CN109712711A - 基于机器学习的健康评估方法、装置、电子设备及介质 - Google Patents
基于机器学习的健康评估方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN109712711A CN109712711A CN201811518900.XA CN201811518900A CN109712711A CN 109712711 A CN109712711 A CN 109712711A CN 201811518900 A CN201811518900 A CN 201811518900A CN 109712711 A CN109712711 A CN 109712711A
- Authority
- CN
- China
- Prior art keywords
- health
- user
- feature
- information
- assessed
- 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
- 230000036541 health Effects 0.000 title claims abstract description 178
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000010801 machine learning Methods 0.000 title claims abstract description 30
- 238000013210 evaluation model Methods 0.000 claims abstract description 46
- 238000012549 training Methods 0.000 claims abstract description 39
- 230000003862 health status Effects 0.000 claims abstract description 29
- 235000005911 diet Nutrition 0.000 claims description 14
- 230000037213 diet Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 230000006854 communication Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 208000010340 Sleep Deprivation Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 201000009240 nasopharyngitis Diseases 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 208000035240 Disease Resistance Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 235000021274 meat intake Nutrition 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明的实施例提供了一种基于机器学习的健康评估方法、装置、电子设备及存储介质，涉及人工智能技术领域。该方法包括：获取多个用户的历史健康基础信息；从所述历史健康基础信息中提取用户的健康信息特征；基于所述健康信息特征对健康评估模型进行训练；基于训练后的健康评估模型对待评估用户的健康状况进行评估。本发明实施例的技术方案能够全面准确地对用户的健康状态进行评估，从而能够根据评估结果对用户的健康状况进行预警。
Description
技术领域
本发明涉及人工智能技术领域，具体而言，涉及一种基于机器学习的健康评估方法、健康评估装置、电子设备以及计算机可读存储介质。
背景技术
随着互联网技术的发展，涌现出了许多健康类应用软件，越来越多的人选择在网络上在线向医生获取健康信息。
在目前的健康类应用软件中，主要是通过在线问诊的方式获取用户的健康状态信息，基于获取的健康信息对用户的健康状态信息评估。然而，这种方式不能全面反映用户的健康状况，难以准确地对用户的健康状态进行评估。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明实施例的目的在于提供一种基于机器学习的健康评估方法、健康评估装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本发明实施例的第一方面，提供了一种基于机器学习的健康评估方法，包括：获取多个用户的历史健康基础信息；从所述历史健康基础信息中提取用户的健康信息特征；基于所述健康信息特征对健康评估模型进行训练；基于训练后的健康评估模型对待评估用户的健康状况进行评估。
在本发明的一些示例性实施例中，基于前述方案，基于所述健康信息特征对健康评估模型进行训练，包括：将所述健康信息特征按照预定比例分为训练样本集和验证样本集；基于所述训练样本集对所述健康评估模型进行训练；基于所述验证样本集对训练后的所述健康评估模型的参数进行调整。
在本发明的一些示例性实施例中，基于前述方案，所述健康基础信息包括饮食信息、身体状态信息、运动信息以及精神状态信息。
在本发明的一些示例性实施例中，基于前述方案，从所述历史健康基础信息中提取用户的健康信息特征，包括：从所述历史健康基础信息中提取用户的饮食特征、身体状态特征、运动特征以及精神状态特征；基于健康评估模板中的饮食评分标准、身体状态评分标准、运动评分标准以及精神状态评分标准对提取的用户的饮食特征、身体状态特征、运动特征以及精神状态特征进行评分标记。
在本发明的一些示例性实施例中，基于前述方案，基于训练后的健康评估模型对待评估用户的健康状况进行评估，包括：获取待评估用户的健康基础信息；从获取的所述健康基础信息中提取所述待评估用户的健康信息特征；将所述待评估用户的健康信息特征输入到健康评估模型，获取所述待评估用户的各个特征的评分以及总评分。
在本发明的一些示例性实施例中，基于前述方案，所述基于机器学习的健康评估方法还包括：基于评估结果结合所述用户的年度体检报告对所述用户的健康状态进行预警分析。
在本发明的一些示例性实施例中，基于前述方案，所述基于机器学习的健康评估方法还包括：建立所述用户的健康顾问知识库；采集所述用户的健康基础信息，将采集的所述健康基础信息存储到所述健康顾问知识库中。
根据本发明实施例的第二方面，提供一种健康评估装置，包括：信息获取单元，用于获取多个用户的历史健康基础信息；特征提取单元，用于从所述历史健康基础信息中提取用户的健康信息特征；模型训练单元，用于基于所述健康信息特征对健康评估模型进行训练；评估单元，用于基于训练后的健康评估模型对待评估用户的健康状况进行评估。
根据本发明实施例的第三方面，提供一种电子设备，包括：处理器；以及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如上述第一方面所述的基于机器学习的健康评估方法。
根据本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的基于机器学习的健康评估方法。
在本发明的一些实施例所提供的技术方案中，从用户的历史健康基础信息中提取用户的健康信息特征，能够获得用户的多个方面的健康状况信息；另一方面，基于训练后的健康评估模型对待评估用户的健康状况进行评估，能够全面准确地对用户的健康状态进行评估，从而能够根据评估结果对用户的健康状况进行预警。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅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。在附图中：
图1示出了根据本发明的一些实施例的基于机器学习的健康评估方法的流程示意图；
图2示出了根据本发明的一些实施例对健康评估模型进行训练的流程示意图；
图3示出了根据本发明的一些实施例对用户的健康状况进行评估的流程示意图；
图4示出了根据本发明的一些示例性实施例的健康评估装置的示意框图；
图5示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本发明将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
图1示出了根据本发明的一些实施例的基于机器学习的健康评估方法的流程示意图，该基于机器学习的健康评估方法可以应用于服务器端。参照图1所示，该基于机器学习的健康评估方法可以包括步骤S110至步骤S140，下面对图1中的基于机器学习的健康评估方法进行详细的说明。
参照图1所示，在步骤S110中，获取多个用户的历史健康基础信息。
在示例实施例中，用户的历史健康基础信息包括：饮食信息、身体状态信息、运动信息、精神状态信息，但是本发明的示例实施例中的历史健康基础信息不限于此，例如历史健康基础信息还可以包括排泄信息以及疾病信息，这同样在本发明的保护范围内。
此外，在示例实施例中，可以预先设定健康基础信息模板，通过用户手写录入、语音输入以及图片输入等形式在健康基础信息模板上进行内容记录。在该健康基础信息模板中，饮食信息可以包括：日肉类摄入量、日蛋类摄入量、日蔬菜水果类摄入量、日谷物摄入量、日喝水量等。排泄信息可以包括大小便频次；身体状态信息可以包括：睡眠状态例如经常失眠、睡眠不足、睡眠充足等；抗病能力，例如一年内患几次感冒；BMI指数(即身体质量指数，Body Mass Index，简称BMI)，体质指数(BMI)＝体重(kg)÷身高^2(m)，BMI在18.5至24.9属于正常范围。运动信息可以包括：每天运动时长或每周运动时长、每天走路距离或每天跑步距离等。精神状态信息可以包括：起床后精力严重不足、起床后没有精神、起床后精力较好、起床后精力充沛等。
在步骤S120中，从所述历史健康基础信息中提取用户的健康信息特征。
在示例实施例中，可以从所述健康基础信息中提取用户的饮食特征、排泄特征、身体状态特征、精神状态特征以及运动特征，例如通过关键词分析从健康基础信息中提取用户的饮食特征、排泄特征、身体状态特征、精神状态特征以及运动特征。
在一些示例实施例中，还可以从所述历史健康基础信息中提取用户的饮食特征、身体状态特征、运动特征以及精神状态特征；基于健康评估模板中的饮食评分标准、身体状态评分标准、运动评分标准以及精神状态评分标准对提取的用户的饮食特征、身体状态特征、运动特征以及精神状态特征进行评分标记，将提取的用户的健康信息特征以及对应的评分作为最终的用户的健康信息特征。
在步骤S130中，基于所述健康信息特征对健康评估模型进行训练。
在示例实施例中，将提取的健康信息特征输入到健康评估模型中，对健康评估模型进行训练。该健康评估模型为机器学习模型，机器学习模型可以包括：决策树模型、支持向量机模型、神经网络模型等模型。
在步骤S140中，基于训练后的健康评估模型对待评估用户的健康状况进行评估。
在示例实施例中，获取待评估用户的健康基础信息，从获取的健康基础信息中提取待评估用户的健康信息特征例如饮食特征、排泄特征、身体状态特征以及运动特征，将待评估用户的健康信息特征输入到健康评估模型，获取待评估用户的各个特征的评分以及总评分。
根据图1的示例实施例中的基于机器学习的健康评估方法，从用户的历史健康基础信息中提取用户的健康信息特征，能够获得用户的多个方面的健康状况信息；另一方面，基于训练后的健康评估模型对待评估用户的健康状况进行评估，能够全面准确地对用户的健康状态进行评估，从而能够根据评估结果对用户的健康状况进行预警。
进一步地，在示例实施例中，从所述历史健康基础信息中提取用户的饮食特征、身体状态特征、运动特征以及精神状态特征；基于健康评估模板中的饮食评分标准、身体状态评分标准、运动评分标准以及精神状态评分标准对提取的用户的饮食特征、身体状态特征、运动特征以及精神状态特征进行评分标记。以身体状态特征为例，对于睡眠状态，经常失眠评分为0至25分、睡眠不足评分为26-50分、睡眠较好评分为51-75分，睡眠充足的评分为76-100分。BMI指数：BMI大于等于33，评分为0-25；BMI在29.0-32.9，评分为26-50；BMI在25.0-28.9，评分为51-75；BMI在18.5-24.9，评分为76-100；。对于精神健康状态，起床后精力严重不足评分为0-25分，起床后没有精神评分在26-50分；起床后精力较好评分在51-75分；起床后神清气爽评分在76-100分。
此外，在示例实施例中，可以对身体状态特征中的睡眠状态评分、感冒次数以及BMI指数行加权运算获取身体状态特征的总评分。例如，睡眠状态权重为35、感冒次数权重35、BMI指数的权重为30。
进一步地，在示例实施例中，建立所述用户的健康顾问知识库；采集所述用户的健康基础信息，将采集的所述健康基础信息存储到所述健康顾问知识库中。例如，可以采用机器学习技术，建立用户的健康顾问知识库，通过云端数据方案采集用户的健康基础信息，为用户量身定制符合自身需求的健康提醒。
图2示出了根据本发明的一些实施例对健康评估模型进行训练的流程示意图。
参照图2所示，在步骤S210中，将所述健康信息特征按照预定比例分为训练样本集和验证样本集。
在示例实施例中，将提取的健康信息特征按照预定比例例如7:3的比例分为训练样本集和验证样本集。训练样本集用于对健康评估模型进行训练，验证样本集用于对健康评估模型的评估结果进行验证。
在步骤S220中，基于所述训练样本集对所述健康评估模型进行训练。
在示例实施例中，将训练样本集输入到健康评估模型中，对健康评估模型进行训练。此外，还可以获取训练样本集的标签，例如，基于健康评估模板中的饮食评分标准、身体状态评分标准、运动评分标准以及精神状态评分标准对训练样本集中的健康信息特征进行评分，将评分结果作为训练样本集中对应的健康信息特征的标签。将训练样本集以及对其的标签集输入到健康评估模型进行训练。
在步骤S230中，基于所述验证样本集对训练后的所述健康评估模型的参数进行调整。
在示例实施例中，在训练好健康评估模型之后，还能够基于验证样本集对训练后的健康评估模型的参数进行调整，使得健康评估模型的评估结果更准确。
图3示出了根据本发明的一些实施例对用户的健康状况进行评估的流程示意图。
参照图3所示，在步骤S310中，获取待评估用户的健康基础信息。
在示例实施例中，获取待评估用户的健康基础信息例如饮食信息、身体状态信息、运动信息以及精神状态信息等信息。
在步骤S320中，从获取的所述健康基础信息中提取所述待评估用户的健康信息特征。
在示例实施例中，从用户的健康基础信息中提取用户的饮食特征、身体状态特征、运动特征以及精神状态特征。
在步骤S330中，将所述待评估用户的健康信息特征输入到健康评估模型，获取所述待评估用户的各个特征的评分以及总评分。
在示例实施例中，通过健康评估模型获取待评估用户的各个特征例如饮食特征、身体状态特征、运动特征以及精神状态特征的评分以及总评分。
进一步地，在示例实施例中，可以基于总评分以及各特征项的评分对用户的吃、喝、运动、睡眠等行为进行健康提醒，例如，如果用户的总评分以及睡眠特征评分较低，可以提醒用户注意休息；如果用户的饮食特征中评分较低，可以提醒用户注意合理搭配饮食。
进一步地，在示例实施例中，可以基于评估结果结合用户的年度体检报告对用户的健康状态进行预警分析。例如，在本发明的示例实施例中，以提醒，辅助监管为特点，能够做到事前提醒、关怀、预防。
此外，在示例实施例中，可以基于评估结果结合用户的年度体检报告对用户提供一些养护方案，例如：对于肥胖、糖尿病、高血压等亚健康人群，可以基于评估结果的得分确定用户的病情严重程度，并推荐相应的饮食规划，以及对应的菜谱、食谱；并持续跟踪记录该类人群的身体状况。
此外，在本发明的实施例中，还提供了一种健康评估装置。参照图4所示，该健康评估装置400可以包括：信息获取单元410、特征提取单元420、模型训练单元430以及评估单元440。其中，信息获取单元410用于获取多个用户的历史健康基础信息；特征提取单元420用于从所述历史健康基础信息中提取用户的健康信息特征；模型训练单元430用于基于所述健康信息特征对健康评估模型进行训练；评估单元440用于基于训练后的健康评估模型对待评估用户的健康状况进行评估。
在本发明的一些示例性实施例中，基于前述方案，基于所述健康信息特征对健康评估模型进行训练，包括：将所述健康信息特征按照预定比例分为训练样本集和验证样本集；基于所述训练样本集对所述健康评估模型进行训练；基于所述验证样本集对训练后的所述健康评估模型的参数进行调整。
在本发明的一些示例性实施例中，基于前述方案，所述健康基础信息包括饮食信息、身体状态信息、运动信息以及精神状态信息。
在本发明的一些示例性实施例中，基于前述方案，从所述历史健康基础信息中提取用户的健康信息特征，包括：从所述历史健康基础信息中提取用户的饮食特征、身体状态特征、运动特征以及精神状态特征；基于健康评估模板中的饮食评分标准、身体状态评分标准、运动评分标准以及精神状态评分标准对提取的用户的饮食特征、身体状态特征、运动特征以及精神状态特征进行评分标记。
在本发明的一些示例性实施例中，基于前述方案，基于训练后的健康评估模型对待评估用户的健康状况进行评估，包括：获取待评估用户的健康基础信息；从获取的所述健康基础信息中提取所述待评估用户的健康信息特征；将所述待评估用户的健康信息特征输入到健康评估模型，获取所述待评估用户的各个特征的评分以及总评分。
在本发明的一些示例性实施例中，基于前述方案，所述基于机器学习的健康评估方法还包括：基于评估结果结合所述用户的年度体检报告对所述用户的健康状态进行预警分析。
在本发明的一些示例性实施例中，基于前述方案，所述基于机器学习的健康评估方法还包括：建立所述用户的健康顾问知识库；采集所述用户的健康基础信息，将采集的所述健康基础信息存储到所述健康顾问知识库中。
由于本发明的示例实施例的健康评估装置400的各个功能模块与上述基于机器学习的健康评估方法的示例实施例的步骤对应，因此在此不再赘述。
在本发明的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
下面参考图5，其示出了适于用来实现本发明实施例的电子设备的计算机系统500的结构示意图。图5示出的电子设备的计算机系统500仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统操作所需的各种程序和数据。CPU501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本申请的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如上述实施例中所述的基于机器学习的健康评估方法。
例如，所述电子设备可以实现如图1中所示的：步骤S110，获取多个用户的历史健康基础信息；步骤S120，从所述历史健康基础信息中提取用户的健康信息特征；步骤S130，基于所述健康信息特征对健康评估模型进行训练；步骤S140，基于训练后的健康评估模型对待评估用户的健康状况进行评估。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备或装置的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于机器学习的健康评估方法，其特征在于，包括：
获取多个用户的历史健康基础信息；
从所述历史健康基础信息中提取所述用户的健康信息特征；
基于所述健康信息特征对健康评估模型进行训练；
基于训练后的健康评估模型对待评估用户的健康状况进行评估。
2.根据权利要求1所述的基于机器学习的健康评估方法，其特征在于，基于所述健康信息特征对健康评估模型进行训练，包括：
将所述健康信息特征按照预定比例分为训练样本集和验证样本集；
基于所述训练样本集对所述健康评估模型进行训练；
基于所述验证样本集对训练后的所述健康评估模型的参数进行调整。
3.根据权利要求1所述的基于机器学习的健康评估方法，其特征在于，所述健康基础信息包括饮食信息、身体状态信息、运动信息以及精神状态信息。
4.根据权利要求3所述的基于机器学习的健康评估方法，其特征在于，从所述历史健康基础信息中提取所述用户的健康信息特征，包括：
从所述历史健康基础信息中提取所述用户的饮食特征、身体状态特征、运动特征以及精神状态特征；
基于健康评估模板中的饮食评分标准、身体状态评分标准、运动评分标准以及精神状态评分标准对提取的用户的饮食特征、身体状态特征、运动特征以及精神状态特征进行评分标记。
5.根据权利要求1所述的基于机器学习的健康评估方法，其特征在于，基于训练后的健康评估模型对待评估用户的健康状况进行评估，包括：
获取待评估用户的健康基础信息；
从获取的所述健康基础信息中提取所述待评估用户的健康信息特征；
将所述待评估用户的健康信息特征输入到健康评估模型，获取所述待评估用户的各个特征的评分以及总评分。
6.根据权利要求1所述的基于机器学习的健康评估方法，其特征在于，所述基于机器学习的健康评估方法还包括：
基于评估结果结合所述用户的年度体检报告对所述用户的健康状态进行预警分析。
7.根据权利要求1所述的基于机器学习的健康评估方法，其特征在于，所述基于机器学习的健康评估方法还包括：
建立所述用户的健康顾问知识库；
采集所述用户的健康基础信息，将采集的所述健康基础信息存储到所述健康顾问知识库中。
8.一种健康评估装置，其特征在于，包括：
信息获取单元，用于获取多个用户的历史健康基础信息；
特征提取单元，用于从所述历史健康基础信息中提取所述用户的健康信息特征；
模型训练单元，用于基于所述健康信息特征对健康评估模型进行训练；
评估单元，用于基于训练后的健康评估模型对待评估用户的健康状况进行评估。
9.一种电子设备，其特征在于，包括：
处理器；以及
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如权利要求1至7中任一项所述的基于机器学习的健康评估方法。
10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于机器学习的健康评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811518900.XA CN109712711A (zh) | 2018-12-12 | 2018-12-12 | 基于机器学习的健康评估方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811518900.XA CN109712711A (zh) | 2018-12-12 | 2018-12-12 | 基于机器学习的健康评估方法、装置、电子设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109712711A true CN109712711A (zh) | 2019-05-03 |
Family
ID=66256433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811518900.XA Pending CN109712711A (zh) | 2018-12-12 | 2018-12-12 | 基于机器学习的健康评估方法、装置、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109712711A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111508585A (zh) * | 2020-04-24 | 2020-08-07 | 珠海格力电器股份有限公司 | 一种饮食推荐方法、装置、存储介质及系统 |
| CN111540471A (zh) * | 2020-05-12 | 2020-08-14 | 西安交通大学医学院第一附属医院 | 一种基于用户健康数据的健康状态跟踪及预警方法和系统 |
| CN112185556A (zh) * | 2020-09-15 | 2021-01-05 | 珠海格力电器股份有限公司 | 健康状态的确定方法和装置、存储介质、电子装置 |
| CN112530593A (zh) * | 2020-12-17 | 2021-03-19 | 苏州健雄职业技术学院 | 一种基于宏信息的人体健康状态识别方法及设备 |
| CN112820409A (zh) * | 2021-01-27 | 2021-05-18 | 五八到家有限公司 | 健康预测方法、设备及存储介质 |
| CN113140286A (zh) * | 2020-01-19 | 2021-07-20 | 浙江爱多特大健康科技有限公司 | 饮食信息确定的方法、装置、电子设备及计算机存储介质 |
| CN113643808A (zh) * | 2021-07-23 | 2021-11-12 | 四川大学 | 一种软件方式实现老年人健康状况管理的方法 |
| CN114613496A (zh) * | 2022-03-24 | 2022-06-10 | 姜妹英 | 基于人工智能的电子档案大数据挖掘健康评估方法及系统 |
| CN114639462A (zh) * | 2022-03-15 | 2022-06-17 | 平安国际智慧城市科技股份有限公司 | 健康打卡任务的生成方法、装置、设备及存储介质 |
| CN114708973A (zh) * | 2022-06-06 | 2022-07-05 | 首都医科大学附属北京友谊医院 | 一种用于对人体健康进行评估的方法和相关产品 |
| CN115295123A (zh) * | 2022-08-17 | 2022-11-04 | 慕思健康睡眠股份有限公司 | 基于睡眠大数据的饮食推荐方法、装置、设备及介质 |
| CN116664255A (zh) * | 2023-08-01 | 2023-08-29 | 成都豪杰特科技有限公司 | 基于人工智能的店铺推荐方法和系统 |
| CN116913514A (zh) * | 2023-07-13 | 2023-10-20 | 江苏健中康华医疗科技有限公司 | 一种基于大数据的健康管理系统 |
| CN117059278A (zh) * | 2023-10-12 | 2023-11-14 | 北京大学人民医院 | 用于评估婴幼儿生长发育的方法、装置、设备和存储介质 |
| CN117373676A (zh) * | 2023-12-07 | 2024-01-09 | 成都大熊猫繁育研究基地 | 大熊猫健康评估方法、装置、系统、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120072233A1 (en) * | 2010-09-20 | 2012-03-22 | Hanlon Alaina B | Medical health information system for health assessment, weight management and meal planning |
| CN106339576A (zh) * | 2016-07-20 | 2017-01-18 | 美的集团股份有限公司 | 一种健康管理方法和系统 |
| CN107818824A (zh) * | 2017-04-10 | 2018-03-20 | 平安科技（深圳）有限公司 | 一种用于健康评估的健康模型构建方法及终端 |
| CN107910066A (zh) * | 2017-11-13 | 2018-04-13 | 医渡云（北京）技术有限公司 | 病历评估方法、装置、电子设备及存储介质 |
-
2018
- 2018-12-12 CN CN201811518900.XA patent/CN109712711A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120072233A1 (en) * | 2010-09-20 | 2012-03-22 | Hanlon Alaina B | Medical health information system for health assessment, weight management and meal planning |
| CN106339576A (zh) * | 2016-07-20 | 2017-01-18 | 美的集团股份有限公司 | 一种健康管理方法和系统 |
| CN107818824A (zh) * | 2017-04-10 | 2018-03-20 | 平安科技（深圳）有限公司 | 一种用于健康评估的健康模型构建方法及终端 |
| CN107910066A (zh) * | 2017-11-13 | 2018-04-13 | 医渡云（北京）技术有限公司 | 病历评估方法、装置、电子设备及存储介质 |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113140286A (zh) * | 2020-01-19 | 2021-07-20 | 浙江爱多特大健康科技有限公司 | 饮食信息确定的方法、装置、电子设备及计算机存储介质 |
| CN111508585B (zh) * | 2020-04-24 | 2022-07-15 | 珠海格力电器股份有限公司 | 一种饮食推荐方法、装置、存储介质及系统 |
| CN111508585A (zh) * | 2020-04-24 | 2020-08-07 | 珠海格力电器股份有限公司 | 一种饮食推荐方法、装置、存储介质及系统 |
| CN111540471B (zh) * | 2020-05-12 | 2024-01-26 | 西安交通大学医学院第一附属医院 | 一种基于用户健康数据的健康状态跟踪及预警方法和系统 |
| CN111540471A (zh) * | 2020-05-12 | 2020-08-14 | 西安交通大学医学院第一附属医院 | 一种基于用户健康数据的健康状态跟踪及预警方法和系统 |
| CN112185556A (zh) * | 2020-09-15 | 2021-01-05 | 珠海格力电器股份有限公司 | 健康状态的确定方法和装置、存储介质、电子装置 |
| CN112530593A (zh) * | 2020-12-17 | 2021-03-19 | 苏州健雄职业技术学院 | 一种基于宏信息的人体健康状态识别方法及设备 |
| CN112820409A (zh) * | 2021-01-27 | 2021-05-18 | 五八到家有限公司 | 健康预测方法、设备及存储介质 |
| CN113643808B (zh) * | 2021-07-23 | 2023-05-09 | 四川大学 | 一种软件方式实现老年人健康状况管理的方法 |
| CN113643808A (zh) * | 2021-07-23 | 2021-11-12 | 四川大学 | 一种软件方式实现老年人健康状况管理的方法 |
| CN114639462A (zh) * | 2022-03-15 | 2022-06-17 | 平安国际智慧城市科技股份有限公司 | 健康打卡任务的生成方法、装置、设备及存储介质 |
| CN114613496A (zh) * | 2022-03-24 | 2022-06-10 | 姜妹英 | 基于人工智能的电子档案大数据挖掘健康评估方法及系统 |
| CN114708973A (zh) * | 2022-06-06 | 2022-07-05 | 首都医科大学附属北京友谊医院 | 一种用于对人体健康进行评估的方法和相关产品 |
| CN115295123B (zh) * | 2022-08-17 | 2023-12-01 | 慕思健康睡眠股份有限公司 | 基于睡眠大数据的饮食推荐方法、装置、设备及介质 |
| CN115295123A (zh) * | 2022-08-17 | 2022-11-04 | 慕思健康睡眠股份有限公司 | 基于睡眠大数据的饮食推荐方法、装置、设备及介质 |
| CN116913514A (zh) * | 2023-07-13 | 2023-10-20 | 江苏健中康华医疗科技有限公司 | 一种基于大数据的健康管理系统 |
| CN116664255A (zh) * | 2023-08-01 | 2023-08-29 | 成都豪杰特科技有限公司 | 基于人工智能的店铺推荐方法和系统 |
| CN116664255B (zh) * | 2023-08-01 | 2024-05-14 | 聚诚（深圳）网络科技有限公司 | 基于人工智能的店铺推荐方法和系统 |
| CN117059278A (zh) * | 2023-10-12 | 2023-11-14 | 北京大学人民医院 | 用于评估婴幼儿生长发育的方法、装置、设备和存储介质 |
| CN117059278B (zh) * | 2023-10-12 | 2024-01-30 | 北京大学人民医院 | 用于评估婴幼儿生长发育的方法、装置、设备和存储介质 |
| CN117373676A (zh) * | 2023-12-07 | 2024-01-09 | 成都大熊猫繁育研究基地 | 大熊猫健康评估方法、装置、系统、设备及存储介质 |
| CN117373676B (zh) * | 2023-12-07 | 2024-02-13 | 成都大熊猫繁育研究基地 | 大熊猫健康评估方法、装置、系统、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109712711A (zh) | 基于机器学习的健康评估方法、装置、电子设备及介质 | |
| Spirtes et al. | An algorithm for fast recovery of sparse causal graphs | |
| CN109345368A (zh) | 基于大数据的信用评估方法、装置、电子设备及存储介质 | |
| CN109922032A (zh) | 用于确定登录账户的风险的方法和装置 | |
| CN103534697B (zh) | 用于提供统计对话管理器训练的方法和系统 | |
| CN110490625A (zh) | 用户偏好确定方法及装置、电子设备、存储介质 | |
| CN110291542B (zh) | 主要原因估计装置、主要原因估计系统以及主要原因估计方法 | |
| CN109190028A (zh) | 基于大数据的活动推荐方法、装置、电子设备及存储介质 | |
| CN109903086A (zh) | 一种相似人群扩展方法、装置及电子设备 | |
| US20210182913A1 (en) | Electronic device and method for controlling same | |
| US20210174968A1 (en) | Visualization of Social Determinants of Health | |
| CN109657056A (zh) | 目标样本获取方法、装置、存储介质及电子设备 | |
| CN116311539B (zh) | 基于毫米波的睡眠动作捕捉方法、装置、设备及存储介质 | |
| CN110169021B (zh) | 用于过滤多条消息的方法和设备 | |
| CN109635113A (zh) | 异常参保人购药数据检测方法、装置、设备及存储介质 | |
| CN110427564A (zh) | 将深度学习集成到广义加性混合效应（game）框架中 | |
| CN109543940A (zh) | 活动评估方法、装置、电子设备及存储介质 | |
| JP2023015146A (ja) | デジタルインクを管理するホームｕｉシステム | |
| CN109657059A (zh) | 异常参保人购药数据检测方法、装置、设备及存储介质 | |
| CN109472455A (zh) | 活动评估方法、装置、电子设备及存储介质 | |
| CN109460778A (zh) | 活动评估方法、装置、电子设备及存储介质 | |
| CN117457159A (zh) | 医疗主体推荐方法、装置、计算机设备及存储介质 | |
| CN110060183A (zh) | 客户智能匹配方法、装置、计算机设备和存储介质 | |
| CN109635092A (zh) | 分析员工工作状态的方法、装置、介质及电子设备 | |
| CN109472454A (zh) | 活动评估方法、装置、电子设备及存储介质 |
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 |