CN109767842B - 一种疾病预警方法、疾病预警装置及计算机可读存储介质 - Google Patents

Abstract

本申请公开了一种疾病预警方法、疾病预警装置及计算机可读存储介质，应用于知识关系分析领域，其中方法包括：获取知识图谱和高发季节性疾病，所述知识图谱存储了多个患者就诊时所产生的医疗数据；提取所述知识图谱中所述高发季节性疾病的发病数据，所述发病数据包括所有患者患上所述高发季节性疾病的发病时间；根据所述高发季节性疾病的发病数据确定所述高发季节性疾病的发病时间段和发病规模；提示疾病预警信息，所述疾病预警信息包括所述高发季节性疾病的发病时间段和发病规模。本申请基于知识图谱来预测高发季节性疾病的发病时间段和发病规模，以警示管理人员进行相应的预防和药品制备，从而提供一种快速且高效的疾病预警方法。

Description

一种疾病预警方法、疾病预警装置及计算机可读存储介质

技术领域

本申请涉及数据处理领域，尤其涉及一种疾病预警方法、疾病预警装置及计算机可读存储介质。

背景技术

某些疾病会周期性的在人群中爆发，如流行性乙型脑炎在我国北方8、9、10三个月为发病高峰季节，在此前后很少发生，这种有季节性特征的疾病被称为高发季节性疾病，高发季节性疾病爆发的原因复杂，受各种气象因素、媒介昆虫、野生动物和家畜等生长繁殖等因素影响，也受风俗习惯、生产、生活和卫生水平等因素的影响。

在对高发季节性疾病的研究时，往往需要调取医疗机构往年的医疗数据来对高发季节性疾病的发病规律进行研究。

但医疗机构的医疗数据一般又比较分散，于是导致医疗数据比较难收集，医疗数据不足等问题，从而也无法基于不足的医疗数据来对高发季节性疾病进行研究，于是缺乏一种高效的季节性高发疾病的预测方法。

发明内容

本申请实施例提供一种疾病预警方法，可实现对高发季节性疾病的发病时间段和/或发病规模的预测和预警。

第一方面，本申请实施例提供了一种疾病预警方法，该方法包括：

获取知识图谱和高发季节性疾病，所述知识图谱存储了多个患者就诊时所产生的医疗数据；

提取所述知识图谱中所述高发季节性疾病的发病数据，所述发病数据包括所有患者患上所述高发季节性疾病的发病时间；

根据所述高发季节性疾病的发病数据确定所述高发季节性疾病的发病时间段和发病规模；

提示疾病预警信息，所述疾病预警信息包括所述高发季节性疾病的发病时间段和发病规模。

结合第一方面，在第一方面的第一种实现方式中，所述根据所述高发季节性疾病的发病数据确定所述高发季节性疾病的发病时间段和发病规模，包括：

根据所述高发季节性疾病的发病数据统计所述高发季节性疾病的发病次数分布，所述发病次数分布为所述高发季节性疾病在预设时间周期内的发病情况；

根据所述发病次数分布确定所述发病时间段；

将所述发病时间段内的发病总次数作为所述发病规模。

结合第一方面，在第一方面的第二种实现方式中，所述获取知识图谱之后，所述获取高发季节性疾病之前，还包括：

获取任意一种疾病作为目标疾病；

提取所述知识图谱中所述目标疾病的发病数据；

根据所述目标疾病的发病数据统计所述目标疾病的发病次数分布，所述发病次数分布为所述目标疾病在预设时间周期内的发病情况；

根据所述发病次数分布的离散程度判断所述目标疾病是否为高发季节性疾病。

结合第一方面，在第一方面的第三种实现方式中，所述根据所述高发季节性疾病的发病数据确定所述高发季节性疾病的发病时间段，包括：

获取所述高发季节性疾病的并发疾病；

根据所述知识图谱确定所述并发疾病的发病时间段；

根据所述并发疾病的发病时间段确定所述高发季节性疾病的发病时间段。

结合第一方面的第三种实现方式，在第一方面的第四种实现方式中，所述根据所述并发疾病的发病时间段确定所述高发季节性疾病的发病时间段，包括：

将所述并发疾病的发病时间段作为所述高发季节性疾病的发病时间段；或

将所述并发疾病的发病时间段延后或者提前预设时长，得到所述高发季节性疾病的发病时间段。

结合第一方面的第二种实现方式，在第一方面的第五种实现方式中，所述获取任意一种疾病作为目标疾病，包括：

提取所述知识图谱中的所有疾病；

在显示屏上显示所述所有疾病中每个疾病所对应的图标；

通过所述显示屏上的图标接收到查询指令；

将所述查询指令所指向的疾病作为目标疾病。

结合第一方面至第一方面的第五种实现方式，在第一方面的第六种实现方式中，所述疾病预警信息还包括所述高发季节性疾病的病因信息、预防方法信息、易发人群信息和常用药物信息中的至少一种信息。

第二方面，本申请实施例提供了一种疾病预警装置，该疾病预警装置包括用于执行上述第一方面的疾病预警方法的单元，该疾病预警装置包括：

获取单元，用于获取知识图谱和高发季节性疾病，所述知识图谱存储了多个患者就诊时所产生的医疗数据；

提取单元，用于提取所述知识图谱中所述高发季节性疾病的发病数据，所述发病数据包括所有患者患上所述高发季节性疾病的发病时间；

确定单元，用于根据所述高发季节性疾病的发病数据确定所述高发季节性疾病的发病时间段和发病规模；

显示单元，用于提示疾病预警信息，所述疾病预警信息包括所述高发季节性疾病的发病时间段和发病规模。

结合第二方面，在第二方面的第一种实现方式中：

所述疾病预警装置还包括统计单元，用于根据所述高发季节性疾病的发病数据统计所述高发季节性疾病的发病次数分布，所述发病次数分布为所述高发季节性疾病在预设时间周期内的发病情况；

所述确定单元，具体用于根据所述发病次数分布确定所述发病时间段；所述将所述发病时间段内的发病总次数作为所述发病规模。

结合第二方面，在第二方面的第二种实现方式中：

所述获取单元，还用于获取任意一种疾病作为目标疾病；

所述提取单元，还用于提取所述知识图谱中所述目标疾病的发病数据；

所述疾病预警装置还包括统计单元，用于根据所述目标疾病的发病数据统计所述目标疾病的发病次数分布，所述发病次数分布为所述目标疾病在预设时间周期内的发病情况；

所述疾病预警装置还包括判断单元，用于根据所述发病次数分布的离散程度判断所述目标疾病是否为高发季节性疾病。

结合第二方面，在第二方面的第三种实现方式中，还包括：

所述获取单元，还用于获取所述高发季节性疾病的并发疾病；

所述确定单元，具体用于根据所述知识图谱确定所述并发疾病的发病时间段；根据所述并发疾病的发病时间段确定所述高发季节性疾病的发病时间段。

结合第二方面的第三种实现方式，在第二方面的第四种实现方式中：

所述确定单元，具体用于将所述并发疾病的发病时间段作为所述高发季节性疾病的发病时间段；或，将所述并发疾病的发病时间段延后或者提前预设时长，得到所述高发季节性疾病的发病时间段。

结合第二方面的第二种实现方式，在第二方面的第五种实现方式中：

所述提取单元，还用于提取所述知识图谱中的所有疾病；

所述疾病预警装置还包括显示单元，用于在显示屏上显示所述所有疾病中每个疾病所对应的图标；

所述疾病预警装置还包括接收单元，用于通过所述显示屏上的图标接收到查询指令；

所述确定单元，还用于将所述查询指令所指向的疾病作为目标疾病。

结合第二方面至第二方面的第五种实现方式，在第二方面的第六种实现方式中，所述疾病预警信息还包括所述高发季节性疾病的病因信息、预防方法信息、易发人群信息和常用药物信息中的至少一种信息。

第三方面，本申请实施例提供了另一种疾病预警装置，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储支持疾病预警装置执行上述疾病预警方法的计算机程序，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，用以执行上述第一方面至第一方面的任意一种实现方式的疾病预警方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机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，用以执行上述第一方面至第一方面的任意一种实现方式的疾病预警方法。

本申请首先获取知识图谱和高发季节性疾病，然后提取知识图谱中该高发季节性疾病的发病数据，该发病数据包含了所有患有或者曾经患有该高发季节性疾病的患者的发病时间等，然后根据该发病数据来确定该高发季节性疾病的发病时间段和发病规模，最后通过显示屏来提示疾病预警信息，以提示管理人员根据该高发季节性疾病的发病时间段和发病规模，来进行相应的预防和药品制备。于是本申请通过知识图谱来集中了分散的医疗数据，并且基于知识图谱中的数据来预测高发季节性疾病的发病时间段和发病规模，从而通过知识图谱来存储医疗数据来提高数据的存储和读取的速度，并通过知识图谱中的所存储的大量数据以实现对高发季节性疾病的快速准确预警，有效的提高了疾病预警的效率。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。

图1是本申请实施例提供的一种疾病预警方法的示意流程图；

图2是本申请另一实施例提供的一种疾病预警方法的示意流程图；

图3是本申请实施例提供的一种知识图谱的示例图；

图4是本申请实施例提供的一种发病次数分布的示例图；

图5是本申请实施例提供的一种确定发病时间段的方法的示例图；

图6是本申请实施例提供的一种疾病预警装置的示意性框图；

图7是本申请实施例提供的一种疾病预警装置的结构性框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

本申请主要应用于疾病预警装置，该疾病预警装置可以是传统疾病预警装置、大型存储系统、台式电脑、笔记本电脑、平板电脑、掌上电脑、智能手机、便携式数字播放器、智能手表以及智能手环等等，本申请对此不做限制。

本申请实施例中描述的终端设备包括但不限于带通讯功能的设备、智能手机、平板电脑、笔记本电脑、台式电脑、便携式数字播放器、智能手环以及智能手表等。当终端设备向疾病预警装置发送数据的时候，按照预设格式进行对数据的特性进行记录并传送，其中，数据的特性包括时间、地点、类型等。

本发明中描述的服务器，可以是传统服务器、大型存储系统、台式电脑、笔记本电脑、平板电脑、掌上电脑、智能手机、便携式数字播放器、智能手表以及智能手环等等。当服务器与数据调查装置进行数据交互的时候，服务器与数据调查装置都要按照预设格式进行对数据的特性进行记录并传送，其中，数据的特性包括时间、地点、类型等。

由于在针对季节性疾病的研究中，除了分析其流行因素和传染源之外，还需要研究其爆发时间和规模等，因为许多医疗机构需要根据季节性疾病的爆发时间和规模进行药物调配和预备。现目前针对季节性疾病的爆发时间和规模等的研究主要是根据医疗机构存储在传统数据库中的往年的诊疗记录来进行预测。而传统数据库大多是建立在关系数据库模型基础上的关系数据库，通过表格、字段等方式进行读取，但关系的层级及表达方式复杂多样，不利于快速读取和修改。于是从传统数据库中统计季节性高发疾病的爆发时间和规模的效率较低，并且基于统计数据的预测结果的准确度也较低，因此缺少一种高效的季节性高发疾病的预测方法。

于是本申请采用了知识图谱来存储分散的医疗数据，并基于该知识图谱来对高发季节性疾病的发病时间段和发病规模进行预测。

需要说明的是，本申请所涉及的知识图谱是基于图形数据库的知识网络，将数据中的关键数据与数据之间的联系以图形的方式直接的展现的一种数据存储方法。知识图谱的优势在于，首先知识图谱可以处理复杂多样的关联分析，将分散的医疗领域数据和专家经验，以最高效的方式建立关联，融为一体，构建起医疗专业知识网络，打破信息孤岛。其次，知识图谱为一种图式的数据存储方式，相比传统存储方式，数据调取速度更快，真正实现人机互动的实时响应，因此可以实现快速智能检索和智能问答。再其次，知识图谱可以模拟人的思考过程去发现、求证、推理和纠错。最后，知识图谱可以根据推理和纠错等学习功能，不断沉淀知识逻辑和模型。总的来说，知识图谱可以直观的展现数据，并大大提高数据读取和存储的效率和速度，实现实时响应，且能模拟人的思考过程去发现、求证、推理和纠错等。于是，本申请能提供一种高效的医疗专业知识网络的构建方法。其中，图形数据库包括Neo4J图形数据库、ArangoDB图形数据库、OrientDB图形数据库、FlockDB图形数据库、GraphDB图形数据库、InfiniteGraph图形数据库、Titan图形数据库、Cayley图形数据库等。图形数据库为知识图谱的数据库框架，当数据按照图形数据库中所需要的格式和内容填充到图像数据库之后，便得到知识图谱。

还需要说明的是，知识图谱主要是以节点和边来体现数据和数据之间的关系，相比于传统的关系数据库的优点是可以快速解决复杂的关系问题，例如社会网络中人与人之间的关系。一般来说，知识图谱具有如下特征：①包含节点和边；②节点上有属性；③边有名字和方向，并总是有一个开始节点和一个结束节点；④边也可以有属性。其中，节点即是实体，实体是知识图谱中的最基本元素，不同的实体间存在不同的关系，实体表示具有可区别性且独立存在的某种事物，世界万物由具体事物组成，此指实体。如某一个人、某一个城市、某一种植物等、某一种商品等等。实体关系指的是两个实体之间的联系。属性指的是实体所包含的属性的类型，例如“面积”、“人口”、“首都”等。属性值指的是，实体所包含的属性所指向的实际内容，例如实体“中国”的属性“面积”指向属性值“9634057平方公里”。

举例来说，如图3所示的知识图谱，图中有三个实体分别为张三、李四和车，张三含有属性出生日期和属性社交账号，而张三的属性为出生日期的属性值为1969.9.21，属性为社交账号的属性值为123，其中，张三和李四之间有两个实体关系，一个实体关系由张三指向李四，表示张三爱李四，另一个实体关系由李四指向张三，表示李四爱张三；车与张三之间有一个实体关系，由张三指向车，表示张三驾驶车；车与李四之间有一个实体关系，由李四指向车，表示李四拥有车。总的来说，图3中的知识图谱所表达的意思是出生日期为1969.9.21且社交账号为123的张三和李四相爱，张三驾驶的车是李四的。

还需要说明的是，由于知识图谱清楚且直观的表现了数据之间的联系，于是相比于传统的关系数据库更善于处理大量的、复杂的、互联的、多变的网状数据，并且知识图谱的效率也远远高于传统的关系型数据库的百倍、千倍甚至万倍。知识图谱特别适用于社交网络、实时推荐、银行交易环路、金融征信系统等广泛的领域。

举例来说，在知识图谱中查找张三的朋友的朋友的朋友的朋友的朋友中查找与张三的老乡，只需要读取与张三之间关系长度相隔5的用户中与张三为老乡的用户，但如果是使用传统的关系数据的话，就需要找到包含张三的朋友的表，之后依次找到包含张三的朋友的朋友的表......包含张三的朋友的朋友的朋友的朋友的朋友的表，然后再从获取的表中查找与张三为老乡的用户，其过程十分繁琐和耗时。

参见图1，是本申请实施例提供一种疾病预警方法的示意流程图，如图1所示疾病预警方法可包括：

101：获取知识图谱和高发季节性疾病，知识图谱存储了多个患者就诊时所产生的医疗数据。

在本申请实施例中，获取知识图谱和高发季节性疾病，其中，知识图谱存储了多个患者急诊时产生的医疗数据，包括医疗知识、用户信息和/或用户的患病情况等。高发季节性疾病为按照季节流行的疾病。

需要说明的是，高发季节性疾病的发病原因有温度和并发疾病的爆发等，例如传染病中的流行性乙型脑炎常发生在八、九和十月的北方，而在南方则稍晚发生，其发生原因主要与温度，乙型脑炎病毒在媒介昆虫体内繁殖特性及蚊虫孳生的条件有关，也与猪的病毒血症时间密切相关。又例如非传染性疾病中的营养缺乏病中的糙皮病多发生于春季，花粉热多发生于春夏之交，脑出血多发生于冬季，黑色素瘤多发生于在夏季，与强烈阳光照射有关。

进一步的，上述获取知识图谱之前，获取图形数据库和医疗大数据，该图形数据库为NEO4J图形数据库，医疗大数据包括医疗就诊记录和医疗常识知识；根据图形数据库和医疗大数据来建立上述知识图谱。

在本申请实施例中，可以在获取知识图谱之前先建立知识图谱。更具体的，获取图形数据库和医疗大数据，图形数据库定义有至少一个实体；提取该医疗大数据中的至少一个实体；将该医疗大数据的至少一个实体填充到图形数据库中，得到至少一个抽取图谱；将该至少一个抽取图谱融合为一个知识图谱。其中，医疗大数据有关于医疗领域知识、用户的身份信息以及用户的患病情况的集合，包括医疗就诊记录和/或医疗常识知识，医疗就诊记录为医护人员为患者看病时按照规定格式填写的用户的身份信息和用户的患病情况，于是医疗就诊记录为结构化数据，在提取医疗就诊数据中的实体、实体关系和/或属性的时候，可以按照格式快速读取其内容。而医疗常识知识则是医疗领域的一些常识性知识，例如哪些疾病之间有相关关系，哪些疾病有并发症，哪些疾病是季节性高发疾病等等。

需要说明的是，Neo4j具有查询的高性能表现、易于使用的特性及其设计的灵活性和开发的敏捷性，以及坚如磐石般的事务管理特性等优点。具体的，闪电般的读/写速度，无与伦比的高性能表现；非结构化数据存储方式，在数据库设计上具有很大的灵活性；能很好地适应需求变化，并适合使用敏捷开发方法；很容易使用，可以用嵌入式、数据处理装置模式、分布式模式等方式来使用数据库；使用简单框图就可以设计数据模型，方便建模；图数据的结构特点可以提供更多更优秀的算法设计；提供分布式高可用模式，可以支持大规模的数据增长；数据库安全可靠，可以实时备份数据，很方便恢复数据；图的数据结构直观而形象地表现了现实世界的应用场景。

还需要说明的是，Neo4j数据图库相比于其他图形数据库如OrientDB图形数据库、Giraph图形数据库、AllegroGraph图形数据库等，主要具有两方面的优势。一方面，Neo4j是一个原生图计算引擎，它存储和使用的数据自始至终都是使用原生的图结构数据进行处理的，不像其他图形数据库，只是在计算处理时使用了图结构数据，而在存储时还将数据保存在关系型数据库中。另一方面，Neo4j是一个开源的数据库，其开源的社区版吸引了众多第三方的使用和推广，同时也得到了更多开发者的拥趸和支持，聚集了丰富的可供交流和学习的资源与案例。这些支持、推广和大量的使用，反过来会很好地推动Neo4j的发展。

可以看出，使用基于Neo4j图形数据库的知识图谱可以提高知识图谱的性能，能快速存储数据，实现实时响应，从而提高在该知识图谱上进行异常分控的效率。此外，还由于用来建立知识图谱的医疗大数据包括可靠真实的医疗就诊记录和丰富医疗常识知识，于是在该医疗大数据的基础上建立的知识图谱更加的真实可靠和丰富。

进一步的，在获取知识图谱之后，获取高发季节性疾病之前，获取任意一种疾病作为目标疾病；提取知识图谱统中目标疾病的发病数据；根据目标疾病的发病数据统计目标疾病的的发病次数分布，上述发病次数分布为目标疾病在预设时间周期内的发病情况；根据上述发病次数分布的离散程度判断上述目标疾病是否为高发季节性疾病。

在本申请实施例中，当获取到上述知识图谱之后，任意选择知识图谱中有的疾病作为目标疾病，然后提取知识图谱中该目标疾病的发病数据，该发病数据为知识图谱中记载的所有患者患上该目标疾病的发病时间，并统计所有患有该目标疾病的用户的发病时间，根据所有患有该目标疾病的用户的发病时间，绘制发病次数分布，该发病次数分布为可以反映上述目标疾病的发病时间的分布的图表如图4所示，于是由该图表可以确定上述目标疾病的离散程度，于是可以根据目标疾病的离散程度可以判断目标疾病是否为高发季节性疾病，例如若发病次数分布中在单位时间内的最多发病次数超过预设次数，或者存在单位时间段内的最多发病次数为最少发病次数的预设倍数，或者根据该发病次数分布计算该目标疾病的标准差，若标准差查过预设标准差，则确定上述目标疾病为高发季节性疾病。

举例来说，假设预设次数为400次，统计上述知识图谱中所有患有上述目标疾病的用户的发病时间之后，以月份为单位时间段绘制如图4所示的发病时间分布条形图，如图中可以看出，该目标疾病几乎集中发生在四、五、六和七月，而在发生次数最多单位时间，即五月的发生次数达到了510，超过了上述预设次数，于是确认该目标疾病为高发季节性疾病。

进一步的，上述在上述知识图谱中获取所有患有上述目标疾病的用户的发病时间的时候，获取所有患有上述目标疾病，且属性为预设属性的用户的发病时间。其中，属性用于描述用户的生理情况和/或地理位置等，包括性别、年龄和地域等，预设属性为设定的上述属性的举例中的至少一个。

在本申请实施例中，在知识图谱中获取属性为预设属性的用户患上目标疾病的发病时间，相应的，获取该发病时间更好的确定目标疾病是否为高发季节性疾病。

可见，由于一些高发季节性疾病除了集中发生在一段时间中以外，还往往容易发生在具有相同属性的人群中，例如A地区的四十几岁的男性容易患上B疾病。于是本申请实施例在确定上述目标疾病是否为高发季节性疾病的时候，重点关注了属性为预设属性的用户的发病时间，而摒除了其他用户的数据的干扰，从而能针对固定人群，更准确的确定上述目标疾病是否为高发季节性疾病。

可选的，由用户来选择上述目标疾病，而不是获取任意一种疾病作为目标疾病。具体的，提取知识图谱中的所有疾病；在显示屏上显示上述所有疾病中每个疾病所对应的图标；通过上述显示屏上的图标接收到查询指令；将上述查询指令所指向的疾病作为目标疾病。

在本申请实施例中，先获取知识图谱，然后查找知识图谱中记录的所有疾病，并将该知识图谱中的所有疾病以图标的方式显示在显示屏中，以供用户选择，用户可以在显示屏上点击需要重点关注的疾病的图标，于是本端的疾病预警装置会接收到查询指令，该查询指令中包含用户选择的疾病，于是将该查询指令中所包含的疾病作为上述目标疾病。

可见，本申请实施例将知识图谱中的所有疾病以图标的方式显示在显示屏上，以便用户可以直观的获知可以选择的疾病，并且还根据用户的选择来确定目标疾病，所以大大的增强了疾病预警的互动性和效率。

进一步的，上述获取所有患有上述目标疾病，且属性为预设属性的用户的发病时间之前，通过显示屏接收查询指令，该查询指令中包括目标疾病和预设属性。

可见，用户可以选择需要查询的目标疾病和预设属性，于是用户可以针对自身的曾患过的疾病和自己的属性来查询该疾病是否为高发季节性疾病，以及该疾病在与自己属性相似的人群中的发病时间段是什么时候等，由此做好及时的预防和备药等。于是通过本申请实施例可以实现疾病预警的实时计算，并提供更加个性化化的疾病预计方法。

102：提取上述知识图谱中上述高发季节性疾病的发病数据，发病数据包括所有患者患上该高发季节性疾病的发病时间。

在本申请实施例中，由于上述知识图谱中存储了多个患者就诊时产生的医疗数据，包含患者所患的疾病和患病时间等信息，于是在知识图谱中查找是否记载有上述高发季节性疾病，如果有，就在知识图谱中提取所有患有或者曾经患有该高发疾病的患者的发病时间。

举例来说，假设高发季节性疾病的发病数据包括用户A的发病时间和用户B的发病时间，而用户A在去年的三月和前年的四月患有该高发季节性疾病，用户B在去年的四月和今年的五月患有该高发季节性疾病，于是该高发积季节性疾病的发病时间包括三月一次，四月两次和五月一次。可以看出，一个用户可以多次患有该高发疾病性疾病。

103：根据高发季节性疾病的发病数据确定高发季节性疾病的发病时间段和发病规模。

在本申请实施例中，提取出知识图谱中上述高发季节性疾病的发病数据之后，根据该发病数据来预测上述高发季节性疾病的发病规律，从而预测出上述高发季节性疾病的发病时间和发病规模。

具体的，根据上述知识图谱统计上述高发季节性疾病在预设时间周期内的发病次数分布；根据上述发病次数分布确定上述发病时间段，使得上述发病时间段内的平均发病次数在预设范围内；将上述发病时间段内的发病总次数作为上述发病规模。

在本申请实施例中，获取上述知识图谱中所有患有上述高发季节性疾病的用户的发病时间，包括正在患病或者曾经患病的用户，然后根据该所由用户所分别患有上述高发性季节性疾病的时间，统计上述高发季节性疾病在预设时间周期内的每个预设单位时间段的发病次数，从而得到发病次数分布，然后在预设时间周期内截取任意时间段，该预设时长包含整数个上述预设时间段，并计算该任意时间段内的单位时间段内的平均发病次数，判断该任意时间段的平均发病次数是否在预设范围内，如果是则将该任意时间段作为上述发病时间段，并将上述任意时间段内的发病总次数作为上述发病规模，反之则重新选择任意时间段，直到任意时间段的平均发病次数在预设范围内。

举例来说，先统计上述知识图谱中所有患有上述高发季节性疾病的用户的发病时间，然后以一年为预设时间周期，月份为单位时间段，从而得到如图5所示的发病次数分布，而任意时间段形如同一个移动窗口，可以移动，也可以改变长度，从而可以选中任意整数个的单位时间段。为了确定上述高发季节性疾病的发病时间段，将任意时间段设置为一个单位时间段，以选中上述发病次数分布中发病次数最多的月份5月，并计算5月的平均发病次数，发现5月的平均发病次数不在预设范围内，于是扩大该任意时间段的长度，设置为两个时间单位，以选中上述发病次数分布中发病次数最多的月份5月和上述发病次数分布中发病次数第二多的月份6月，若发现5月和6月的平均发病次数依然不再预设范围内，则继续重复上述过程，直到上述任意时间段内的平均发病次数在上述预设范围内，假设此时的任意时间段包括五、六和七月，则将五、六和七月定位上述高发季节性疾病的发病时间段，并将五、六和七月内的总的发病次数作为上述高发季节性疾病的发布规模。

进一步的，在预测得到上述目标疾病的发病时间段之后，在显示屏上显示上述发病次数分布的图表，并在上述发病次数分布的图表上显示发病时间段的选框；接收针对上述选框的手势操作，上述手势操作包括两指放大、两指缩小和/或单指拖动等；根据上述手势操作对上述选框进行移动和/或缩放，以修正上述发病时间段。

可见，本申请实施例在显示屏上显示如图5所示的发病次数分布的图表和发病时间段的选框，允许人工对选框进行缩放和移动，以修正上述发病时间段。需要说明的是，用户选中的发病时间段不一定准确，该发病时间段可以是用户关系关心的时间段，于是本申请实施例也可以用于高发季节性疾病的任意时间段的预警。

可选的，上述根据上述知识图谱预测上述高发季节性疾病的发病时间段，还可以是，根据上述高发季节性疾病的并发疾病的发病时间段来推测上述高发季节性疾病的发病时间。具体的，获取上述高发季节性疾病的并发疾病；根据上述知识图谱确定上述并发疾病的发病时间段；根据上述并发疾病的发病时间段确定上述高发季节性疾病的发病时间段。

在本申请实施例中，由于疾病与其并发疾病之间的发病时间是相关的，甚至是十分接近的，于是本申请实施例先根据知识图谱中已经记载的上述高发季节性疾病的并发疾病，然后再在知识图谱中直接获取已经记载的或者统计上述高发季节性疾病的并发疾病的发病时间段，然后根据并发疾病的发病时间段来确定上述高发季节性疾病的发病时间段，确定并发疾病的发病时间段类似于上述确定高发季节性疾病的发病时间段的方法类似，在此不再赘述。

可见，当在上述知识图谱中所包含的关于上述高发季节性疾病的数据不足时，可以根据其并发疾病的时间段来推测上述高发季节性疾病的发病时间段。于是本申请实施例进一步的提高了疾病预警的效率。

进一步的，将上述并发疾病的发病时间段作为上述高发季节性疾病的发病时间段；或，将上述并发疾病的发病时间段延后或者提前预设时长，得到上述高发季节性疾病的发病时间段。

在本申请实施例中，上述根据并发疾病的发病时间段来预测上述高发季节性疾病的发病时间段，具体指的是，根据知识图谱确定上述并发疾病与上述高发季节性疾病之间的先后发生关系，以及先后发生之间的时间间隔，并将该时间间隔作为预设时长。若上述时间间隔很小，则直接将上述并发疾病的发病时间段作为上述高发季节性疾病的发病时间段；若一般来说上述高发季节性疾病比上述并发疾病早发生，则将上述并发疾病的发病时间段提前预设时长，若一般来说上述高发季节性疾病比上述并发疾病早发生，则将上述并发疾病的发病时间段延后预设时长。

可见，本申请实施例根据知识图谱来确定上述并发疾病和上述高发季节性疾病之间的发生先后以及时间间隔，从而即使在知识图谱中关于上述高发疾病性疾病的数据不足的时候，还是可以根据知识图谱中的并发疾病的数据来推测出上述高发季节性疾病的发病时间段。

104：提示疾病预警信息，疾病预警信息包括高发季节性疾病的发病时间段和发病规模。

在本申请实施例中，在得到上述高发季节性疾病的发病时间段和发病规模之后，提示包含上述发病时间段和发病规模的疾病预警信息，以提示个人或者企业采取相应的措施，例如预防和备药等。

进一步的，上述疾病预警信息还包括高发季节性疾病的病因信息、预防方法信息、易发人群信息和常用药物信息中的至少一种信息。

在本申请实施例中，上述病因信息为疾病发生的原因，例如食用过敏实物，被其他感染，空气质量差等，上述预防方法信息为预防疾病的方法，例如多使用蔬菜，多喝水，多通风，少到人群拥挤的地方等，上述易发人群信息包括固定年龄段的人群，性别为男的人群，曾患有某个疾病的人群等，上述常用药物信息为用于治疗疾病的常用药品。本申请实施例通过提示包含上述信息的疾病预警信息来指导用户进行疾病防护等，以减少疾病的发生，和普及疾病的预防方式等。

进一步的，在得到上述高发季节性疾病的发病时间段之后，上述提示疾病预警信息之前，获取当前时间点；确定上述当前时间点在上述发病时间段内。

在本申请实施例中，只有在当前时间点在上述发病时间段内的时候，才提示上述疾病预警信息。

进一步的，在获取知识图谱和高发季节性疾病之前，接收到用户的医疗数据；确定医疗数据中包含上述高发季节性疾病。

在本申请实施例中，当疾病预警装置接收到用户的医疗数据的时候，若确定该医疗数据中包含高发季节性疾病，则自动触发预测高发季节性疾病的发病时间段和发病规模的步骤。并且只有在当前时间点在发病时间段内时，才提示疾病预警信息，反之则不用提示。于是通过本申请可以自动预测高发季节性疾病，提高疾病预测的效率，实现实时的提醒功能。

进一步的，在获取上述高发季节性疾病的发病时间段和发病规模之后，向医疗机构或者药品公司发送该发病时间段和发病规模。

可以看出，通过将上述发病时间段和发病规模发送给医疗机构或者药品公司，则可以实现远距离的数据共享，本端的疾病预警装置完成高发季节性疾病的疾病预警，以及在其他终端设备或者服务器与本端达成共识了之后，其他终端设备或者服务器都向本端发送医疗机构数据或者直接发送知识图谱，也可以从本端获取统计好的上述高发季节性疾病的发病时间段和发病规模。于是通过本申请实施例，可以促进不同机构的数据的融合和共享，也实现了数据的快速调查。

进一步的，在获取上述高发季节性疾病的发病时间段和发病规模之后，在接收到医疗机构或者药品公司的获取请求的情况下，向医疗机构或者药品公司发送该高发季节性疾病的发病时间段和发病规模。

可以看出，本端的疾病预警装置只有在接收到其他终端设备或者服务器的获取请求之后再向其发送上述高发季节性疾病的发病时间段和发病规模，于是可以增强终端设备之间的互动效率，从而进一步的提供本端的疾病预警的效率。

本申请首先获取知识图谱和高发季节性疾病，然后提取知识图谱中该高发季节性疾病的发病数据，该发病数据包含了所有患有或者曾经患有该高发季节性疾病的患者的发病时间等，然后根据该发病数据来确定该高发季节性疾病的发病时间段和发病规模，最后通过显示屏来提示疾病预警信息，以提示管理人员根据该高发季节性疾病的发病时间和发病规模，来进行相应的预防和药品制备。于是本申请通过知识图谱来存储医疗数据，并且基于知识图谱中的数据来预测高发季节性疾病的发病时间段和发病规模，从而提高数据的存储和读取的速度，以实现对高发季节性疾病的快速准确预警，有效的提高了疾病预警的效率。

参见图2，是本申请实施例提供另一种疾病预警方法的示意流程图，如图2所示疾病预警方法可包括：

201：获取知识图谱，并提取知识图谱中的所有疾病。

在本申请实施例中，先获取知识图谱，知识图谱存储了多个患者就诊时产生的医疗数据，包括医疗知识、用户信息和/或用户的患病情况等。高发季节性疾病为按照季节流行的疾病。可以看出，由于上述知识图谱包含多个患者的患病情况，而患者的患病情况包含患者的患病时间和所患疾病，于是可以提取知识图谱中包含的所有疾病，其中，所有疾病中可能包含高发季节性疾病。

202：在显示屏上显示上述所有疾病中每个疾病所对应的图标。

在本申请实施例中，先获取知识图谱，然后查找知识图谱中记录的所有疾病，并将该知识图谱中的所有疾病以图标的方式显示在显示屏中，以供用户选择。

203：通过上述显示屏上的图标接收到查询指令，并将查询指令所指向的疾病作为目标疾病。

在本申请实施例中，用户可以在显示屏上点击需要重点关注的疾病的图标，于是本端的疾病预警装置会接收到查询指令，该查询指令中包含用户选择的疾病，于是将该查询指令中所包含的疾病作为上述目标疾病。

可见，本申请实施例将知识图谱中的所有疾病以图标的方式显示在显示屏上，以便用户可以直观的获知可以选择的疾病，并且还根据用户的选择来确定目标疾病，所以大大的增强了疾病预警的互动性和效率。

204：根据上述知识图谱确定上述目标疾病为高发季节性疾病。

在本申请实施例中，在获取知识图谱之后，获取高发季节性疾病之前，获取任意一种疾病作为目标疾病；提取知识图谱统中目标疾病的发病数据；根据目标疾病的发病数据统计目标疾病的的发病次数分布，上述发病次数分布为目标疾病在预设时间周期内的发病情况；根据上述发病次数分布的离散程度判断上述目标疾病是否为高发季节性疾病。

在本申请实施例中，当获取到上述知识图谱之后，任意选择知识图谱中有的疾病作为目标疾病，然后提取知识图谱中该目标疾病的发病数据，该发病数据为知识图谱中记载的所有患者患上该目标疾病的发病时间，并统计所有患有该目标疾病的用户的发病时间，根据所有患有该目标疾病的用户的发病时间，绘制一个可以反映上述目标疾病的发病时间的分布的图表，于是由该图表可以判断上述目标疾病是否为高发季节性疾病，或者存在单位时间段内的最多发病次数为最少发病次数的预设倍数，则确定上述目标疾病为高发季节性疾病。

可选的，根据发病次数分布计算发病次数的标准差；若上述标准差大于预设阈值，则确定上述目标疾病为高发季节性疾病。

举例来说，统计上述知识图谱中所有患有上述目标疾病的用户的发病时间之后，以月份为单位时间段绘制如图4所示的发病时间分布条形图，如图中可以看出，该目标疾病几乎集中发生在四、五、六和七月，于是确认该目标疾病为高发季节性疾病。

进一步的，上述在上述知识图谱中获取所有患有上述目标疾病的用户的发病时间的时候，获取所有患有上述目标疾病，且属性为预设属性的用户的发病时间。其中，属性用于描述用户的生理情况和/或地理位置等，包括性别、年龄和地域等，预设属性为设定的上述属性的举例中的至少一个。

可见，由于一些高发季节性疾病除了集中发生在一段时间中以外，还往往容易发生在具有相同属性的人群中，例如A地区的四十几岁的男性容易患上B疾病。于是本申请实施例将在确定上述目标疾病是否为高发季节性疾病的时候，重点关注了属性为预设属性的用户的发病时间，而摒除了其他用户的数据的干扰，从而能针对固定人群，更准确的确定上述目标疾病是否为高发季节性疾病。

进一步的，上述获取知识图谱之前，获取图形数据库和医疗大数据，该图形数据库为NEO4J图形数据库，医疗大数据包括医疗就诊记录和/或医疗常识知识；根据图形数据库和医疗大数据来建立上述知识图谱。

在本申请实施例中，可以在获取知识图谱之前先建立知识图谱。更具体的，获取图形数据库和医疗大数据，图形数据库定义有至少一个实体；提取该医疗大数据中的至少一个实体；将该医疗大数据的至少一个实体填充到图形数据库中，得到至少一个抽取图谱；将该至少一个抽取图谱融合为一个知识图谱。其中，医疗大数据有关于医疗领域知识、用户的身份信息以及用户的患病情况的集合，包括医疗就诊记录和/或医疗常识知识，医疗就诊记录为医护人员为患者看病时按照规定格式填写的用户的身份信息和用户的患病情况，于是医疗就诊记录为结构化数据，在提取医疗就诊数据中的实体、实体关系和/或属性的时候，可以按照格式快速读取其内容。而医疗常识知识则是医疗领域的一些常识性知识，例如哪些疾病之间有相关关系，哪些疾病有并发症，哪些疾病是季节性高发疾病等等。

需要说明的是，Neo4j具有查询的高性能表现、易于使用的特性及其设计的灵活性和开发的敏捷性，以及坚如磐石般的事务管理特性等优点。具体的，闪电般的读/写速度，无与伦比的高性能表现；非结构化数据存储方式，在数据库设计上具有很大的灵活性；能很好地适应需求变化，并适合使用敏捷开发方法；很容易使用，可以用嵌入式、数据处理装置模式、分布式模式等方式来使用数据库；使用简单框图就可以设计数据模型，方便建模；图数据的结构特点可以提供更多更优秀的算法设计；提供分布式高可用模式，可以支持大规模的数据增长；数据库安全可靠，可以实时备份数据，很方便恢复数据；图的数据结构直观而形象地表现了现实世界的应用场景。

还需要说明的是，Neo4j数据图库相比于其他图形数据库如OrientDB图形数据库、Giraph图形数据库、AllegroGraph图形数据库等，主要具有两方面的优势。一方面，Neo4j是一个原生图计算引擎，它存储和使用的数据自始至终都是使用原生的图结构数据进行处理的，不像其他图形数据库，只是在计算处理时使用了图结构数据，而在存储时还将数据保存在关系型数据库中。另一方面，Neo4j是一个开源的数据库，其开源的社区版吸引了众多第三方的使用和推广，同时也得到了更多开发者的拥趸和支持，聚集了丰富的可供交流和学习的资源与案例。这些支持、推广和大量的使用，反过来会很好地推动Neo4j的发展。

可以看出，使用基于Neo4j图形数据库的知识图谱可以提高知识图谱的性能，能快速存储数据，实现实时响应，从而提高在该知识图谱上进行异常分控的效率。此外，还由于用来建立知识图谱的医疗大数据包括可靠真实的医疗就诊记录和/或丰富医疗常识知识，于是在该医疗大数据的基础上建立的知识图谱更加的真实可靠和丰富。

205：根据上述知识图谱预测上述高发季节性疾病的发病时间段和/或发病规模。

206：提示疾病预警信息，疾病预警信息包括高发季节性疾病的发病时间段和/或发病规模。

在本申请实施例中，只有在当前时间点在上述发病时间段内的时候，才提示上述疾病预警信息。

进一步的，在获取上述高发季节性疾病的发病时间段和发病规模之后，向医疗机构或者药品公司发送该发病时间段和发病规模。

可以看出，通过将上述发病时间段和发病规模发送给医疗机构或者药品公司，则可以实现远距离的数据共享，本端的疾病预警装置完成高发季节性疾病的疾病预警，以及在其他终端设备或者服务器与本端达成共识了之后，其他终端设备或者服务器都向本端发送医疗机构数据或者直接发送知识图谱，也可以从本端获取统计好的上述高发季节性疾病的发病时间段和发病规模。于是通过本申请实施例，可以促进不同机构的数据的融合和共享，也实现了数据的快速调查。

进一步的，在获取上述高发季节性疾病的发病时间段和发病规模之后，在接收到医疗机构或者药品公司的获取请求的情况下，向医疗机构或者药品公司发送该高发季节性疾病的发病时间段和发病规模。

可以看出，本端的疾病预警装置只有在接收到其他终端设备或者服务器的获取请求之后再向其发送上述高发季节性疾病的发病时间段和发病规模，于是可以增强终端设备之间的互动效率，从而进一步的提供本端的疾病预警的效率。

在本申请实施例中，将知识图谱中的所有疾病以图标的方式显示在显示屏上，以便用户可以直观的获知可以选择的疾病，并且还根据用户的选择来确定目标疾病，然后通过知识图谱判断用户选择的疾病是否为高发季节性疾病，若是则继续执行预测高发季节性疾病的发病时间段和发病规模的步骤，最后在显示屏上提示包含上述高发季节性疾病的发病时间段和发病规模。于是，总的来说本申请实施例大大的增强了疾病预警的预测效率和互动性。

需要说明的是，上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。

本申请实施例还提供一种疾病预警装置，该疾病预警装置用于执行前述任一项的疾病预警方法的单元。具体地，参见图6，是本申请实施例提供的一种疾病预警装置的示意框图。本实施例的疾病预警装置包括：获取单元610、提取单元620、确定单元630和显示单元640。具体的：

获取单元610，用于获取知识图谱和高发季节性疾病，上述知识图谱存储了多个患者就诊时所产生的医疗数据；

提取单元620，用于提取上述知识图谱中上述高发季节性疾病的发病数据，上述发病数据包括所有患者患上上述高发季节性疾病的发病时间；

确定单元630，用于根据上述高发季节性疾病的发病数据确定上述高发季节性疾病的发病时间段和发病规模；

显示单元640，用于提示疾病预警信息，上述疾病预警信息包括上述高发季节性疾病的发病时间段和发病规模。

进一步的，上述疾病预警装置还包括统计单元650，用于根据上述高发季节性疾病的发病数据统计上述高发季节性疾病的发病次数分布，上述发病次数分布为上述高发季节性疾病在预设时间周期内的发病情况；上述确定单元630，具体用于根据上述发病次数分布确定上述发病时间段；上述将上述发病时间段内的发病总次数作为上述发病规模。

进一步的，上述获取单元610，还用于获取任意一种疾病作为目标疾病；上述提取单元620，还用于提取上述知识图谱中上述目标疾病的发病数据；上述疾病预警装置还包括统计单元650，用于根据上述目标疾病的发病数据统计上述目标疾病的发病次数分布，上述发病次数分布为上述目标疾病在预设时间周期内的发病情况；上述疾病预警装置还包括判断单元660，用于根据上述发病次数分布的离散程度判断上述目标疾病是否为高发季节性疾病。

进一步的，上述获取单元610，还用于获取上述高发季节性疾病的并发疾病；上述确定单元630，具体用于根据上述知识图谱确定上述并发疾病的发病时间段；根据上述并发疾病的发病时间段确定上述高发季节性疾病的发病时间段。

进一步的，上述确定单元630，具体用于将上述并发疾病的发病时间段作为上述高发季节性疾病的发病时间段；或，将上述并发疾病的发病时间段延后或者提前预设时长，得到上述高发季节性疾病的发病时间段。

进一步的，上述提取单元620，还用于提取上述知识图谱中的所有疾病；上述显示单元640，还用于在显示屏上显示上述所有疾病中每个疾病所对应的图标；上述疾病预警装置还包括接收单元670，用于通过上述显示屏上的图标接收到查询指令；上述确定单元630，还用于将上述查询指令所指向的疾病作为目标疾病。

进一步的，上述疾病预警信息还包括上述高发季节性疾病的病因信息、预防方法信息、易发人群信息和常用药物信息中的至少一种信息。

本申请实施例首先通过获取单元获取知识图谱和高发季节性疾病，然后提取单元提取知识图谱中该高发季节性疾病的发病数据，该发病数据包含了所有患有或者曾经患有该高发季节性疾病的患者的发病时间等，然后确定单元根据该发病数据来确定该高发季节性疾病的发病时间段和发病规模，最后利用显示单元来提示疾病预警信息，以提示管理人员根据该高发季节性疾病的发病时间和发病规模，来进行相应的预防和药品制备。于是本申请通过知识图谱来存储医疗数据，并且基于知识图谱中的数据来预测高发季节性疾病的发病时间段和发病规模，从而提高数据的存储和读取的速度，以实现对高发季节性疾病的快速准确预警，有效的提高了疾病预警的效率。

参见图7，是本申请另一实施例提供的一种疾病预警装置示意框图。如图所示的本实施例中的疾病预警装置可以包括：一个或多个处理器710、输入设备720、输出设备730和存储器740。上述处理器710、通信接口720、输入设备720、输出设备730和存储器740通过总线750连接。存储器740用于存储计算机程序，计算机程序包括程序指令，处理器710用于执行存储器740存储的程序指令。具体的：

处理器710，用于执行获取单元610的功能，用于获取知识图谱和高发季节性疾病，上述知识图谱存储了多个患者就诊时所产生的医疗数据；还用于执行提取单元620的功能，用于提取上述知识图谱中上述高发季节性疾病的发病数据，上述发病数据包括所有患者患上上述高发季节性疾病的发病时间；还用于执行确定单元630的功能，用于根据上述高发季节性疾病的发病数据确定上述高发季节性疾病的发病时间段和发病规模。

输出设备730，用于执行显示单元640的功能，用于提示疾病预警信息，上述疾病预警信息包括上述高发季节性疾病的发病时间段和发病规模。

进一步的，处理器710，还用于执行统计单元650的功能，用于根据上述高发季节性疾病的发病数据统计上述高发季节性疾病的发病次数分布，上述发病次数分布为上述高发季节性疾病在预设时间周期内的发病情况；还具体用于根据上述发病次数分布确定上述发病时间段；上述将上述发病时间段内的发病总次数作为上述发病规模。

进一步的，处理器710，还用于执行获取任意一种疾病作为目标疾病；还用于提取上述知识图谱中上述目标疾病的发病数据；还用于根据上述目标疾病的发病数据统计上述目标疾病的发病次数分布，上述发病次数分布为上述目标疾病在预设时间周期内的发病情况；还用于执行判断单元660的功能，用于根据上述发病次数分布的离散程度判断上述目标疾病是否为高发季节性疾病。

进一步的，处理器710，还用于获取上述高发季节性疾病的并发疾病；还具体用于根据上述知识图谱确定上述并发疾病的发病时间段；根据上述并发疾病的发病时间段确定上述高发季节性疾病的发病时间段。

进一步的，处理器710，还具体用于将上述并发疾病的发病时间段作为上述高发季节性疾病的发病时间段；或，将上述并发疾病的发病时间段延后或者提前预设时长，得到上述高发季节性疾病的发病时间段。

进一步的，处理器710，还用于提取上述知识图谱中的所有疾病。

相应的，输出设备730，还用于在显示屏上显示上述所有疾病中每个疾病所对应的图标；输入设备720，用于执行接收单元670的功能，用于通过上述显示屏上的图标接收到查询指令；处理器710，还用于将上述查询指令所指向的疾病作为目标疾病。

进一步的，上述疾病预警信息还包括上述高发季节性疾病的病因信息、预防方法信息、易发人群信息和常用药物信息中的至少一种信息。

应当理解，在本申请实施例中，所称处理器710可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal 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。

该存储器740可以包括只读存储器和随机存取存储器，并向处理器710提供指令和数据。存储器740的一部分还可以包括非易失性随机存取存储器。例如，存储器740还可以存储设备类型的信息。

具体实现中，本申请实施例中所描述的处理器710、通信接口720可执行本申请实施例提供的疾病预警方法的第一实施例和第二实施例中所描述的实现方式，也可执行本申请实施例所描述的疾病预警装置的实现方式，在此不再赘述。

在本申请的另一实施例中提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，程序指令被处理器执行。：

计算机可读存储介质可以是前述任一实施例的疾病预警装置的内部存储单元，例如疾病预警装置的硬盘或内存。计算机可读存储介质也可以是疾病预警装置的外部存储设备，例如疾病预警装置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(Flash Card)等。进一步地，计算机可读存储介质还可以既包括疾病预警装置的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序以及疾病预警装置所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同疾病预警方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的疾病预警装置和单元的具体工作过程，可以参考前述疾病预警方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的疾病预警装置和疾病预警方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本申请实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，疾病预警装置，或者网络设备等)执行本申请各个实施例疾病预警方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (8)

1.一种疾病预警方法，其特征在于，包括：

获取图形数据库和医疗大数据，其中，所述图形数据库定义有至少一个实体，所述图形数据库为NEO4J图形数据库，所述医疗大数据包括医疗就诊记录和医疗常识知识；

提取所述医疗大数据中的至少一个实体；

将该医疗大数据的至少一个实体填充到图形数据库中，得到至少一个抽取图谱；将该至少一个抽取图谱融合为一个知识图谱，所述知识图谱存储了多个患者就诊时所产生的医疗数据；

获取知识图谱和高发季节性疾病，包括：获取知识图谱，提取所述知识图谱中的所有疾病；在显示屏上显示所述所有疾病中每个疾病所对应的图标；通过所述显示屏上的图标接收到用户的查询指令，其中，所述查询指令中包括目标疾病和预设属性；将所述查询指令所指向的疾病作为目标疾病；提取所述知识图谱中所述目标疾病的发病数据，该发病数据为知识图谱中记载的患有该目标疾病，且包含有所述预设属性的患者的发病时间；根据患者的发病时间绘制所述目标疾病的发病次数分布，所述发病次数分布为所述目标疾病在预设时间周期内的发病情况；根据所述发病次数分布的离散程度判断所述目标疾病为高发季节性疾病；

提取所述知识图谱中所述高发季节性疾病的发病数据，所述发病数据包括所有患者患上所述高发季节性疾病的发病时间；

根据所述高发季节性疾病的发病数据确定所述高发季节性疾病的发病时间段和发病规模；

提示疾病预警信息，所述疾病预警信息包括所述高发季节性疾病的发病时间段和发病规模。

2.根据权利要求1所述的方法，其特征在于，所述根据所述高发季节性疾病的发病数据确定所述高发季节性疾病的发病时间段和发病规模，包括：

根据所述高发季节性疾病的发病数据统计所述高发季节性疾病的发病次数分布，所述发病次数分布为所述高发季节性疾病在预设时间周期内的发病情况；

根据所述发病次数分布确定所述发病时间段；

将所述发病时间段内的发病总次数作为所述发病规模。

3.根据权利要求1所述的方法，其特征在于，所述根据所述高发季节性疾病的发病数据确定所述高发季节性疾病的发病时间段，包括：

获取所述高发季节性疾病的并发疾病；

根据所述知识图谱确定所述并发疾病的发病时间段；

根据所述并发疾病的发病时间段确定所述高发季节性疾病的发病时间段。

4.根据权利要求3所述的方法，其特征在于，所述根据所述并发疾病的发病时间段确定所述高发季节性疾病的发病时间段，包括：

将所述并发疾病的发病时间段作为所述高发季节性疾病的发病时间段；或

将所述并发疾病的发病时间段延后或者提前预设时长，得到所述高发季节性疾病的发病时间段。

5.根据权利要求1至4任意一项所述的方法，其特征在于，所述疾病预警信息还包括所述高发季节性疾病的病因信息、预防方法信息、易发人群信息和常用药物信息中的至少一种信息。

6.一种疾病预警装置，其特征在于，包括：

获取单元，用于获取图形数据库和医疗大数据，其中，所述图形数据库定义有至少一个实体，所述图形数据库为NEO4J图形数据库，所述医疗大数据包括医疗就诊记录和医疗常识知识；

提取所述医疗大数据中的至少一个实体；

将该医疗大数据的至少一个实体填充到图形数据库中，得到至少一个抽取图谱；将该至少一个抽取图谱融合为一个知识图谱，所述知识图谱存储了多个患者就诊时所产生的医疗数据；

获取知识图谱和高发季节性疾病，包括：获取知识图谱，提取所述知识图谱中的所有疾病；在显示屏上显示所述所有疾病中每个疾病所对应的图标；通过所述显示屏上的图标接收到用户的查询指令，其中，所述查询指令中包括目标疾病和预设属性；将所述查询指令所指向的疾病作为目标疾病；提取所述知识图谱中所述目标疾病的发病数据，该发病数据为知识图谱中记载的患有该目标疾病，且包含有所述预设属性的患者的发病时间；根据患者的发病时间绘制所述目标疾病的发病次数分布，所述发病次数分布为所述目标疾病在预设时间周期内的发病情况；根据所述发病次数分布的离散程度判断所述目标疾病为高发季节性疾病；

提取单元，用于提取所述知识图谱中所述高发季节性疾病的发病数据，所述发病数据包括所有患者患上所述高发季节性疾病的发病时间；

确定单元，用于根据所述高发季节性疾病的发病数据统计所述高发季节性疾病的发病时间段和/或发病规模；

显示单元，用于提示疾病预警信息，所述疾病预警信息包括所述高发季节性疾病的发病时间段和/或发病规模。

7.一种疾病预警装置，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、通信接口、输入设备、输出设备和存储器相互连接，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，用以执行如权利要求1-5任一项所述的方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读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1-5任一项所述的方法。