CN110164523A

CN110164523A - 一种具有心智功能的智能健康分析方法及系统

Info

Publication number: CN110164523A
Application number: CN201910424036.5A
Authority: CN
Inventors: 崔立真; 刘一帆; 鹿旭东; 郭伟
Original assignee: Shandong University
Current assignee: Shandong University
Priority date: 2019-05-21
Filing date: 2019-05-21
Publication date: 2019-08-23

Abstract

本发明公开了一种具有心智功能的智能健康分析方法及系统，包括：建立智能健康知识数据库；感知设定用户的个人基本信息与就医历史数据；对于采集到的所有用户的数据构建样本集，根据样本集中的数据，对用户进行聚类；将用户数据划分为客观数据和非客观数据，根据所述客观数据进行就医、饮食及运动的建议分析；根据所述非客观数据进行心智倾向与行为偏好的分析；对分析结果进行输出。本发明能够综合考虑用户的健康状态数据以及用户的心智倾向、行为偏好等数据，为用户提供更加具有适应性的建议，所提出的建议更加符合用户的实际需求，用户采纳率更高。

Description

一种具有心智功能的智能健康分析方法及系统

技术领域

本发明个人医疗健康分析技术领域，尤其涉及一种具有心智功能的智能健康分析方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

目前我国心血管疾病、糖尿病等慢性疾病患者众多，据《中国心血管病报告2018》表明，目前每5位成年人中就有1位心血管疾病患者，总人数已经超过2.9亿人。

随着人们生活水平的不断提高，人均寿命的不断增长，慢性病的发病率还将继续增长，与此同时人们对自我健康的关注也在持续增加，此时人们需要一种个人医疗健康的反馈系统，对个人的健康进行检测与管理，在医疗、饮食与运动等方面提出针对性的建议。

发明人发现，传统的个人医疗健康助手不具备心智功能，只能从单一数据出发对用户的健康作出建议，不能够综合考虑病人的心智倾向、行为偏好作出决策，往往不具有针对性，导致适用性降低，已经无法满足目前人们的需求。

发明内容

为了解决上述问题，本发明提出一种具有心智功能的智能健康分析方法及系统，能够综合用户的心智倾向、行为偏好等因素提供具有适应性的健康助理服务。

在一些实施方式中，采用如下技术方案：

一种具有心智功能的智能健康分析方法，包括：

建立智能健康知识数据库；所述智能健康知识数据库存储有针对不同种类疾病的饮食及运动建议，并自动更新设定区域的医疗场所数据；

感知设定用户的个人基本信息与就医历史数据；将感知的数据以电子病历的形式进行存储；

对于采集到的所有用户的数据构建样本集，根据样本集中的数据，对用户进行聚类；

将用户数据划分为客观数据和非客观数据，根据所述客观数据进行就医、饮食及运动的建议分析；根据所述非客观数据进行心智倾向与行为偏好的分析；

对分析结果进行输出。

在另一些实施方式中，采用如下技术方案：

一种具有心智功能的智能健康分析系统，包括：

智能健康知识数据库；所述智能健康知识数据库存储有针对不同种类疾病的饮食及运动建议，并自动更新设定区域的医疗场所数据；

用于感知设定用户的个人基本信息与就医历史数据的模块；

用于将感知的数据以电子病历的形式进行存储的模块；

用于对于采集到的所有用户的数据构建样本集，根据样本集中的数据，对用户进行聚类的模块；

用于将用户数据划分为客观数据和非客观数据的模块；

用于根据所述客观数据进行就医、饮食及运动的建议分析的模块；

用于根据所述非客观数据进行心智倾向与行为偏好的分析的模块；

用于对分析结果进行输出的模块。

在另一些实施方式中，采用如下技术方案：

一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行上述的具有心智功能的智能健康分析方法。

与现有技术相比，本发明的有益效果是：

建立了一个个人的智能健康助手，用户只需要在第一次使用的时候设置好个人信息参数，之后智能健康助手便能自动的进行用户的数据感知与分析，给用户提出基于其心智倾向与行为偏好的就医、饮食与运动推荐。例如，智能健康助手的用户是一名潜在的心血管疾病患者，智能健康助手通过手环实时监测其心跳，发现其有心律不齐的症状，对用户的各项生理指标进行分析聚类后，通过分析该用户的病史、所在城市的各家医院的综合数据及该用户的个人偏好，提出去某家医院就医的建议，并提出饮食与运动方面的建议。

能够综合考虑用户的健康状态数据以及用户的心智倾向、行为偏好等数据，为用户提供更加具有适应性的建议，所提出的建议更加符合用户的实际需求，用户采纳率更高。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为实施例一中具有心智功能的智能健康分析方法流程图。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例一

在一个或多个实施方式中，公开了一种具有心智功能的智能健康分析方法，如图1所示，包括以下步骤：

步骤(1)：建立智能健康知识库

a)知识库中原有对不同种类的病人，存储不同的饮食及运动建议；

b)知识库自动更新用户所在城市的医院、药店、诊所等医疗场所的位置、规模、级别等数据。

具体实现方式为：

步骤(101)：知识库中原有专业医师针对k类不同的群体，提出不同的、具有针对性的饮食与运动建议；

步骤(102)：使用接口连接高德地图，实时获取用户所在地的医院、药店、诊所的位置信息，每隔一周对知识库中信息进行一次更新；

步骤(103)：使用爬虫在99医院库网站上爬取用户所在地的医院在等级、评分、擅长治疗的病种(医院)三方面的信息，在将信息处理后录入知识库；

步骤(1031)：使用爬虫在99医院库网站上爬取用户所在地的医院的信息，具体爬取信息如下：医院名称、医院性质、医院级别、医院电话、医院地址、医院评分；

步骤(1032)：将爬取到的信息以键值对的形式进行结构化处理；

步骤(1033)：建立医院信息表，将医院信息导入进行存储；医院信息表如表1所示。

表1医院信息表样式

医院名称	医院性质	医院级别	医院电话	医院地址	医院评分

步骤(2)：感知用户的个人基本信息与就医历史数据，包含

通过人机交互感知人的基本信息(姓名、身份证号、性别)；

通过医疗健康系统的接入感知医疗健康相关信息(人的生理信息(包含历史信息)：血压、血脂、血糖、心跳等，病历信息)；

具体实现方式如下：

步骤(201)：初次使用需要设定参数，包括用户身份证号，姓名，性别；

步骤(202)：使用手环感知用户实时的心跳及地理位置数据；

步骤(203)：便携式的医疗检测设备在用户使用后，导入用户的血脂、血糖、身高、体重信息。

步骤(3)：数据集成，以电子信息病历的格式存储数据，电子信息病历的样式如表2所示。

表2电子信息病历样式

ID

姓名

年龄

性别

身高

体重

心跳

血压

血糖

病史

步骤(301)：在用户的个人端上建立成用户专属电子信息病历，电子信息病历可以储存用户的姓名、年龄、身高、体重、心跳、血压、血糖、血脂、地理位置、过往病史；

步骤(302)：将获得的用户的个人信息录入电子信息病历，其中心跳与地理位置每隔10分钟更新一次。

步骤(4)：建立心智分析模型并输入结构化数据进行分析；

a)建立数据分析模块，根据用户个体的静态与动态数据(当前血压心跳等数据)使用k均值算法将用户进行聚类；具体实现方式为：

将所有用户的数据存储在一起，作为一个样本集合，D＝{x₁,x₂,...,x_m}；使用k均值算法对聚类所得的簇C＝{C₁,C₂,...,C_k}，

划分最小化平方误差，公式为：

其中：是簇C_i的均值向量。

此算法在心智分析模型中的具体执行步骤如下：

步骤(4011)：输入样本集(所有用户的数据)D＝{x₁,x₂,...,x_m}，聚类簇数k(个数待定)；

步骤(4012)：从样本集D中随即选择k个样本作为初始均值向量{μ₁,μ₂,...,μ_k}；

步骤(4013)：设立初始的簇集合为空集；

步骤(4014)：对所有的样本逐个进行操作，计算每个样本与各均值向量μ_i的距离：d_ij＝||x_j-μ_i||₂；根据距离最近的均值向量确定x_i的簇标记：λ_j＝arg min_{i∈{1,2,...,k}}d_ij；将样本x_j划入相应的簇：即将每个样本点，和距离此样本点最近的均值向量归为一类；

当第一次循环时均值向量是步骤(4012)中的初始均值向量，之后的每次循环均值向量会在步骤(4015)中进行更新。

步骤(4015)：对划分的k类新簇依次计算每个簇新的均值向量：如果此均值向量与原来的均值向量不相等，就将原来的均值向量更新为新的均值向量；如果此均值向量与原均值向量相等就保持当前的均值向量不变；

步骤(4016)：若当前所有簇的均值向量均未更新，进行步骤(4017)，否则，返回步骤(4014)；

步骤(4017)：输出簇划分，即用户的聚类结果。

步骤(4018)：将每个用户加入新的标签，记录聚类结果。

b)建立用户心智倾向分析模块，构建综合用户行为偏好与地理位置、医院综合水平等方面的综合算法，感知用户信息计算出用户最优就医倾向；

首先将数据划分为客观数据与非客观数据，客观数据为原智能健康知识库中的数据(医院评级、医院评分、医院地理位置)及用户的个人数据(电子信息病历)中的年龄、身高、体重、心跳、血压、血糖、血脂、地理位置，客观数据将作为基础为用户提出就医、饮食及运动的建议；非客观数据是从用户群体及个体过往行为中分析得出，作为用户的心智倾向与行为偏好的分析依据。

随后构建计算与推理的规则，综合考量客观与非客观数据，用户群体的偏好与用户个人偏好，此规则功能为对用户提出建议中的可选择项进行加权评分处理，如用户可能根据远近选择医疗机构，也可能根据服务质量选择医疗机构，将这些可选择项根据用户的偏好进行加权评分，即可得出最适合用户的医疗机构选项。

最后将智能健康知识库中的数据、用户群体数据和用户个人的数据作为分析的数据，接下来进行分析：数据+规则＝结果。

此步骤的具体执行步骤如下：

步骤(4021)：划分数据

划分客观数据，将智能健康知识库中的医院地理位置、医院评级、医院评分以及用户电子病历中的年龄、身高、体重、心跳、血压、血糖、血脂、地理位置作为客观数据；

划分非客观数据，将用户的过往病史、过往就医记录、聚类标签结果作为非客观数据。

步骤(4022)：基于非客观数据分析用户的心智倾向和行为偏好步骤如下：

对用户过往的就医记录进行数据分析，标记用户过去曾就医的医院及次数；

度量这些医院在用户所在城市所有医院多的质量与和用户距离的排名，在这里医院的质量记为评分排名与医院等级排名的相加和，用户对医院等级质量的偏好记为ω₁，用户对距离及交通便利程度的偏好记为ω₂，设置ω₁+ω₂＝1，同时ω₁∈[0,1]，ω₂∈[0,1]，其中ω₁越大代表用户越注重医院的等级与质量，当ω₁＝0时代表用户完全不注重质量只注重去医院的便捷程度，当ω₁＝1时代表用户只注重医院等级与质量完全不注重距离，对ω₂意义同理，大小代表用户对去医院的距离及交通便利的重视程度；

度量去这些医院的次数排名，设置I＝{i₁,i₂,...,i_m}作为m家医院的集合，设α作为参数用来衡量用户个人对于医院的偏好程度：

N代表该用户去所有医院的总次数，n_i代表用户去第i家医院的次数。

记录每个用户所学习到的ω₁与ω₂的值与α值得集合作为个人心智倾向与偏好的依据。

步骤(4023)：基于聚类标签结果分析群体偏好

使用步骤(3)中聚类结果，统计同城的用户群体每个类别的偏好的医院的信息，作为群体偏好的依据；

设置I＝{i₁,i₂,...,i_m}作为m家医院的集合，设β作为参数用来衡量用户个体所属的群体对于医院的偏好程度：

M代表该用户所属群体去所有医院的总次数，m_i代表用户所属群体去第i家医院的次数。

步骤(4024)：设置对于用户所在城市的医院相对用户个人的评分规则：

分数＝ω₁·医院质量排名+ω₂·医院交通便利程度排名+α_i+β_i

步骤(4025)：使用划分的客观与非客观数据数据与建立的规则，对用户所在城市的医院相对其个人进行评分，依据评出的分数，对医院进行排名，制作用户个人专属的医院排名表。

c)根据聚类结果及用户个人信息，提取知识库知识，得出用户最优饮食、运动建议。

步骤(5)：输出由心智分析模型得出的就医、饮食及运动方面的针对每个用户的健康建议。

步骤(501)：依据用户的聚类标签，调取知识库中专业医生的建议，输出饮食与运动建议

步骤(502)：依据所感知到的用户的信息，采用步骤(4)中所建立的规则，调取知识库中的知识，输出用户个人的医院排名表数据，给出就医建议。

实施例二

在一个或多个实施方式中，公开了一种具有心智功能的智能健康分析系统，该系统的目的有两个：一是建立健全一个知识库，为向用户提出各种建议提供基础；二是建立一种能够挖掘用户心智倾向与行为偏好的心智分析模型，根据感知到的用户信息及知识库的信息能够提出建议。

所述系统包括：

用于感知设定用户的个人基本信息与就医历史数据的模块；

用于将感知的数据以电子病历的形式进行存储的模块；

用于将用户数据划分为客观数据和非客观数据的模块；

用于对分析结果进行输出的模块。

本实施例中，具有心智功能的智能健康分析系统具体包括：

知识库模块：存储有针对不同类型人群的就医、饮食及运动建议；存储有实时的医院地址、医院电话及医院规模等数据，方便下面单元的分析与调取。

知识库模块具体包括：

原有知识库单元：知识库中原有对不同种类的病人，存储不同的饮食及运动建议；

实时更新数据库单元：知识库自动更新用户所在城市的医院、药店、诊所等医疗场所的位置、规模、级别等数据。

信息感知模块：通过爬虫、手环及医疗检测设备等手段及设备，多方位、多层次的感知用户的身高、体重、病史、心跳、血糖、血压、血脂等生理指标与信息。

信息感知模块具体包括：

参数设定单元：初次使用需要设定参数，包括用户身份证号，姓名，性别；

用户信息感知单元：使用手环感知用户实时的心跳及地理位置数据；便携式的医疗检测设备在用户使用后，导入用户的血脂、血糖、身高、体重信息。

数据集成与存储模块：将从信息感知单元感知到的非结构化信息进行结构化处理，将感知到的结构化数据及处理过的结构化数据继承存储。

数据集成与存储模块具体包括：

数据结构化处理单元：将非结构化数据进行结构化处理。

数据存储单元：将处理过后的结构化数据以不同的表格形式进行存储。

心智分析模块：建立心智分析单元，对每个用户集成后的信息结合知识库中的信息对用户的分类、心智倾向、行为偏好进行分析。

心智分析模块具体包括：

数据分析聚类单元：将所有的用户依据其数据进行聚类，划分为不同的群体；

心智倾向分析单元：构建心智倾向与行为偏好的规则，使用构建的分析规则分析数据库中信息，可以得到针对每个用户的心智倾向的就医、饮食及运动建议。

输出模块：依据心智分析单元对用户信息的分析结果，输出对用户的就医、饮食及运动方面的建议。

实施例三

在一个或多个实施方式中，公开了一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行实施例一中所述的具有心智功能的智能健康分析方法。为了简洁，在此不再赘述。

应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列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。

计算机可读存储介质可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。

在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。

结合实施例一中的方法步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。

本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。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。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims

1.一种具有心智功能的智能健康分析方法，其特征在于，包括：

对分析结果进行输出。

2.如权利要求1所述的一种具有心智功能的智能健康分析方法，其特征在于，基于用户的聚类结果，分析每一类别用户的心智倾向与行为偏好信息；

结合设定用户以及每一类别用户的心智倾向与行为偏好的分析，得到针对设定用户的优选信息排名。

3.如权利要求1所述的一种具有心智功能的智能健康分析方法，其特征在于，所述建立智能健康知识数据库，具体包括：

针对k类不同的群体，匹配具有针对性的饮食与运动建议；

实时获取用户所在地的医疗场所的位置信息，每隔设定时间进行一次数据更新；

爬取用户所在地的医疗场所在等级、评分以及擅长治疗的病种方面的信息，并以键值对的形式进行结构化处理和存储。

4.如权利要求1所述的一种具有心智功能的智能健康分析方法，其特征在于，所述感知设定用户的个人基本信息与就医历史数据，具体为：

预先设定用户的身份信息；

感知用户实时的身体状态及地理位置数据；

导入反应用户身体健康状态的历史测量数据。

5.如权利要求1所述的一种具有心智功能的智能健康分析方法，其特征在于，根据样本集中的数据，使用k均值算法对用户进行聚类。

6.如权利要求1所述的一种具有心智功能的智能健康分析方法，其特征在于，所述客观数据包括智能健康知识数据库中的数据、用户个人健康数据及地理位置数据；所述客观数据作为提出就医、饮食及运动建议的基础数据；

所述非客观数据包括：用户的过往病史、过往就医记录以及用户聚类结果；所述非客观数据作为分析心智倾向与行为偏好的依据。

7.如权利要求1所述的一种具有心智功能的智能健康分析方法，其特征在于，根据所述非客观数据进行心智倾向与行为偏好的分析，具体为：

标记用户过去曾就医的医疗机构及次数；

度量上述医疗机构在用户所在城市所有医疗机构中的质量以及与用户距离的排名；

度量用户个人对于第i家医疗机构的偏好程度α_i；

度量用户所述群体对于第i家医疗机构的偏好程度β_i；

根据医疗机构的质量排名、与用户距离的排名、α_i以及β_i的值对用户所在城市的医疗机构相对用户个人进行评分，根据评分的高低，对医疗机构进行排名。

8.如权利要求7所述的一种具有心智功能的智能健康分析方法，其特征在于，对用户所在城市的医疗机构相对用户个人进行评分，具体为：

分数＝ω₁·医院质量排名+ω₂·医院交通便利程度排名+α_i+β_i；

其中，将用户对医疗机构等级质量的偏好记为ω₁，用户对距离及交通便利程度的偏好记为ω₂；ω₁、ω₂的取值代表用户对于医疗机构等级质量的重视程度以及对于去医疗机构的距离及交通便利的重视程度；α代表用户个体对于医疗机构的偏好程度，β代表用户个体所属群体对于医疗机构的偏好程度。

9.一种具有心智功能的智能健康分析系统，其特征在于，包括：

用于感知设定用户的个人基本信息与就医历史数据的模块；

用于将感知的数据以电子病历的形式进行存储的模块；

用于将用户数据划分为客观数据和非客观数据的模块；

用于对分析结果进行输出的模块。

10.一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行如权利要求1-8任一项所述的具有心智功能的智能健康分析方法。