CN109493972A - 基于预测模型的数据处理方法、装置、服务器及存储介质 - Google Patents
基于预测模型的数据处理方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN109493972A CN109493972A CN201811275846.0A CN201811275846A CN109493972A CN 109493972 A CN109493972 A CN 109493972A CN 201811275846 A CN201811275846 A CN 201811275846A CN 109493972 A CN109493972 A CN 109493972A
- Authority
- CN
- China
- Prior art keywords
- disease
- information
- data
- detected
- target
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 201000010099 disease Diseases 0.000 claims abstract description 394
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 394
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000033001 locomotion Effects 0.000 claims abstract description 10
- 238000003745 diagnosis Methods 0.000 claims description 83
- 238000012545 processing Methods 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 5
- 206010048669 Terminal state Diseases 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 description 19
- 230000036541 health Effects 0.000 description 17
- 230000001225 therapeutic effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000013507 mapping Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000003862 health status Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000023504 respiratory system disease Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Abstract
本发明实施例公开了一种基于预测模型的数据处理方法、装置、服务器及存储介质，其中，该方法包括：接收终端发送的疾病预测请求，所述疾病预测请求携带第一数据，所述第一数据包括待检测对象的基本信息、疾病信息、运动信息和生活习惯信息中的一种或者多种信息；从所述第一数据中获取与疾病预测模型的输入项对应的第二数据；将所述第二数据输入所述疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息，所述疾病风险信息包括至少一个疾病名称以及各个疾病名称对应的风险概率；生成包括所述疾病风险信息的提示信息，并向所述终端发送所述提示信息。采用本发明实施例，可以快速确定待检测对象的疾病风险信息，提高疾病预测的效率。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于预测模型的数据处理方法、装置、服务器及存储介质。
背景技术
近年来，随着社会的发展，虽然提高了人们的生活水平，但人们患病的几率也有所加大，所以人们会通过购买一些疾病保险产品来追求疾病风险保障。在为投保人办理疾病保险产品时，保险人员需要了解投保人的疾病风险信息。目前，只有投保人到医院进行相关检查得到诊查数值，并由专业医生根据诊查数值人工确定投保人的健康状况之后，才能获取到投保人的疾病风险信息。但诊查数值的获取时间太长、且十分麻烦，导致获取疾病风险信息花费的时间过长，效率较低。
发明内容
本发明实施例提供一种基于预测模型的数据处理方法、装置、服务器及存储介质，可以解决目前获取疾病风险信息效率较低的问题。
第一方面，本发明实施例提供了一种基于预测模型的数据处理方法，包括：
接收终端发送的疾病预测请求，所述疾病预测请求携带第一数据，所述第一数据包括待检测对象的基本信息、疾病信息、运动信息和生活习惯信息中的一种或者多种信息，所述基本信息包括地域信息；
从所述第一数据中获取与疾病预测模型的输入项对应的第二数据；
将所述第二数据输入所述疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息，所述疾病风险信息包括至少一个疾病名称以及各个疾病名称对应的风险概率，所述疾病预测模型是根据历史疾病风险信息以及历史第一数据训练得到的；
生成包括所述疾病风险信息的提示信息，并向所述终端发送所述提示信息。
可选的，所述将所述第二数据输入所述疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息之后，所述方法还包括：
根据各个疾病名称对应的风险概率从所述至少一个疾病名称中，确定出风险概率大于风险概率阈值的目标疾病名称；
根据疾病名称与诊疗项目的对应关系，确定与所述目标疾病名称对应的目标诊疗项目；
所述生成包括所述疾病风险信息的提示信息，并向所述终端发送所述提示信息，包括：
生成包括所述疾病风险信息以及所述目标诊疗项目的提示信息，并向所述终端发送所述提示信息。
可选的，所述根据疾病名称与诊疗项目的对应关系，确定与所述目标疾病名称对应的目标诊疗项目之后，所述方法还包括：
根据所述地域信息从就诊医院数据库中确定至少一个就诊医院，所述至少一个就诊医院与所述待检测对象均处于同一地域；
获取所述至少一个就诊医院的医院信息，所述医院信息包括擅长诊疗项目信息、医院名称、地址以及电话；
根据所述至少一个就诊医院的擅长诊疗项目信息以及所述目标诊疗项目，从所述至少一个就诊医院中确定出建议所述待检测对象去诊疗的推荐医院；
所述生成包括所述疾病风险信息的提示信息，并向所述终端发送所述提示信息，包括：
生成包括所述疾病风险信息、所述推荐医院的医院信息以及所述目标诊疗项目的提示信息，并向所述终端发送所述提示信息。
可选的，所述将所述第二数据输入所述疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息之后，所述方法还包括：
根据所述至少一个疾病名称确定出建议所述待检测对象购买的多款保险产品；
根据所述各个疾病名称对应的风险概率，确定建议所述待检测对象购买所述多款保险产品中每一款保险产品时所支付的保费、以及所支付的保费对应的保险金额；
所述生成包括所述疾病风险信息的提示信息，并向所述终端发送所述提示信息，包括：
生成包括所述疾病风险信息、所述多款保险产品中每一款保险产品对应的保费和保险金额的提示信息，并向所述终端发送所述提示信息。
可选的，所述根据疾病预测模型的输入项从所述第一数据中获取第二数据，包括：
根据所述地域信息与疾病预测模型的对应关系，从预置的多个疾病预测模型中确定出目标疾病预测模型；
根据所述目标疾病预测模型的输入项从所述第一数据中获取第二数据；
所述将所述第二数据输入所述疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息，包括：
将所述第二数据输入所述目标疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息。
可选的，所述接收终端发送的疾病预测请求之前，所述方法还包括：
获取历史第一数据以及历史疾病风险信息，所述历史第一数据包括待检测对象的基本信息，所述基本信息包括地域信息；
根据所述地域信息对所述历史第一数据进行分类，以得到多个分类类别，每个类别下的历史第一数据对应的待检测对象均处于同一地域；
根据所述多个分类类别中每个类别下的历史第一数据以及历史疾病风险信息，分别训练得到每个类别所对应地域的疾病预测模型。
可选的，所述接收终端发送的疾病预测请求之前，所述方法还包括：
接收所述终端发送的针对目标界面的操作生成的数据请求；
响应于所述数据请求得到目标数据，并向所述终端发送所述目标数据，以使所述终端根据所述目标数据输出所述目标界面，所述目标界面包括多个对话框和多个选项，所述多个对话框和多个选项用于供用户输入所述待检测对象的信息；
其中，所述疾病预测请求是根据所述用户针对所述多个对话框和多个选项输入的所述待检测对象的信息生成的。
第二方面，本发明实施例提供了一种基于预测模型的数据处理装置，该数据处理装置包括用于执行上述第一方面的方法的单元。
第三方面，本发明实施例提供了一种服务器，包括处理器、通信接口和存储器，所述处理器、所述通信接口和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。
第四方面，本发明实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
本发明实施例中，在接收到终端发送的疾病预测请求之后，首先从疾病预测请求携带的第一数据中获取第二数据，并将第二数据输入疾病预测模型中进行处理，得到疾病风险信息，从而可以通过疾病预测模型快速确定待检测对象的疾病风险信息，提高疾病预测的效率。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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的附图。
图1是本发明第一实施例提供的一种数据处理方法的流程示意图；
图2是本发明第二实施例提供的一种数据处理方法的流程示意图；
图3是本发明实施例提供的一种数据处理装置的结构示意图；
图4是本发明实施例提供的一种服务器的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
本发明实施例公开了一种基于预测模型的数据处理方法、装置、服务器及存储介质，用于通过疾病预测模型快速确定待检测对象的疾病风险信息，以提高疾病预测的效率。以下分别进行详细说明。
其中，本发明实施例中的技术方案可以应用于服务器中，该服务器可以是网上保险平台对应的服务器，也可以是互联网中的其他云服务器。本发明实施例中的终端可以是智能手机(如Android手机、iOS手机、Windows Phone手机等)、电脑、个人笔记本电脑、平板电脑、移动互联网设备(Mobile Internet Devices，MID)以及个人数字助理等。
请参见图1，图1是本发明第一实施例提供的一种基于预测模型的数据处理方法的流程示意图。具体的，如图1所示，该数据处理方法可以包括以下步骤：
S101、服务器接收终端发送的疾病预测请求，所述疾病预测请求携带第一数据。
本发明实施例中，疾病预测请求携带的第一数据包括待检测对象的基本信息、疾病信息、运动信息和生活习惯信息中的一种或者多种信息。该基本信息包括待检测对象的实际年龄、性别、身高、体重、职业信息以及地域信息等。该地域信息包括待检测对象的常住城市名称等，该职业信息包括待检测对象的职业名称以及职业类别等。该疾病信息包括既往病史、现有疾病信息以及家族病史等；该运动信息包括运动名称、运动频率以及运动时长等；该生活习惯信息包括饮食习惯信息、睡眠习惯信息(例如睡觉时间、是否熬夜、熬夜频率等)以及是否抽烟喝酒等。终端接收到用户输入的待检测对象的上述信息之后，根据上述信息生成第一数据，并根据该第一数据生成疾病预测请求。终端向服务器发送该疾病预测请求，服务器在接收到终端发送的疾病预测请求之后，解析该疾病预测请求得到第一数据。其中，该用户可以是待检测对象本身，也可以是保险人员。
在一实施方式中，服务器接收终端发送的疾病预测请求之前，接收终端发送的针对目标界面的操作生成的数据请求，并响应于该数据请求得到目标数据，并向终端发送该目标数据。终端在接收到服务器发送的目标数据之后，根据该目标数据输出目标界面。其中，该目标界面包括多个对话框和多个选项，该多个对话框和多个选项用于供用户输入待检测对象的信息。举例来说，该目标界面中包括供用户填写待检测对象的姓名、身高、体重、出生年月以及居住城市的多个对话框；该目标界面中还包括供用户选择待检测对象的性别、职业、既往病史、现有疾病以及家族病史的多个选项。终端接收用户针对该多个对话框和多个选项输入的待检测对象的信息，并根据输入的待检测对象的信息生成第一数据。进一步地，终端根据该第一数据生成疾病预测请求，并向服务器发送该疾病预测请求，服务器在接收到终端发送的疾病预测请求之后，解析该疾病预测请求得到该第一数据。
S102、所述服务器从所述第一数据中获取与疾病预测模型的输入项对应的第二数据。
本发明实施例中，该疾病预测模型是预先构建的，且预先存储在服务器中。该疾病预测模型是服务器根据历史疾病风险信息以及从历史第一数据中获取到的历史第二数据训练得到的。服务器首先获取历史疾病风险信息以及历史第一数据，并从历史第一数据中获取历史第二数据；然后将历史第二数据作为疾病预测模型的输入，将历史疾病风险信息作为疾病预测模型的输出，训练得到该疾病预测模型。服务器获取到该第一数据之后，调用该疾病预测模型，并从第一数据中获取与该疾病预测模型的输入项对应的第二数据。
其中，一方面，该第二数据可以是第一数据中的部分数据，也即是说，该第二数据是疾病预测模型在进行疾病预测时，需要利用到的该第一数据中的部分数据。举例来说，该第一数据包括待检测对象的基本信息、疾病信息和生活习惯信息；该基本信息包括姓名、身份证号、实际年龄、性别、身高、体重、职业名称和地域信息。由于疾病信息、生活习惯信息以及基本信息中的实际年龄、性别、身高、体重、职业名称和地域信息都是疾病预测过程中的有用参数，且均与该疾病预测模型的输入项对应；则服务器根据该疾病预测模型的输入项从第一数据中获取到的第二数据包括该疾病信息、生活习惯信息以及基本信息中的实际年龄、性别、身高、体重、职业名称和地域信息。而该基本信息中的姓名、身份证号等信息都是疾病预测过程中的无用参数，且该疾病预测模型无输入项与上述信息对应，则将该基本信息中的姓名、身份证号等信息舍弃。另一方面，该第二数据是由第一数据转换表示形式生成的，或者说将第一数据从当前表示形式转换成另一种表示形式得到第二数据。该第二数据的表示形式与该疾病预测模型的输入项的数据的表示形式一致。
S103、所述服务器将所述第二数据输入所述疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息。
本发明实施例中，服务器从该第一数据中获取到第二数据之后，将该第二数据作为该疾病预测模型的输入，并在经过该疾病预测模型的处理之后，得到该待检测对象的疾病风险信息。其中，该疾病风险信息包括至少一个疾病名称以及各个疾病名称对应的风险概率，也即是说，该疾病风险信息包括待检测对象可能患有的各种疾病的名称，以及待检测对象可能患有的每一种疾病的风险概率。
S104、所述服务器生成包括所述疾病风险信息的提示信息，并向所述终端发送所述提示信息。
本发明实施例中，服务器通过疾病预测模型得到该待检测对象的疾病风险信息之后，生成包括该疾病风险信息的提示信息，并将该提示信息发送给终端。终端在接收到服务器发送的提示信息之后，输出该提示信息，以供保险人员和/或待检测对象了解到该待检测对象的疾病风险信息。
在一实施方式中，服务器通过疾病预测模型得到该待检测对象的疾病风险信息之后，根据该疾病风险信息确定该待检测对象的健康状况信息。服务器首先根据各个疾病名称对应的风险概率从该至少一个疾病名称中，确定出风险概率大于风险概率阈值的目标疾病名称，并判断目标疾病名称所对应的疾病是否为重大疾病。当该至少一个疾病名称中不存在风险概率大于风险概率阈值的目标疾病名称时，服务器确定该待检测对象的健康状况为第一健康等级，并将该第一健康等级作为该待检测对象的健康状况信息。当判断出该目标疾病名称所对应的疾病均不为重大疾病时，服务器确定该待检测对象的健康状况为第二健康等级，并将该第二健康等级作为该待检测对象的健康状况信息。当判断出该目标疾病名称所对应的疾病中存在重大疾病时，服务器确定该待检测对象的健康状况为第三健康等级，并将该第三健康等级作为该待检测对象的健康状况信息。其中，健康等级所指示的健康状况从好到差依次为第一健康等级、第二健康等级和第三健康等级，该第一健康等级可以是优秀，该第二健康等级可以是良好，该第三健康等级可以是差。需要说明的是，对于健康等级的划分，本发明实施例不作限定。进一步地，服务器生成包括该疾病风险信息以及该健康状况信息的提示信息，并将该提示信息发送给终端。终端在接收到服务器发送的提示信息之后，输出该提示信息，以供保险人员和/或待检测对象了解到该待检测对象的疾病风险信息，以及直观了解到该待检测对象的健康状况。
本发明实施例中，在接收到终端发送的疾病预测请求之后，首先从疾病预测请求携带的第一数据中获取第二数据，并将第二数据输入疾病预测模型中进行处理，得到疾病风险信息，从而可以通过疾病预测模型快速确定待检测对象的疾病风险信息，提高疾病预测的效率。
请参见图2，图2是本发明第二实施例提供的一种基于预测模型的数据处理方法的流程示意图。具体的，如图2所示，该数据处理方法可以包括以下步骤：
S201、服务器接收终端发送的疾病预测请求，所述疾病预测请求携带第一数据。
具体的，该步骤S201的描述请参照上述图1所示实施例中的相关描述，此处不再赘述。
S202、所述服务器从所述第一数据中获取与疾病预测模型的输入项对应的第二数据。
本发明实施例中，第一数据中的基本信息包括待检测对象的地域信息，该地域信息包括待检测对象的常住城市名称等。服务器获取到该疾病预测请求携带的第一数据之后，根据该地域信息与疾病预测模型的对应关系，从服务器预置的多个疾病预测模型中确定出目标疾病预测模型。举例来说，假设该地域信息所指示的城市名称为北京，服务器则从预置的多个疾病预测模型中获取与城市名称北京对应的疾病预测模型，并将该与城市名称北京对应的疾病预测模型作为目标疾病预测模型。进一步地，服务器根据该目标疾病预测模型的输入项从第一数据中获取第二数据，具体实现方式可参照前文描述，在此不再赘述。
在一实施方式中，该多个疾病预测模型是预先构建的，且预先存储在服务器中。服务器接收终端发送的疾病预测请求之前，首先获取历史第一数据以及历史疾病风险信息，并从该历史第一数据提取待检测对象的地域信息；然后根据地域信息对获取到的历史第一数据进行分类，以得到多个分类类别，每个类别下的历史第一数据对应的待检测对象均处于同一地域。假设地域信息所指示的城市名称为北京和深圳，服务器则将城市名称北京对应的历史第一数据归为同一类，并将城市名称深圳对应的历史第一数据归为另一类。进一步地，服务器从目标类别下的历史第一数据中获取历史第二数据，将目标类别下的历史第二数据作为疾病预测模型的输入，该目标类别为分类得到的多个类别中的任意一个；并将该目标类别下的历史第二数据对应的历史疾病风险信息作为疾病预测模型的输出，训练得到该目标类别所对应地域的疾病预测模型。也即是说，每一个地域分别对应一个疾病预测模型，不同地域所对应的疾病预测模型不同。采用上述方式，可以针对不同地域，训练得到不同的疾病预测模型，训练得到的疾病预测模型更加符合不同地域的实际情况。
在一实施方式中，第一数据中的基本信息包括待检测对象的地域信息和职业信息。该地域信息包括待检测对象的常住城市名称等，该职业信息包括待检测对象的职业名称以及职业类别等。服务器获取到该疾病预测请求携带的第一数据之后，根据该地域信息、职业信息以及疾病预测模型三者的对应关系，从服务器预置的多个疾病预测模型中确定出目标疾病预测模型。举例来说，假设该地域信息所指示的城市名称为北京，该职业信息所指示的职业类别矿业工程师；服务器则从预置的多个疾病预测模型中，获取与城市名称北京以及职业类别矿业工程师对应的疾病预测模型，并将该与城市名称北京以及职业类别矿业工程师对应的疾病预测模型作为目标疾病预测模型。进一步地，服务器根据该目标疾病预测模型的输入项从第一数据中获取第二数据，具体实现方式可参照前文描述，在此不再赘述。
在一实施方式中，该多个疾病预测模型是预先构建的，且预先存储在服务器中。服务器接收终端发送的疾病预测请求之前，首先获取历史第一数据以及历史疾病风险信息，并从该历史第一数据提取待检测对象的地域信息以及职业信息；然后根据地域信息以及职业信息对获取到的历史第一数据进行分类，以得到多个分类类别，每个类别下的历史第一数据对应的待检测对象均处于同一地域以及同一职业类别。进一步地，服务器根据该多个分类类别中每个类别下的历史第一数据以及历史疾病风险信息，分别训练得到每个类别所对应地域以及职业类别的疾病预测模型。采用上述方式，可以针对不同地域以及不同职业类别的待检测对象，训练得到不同的疾病预测模型，训练得到的疾病预测模型更加符合各个地域的各个行业的实际情况。
S203、所述服务器将所述第二数据输入所述疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息，所述疾病风险信息包括至少一个疾病名称以及各个疾病名称对应的风险概率。
本发明实施例中，服务器将第二数据输入该目标疾病预测模型中进行处理，得到该待检测对象的疾病风险信息，具体实现方式可参照前文描述，在此不再赘述。其中，该疾病风险信息包括待检测对象可能患有的各种疾病的名称，以及待检测对象可能患有的每一种疾病的风险概率。
S204、所述服务器根据各个疾病名称对应的风险概率从所述至少一个疾病名称中，确定出风险概率大于风险概率阈值的目标疾病名称。
本发明实施例中，服务器将各个疾病名称所对应的风险概率与预设的风险概率阈值进行比较，并将风险概率大于风险概率阈值的疾病名称确定为目标疾病名称。该预设风险概率阈值例如是70％或者80％等。
S205、所述服务器根据疾病名称与诊疗项目的对应关系，确定与所述目标疾病名称对应的目标诊疗项目。
本发明实施例中，疾病名称与诊疗项目的对应关系可以是以映射表的形式存储在服务器中。诊疗项目包括检查项目、诊断项目以及治疗项目中的一种或者多种。服务器利用目标疾病名称中的各个疾病名称，分别在该映射表中进行查找，获取与目标疾病名称对应的目标诊疗项目。如果目标诊疗项目中存在相同的诊疗项目，则将相同的诊疗项目进行合并。需要说明的是，疾病名称与诊疗项目的对应关系也可以是其他的形式，服务器也可以从网络大数据中获取疾病名称与诊疗项目的对应关系。
S206、所述服务器生成包括所述疾病风险信息以及所述目标诊疗项目的提示信息，并向所述终端发送所述提示信息。
本发明实施例中，服务器生成包括该疾病风险信息以及该目标诊疗项目的提示信息，并将该提示信息发送给终端。终端在接收到服务器发送的提示信息之后，输出该提示信息，以供保险人员和/或待检测对象了解到该待检测对象的疾病风险信息，以及以供待检测对象了解到其自身需要诊疗的项目。
在一实施方式中，服务器根据疾病名称与诊疗项目的对应关系，确定与该至少一个疾病名称对应的所有诊疗项目。如果与该至少一个疾病名称对应的所有诊疗项目中存在相同的诊疗项目，则将相同的诊疗项目进行合并。进一步地，服务器生成包括该疾病风险信息以及与该至少一个疾病名称对应的所有诊疗项目的提示信息，并将该提示信息发送给终端。
在一实施方式中，服务器通过疾病预测模型得到该待检测对象的疾病风险信息之后，根据该至少一个疾病名称确定出建议待检测对象购买的多款保险产品。其中，该多款保险产品所保的疾病的名称可以包括该至少一个疾病名称中的一种或者多种。该多款保险产品所保的疾病的名称还可以只包括该至少一个疾病名称中风险概率大于风险概率阈值的目标疾病名称。
进一步地，服务器可以根据各个疾病名称对应的风险概率，确定建议待检测对象购买该多款保险产品中每一款保险产品时所支付的保费、以及所支付的保费对应的保险金额。其中，服务获取目标疾病对应的历史治疗费用，该历史治疗费用可以是一个具体的值，也可以是一个费用区间；该目标疾病为该至少一个疾病名称所对应的疾病中的任意一种。服务器根据各种目标疾病对应的历史治疗费用确定保险金额，可以是将各种目标疾病对应的历史治疗费用中的最大值或者平均值确定为保险金额。服务器根据推荐的每一款保险产品的赔付规则分别计算得到该保险金额对应的保费。进一步地，服务器生成包括该疾病风险信息、该多款保险产品的产品信息、该多款保险产品中每一款保险产品对应的保费和保险金额的提示信息，并向终端发送该提示信息。终端在接收到服务器发送的提示信息之后，输出该提示信息，以供保险人员和/或待检测对象了解到适合待检测对象购买的保险产品以及所支付的保费。
在一实施方式中，服务器确定出建议待检测对象购买该多款保险产品中每一款保险产品时所支付的保费、以及所支付的保费对应的保险金额之后，生成包括保费、保险金额以及保险产品标识三者的对应关系的映射表。其中，该映射表中可以按照保费从低到高或者从高到低的顺序对该多款保险产品进行排序；该映射表中也可以按照保险金额从低到高或者从高到低的顺序对该多款保险产品进行排序；该映射表中还可以按照该多款保险产品的发布时间的先后顺序对该多款保险产品进行排序。服务器生成包括该疾病风险信息、该多款保险产品的产品信息以及该映射表的提示信息，并向终端发送该提示信息。
在一实施方式中，第一数据中的基本信息包括待检测对象的地域信息。服务器根据疾病名称与诊疗项目的对应关系，确定与目标疾病名称对应的目标诊疗项目之后，根据地域与就诊医院之间的对应关系，从就诊医院数据库中确定出与该地域信息对应的至少一个就诊医院，也即是说，确定出与待检测对象处于同一地域的至少一个就诊医院。其中，该就诊医院数据库中包括多个就诊医院的位置信息，以及该多个就诊医院的医院信息。在另一实施方式中，服务器从网络数据中获取多个医院的位置信息，并将该多个医院中与该待检测对象处于同一地域的医院确定为就诊医院，该就诊医院为至少一个。
进一步地，服务器从网络数据或者该就诊医院数据库中获取该至少一个就诊医院的医院信息，该医院信息包括医院简介、擅长诊疗项目信息、医院名称、地址、电话以及与该待检测对象之间的距离等。进一步地，服务器根据该至少一个就诊医院的擅长诊疗项目信息以及该目标诊疗项目，从该至少一个就诊医院中确定出建议待检测对象去诊疗的推荐医院。举例来说，假设该目标诊疗项目指示待检测对象需要诊疗的项目为呼吸道疾病，且如果该擅长诊疗项目信息指示某个就诊医院擅长诊疗的项目为呼吸道疾病，服务器则将该某个就诊医院确定为建议待检测对象去诊疗的推荐医院。
进一步地，服务器生成包括该疾病风险信息、该推荐医院的医院信息以及该目标诊疗项目的提示信息，并向终端发送该提示信息。终端在接收到服务器发送的提示信息之后，输出该提示信息，以使待检测对象根据该推荐医院的医院信息确定是否去该推荐医院进行诊疗。采用上述方式，可以针对待检测对象的疾病风险信息合理推荐诊疗医院，有利于待检测对象得到更好的诊断以及在确诊之后得到更好的治疗。
在一实施方式中，服务器获取终端的位置信息，该位置信息用于指示终端的地理位置，该地理位置可以是终端在地理坐标系统中的经纬度。服务器可以获取终端的网际协议地址(Internet Protocol Address，IP地址)，然后从IP地理位置数据库中获取该IP地址的地理位置，并将该IP地址的地理位置作为终端的地理位置。另外，服务器还可以通过该终端配置的全球卫星定位(Global Positioning System，GPS)设备获取该终端的地理位置。
其中，服务器获取终端的位置信息的同时，服务器从网络数据中获取多个医院的位置信息，然后计算终端的位置信息所指示的地理位置，分别与获取到的各个医院的位置信息所指示的地理位置之间距离；并将与终端之间的距离在预设距离范围内的医院确定为就诊医院，该就诊为至少一个。服务器从网络数据中获取该至少一个就诊医院的医院信息。进一步地，服务器生成包括该疾病风险信息、该至少一个就诊医院的医院信息以及该目标诊疗项目的提示信息，并向终端发送该提示信息。终端在接收到服务器发送的提示信息之后，输出该提示信息，以使待检测对象根据该至少一个就诊医院的医院信息人工确定去医院诊疗的目标诊疗医院。进一步地，终端接收用户针对该至少一个就诊医院的医院信息输入的选择指令，并根据该选择指令从该至少一个就诊医院中确定出目标诊疗医院。终端向服务器发送路径请求，该路径请求携带目标诊疗医院的标识，该标识可以是目标诊疗医院的名称或者地址等。服务器接收到终端发送的路径请求之后，获取该路径请求携带的目标诊疗医院的标识。
进一步地，服务器获取该目标诊疗医院的地理位置，并从网络数据中获取从终端的地理位置到该目标诊疗医院的地理位置的路径信息，该路径信息所指示的路径包括距离最短路径、耗时最短路径、避开拥堵路径中的一种或者多种。进一步地，服务器将该路径信息发送给终端，终端在接收到该路径信息之后输出该路径信息，以对待检测对象进行路径提示，或者说对待检测对象进行路径导航。采用上述方式，可以就近推荐就诊医院，以节省待检测对象的时间。
在一实施方式中，服务器根据疾病名称与治疗方案的对应关系，确定与该至少一个疾病名称分别对应的治疗方案。进一步地，服务器生成包括该疾病风险信息以及与该至少一个疾病名称分别对应的治疗方案的提示信息，并将该提示信息发送给终端。终端在接收到服务器发送的提示信息之后，输出该提示信息，以供待检测对象了解到其患有的疾病的治疗方案。其中，疾病名称与治疗方案的对应关系可以是以映射表的形式存储在服务器中，疾病名称与治疗方案的对应关系也可以是其他的形式，服务器也可以从网络大数据中获取疾病名称与治疗方案的对应关系。在一实施方式中，服务器可以只获取与风险概率大于风险概率阈值的目标疾病名称对应的目标治疗方案，并将该目标治疗方案携带在该提示信息中发送给终端。
本发明实施例中，在接收到终端发送的疾病预测请求之后，首先从疾病预测请求携带的第一数据中获取第二数据，并将第二数据输入疾病预测模型中进行处理，得到疾病风险信息，从而可以通过疾病预测模型快速确定待检测对象的疾病风险信息，提高疾病预测的效率。进一步地，根据疾病名称与诊疗项目的对应关系，确定与风险概率大于风险概率阈值的目标疾病名称对应的目标诊疗项目，并将包括疾病风险信息以及目标诊疗项目的提示信息发送给终端，以供保险人员和/或待检测对象了解到待检测对象的疾病风险信息以及需要诊疗的项目。
请参见图3，图3是本发明实施例提供的一种基于预测模型的数据处理装置的结构示意图。本发明实施例的数据处理装置包括用于执行上述数据处理方法的单元。具体的，本发明实施例的数据处理装置300可包括：收发单元301、获取单元302和处理单元303。其中：
收发单元301，用于接收终端发送的疾病预测请求，所述疾病预测请求携带第一数据，所述第一数据包括待检测对象的基本信息、疾病信息、运动信息和生活习惯信息中的一种或者多种信息，所述基本信息包括地域信息；
获取单元302，用于从所述第一数据中获取与疾病预测模型的输入项对应的第二数据；
处理单元303，用于将所述第二数据输入所述疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息，所述疾病风险信息包括至少一个疾病名称以及各个疾病名称对应的风险概率，所述疾病预测模型是根据历史疾病风险信息以及历史第一数据训练得到的；
所述处理单元303，还用于生成包括所述疾病风险信息的提示信息；
所述收发单元301，还用于向所述终端发送所述提示信息。
在一实施方式中，所述处理单元303，还用于：
根据各个疾病名称对应的风险概率从所述至少一个疾病名称中，确定出风险概率大于风险概率阈值的目标疾病名称；
根据疾病名称与诊疗项目的对应关系，确定与所述目标疾病名称对应的目标诊疗项目；
生成包括所述疾病风险信息以及所述目标诊疗项目的提示信息。
在一实施方式中，所述处理单元303，还用于根据所述地域信息从就诊医院数据库中确定至少一个就诊医院，所述至少一个就诊医院与所述待检测对象均处于同一地域；
所述获取单元302，还用于获取所述至少一个就诊医院的医院信息，所述医院信息包括擅长诊疗项目信息、医院名称、地址以及电话；
所述处理单元303，还用于根据所述至少一个就诊医院的擅长诊疗项目信息以及所述目标诊疗项目，从所述至少一个就诊医院中确定出建议所述待检测对象去诊疗的推荐医院；
所述处理单元303，具体用于生成包括所述疾病风险信息、所述推荐医院的医院信息以及所述目标诊疗项目的提示信息。
在一实施方式中，所述处理单元303，还用于：
根据所述至少一个疾病名称确定出建议所述待检测对象购买的多款保险产品；
根据所述各个疾病名称对应的风险概率，确定建议所述待检测对象购买所述多款保险产品中每一款保险产品时所支付的保费、以及所支付的保费对应的保险金额；
生成包括所述疾病风险信息、所述多款保险产品中每一款保险产品对应的保费和保险金额的提示信息。
在一实施方式中，所述获取单元302具体用于：
根据所述地域信息与疾病预测模型的对应关系，从预置的多个疾病预测模型中确定出目标疾病预测模型；
根据所述目标疾病预测模型的输入项从所述第一数据中获取第二数据；
所述处理单元303，具体用于将所述第二数据输入所述目标疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息。
在一实施方式中，所述获取单元302，还用于获取历史第一数据以及历史疾病风险信息，所述历史第一数据包括待检测对象的基本信息，所述基本信息包括地域信息；
所述处理单元303还用于：
根据所述地域信息对所述历史第一数据进行分类，以得到多个分类类别，每个类别下的历史第一数据对应的待检测对象均处于同一地域；
根据所述多个分类类别中每个类别下的历史第一数据以及历史疾病风险信息，分别训练得到每个类别所对应地域的疾病预测模型。
在一实施方式中，所述收发单元301，还用于：
接收所述终端发送的针对目标界面的操作生成的数据请求；
响应于所述数据请求得到目标数据，并向所述终端发送所述目标数据，以使所述终端根据所述目标数据输出所述目标界面，所述目标界面包括多个对话框和多个选项，所述多个对话框和多个选项用于供用户输入所述待检测对象的信息；
其中，所述疾病预测请求是根据所述用户针对所述多个对话框和多个选项输入的所述待检测对象的信息生成的。
具体的，该数据处理装置可通过上述单元实现上述图1或图2所示实施例中的数据处理方法中的部分或全部步骤。应理解，本发明实施例是对应方法实施例的装置实施例，对方法实施例的描述，也适用于本发明实施例。
本发明实施例中，在接收到终端发送的疾病预测请求之后，首先从疾病预测请求携带的第一数据中获取第二数据，并将第二数据输入疾病预测模型中进行处理，得到疾病风险信息，从而可以通过疾病预测模型快速确定待检测对象的疾病风险信息，提高疾病预测的效率。
请参见图4，图4是本发明实施例提供的一种服务器的结构示意图。该服务器用于执行上述的方法。如图4所示，本实施例中的服务器400可以包括：一个或多个处理器401和存储器402。可选的，该服务器还可包括一个或多个通信接口403。上述处理器401、通信接口403和存储器402可通过总线404连接，或者可以通过其他方式连接，图4中以总线方式进行示例说明。
其中，所述处理器401可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述通信接口403可用于收发信息或信令的交互，以及信号的接收和传递，通信接口403可包括接收器和发射器，用于与其他设备进行通信。所述存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的存储程序(比如文字存储功能、位置存储功能等)；存储数据区可存储根据服务器的使用所创建的数据(比如图像数据、文字数据)等，并可以包括应用存储程序等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述存储器402还用于存储程序指令。所述处理器401可以调用上述存储器402存储的程序指令，实现如本发明实施例所示的数据处理方法。
其中，处理器401可用于调用所述程序指令执行以下步骤：通过所述通信接口403接收终端发送的疾病预测请求，所述疾病预测请求携带第一数据，所述第一数据包括待检测对象的基本信息、疾病信息、运动信息和生活习惯信息中的一种或者多种信息，所述基本信息包括地域信息；从所述第一数据中获取与疾病预测模型的输入项对应的第二数据；将所述第二数据输入所述疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息，所述疾病风险信息包括至少一个疾病名称以及各个疾病名称对应的风险概率，所述疾病预测模型是根据历史疾病风险信息以及历史第一数据训练得到的；生成包括所述疾病风险信息的提示信息，并通过所述通信接口403向所述终端发送所述提示信息。
在一实施方式中，处理器401还可调用所述程序指令执行以下步骤：根据各个疾病名称对应的风险概率从所述至少一个疾病名称中，确定出风险概率大于风险概率阈值的目标疾病名称；根据疾病名称与诊疗项目的对应关系，确定与所述目标疾病名称对应的目标诊疗项目。处理器401在调用所述程序指令执行所述生成包括所述疾病风险信息的提示信息，并通过所述通信接口403向所述终端发送所述提示信息时，具体执行以下步骤：生成包括所述疾病风险信息以及所述目标诊疗项目的提示信息，并通过所述通信接口403向所述终端发送所述提示信息。
在一实施方式中，处理器401还可调用所述程序指令执行以下步骤：根据所述地域信息从就诊医院数据库中确定至少一个就诊医院，所述至少一个就诊医院与所述待检测对象均处于同一地域；获取所述至少一个就诊医院的医院信息，所述医院信息包括擅长诊疗项目信息、医院名称、地址以及电话；根据所述至少一个就诊医院的擅长诊疗项目信息以及所述目标诊疗项目，从所述至少一个就诊医院中确定出建议所述待检测对象去诊疗的推荐医院。处理器401在调用所述程序指令执行所述生成包括所述疾病风险信息的提示信息，并通过所述通信接口403向所述终端发送所述提示信息时，具体执行以下步骤：生成包括所述疾病风险信息、所述推荐医院的医院信息以及所述目标诊疗项目的提示信息，并通过所述通信接口403向所述终端发送所述提示信息。
在一实施方式中，处理器401还可调用所述程序指令执行以下步骤：根据所述至少一个疾病名称确定出建议所述待检测对象购买的多款保险产品；根据所述各个疾病名称对应的风险概率，确定建议所述待检测对象购买所述多款保险产品中每一款保险产品时所支付的保费、以及所支付的保费对应的保险金额。处理器401在调用所述程序指令执行所述生成包括所述疾病风险信息的提示信息，并通过所述通信接口403向所述终端发送所述提示信息时，具体执行以下步骤：生成包括所述疾病风险信息、所述多款保险产品中每一款保险产品对应的保费和保险金额的提示信息，并通过所述通信接口403向所述终端发送所述提示信息。
在一实施方式中，处理器401在调用所述程序指令执行所述根据疾病预测模型的输入项从所述第一数据中获取第二数据时，具体执行以下步骤：根据所述地域信息与疾病预测模型的对应关系，从预置的多个疾病预测模型中确定出目标疾病预测模型；根据所述目标疾病预测模型的输入项从所述第一数据中获取第二数据。处理器401在调用所述程序指令执行所述将所述第二数据输入所述疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息时，具体执行以下步骤：将所述第二数据输入所述目标疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息。
在一实施方式中，处理器401还可调用所述程序指令执行以下步骤：获取历史第一数据以及历史疾病风险信息，所述历史第一数据包括待检测对象的基本信息，所述基本信息包括地域信息；根据所述地域信息对所述历史第一数据进行分类，以得到多个分类类别，每个类别下的历史第一数据对应的待检测对象均处于同一地域；根据所述多个分类类别中每个类别下的历史第一数据以及历史疾病风险信息，分别训练得到每个类别所对应地域的疾病预测模型。
在一实施方式中，处理器401还可调用所述程序指令执行以下步骤：通过所述通信接口403接收所述终端发送的针对目标界面的操作生成的数据请求；响应于所述数据请求得到目标数据，并通过所述通信接口403向所述终端发送所述目标数据，以使所述终端根据所述目标数据输出所述目标界面，所述目标界面包括多个对话框和多个选项，所述多个对话框和多个选项用于供用户输入所述待检测对象的信息；其中，所述疾病预测请求是根据所述用户针对所述多个对话框和多个选项输入的所述待检测对象的信息生成的。
具体实现中，本发明实施例中所描述的处理器401等可执行上述图1或图2所示的方法实施例中所描述的实现方式，也可执行本发明实施例图3所描述的各单元的实现方式，此处不赘述。
本发明实施例中，在接收到终端发送的疾病预测请求之后，首先从疾病预测请求携带的第一数据中获取第二数据，并将第二数据输入疾病预测模型中进行处理，得到疾病风险信息，从而可以通过疾病预测模型快速确定待检测对象的疾病风险信息，提高疾病预测的效率。
本发明实施例还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现图1或图2所对应实施例中描述的数据处理方法中的部分或全部步骤，也可实现本发明图3所示实施例的数据处理装置的功能，也可实现本发明图4所示实施例的服务器的功能，此处不赘述。
本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述方法中的部分或全部步骤。
所述存储介质可以是前述实施例所述的数据处理装置或者服务器的内部存储单元，例如数据处理装置或者服务器的硬盘或内存。所述存储介质也可以是所述数据处理装置或者服务器的外部存储设备，例如所述数据处理装置或者服务器上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(FlashCard)等。
在本申请中，术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
以上所述，仅为本发明的部分实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于预测模型的数据处理方法，其特征在于，所述方法包括：
接收终端发送的疾病预测请求，所述疾病预测请求携带第一数据，所述第一数据包括待检测对象的基本信息、疾病信息、运动信息和生活习惯信息中的一种或者多种信息，所述基本信息包括地域信息；
从所述第一数据中获取与疾病预测模型的输入项对应的第二数据；
将所述第二数据输入所述疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息，所述疾病风险信息包括至少一个疾病名称以及各个疾病名称对应的风险概率，所述疾病预测模型是根据历史疾病风险信息以及历史第一数据训练得到的；
生成包括所述疾病风险信息的提示信息，并向所述终端发送所述提示信息。
2.根据权利要求1所述的方法，其特征在于，所述将所述第二数据输入所述疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息之后，所述方法还包括：
根据各个疾病名称对应的风险概率从所述至少一个疾病名称中，确定出风险概率大于风险概率阈值的目标疾病名称；
根据疾病名称与诊疗项目的对应关系，确定与所述目标疾病名称对应的目标诊疗项目；
所述生成包括所述疾病风险信息的提示信息，并向所述终端发送所述提示信息，包括：
生成包括所述疾病风险信息以及所述目标诊疗项目的提示信息，并向所述终端发送所述提示信息。
3.根据权利要求2所述的方法，其特征在于，所述根据疾病名称与诊疗项目的对应关系，确定与所述目标疾病名称对应的目标诊疗项目之后，所述方法还包括：
根据所述地域信息从就诊医院数据库中确定至少一个就诊医院，所述至少一个就诊医院与所述待检测对象均处于同一地域；
获取所述至少一个就诊医院的医院信息，所述医院信息包括擅长诊疗项目信息、医院名称、地址以及电话；
根据所述至少一个就诊医院的擅长诊疗项目信息以及所述目标诊疗项目，从所述至少一个就诊医院中确定出建议所述待检测对象去诊疗的推荐医院；
所述生成包括所述疾病风险信息的提示信息，并向所述终端发送所述提示信息，包括：
生成包括所述疾病风险信息、所述推荐医院的医院信息以及所述目标诊疗项目的提示信息，并向所述终端发送所述提示信息。
4.根据权利要求1所述的方法，其特征在于，所述将所述第二数据输入所述疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息之后，所述方法还包括：
根据所述至少一个疾病名称确定出建议所述待检测对象购买的多款保险产品；
根据所述各个疾病名称对应的风险概率，确定建议所述待检测对象购买所述多款保险产品中每一款保险产品时所支付的保费、以及所支付的保费对应的保险金额；
所述生成包括所述疾病风险信息的提示信息，并向所述终端发送所述提示信息，包括：
生成包括所述疾病风险信息、所述多款保险产品中每一款保险产品对应的保费和保险金额的提示信息，并向所述终端发送所述提示信息。
5.根据权利要求1所述的方法，其特征在于，所述根据疾病预测模型的输入项从所述第一数据中获取第二数据，包括：
根据所述地域信息与疾病预测模型的对应关系，从预置的多个疾病预测模型中确定出目标疾病预测模型；
根据所述目标疾病预测模型的输入项从所述第一数据中获取第二数据；
所述将所述第二数据输入所述疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息，包括：
将所述第二数据输入所述目标疾病预测模型中进行处理，得到所述待检测对象的疾病风险信息。
6.根据权利要求5所述的方法，其特征在于，所述接收终端发送的疾病预测请求之前，所述方法还包括：
获取历史第一数据以及历史疾病风险信息，所述历史第一数据包括待检测对象的基本信息，所述基本信息包括地域信息；
根据所述地域信息对所述历史第一数据进行分类，以得到多个分类类别，每个类别下的历史第一数据对应的待检测对象均处于同一地域；
根据所述多个分类类别中每个类别下的历史第一数据以及历史疾病风险信息，分别训练得到每个类别所对应地域的疾病预测模型。
7.根据权利要求1至5任一项所述的方法，其特征在于，所述接收终端发送的疾病预测请求之前，所述方法还包括：
接收所述终端发送的针对目标界面的操作生成的数据请求；
响应于所述数据请求得到目标数据，并向所述终端发送所述目标数据，以使所述终端根据所述目标数据输出所述目标界面，所述目标界面包括多个对话框和多个选项，所述多个对话框和多个选项用于供用户输入所述待检测对象的信息；
其中，所述疾病预测请求是根据所述用户针对所述多个对话框和多个选项输入的所述待检测对象的信息生成的。
8.一种基于预测模型的数据处理装置，其特征在于，包括用于执行如权利要求1至7中任一项权利要求所述的方法的单元。
9.一种服务器，其特征在于，包括处理器、通信接口和存储器，所述处理器、所述通信接口和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1至7中任一项所述的方法。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811275846.0A CN109493972A (zh) | 2018-10-30 | 2018-10-30 | 基于预测模型的数据处理方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811275846.0A CN109493972A (zh) | 2018-10-30 | 2018-10-30 | 基于预测模型的数据处理方法、装置、服务器及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109493972A true CN109493972A (zh) | 2019-03-19 |
Family
ID=65691802
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811275846.0A Pending CN109493972A (zh) | 2018-10-30 | 2018-10-30 | 基于预测模型的数据处理方法、装置、服务器及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109493972A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110111305A (zh) * | 2019-04-10 | 2019-08-09 | 上海联影智能医疗科技有限公司 | 处理方案的生成方法、装置、设备和存储介质 |
| CN110136005A (zh) * | 2019-04-02 | 2019-08-16 | 阿里巴巴集团控股有限公司 | 互助项目成员审核方法、装置、电子设备及存储介质 |
| CN110162398A (zh) * | 2019-04-11 | 2019-08-23 | 平安科技（深圳）有限公司 | 一种疾病分析模型的调度方法、装置及终端设备 |
| CN110211690A (zh) * | 2019-04-19 | 2019-09-06 | 平安科技（深圳）有限公司 | 疾病风险预测方法、装置、计算机设备及计算机存储介质 |
| CN110517775A (zh) * | 2019-08-12 | 2019-11-29 | 上海艾莎信息科技有限公司 | 疾病风险预测方法、装置、计算机设备和存储介质 |
| CN111274305A (zh) * | 2020-01-15 | 2020-06-12 | 平安医疗健康管理股份有限公司 | 三维图片的生成方法、装置、计算机设备和存储介质 |
| CN111832583A (zh) * | 2019-04-15 | 2020-10-27 | 泰康保险集团股份有限公司 | 基于区块链的健康管理方法、装置、介质及电子设备 |
| CN112259246A (zh) * | 2020-10-21 | 2021-01-22 | 平安科技（深圳）有限公司 | 一种融合医学概念层级结构的疾病预测方法及相关设备 |
| CN112259161A (zh) * | 2020-10-21 | 2021-01-22 | 平安科技（深圳）有限公司 | 一种疾病风险评估系统、方法、装置及存储介质 |
| CN112509712A (zh) * | 2020-12-31 | 2021-03-16 | 曜立科技(北京)有限公司 | 一种产妇信息的跟踪反馈方法及系统 |
| CN112837674A (zh) * | 2019-11-22 | 2021-05-25 | 阿里巴巴集团控股有限公司 | 语音识别方法、装置及相关系统和设备 |
| WO2021151291A1 (zh) * | 2020-05-26 | 2021-08-05 | 平安科技（深圳）有限公司 | 疾病风险的分析方法、装置、电子设备及计算机存储介质 |
| WO2021208845A1 (zh) * | 2020-04-13 | 2021-10-21 | 深圳前海微众银行股份有限公司 | 传染病毒携带者检测方法、系统、装置、设备和介质 |
| CN114792568A (zh) * | 2022-06-27 | 2022-07-26 | 天津幸福生命科技有限公司 | 住院风险预测方法及装置、存储介质及电子设备 |
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 |
| 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 |
| CN107910068A (zh) * | 2017-11-29 | 2018-04-13 | 平安健康保险股份有限公司 | 投保用户的健康风险预测方法、装置、设备及存储介质 |
-
2018
- 2018-10-30 CN CN201811275846.0A patent/CN109493972A/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 |
| 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 |
| CN107910068A (zh) * | 2017-11-29 | 2018-04-13 | 平安健康保险股份有限公司 | 投保用户的健康风险预测方法、装置、设备及存储介质 |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110136005A (zh) * | 2019-04-02 | 2019-08-16 | 阿里巴巴集团控股有限公司 | 互助项目成员审核方法、装置、电子设备及存储介质 |
| CN110111305B (zh) * | 2019-04-10 | 2021-08-13 | 上海联影智能医疗科技有限公司 | 处理方案的生成方法、装置、设备和存储介质 |
| CN110111305A (zh) * | 2019-04-10 | 2019-08-09 | 上海联影智能医疗科技有限公司 | 处理方案的生成方法、装置、设备和存储介质 |
| CN110162398A (zh) * | 2019-04-11 | 2019-08-23 | 平安科技（深圳）有限公司 | 一种疾病分析模型的调度方法、装置及终端设备 |
| CN110162398B (zh) * | 2019-04-11 | 2024-05-03 | 平安科技（深圳）有限公司 | 一种疾病分析模型的调度方法、装置及终端设备 |
| CN111832583A (zh) * | 2019-04-15 | 2020-10-27 | 泰康保险集团股份有限公司 | 基于区块链的健康管理方法、装置、介质及电子设备 |
| CN110211690A (zh) * | 2019-04-19 | 2019-09-06 | 平安科技（深圳）有限公司 | 疾病风险预测方法、装置、计算机设备及计算机存储介质 |
| CN110517775A (zh) * | 2019-08-12 | 2019-11-29 | 上海艾莎信息科技有限公司 | 疾病风险预测方法、装置、计算机设备和存储介质 |
| CN112837674A (zh) * | 2019-11-22 | 2021-05-25 | 阿里巴巴集团控股有限公司 | 语音识别方法、装置及相关系统和设备 |
| CN111274305B (zh) * | 2020-01-15 | 2023-03-31 | 深圳平安医疗健康科技服务有限公司 | 三维图片的生成方法、装置、计算机设备和存储介质 |
| CN111274305A (zh) * | 2020-01-15 | 2020-06-12 | 平安医疗健康管理股份有限公司 | 三维图片的生成方法、装置、计算机设备和存储介质 |
| WO2021208845A1 (zh) * | 2020-04-13 | 2021-10-21 | 深圳前海微众银行股份有限公司 | 传染病毒携带者检测方法、系统、装置、设备和介质 |
| WO2021151291A1 (zh) * | 2020-05-26 | 2021-08-05 | 平安科技（深圳）有限公司 | 疾病风险的分析方法、装置、电子设备及计算机存储介质 |
| CN112259161A (zh) * | 2020-10-21 | 2021-01-22 | 平安科技（深圳）有限公司 | 一种疾病风险评估系统、方法、装置及存储介质 |
| CN112259246A (zh) * | 2020-10-21 | 2021-01-22 | 平安科技（深圳）有限公司 | 一种融合医学概念层级结构的疾病预测方法及相关设备 |
| CN112259246B (zh) * | 2020-10-21 | 2023-07-25 | 平安科技（深圳）有限公司 | 一种融合医学概念层级结构的疾病预测方法及相关设备 |
| CN112259161B (zh) * | 2020-10-21 | 2024-03-01 | 平安科技（深圳）有限公司 | 一种疾病风险评估系统、方法、装置及存储介质 |
| CN112509712A (zh) * | 2020-12-31 | 2021-03-16 | 曜立科技(北京)有限公司 | 一种产妇信息的跟踪反馈方法及系统 |
| CN114792568A (zh) * | 2022-06-27 | 2022-07-26 | 天津幸福生命科技有限公司 | 住院风险预测方法及装置、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109493972A (zh) | 基于预测模型的数据处理方法、装置、服务器及存储介质 | |
| US10861590B2 (en) | Generating spatial visualizations of a patient medical state | |
| Pu et al. | Improving the spatial accessibility of healthcare in North Kivu, Democratic Republic of Congo | |
| CN109523067A (zh) | 基于预测模型的费用预测方法、装置、服务器及存储介质 | |
| Murray et al. | Commercial GIS location analytics: capabilities and performance | |
| US20170351834A1 (en) | Personal travel health vulnerability navigator | |
| KR20190020513A (ko) | 반려동물 케어 방법 및 이를 이용하는 시스템 | |
| US20160284038A1 (en) | Emergency Response System | |
| CN109376932A (zh) | 基于预测模型的年龄预测方法、装置、服务器及存储介质 | |
| CN103164616A (zh) | 一种智能导诊系统和方法 | |
| US20170351833A1 (en) | Personal travel health vulnerability navigator | |
| US10977589B2 (en) | Task assignment method, computer program product and task assignment system | |
| US20160371439A1 (en) | Patient matching system | |
| CN109544371A (zh) | 一种就医提示方法、装置、服务器及存储介质 | |
| US20140358422A1 (en) | Prescription-based travel route recommendation | |
| CN105593680A (zh) | 个人设备中的协作电子鼻管理 | |
| CN109891190A (zh) | 基于衍生社交网络对个人进行地理定位 | |
| CN109544103A (zh) | 一种理赔模型的构建方法、装置、服务器及存储介质 | |
| CN109524099A (zh) | 医疗机构推荐方法、服务器及用户终端 | |
| CN109740882B (zh) | 用于体检车的数据处理方法及装置 | |
| CN108428001A (zh) | 信用分值预测方法及装置 | |
| US20120233035A1 (en) | System, Method and Apparatus for Matching Sales Leads to Purchases | |
| CN105637484A (zh) | 任务分配方法、计算机程序产品和任务分配系统 | |
| KR101515303B1 (ko) | 환자 개인정보 히스토리 제공 방법, 서버 및 기록매체 | |
| CN107924498B (zh) | 信息处理装置、信息处理系统、导航系统、信息处理方法及程序 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220524 Address after: 518000 China Aviation Center 2901, No. 1018, Huafu Road, Huahang community, Huaqiang North Street, Futian District, Shenzhen, Guangdong Province Applicant after: Shenzhen Ping An medical and Health Technology Service Co.,Ltd. Address before: Room 12G, Block H, 666 Beijing East Road, Huangpu District, Shanghai 200000 Applicant before: PING AN MEDICAL AND HEALTHCARE MANAGEMENT Co.,Ltd. |