CN109243608A - 一种高危人群识别方法和系统 - Google Patents
一种高危人群识别方法和系统 Download PDFInfo
- Publication number
- CN109243608A CN109243608A CN201811057286.1A CN201811057286A CN109243608A CN 109243608 A CN109243608 A CN 109243608A CN 201811057286 A CN201811057286 A CN 201811057286A CN 109243608 A CN109243608 A CN 109243608A
- Authority
- CN
- China
- Prior art keywords
- data
- target object
- people
- risk
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种高危人群识别方法和系统,其中,所述方法包括:选取待确定为高危人群的目标人群,并采集目标人群的一项或多项目标分析数据;获取预设分析模型,并依据预设分析模型,对一项或多项目标分析数据进行数据分析,以得到相应的分析结果;在分析结果分析出目标人群为高危人群之后,获取预测模型,并依据预测模型,对目标人群中各目标对象的各患病类型、各患病风险级别进行预测,以得到相应的各预测结果;将各预测结果推送至各目标对象的各终端设备的各显示装置上,并进行显示。本发明的方案,能够做到:对确定为高危人群中的各目标对象的各患病类型、各患病风险级别进行预测,并将各预测结果准确地推送至各目标对象。
Description
技术领域
本发明涉及识别技术领域,具体涉及一种高危人群识别方法和系统。
背景技术
现有的高危人群识别方法往往仅仅能够识别出待识别的目标人群可能为高危人群,且基于采集到的目标人群中的数据的类型是有限的,往往为比较单一的一种,或几种数据,且各种类型的数据往往并没有建立关联关系,这样,即使对目标人群进行识别,基于识别的识别模型并不准确,则识别出的目标人群的识别结果也并不准确,可能会出现比较大的偏差。
此外,即使针对待识别的目标人群准确地识别出其为高危人群,该目标人群中往往包括多个不同的目标对象,各目标对象可能会患有不同的患病类型,且对应的患病风险级别也是不同的。这样,即使在识别出该目标人群为高危人群之后,如何将预测内容不同的预测结果准确地推送至各目标对象就是极其繁琐,复杂的过程,需要耗费大量的人力、物力,并且耗费大量的时间。
如何准确、且有针对性地对确定为高危人群中的各目标对象的各患病类型、各患病风险级别进行预测,并将各预测结果准确地推送至各目标对象,是待解决的技术问题。
发明内容
本发明实施例的目的在于提供一种高危人群识别方法和系统,用以解决现有技术,无法准确、且有针对性地对确定为高危人群中的各目标对象的各患病类型、各患病风险级别进行预测,更加无法准确地将各预测结果准确地推送至各目标对象的问题。
为实现上述目的,本发明实施例提供一种高危人群识别方法,所述方法包括:选取待确定为高危人群的目标人群,并采集所述目标人群的至少包括日常饮食数据、日常运动数据、个人职业数据、个人健康数据、历史就医数据、家族疾病数据中的一项或多项目标分析数据;获取预设分析模型,并依据所述预设分析模型,对一项或多项目标分析数据进行数据分析,以得到相应的分析结果;在所述分析结果分析出所述目标人群为高危人群之后,获取预测模型,并依据所述预测模型,对所述目标人群中各目标对象的各患病类型、各患病风险级别进行预测,以得到相应的各预测结果;将各预测结果推送至各目标对象的各终端设备的各显示装置上,并进行显示。
可选地,所述方法还包括:根据各目标对象的各预测结果,对各目标对象建立相应的各日常饮食计划和/各运动计划。
可选地,所述方法还包括:采集各目标对象的各患病类型数据、各患病风险级别数据、各日常饮食计划数据、各运动计划数据中的一项或多项数据;将各患病类型数据和/各患病风险级别数据,与各日常饮食计划数据和/各运动计划数据建立各关联关系。
可选地,所述方法还包括:采集各目标对象的各患病类型数据、各患病风险级别数据、建立的各关联关系数据;根据各患病类型数据、各患病风险级别数据、建立的各关联关系数据,建立所述目标人群的数据库。
可选地,所述数据库中的数据至少还包括所述目标人群的日常饮食数据、日常运动数据、个人职业数据、个人健康数据、历史就医数据、家族疾病数据中的一项或多项。
可选地,所述方法还包括:在各目标对象的各终端设备的各显示装置上展示各预测结果,各预测结果至少包括各目标对象的各患病类型信息、各患病风险级别信息中的一项信息。
可选地,所述方法还包括:在各目标对象的各终端设备的各显示装置上展示各计划信息,各计划信息至少包括各目标对象的各日常饮食计划信息、各目标对象的各运动计划信息中的一项信息。
可选地,所述方法还包括:在各目标对象的各终端设备的各显示装置上以横屏方式,或竖屏方式展示各预测结果;和/或,在各目标对象的各终端设备的各显示装置上以横屏方式,或竖屏方式展示各计划信息;或者,基于第一深度学习框架,训练得到对高危人群进行数据分析的所述预设分析模型;和/或,基于第二深度学习框架,训练得到对所述目标人群中各目标对象的各患病类型、各患病风险级别进行预测的所述预测模型。
可选地,所述高危人群识别方法应用于未来政策与生活AR应用场景。
与上述方法相匹配,本发明另一方面提供一种高危人群识别系统,所述系统包括:数据采集单元,选取待确定为高危人群的目标人群,并采集所述目标人群的至少包括日常饮食数据、日常运动数据、个人职业数据、个人健康数据、历史就医数据、家族疾病数据中的一项或多项目标分析数据;获取单元,获取预设分析模型,以及获取预测模型;分析单元,依据所述获取单元获取到的所述预设分析模型,对所述数据采集单元采集到的一项或多项目标分析数据进行数据分析,以得到相应的分析结果;预测单元,在所述分析单元分析出的所述分析结果分析出所述目标人群为高危人群之后,依据获取单元获取到的预测模型,对所述目标人群中各目标对象的各患病类型、各患病风险级别进行预测,以得到相应的各预测结果;推送显示单元,将各预测结果推送至各目标对象的各终端设备的各显示装置上,并进行显示。
本发明实施例具有如下优点:本发明实施例提供的一种高危人群识别方法和系统,能够做到:对确定为高危人群中的各目标对象的各患病类型、各患病风险级别进行预测,并将各预测结果准确地推送至各目标对象。
附图说明
图1为本发明实施例1提供的一种高危人群识别方法的流程是示意图;
图2为本发明实施例2提供的一种高危人群识别系统的结构示意图。
结合附图,本发明的实施例中附图标记如下:
201-数据采集单元;202-获取单元;203-分析单元;204-预测单元; 205-推送显示单元。
具体实施方式
以下实施例用于说明本发明,但不用来限制本发明的范围。
实施例1
根据本发明的实施例,提供了一种高危人群识别方法,如图1所示,为本发明实施例1提供的一种高危人群识别方法的流程示意图。该方法至少包括以下步骤:
S101,选取待确定为高危人群的目标人群,并采集目标人群的至少包括日常饮食数据、日常运动数据、个人职业数据、个人健康数据、历史就医数据、家族疾病数据中的一项或多项目标分析数据;这样,尽可能地多采集目标人群的数据类型。
S102,获取预设分析模型,并依据预设分析模型,对一项或多项目标分析数据进行数据分析,以得到相应的分析结果;这样,根据预设的分析模型,就可以对上述步骤101中的一项或多项目标分析数据进行数据分析,以得到相应的分析结果,该分析结果能够显示出:当前进行分析的目标人群是否为高危人群,即:患有某种类型疾病的人群,例如,常见的疾病可以是:高血压,或者为糖尿病。
S103,在分析结果分析出目标人群为高危人群之后,获取预测模型,并依据预测模型,对目标人群中各目标对象的各患病类型、各患病风险级别进行预测,以得到相应的各预测结果;这样,基于预测模型进行预测,就能够得到相应的各预测结果,各预测结果不仅包括各目标对象的各患病类型的预测结果,还包括各目标对象的各患病风险级别的预测结果。
S104,将各预测结果推送至各目标对象的各终端设备的各显示装置上,并进行显示;这样,本发明实施例提供的高危人群识别方法,能够对确定为高危人群中的各目标对象的各患病类型、各患病风险级别进行预测,并将各预测结果准确地推送至各目标对象的各终端设备的各显示装置上,以便于方便各目标对象在自己的显示装置上查看相应的预测结果。
需要说明的是,将各预测结果准确地推送至各目标对象的各终端设备的各显示装置上,这是现有技术,在此不再赘述。
推送时,可以基于各终端设备的MAC(Media Access Control,媒体访问控制)地址,MAC地址作为网络设备的唯一标识,一般固化在网卡信息当中。
在实际应用中,若某一个目标对象在自己的显示装置上查看到准确地、且针对于自己的预测结果:该预测结果显示出:当前目标对象有患有糖尿病的风险,并结合其家族疾病数据,若其家族疾病数据显示出:其整个家族中患有糖尿病的人群在一半以上,则能够进一步地预测出:其患有糖尿病的风险级别很高。这样,为了提前降低其以后患有糖尿病的概率,可以在向其推送预测结果的时候,同步推送相应的至少包括日常饮食计划信息和个人运动计划信息的短信。除了短信之外,还可以将包含日常饮食计划信息和个人运动计划信息的信息制作成视频,并向其推送该视频。制作成视频文件,是方便用户直观地观看,提高了用户体验度。
除此之外,还可以向当前目标对象推送指定的营养师,由该营养师为其制定日常饮食计划,包括一日三餐,并在当前目标对象的糖尿病的相关指标降低之后,对日常饮食进行改进,重复上述过程,直至当前目标对象的与糖尿病相关的指标均降低至正常水平。
除此之外,还可以向当前目标对象推送制定的健身专家,由该健身专家为其制定日常个人运动计划,包括运动的项目,运动的时间,运动的次数,以及相应的,与运动相关的饮食,例如,运动期间,该吃什么水果,该吃什么食物,或者,该喝什么饮料等,并在当前目标对象的糖尿病的相关指标降低之后,对个人运动计划进行改进,重复上述过程,直至当前目标对象的与糖尿病相关的指标均降低至正常水平。
上述仅仅是对若当前目标对象的患病类型为糖尿病的示例说明,还可以是高血压,若患病类型为高血压时,则需要对当前目标对象饮食的含盐量进行控制。
在一个可选的例子中,为了在各目标对象的各预测结果显示出:各目标对象可能患有某种疾病,则本发明实施例提供的高危人群识别方法还包括:根据各目标对象的各预测结果,对各目标对象建立相应的各日常饮食计划和/各运动计划。
在实际应用中,若某一目标对象的预测结果显示出:其可能会患有高血压,且其患有高血压的风险级别很高,则针对该目标对象,建立有针对性的日常饮食计划,或者,针对该目标对象,建立有针对性的个人运动计划。
在一个可选的例子中,所述方法还包括:采集各目标对象的各患病类型数据、各患病风险级别数据、各日常饮食计划数据、各运动计划数据中的一项或多项数据;将各患病类型数据和/各患病风险级别数据,与各日常饮食计划数据和/各运动计划数据建立各关联关系;这样,在建立了各关联关系之后,用户就可以查看针对某一个具体患病类型,尽可能多的日常饮食计划,或者是尽可能多的运动计划,这样,为用户提供了可供选择的多种日常饮食计划,或者是可供选择的多种运动计划,提高了用户体验度。
在一个可选的例子中,所述方法还包括:采集各目标对象的各患病类型数据、各患病风险级别数据、建立的各关联关系数据;根据各患病类型数据、各患病风险级别数据、建立的各关联关系数据,建立目标人群的数据库;这样,就能够根据上述多种数据建立目标人群的数据库,方便在该数据库中查找相应的数据,并将新添加的数据,例如,新增的疾病类型,更新到数据库中,不断丰富数据库中的原始数据。
在一个可选的例子中,数据库中的数据至少还包括目标人群的日常饮食数据、日常运动数据、个人职业数据、个人健康数据、历史就医数据、家族疾病数据中的一项或多项;这样,丰富了数据库中的内容。
在实际应用中,若数据库中的个人职业数据显示为:公务员,则其患有颈椎病的概率就比较大,可以向其推荐避免颈椎病的运动计划。
在一个可选的例子中,所述方法还包括:在各目标对象的各终端设备的各显示装置上展示各预测结果,各预测结果至少包括各目标对象的各患病类型信息、各患病风险级别信息中的一项信息,这样,就能够方便用户查看各自的预测结果。
在一个可选的例子中,所述方法还包括:在各目标对象的各终端设备的各显示装置上展示各计划信息,各计划信息至少包括各目标对象的各日常饮食计划信息、各目标对象的各运动计划信息中的一项信息;这样,在预测结果显示出:某一目标对象可能患有某种疾病,例如,高血压,则有针对性地向其推荐日常饮食计划,例如,吃清淡的食物,减少盐的食用;或者,有针对性地向其推荐运动计划,例如,多跑步,减重。
在一个可选的例子中,所述方法还包括:在各目标对象的各终端设备的各显示装置上以横屏方式,或竖屏方式展示各预测结果;和/或,在各目标对象的各终端设备的各显示装置上以横屏方式,或竖屏方式展示各计划信息;这样,无论是横屏方式展示,还是竖屏方式展示,均是为了满足不同用户的观看习惯。
需要说明的是,显示装置可以为AR显示屏,但并不局限于此,在此不再赘述。
在一个可选的例子中,所述方法还包括:基于第一深度学习框架,训练得到对高危人群进行数据分析的预设分析模型;和/或,基于第二深度学习框架,训练得到对目标人群中各目标对象的各患病类型、各患病风险级别进行预测的预测模型。
需要说明的是,基于第一深度学习框架,训练得到预设分析模型,该第一深度学习框架是常规的现有技术,在此不再赘述。此外,基于第一深度学习框架,训练得到的预设分析模型也是相对常规的分析模型,在此不再赘述。
基于第二深度学习框架,训练得到预测模型,该第二深度学习框架是常规的现有技术,在此不再赘述。
此外,基于第二深度学习框架,训练得到的预测模型也是相对常规的预测模型,在此不再赘述。
需要说明的是,本发明实施例提供的高危人群识别方法主要应用于未来政策与生活AR(Augmented Reality,增强现实技术)应用场景,但并不仅仅局限于此应用场景,在此不再赘述。
此外,用户可以通过AR显示屏,看到未来城市中的居民享受基本公共服务,并了解数字化技术如何帮助实现或提升基本公共服务。模拟未来城市的服务,并相应的展示了:这些政策将如何影响我们未来的生活。借助这些Pad,我们能够看见,在未来的城市中,市民们享受到的各项政策,以及各项数字化的公共服务。除了在AR显示屏上显示就业服务,例如,失业人员可以享受到政府承诺的一些基本的就业服务,那么就可以通过构建的数据中心,来保障双向的对接,来帮助这种就业基本服务的完成。
采用本发明实施例的方案,选取待确定为高危人群的目标人群,并采集目标人群的至少包括日常饮食数据、日常运动数据、个人职业数据、个人健康数据、历史就医数据、家族疾病数据中的一项或多项目标分析数据;获取预设分析模型,并依据预设分析模型,对一项或多项目标分析数据进行数据分析,以得到相应的分析结果;在分析结果分析出目标人群为高危人群之后,获取预测模型,并依据预测模型,对目标人群中各目标对象的各患病类型、各患病风险级别进行预测,以得到相应的各预测结果;将各预测结果推送至各目标对象的各终端设备的各显示装置上,并进行显示;这样,能够有针对性将各目标对象的各预测结果准确地推送至各目标对象的各显示装置上,并进行显示,以方便用户查看其各自的预测结果,预测结果至少包括对患病类型的预测,以及,对患病风险级别的预测中的一项。
实施例2
根据本发明的实施例,还提供了对应于一种高危人群识别方法的一种高危人群识别系统,如图2所示,为本发明实施例2提供的高危人群识别系统的结构示意图。
本发明实施例提供的一种高危人群识别系统包括:数据采集单元201,选取待确定为高危人群的目标人群,并采集目标人群的至少包括日常饮食数据、日常运动数据、个人职业数据、个人健康数据、历史就医数据、家族疾病数据中的一项或多项目标分析数据;获取单元202,获取预设分析模型,以及获取预测模型;分析单元203,依据获取单元202获取到的预设分析模型,对数据采集单元201采集到的一项或多项目标分析数据进行数据分析,以得到相应的分析结果;预测单元204,在分析单元203 分析出的分析结果分析出目标人群为高危人群之后,依据获取单元202 获取到的预测模型,对目标人群中各目标对象的各患病类型、各患病风险级别进行预测,以得到相应的各预测结果;推送显示单元205,将各预测结果推送至各目标对象的各终端设备的各显示装置上,并进行显示;这样,本发明实施例提供的一种高危人群识别系统中的预测单元204能够对确定为高危人群中的各目标对象的各患病类型、各患病风险级别进行预测,并由推送显示单元205将各预测结果准确地推送至各目标对象的各终端设备的各显示装置上,并进行显示。
需要说明的是,本发明实施例提供的高危人群识别系统主要应用于未来政策与生活AR(Augmented Reality,增强现实技术)应用场景,但并不仅仅局限于此应用场景,在此不再赘述。
此外,用户可以通过AR显示屏,看到未来城市中的居民享受基本公共服务,并了解数字化技术如何帮助实现或提升基本公共服务。模拟未来城市的服务,并相应的展示了:这些政策将如何影响我们未来的生活。借助这些Pad,我们能够看见,在未来的城市中,市民们享受到的各项政策,以及各项数字化的公共服务。除了在AR显示屏上显示就业服务,例如,失业人员可以享受到政府承诺的一些基本的就业服务,那么就可以通过构建的数据中心,来保障双向的对接,来帮助这种就业基本服务的完成。
在一个可选的例子中,本发明实施例提供的高危人群识别系统还包括计划建立单元(在图2中未示出),该计划建立单元用于,根据预测单元204预测出的各目标对象的各预测结果,对各目标对象建立相应的各日常饮食计划和/各运动计划;这样,基于各目标对象的各预测结果不同,计划建立单元能够做到:针对于各目标对象的不同的预测结果,制定出各自不同的计划,该计划不仅包括日常饮食计划,还包括运动计划,其中,日常饮食计划可以由专门的营养师制定出一日三餐具体吃什么,具体每餐中的每种食物吃的量具体为多少;运动计划可以由专门的健身教练制定出,该健身教练制定出的运动计划具体包括:训练的项目是什么,该运动项目每天或每周进行的频度是多少,该运动项目每次运动的时长是多少,上述内容仅仅是列举而已,具体内容不再赘述。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.一种高危人群识别方法,其特征在于,包括:
选取待确定为高危人群的目标人群,并采集所述目标人群的至少包括日常饮食数据、日常运动数据、个人职业数据、个人健康数据、历史就医数据、家族疾病数据中的一项或多项目标分析数据;
获取预设分析模型,并依据所述预设分析模型,对一项或多项目标分析数据进行数据分析,以得到相应的分析结果;
在所述分析结果分析出所述目标人群为高危人群之后,获取预测模型,并依据所述预测模型,对所述目标人群中各目标对象的各患病类型、各患病风险级别进行预测,以得到相应的各预测结果;
将各预测结果推送至各目标对象的各终端设备的各显示装置上,并进行显示。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据各目标对象的各预测结果,对各目标对象建立相应的各日常饮食计划和/各运动计划。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
采集各目标对象的各患病类型数据、各患病风险级别数据、各日常饮食计划数据、各运动计划数据中的一项或多项数据;
将各患病类型数据和/各患病风险级别数据,与各日常饮食计划数据和/各运动计划数据建立各关联关系。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
采集各目标对象的各患病类型数据、各患病风险级别数据、建立的各关联关系数据;
根据各患病类型数据、各患病风险级别数据、建立的各关联关系数据,建立所述目标人群的数据库。
5.如权利要求4所述的方法,其特征在于,
所述数据库中的数据至少还包括所述目标人群的日常饮食数据、日常运动数据、个人职业数据、个人健康数据、历史就医数据、家族疾病数据中的一项或多项。
6.如权利要求1-5任一项所述的方法,其特征在于,所述方法还包括:
在各目标对象的各终端设备的各显示装置上展示各预测结果,各预测结果至少包括各目标对象的各患病类型信息、各患病风险级别信息中的一项信息。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
在各目标对象的各终端设备的各显示装置上展示各计划信息,各计划信息至少包括各目标对象的各日常饮食计划信息、各目标对象的各运动计划信息中的一项信息。
8.如权利要求7所述的方法,其特征在于,所述方法还包括:
在各目标对象的各终端设备的各显示装置上以横屏方式,或竖屏方式展示各预测结果;和/或,
在各目标对象的各终端设备的各显示装置上以横屏方式,或竖屏方式展示各计划信息;或者,
基于第一深度学习框架,训练得到对高危人群进行数据分析的所述预设分析模型;和/或,
基于第二深度学习框架,训练得到对所述目标人群中各目标对象的各患病类型、各患病风险级别进行预测的所述预测模型。
9.如权利要求1所述的方法,其特征在于,
所述高危人群识别方法应用于未来政策与生活AR应用场景。
10.一种高危人群识别系统,其特征在于,包括:
数据采集单元,选取待确定为高危人群的目标人群,并采集所述目标人群的至少包括日常饮食数据、日常运动数据、个人职业数据、个人健康数据、历史就医数据、家族疾病数据中的一项或多项目标分析数据;
获取单元,获取预设分析模型,以及获取预测模型;
分析单元,依据所述获取单元获取到的所述预设分析模型,对所述数据采集单元采集到的一项或多项目标分析数据进行数据分析,以得到相应的分析结果;
预测单元,在所述分析单元分析出的所述分析结果分析出所述目标人群为高危人群之后,依据获取单元获取到的预测模型,对所述目标人群中各目标对象的各患病类型、各患病风险级别进行预测,以得到相应的各预测结果;
推送显示单元,将各预测结果推送至各目标对象的各终端设备的各显示装置上,并进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811057286.1A CN109243608A (zh) | 2018-09-11 | 2018-09-11 | 一种高危人群识别方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811057286.1A CN109243608A (zh) | 2018-09-11 | 2018-09-11 | 一种高危人群识别方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109243608A true CN109243608A (zh) | 2019-01-18 |
Family
ID=65060237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811057286.1A Pending CN109243608A (zh) | 2018-09-11 | 2018-09-11 | 一种高危人群识别方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109243608A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109840932A (zh) * | 2019-01-23 | 2019-06-04 | 平安科技(深圳)有限公司 | 心脑血管疾病展示方法、装置、设备及存储介质 |
CN112528009A (zh) * | 2020-12-07 | 2021-03-19 | 北京健康有益科技有限公司 | 生成用户慢病调理方案的方法、装置及计算机可读介质 |
CN113284572A (zh) * | 2021-04-30 | 2021-08-20 | 上海联影智能医疗科技有限公司 | 多模态异构的医学数据处理方法及相关装置 |
WO2022077921A1 (zh) * | 2020-10-12 | 2022-04-21 | 平安科技(深圳)有限公司 | 动态防疫知识的推送方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326654A (zh) * | 2016-08-24 | 2017-01-11 | 北京辛诺创新科技有限公司 | 基于大数据云分析的健康预测系统、智能终端和服务器 |
CN107403072A (zh) * | 2017-08-07 | 2017-11-28 | 北京工业大学 | 一种基于机器学习的2型糖尿病预测预警方法 |
CN107506602A (zh) * | 2017-09-07 | 2017-12-22 | 北京海融兴通信息安全技术有限公司 | 一种大数据健康预测系统 |
-
2018
- 2018-09-11 CN CN201811057286.1A patent/CN109243608A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326654A (zh) * | 2016-08-24 | 2017-01-11 | 北京辛诺创新科技有限公司 | 基于大数据云分析的健康预测系统、智能终端和服务器 |
CN107403072A (zh) * | 2017-08-07 | 2017-11-28 | 北京工业大学 | 一种基于机器学习的2型糖尿病预测预警方法 |
CN107506602A (zh) * | 2017-09-07 | 2017-12-22 | 北京海融兴通信息安全技术有限公司 | 一种大数据健康预测系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109840932A (zh) * | 2019-01-23 | 2019-06-04 | 平安科技(深圳)有限公司 | 心脑血管疾病展示方法、装置、设备及存储介质 |
WO2022077921A1 (zh) * | 2020-10-12 | 2022-04-21 | 平安科技(深圳)有限公司 | 动态防疫知识的推送方法、装置、设备及存储介质 |
CN112528009A (zh) * | 2020-12-07 | 2021-03-19 | 北京健康有益科技有限公司 | 生成用户慢病调理方案的方法、装置及计算机可读介质 |
CN113284572A (zh) * | 2021-04-30 | 2021-08-20 | 上海联影智能医疗科技有限公司 | 多模态异构的医学数据处理方法及相关装置 |
CN113284572B (zh) * | 2021-04-30 | 2024-04-23 | 上海联影智能医疗科技有限公司 | 多模态异构的医学数据处理方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6725619B2 (ja) | 栄養摂取量のユーザ特異的な調整のためのシステムおよび方法 | |
US20210008413A1 (en) | Interactive Personal Training System | |
CN109243608A (zh) | 一种高危人群识别方法和系统 | |
US20220296966A1 (en) | Cross-Platform and Connected Digital Fitness System | |
US9314206B2 (en) | Diet and calories measurements and control | |
US10770172B2 (en) | Apparatus and method for health management | |
KR20180004928A (ko) | 신체 트레이닝 서비스 제공 방법, 장치 및 컴퓨터 판독 가능한 기록 매체 | |
KR102536425B1 (ko) | 헬스 케어 장치, 시스템 및 방법 | |
KR20200141261A (ko) | 개인의 건강관리 시스템 및 이를 이용한 건강관리 방법 | |
CN109461490A (zh) | 健康饮食数据的处理方法、装置及系统 | |
KR20230017343A (ko) | 인지능력 개발 시스템과 방법 및 이를 위한 컴퓨터 프로그램 | |
JP2012078768A (ja) | 人物マッチング装置、方法及びプログラム | |
JP2014134915A (ja) | マッチングサーバ | |
KR102325409B1 (ko) | 인공지능에 기반한 퍼스널 스포츠 큐레이션 방법 및 시스템 | |
Davis et al. | Rationale and protocol for a cluster randomized, cross-over trial of recruitment methods of rural children in primary care clinics: a feasibility study of a pediatric weight control trial in the IDeA States Pediatric Clinical Trials Network | |
Rinaldi et al. | Design and smart technologies for physical activity as key factors in promoting quality of life and social inclusion | |
CN110689944A (zh) | 一种饮食打卡系统对用户健康饮食与康复的智能指导方法 | |
KR102609706B1 (ko) | IoT 기반 홈트레이닝 서비스 제공 시스템 | |
Browne | Exploring the impact of schools on the quality of diet and physical activity in their students: a mixed methods study in Irish post-primary schools | |
JP2019079391A (ja) | 目標管理システム、目標管理サーバ、目標管理プログラム、および、目標管理端末装置 | |
World Health Organization | Transforming noncommunicable disease in Europe 2014–2016: building the capacity to achieve the noncommunicable disease goals by 2030 | |
JP6188071B2 (ja) | 指導員割当方法及び装置 | |
Davis et al. | Rationale and design of integrating a parents first obesity intervention with a pediatric weight management intervention for rural families–Evaluating the ripple effect | |
KR20230062461A (ko) | 플랫폼 기반의 영유아 식단 관리 장치 및 방법 | |
JP2019079388A (ja) | 目標管理システム、目標管理サーバ、目標管理プログラム、および、目標管理端末装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |
|
RJ01 | Rejection of invention patent application after publication |