权重规则条件，形成患者分布的目标函数构建体系，从而筛选出患者诊断分布结果；

S3，根据患者诊断分布结果形成飞跃式均衡图划分算法，最终对患者诊断布局做出准确提炼。

优选的，所述S1包括：

S1-1，通过智能医疗健康设备绑定患者患者，通过登录操作过程进行患者身份识别，根据遗传算法获取患者病症匹配值，根据登录患者的设备序列号知晓患者病症相关度，将患者病症相关度和患者经常访问的医院进行绑定；设置进行绑定之后利用患者输入身体参数信息进行参数设置，使诊断过程获取其使用过程中所需要的患者信息，例如身高、年龄、性别、体重、时间、单位、测量项目；在通过诊断之后测量健康数据；将诊断数据进行参数上传，形成患者病症数据集保存在患者数据库中；利用患者所登录的ID和访问病症数据集，以查看保存的健康数据。

S1-2，其中待患者对测量设备进行绑定后，患者诊断数据集会利用已保存的激活信息，确认无误后使绑定生效，此后，删除激活信息，为了提高安全性，对执行绑定步骤和激活步骤的时间间隔进行限制，要求患者完成这两个步骤的时间间隔不能超过限定数值。

优选的，所述2包括：

S2-1，通过进行患者分布的权重分析，至少一个测量设备直接连接网络，通过在测量设备上安装GPRS、wifi、3G、RJ45实现网络接入；将进行权重分析之后的患者数据进行目标函数构建。

3、根据权利要求1所述的通过互联网智能医疗健康设备进行患者诊断工作方法，其特征在于，所述S3飞跃式均衡图划分包括：

S3-1，采用标签传播的方法，每次迭代过程中进行患者相关度匹配，从而对患者诊断过程中提炼出相关患者经常入住的医院和医院级别；

S3-2，为了防止过大的提炼数据集出现，对数据集的规模以及迭代次数进行了限制，每个数据集规模条件为TV为获取诊断数据的极值，τ表示数据集获取系数，r为诊断样本分类数，Z为正整数；

S3-3，载入提炼数据集规模条件累加后如果

其中为提炼诊断符合度，形成最大值的提炼数据集把患者诊断数据进行收集。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

通过该患者医疗诊断服务信息的诊断之后，能够快速进行患者疾病的归类和统计，并且通过判断算法提炼出患者疾病所诊断的方向，从而快速提炼出诊断的过程数据。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明工作流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

如图1所示，本发明公开一种通过互联网智能医疗健康设备进行患者诊断工作方法，包括如下步骤：

S1，根据遗传算法形成特定区域患者疾病形成的计算模型，通过对疾病种类预测以及选择医院频率预测形成初步计算条件；

S2，设置患者分布的权重规则条件，形成患者分布的目标函数构建体系，从而筛选出患者诊断分布结果；

S3，根据患者诊断分布结果形成飞跃式均衡图划分算法，最终对患者诊断布局做出准确提炼。

优选的，所述S1包括：

S1-1，通过智能医疗健康设备绑定患者患者，通过登录操作过程进行患者身份识别，根据遗传算法获取患者病症匹配值，根据登录患者的设备序列号知晓患者病症相关度，将患者病症相关度和患者经常访问的医院进行绑定；设置进行绑定之后利用患者输入身体参数信息进行参数设置，使诊断过程获取其使用过程中所需要的患者信息，例如身高、年龄、性别、体重、时间、单位、测量项目；在通过诊断之后测量健康数据；将诊断数据进行参数上传，形成患者病症数据集保存在患者数据库中；利用患者所登录的ID和访问病症数据集，以查看保存的健康数据。

S1-2，其中待患者对测量设备进行绑定后，患者诊断数据集会利用已保存的激活信息，确认无误后使绑定生效，此后，删除激活信息，为了提高安全性，对执行绑定步骤和激活步骤的时间间隔进行限制，要求患者完成这两个步骤的时间间隔不能超过限定数值。

优选的，所述2包括：

S2-1，通过进行患者分布的权重分析，至少一个测量设备直接连接网络，通过在测量设备上安装GPRS、wifi、3G、RJ45实现网络接入；将进行权重分析之后的患者数据进行目标函数构建。

3、根据权利要求1所述的通过互联网智能医疗健康设备进行患者诊断工作方法，其特征在于，所述S3飞跃式均衡图划分包括：

S3-1，采用标签传播的方法，每次迭代过程中进行患者相关度匹配，从而对患者诊断过程中提炼出相关患者经常入住的医院和医院级别；

S3-2，为了防止过大的提炼数据集出现，对数据集的规模以及迭代次数进行了限制，每个数据集规模条件为TV为获取诊断数据的极值，τ表示数据集获取系数，r为诊断样本分类数，Z为正整数，d为增量周期；

S3-3，载入提炼数据集规模条件累加后如果

其中为提炼诊断符合度，形成最大值的提炼数据集把患者诊断数据进行收集。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨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，本发明的范围由权利要求及其等同物限定。

Claims (4)

1.一种通过互联网智能医疗健康设备进行患者诊断工作方法，其特征在于，包括如下步骤：

S1，根据遗传算法形成特定区域患者疾病形成的计算模型，通过对疾病种类预测以及选择医院频率预测形成初步计算条件；

S2，设置患者分布的权重规则条件，形成患者分布的目标函数构建体系，从而筛选出患者诊断分布结果；

S3，根据患者诊断分布结果形成飞跃式均衡图划分算法，最终对患者诊断布局做出准确提炼。

2.根据权利要求1所述的通过互联网智能医疗健康设备进行患者诊断工作方法，其特征在于，所述S1包括：

S1-1，通过智能医疗健康设备绑定患者患者，通过登录操作过程进行患者身份识别，根据遗传算法获取患者病症匹配值，根据登录患者的设备序列号知晓患者病症相关度，将患者病症相关度和患者经常访问的医院进行绑定；设置进行绑定之后利用患者输入身体参数信息进行参数设置，使诊断过程获取其使用过程中所需要的患者信息，例如身高、年龄、性别、体重、时间、单位、测量项目；在通过诊断之后测量健康数据；将诊断数据进行参数上传，形成患者病症数据集保存在患者数据库中；利用患者所登录的ID和访问病症数据集，以查看保存的健康数据。

S1-2，其中待患者对测量设备进行绑定后，患者诊断数据集会利用已保存的激活信息，确认无误后使绑定生效，此后，删除激活信息，为了提高安全性，对执行绑定步骤和激活步骤的时间间隔进行限制，要求患者完成这两个步骤的时间间隔不能超过限定数值。

3.根据权利要求1所述的通过互联网智能医疗健康设备进行患者诊断工作方法，其特征在于，所述2包括：

S2-1，通过进行患者分布的权重分析，至少一个测量设备直接连接网络，通过在测量设备上安装GPRS、wifi、3G、RJ45实现网络接入；将进行权重分析之后的患者数据进行目标函数构建。

4.根据权利要求1所述的通过互联网智能医疗健康设备进行患者诊断工作方法，其特征在于，所述S3飞跃式均衡图划分包括：

S3-1，采用标签传播的方法，每次迭代过程中进行患者相关度匹配，从而对患者诊断过程中提炼出相关患者经常入住的医院和医院级别；

S3-2，为了防止过大的提炼数据集出现，对数据集的规模以及迭代次数进行了限制，每个数据集规模条件为TV为获取诊断数据的极值，τ表示数据集获取系数，r为诊断样本分类数，Z为正整数；

S3-3，载入提炼数据集规模条件累加后如果

其中为提炼诊断符合度，形成最大值的提炼数据集把患者诊断数据进行收集。