CN111048176A - 一种基于智能药箱的药品储备方法及装置 - Google Patents

一种基于智能药箱的药品储备方法及装置 Download PDF

Info

Publication number
CN111048176A
CN111048176A CN201911399454.XA CN201911399454A CN111048176A CN 111048176 A CN111048176 A CN 111048176A CN 201911399454 A CN201911399454 A CN 201911399454A CN 111048176 A CN111048176 A CN 111048176A
Authority
CN
China
Prior art keywords
medicine
target
intelligent
occurrence
user
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
Application number
CN201911399454.XA
Other languages
English (en)
Inventor
李燕舞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Xiangyao Hulian Optimization Technology Co Ltd
Original Assignee
Guangzhou Xiangyao Hulian Optimization Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Xiangyao Hulian Optimization Technology Co Ltd filed Critical Guangzhou Xiangyao Hulian Optimization Technology Co Ltd
Priority to CN201911399454.XA priority Critical patent/CN111048176A/zh
Publication of CN111048176A publication Critical patent/CN111048176A/zh
Pending legal-status Critical Current

Links

Images

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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Medicinal Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computational Linguistics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种基于智能药箱的药品储备方法及装置，该方法通过获取该智能药箱的关联用户的目标身体状态数据；根据该目标身体状态数据，预测该关联用户的目标预发病症；根据该目标预发病症，查找与该目标预发病症相匹配的药品信息；检测该智能药箱当前存放的所有药品中是否存在与该药品信息相匹配的目标药品；当不存在该目标药品时，输出与该药品信息相匹配的药品储备提醒。可见，本发明实施例能够使用户根据储备提醒，提前备药，从而可以大大减少身体异样时药箱中未存放有合适的药品的情况发生。

Description

一种基于智能药箱的药品储备方法及装置
技术领域
本发明涉及药品管理技术领域，尤其涉及一种基于智能药箱的药品储备方法及装置。
背景技术
药箱具有专门用于存放药品的空间，其配备在与人们生活息息相关的场所。通常，人们会在药箱中存放一些常用药品以备不时之需。在生病或者感到不适时，相比去医院寻求治疗，从就近的药箱中取得合适的药品进行服用要更为及时和方便。
然而，可能发生的疾病多种多样，药箱中存放的药品也不可能面面俱到，因此很可能出现的情况是，用户在感到身体异样时，药箱中却没有与该异样病症相对应的药品。此时，用户只能选择就医或者去药店购买相对应的药品等方案，但无论是哪种方案，对于身体不适的患者而言都略显奔波。因此，如何减少身体异样时药箱中未存放有合适的药品的情况发生，是目前亟待解决的技术问题。
发明内容
本发明所要解决的技术问题在于，提供一种基于智能药箱的药品储备方法及装置，以解决如何减少身体异样时药箱中未存放有合适的药品的情况发生的技术问题。
为了解决上述技术问题，本发明实施例第一方面公开了一种基于智能药箱的药品储备方法，所述方法应用于智能药箱中，所述方法包括：
获取所述智能药箱的关联用户的目标身体状态数据；
根据所述目标身体状态数据，预测所述关联用户的目标预发病症；
根据所述目标预发病症，查找与所述目标预发病症相匹配的药品信息；
检测所述智能药箱当前存放的所有药品中是否存在与所述药品信息相匹配的目标药品；
当不存在所述目标药品时，输出与所述药品信息相匹配的药品储备提醒。
作为一种可选的实施方式，当存在所述目标药品时，所述方法还包括：
获取所述关联用户的第一属性数据；
获取所述目标药品的目标药品信息；
根据所述目标药品信息，确定所述目标药品的适用对象的第二属性数据；
判断所述第一属性数据是否与所述第二属性数据相匹配，若不是，输出与所述药品信息相匹配、且与所述第一属性数据相匹配的药品储备提醒。
作为一种可选的实施方式，若所述第一属性数据与所述第二属性数据相匹配，所述方法还包括：
根据所述目标药品信息，确定所述关联用户在预先设定的第一时间段内的预计用药量，其中，所述第一时间段的起始时刻晚于当前时刻；
检测所述目标药品的实时储量；
当所述目标药品的实时储量不满足所述预计用药量时，输出所述目标药品的药品储备补充提醒。
作为一种可选的实施方式，所述方法还包括：
获取当前气候数据与预先设定的第二时间段内的未来气候数据，其中，所述第二时间段的起始时间晚于当前时间；
确定所述当前气候数据与所述未来气候数据的气候差距程度；
当所述气候差距程度高于预先设定的差距程度阈值时，触发执行所述的获取所述智能药箱的关联用户的目标身体状态数据。
作为一种可选的实施方式，所述方法还包括：
获取所述关联用户的第一属性数据；
根据所述第一属性数据，确定所述关联用户的当前年龄；
以及，所述根据所述目标身体状态数据，预测所述关联用户的目标预发病症，包括：
当所述当前年龄高于预先设定的高龄阈值时，根据所述关联用户的所述第一属性数据与所述目标身体状态数据，预测所述关联用户的目标预发病症。
作为一种可选的实施方式，在所述输出与所述药品信息相匹配的药品储备提醒之后，所述方法还包括：
输出是否立即购买的询问页面；
当检测到当前用户触发的立即购买指令时，输出购置方案的选择页面；
其中，所述购置方案包括线下购置方案与线上购置方案中的至少一种；
当检测到所述当前用户触发的所述线下购置方案的第一选择指令时，获取距离所述智能药箱小于等于预先设定的距离阈值的药店集合；
获取所述药店集合中所有药店的存货信息；
根据每个所述药店的所述存货信息，确定每个所述药店的在售药品中包含所述目标药品的可能性数值；
根据每个所述药店的所述可能性数值，输出药店推荐清单；
当检测到所述当前用户触发的所述线上购置方案的第二选择指令时，根据所述智能药箱预先绑定的买家账户，执行所述目标药品的下单操作。
作为一种可选的实施方式，所述方法还包括：
通过预先确定的神经网络算法，建立神经网络模型；
根据历史身体状态数据与历史预发病症的对应关系，生成所述神经网络模型的训练集，并根据所述训练集，对所述神经网络模型进行训练，得到身体状态数据—预发病症的预测模型；
以及，所述根据所述目标身体状态数，预测所述关联用户的目标预发病症，包括：
输入所述目标身体状态数据至所述预测模型，得到预测结果；
确定所述预测结果中的预发病症为所述关联用户的目标预发病症。
本发明第二方面公开一种基于智能药箱的药品储备装置，所述装置应用于智能药箱中，所述装置包括：
获取模块，用于获取所述智能药箱的关联用户的目标身体状态数据；
预测模块，用于根据所述目标身体状态数据，预测所述关联用户的目标预发病症；
查找模块，用于根据所述目标预发病症，查找与所述目标预发病症相匹配的药品信息；
检测模块，用于检测所述智能药箱当前存放的所有药品中是否存在与所述药品信息相匹配的目标药品；
输出模块，用于当所述检测模块检测到不存在所述目标药品时，输出与所述药品信息相匹配的药品储备提醒。
作为一种可选的实施方式，所述获取模块，还用于获取所述关联用户的第一属性数据；以及，获取所述目标药品的目标药品信息；
所述装置还包括：
第一确定模块，用于根据所述目标药品信息，确定所述目标药品的适用对象的第二属性数据；
第一判断模块，用于判断所述第一属性数据是否与所述第二属性数据相匹配；
所述输出模块，还用于当所述第一判断模块的判断结果为否时，输出与所述药品信息相匹配、且与所述第一属性数据相匹配的药品储备提醒。
作为一种可选的实施方式，所述第一确定模块，还用于当所述第一判断模块的判断结果为是时，根据所述目标药品信息，确定所述关联用户在预先设定的第一时间段内的预计用药量，其中，所述第一时间段的起始时刻晚于当前时刻；
所述检测模块，还用于检测所述目标药品的实时储量；以及，检测所述目标药品的实时储量是否满足所述预计用药量；
所述输出模块，还用于当所述检测模块检测到所述目标药品的实时储量不满足所述预计用药量时，输出所述目标药品的药品储备补充提醒。
作为一种可选的实施方式，
所述获取模块，还用于获取当前气候数据与预先设定的第二时间段内的未来气候数据，其中，所述第二时间段的起始时间晚于当前时间；
以及，所述装置还包括：
第二确定模块，用于确定所述当前气候数据与所述未来气候数据的气候差距程度；判断所述气候差距程度是否高于预先设定的差距程度阈值；当所述气候差距程度高于预先设定的差距程度阈值时，触发所述获取模块执行所述的获取所述智能药箱的关联用户的目标身体状态数据。
作为一种可选的实施方式，
所述获取模块，还用于获取所述关联用户的第一属性数据；
以及，所述装置还包括：
第三确定模块，用于根据所述第一属性数据，确定所述关联用户的当前年龄；判断所述当前年龄是否高于预先设定的高龄阈值；
以及，所述预测模块根据所述目标身体状态数据，预测所述关联用户的目标预发病症的方式具体为：
当所述第三确定模块的判断结果为是时，根据所述关联用户的所述第一属性数据与所述目标身体状态数据，预测所述关联用户的目标预发病症。
作为一种可选的实施方式，
所述输出模块，还用于在输出与所述药品信息相匹配的药品储备提醒之后，输出是否立即购买的询问页面；检测当前用户是否触发立即购买指令；当检测结果为是时，输出购置方案的选择页面；检测所述当前用户触发的选择指令；
其中，所述购置方案包括线下购置方案与线上购置方案中的至少一种；
以及，所述装置还包括：
购置模块，用于当所述输出模块检测到所述当前用户触发的选择指令为所述线下购置方案的第一选择指令时，获取距离所述智能药箱小于等于预先设定的距离阈值的药店集合；获取所述药店集合中所有药店的存货信息；根据每个所述药店的所述存货信息，确定每个所述药店的在售药品中包含所述目标药品的可能性数值；根据每个所述药店的所述可能性数值，输出药店推荐清单；
所述购置模块，还用于当所述输出模块检测到所述当前用户触发的选择指令为所述线上购置方案的第二选择指令时，根据所述智能药箱预先绑定的买家账户，执行所述目标药品的下单操作。
作为一种可选的实施方式，所述装置还包括：
模型生成模块，用于通过预先确定的神经网络算法，建立神经网络模型；根据历史身体状态数据与历史预发病症的对应关系，生成所述神经网络模型的训练集，并根据所述训练集，对所述神经网络模型进行训练，得到身体状态数据—预发病症的预测模型；
以及，所述预测模块根据所述目标身体状态数，预测所述关联用户的目标预发病症的方式具体为：
输入所述目标身体状态数据至所述模型生成模块生成的所述预测模型，得到预测结果；确定所述预测结果中的预发病症为所述关联用户的目标预发病症。
本发明第三方面公开一种基于智能药箱的药品储备装置，所述交互装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行上述第一方面所述的任一种基于智能药箱的药品储备方法。
本发明第四方面公开一种计算机可存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行上述第一方面所述的任一种所述的基于智能药箱的药品储备方法。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，提供了一种基于智能药箱的药品储备方法，该方法通过获取该智能药箱的关联用户的目标身体状态数据；根据该目标身体状态数据，预测该关联用户的目标预发病症；根据该目标预发病症，查找与该目标预发病症相匹配的药品信息；检测该智能药箱当前存放的所有药品中是否存在与该药品信息相匹配的目标药品；当不存在该目标药品时，输出与该药品信息相匹配的药品储备提醒。可见，本发明实施例根据用户的身体状态数据，提前预测用户可能发生的病症，并根据预测出的病症，检测药箱当前存放的药品是否有适合治疗该病症的。如果检测不到适合的药品，药箱能够输出购买适合该病症的药品的储备提醒，使用户能够根据该储备提醒，提前备药，从而可以大大减少身体异样时药箱中未存放有合适的药品的情况发生。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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。
图1是本发明实施例一公开的一种基于智能药箱的药品储备方法的流程示意图；
图2是本发明实施例二公开的一种基于智能药箱的药品储备方法的流程示意图；
图3是本发明实施例三公开的一种基于智能药箱的药品储备装置的结构示意图；
图4是本发明实施例三公开的另一种基于智能药箱的药品储备装置的结构示意图；
图5是本发明实施例四公开的又一种基于智能药箱的药品储备装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明实施例提供了一种基于智能药箱的药品储备方法及装置，提前预测用户可能发生的病症，并根据预测出的病症，检测药箱当前存放的药品是否有适合治疗该病症的。如果检测不到适合的药品，药箱能够输出购买适合该病症的药品的储备提醒，使用户能够根据该储备提醒，提前备药，从而可以大大减少身体异样时药箱中未存放有合适的药品的情况发生。下面采用实施例的方式对本发明实施例提供的技术方案进行说明。
实施例一
请参阅图1，图1是本发明实施例一公开的一种基于智能药箱的药品储备方法的流程示意图。其中，图1所描述的基于智能药箱的药品储备方法可以应用于智能药箱中，进一步的，还可以应用于智能药箱对应的服务器/后台服务平台/云服务平台，本发明实施例不做限定。本文以智能药箱作为执行主体进行详细描述，如图1所示，该基于智能药箱的药品储备方法可以包括以下操作：
步骤101、获取智能药箱的关联用户的目标身体状态数据。
智能药箱可以预先关联特定的用户，比如，对于一个家用的智能药箱，智能药箱可以关联家庭中的一个或多个成员。
在一种可选的实施例中，在智能药箱的关联用户数量较多时，为确定当前流程中针对的特定的关联用户，该方法还可以包括：
输出智能药箱的关联用户列表供用户进行选择；检测用户的对关联用户的选择指令；根据用户的关联用户选择指令，确定当前流程中针对的关联用户。
上述可选的实施例中，需要用户与智能药箱进行互动。考虑到用户可能较为繁忙，因此该方法还可以包括：
根据智能药箱预先关联的关联用户列表，按预先设定的优先顺序确定当前流程中针对的关联用户；在该当前流程结束后，可以继续按预先设定的优先顺序确定下一位针对的关联用户，并针对该下一位关联用户执行步骤101。
需要说明的是，目标身体状态数据可以包括但不限于：心跳频率、血压、血糖、血脂、骨密度、白细胞计数、血小板计数、心电图数据等等。本领域技术人员可以根据实际需求进行确定。
具体实现身体状态数据的获取的方式有很多。在一个可选的实施例中，获取智能药箱的关联用户的目标身体状态数据可以包括：
从智能药箱的数据库中读取预先录入的关联用户的目标身体状态数据。
在另一个可选的实施例中，智能药箱可以和各个医院的数据系统进行关联，如此，获取智能药箱的关联用户的目标身体状态数据可以包括：
根据智能药箱预先关联的该关联用户的医院信息，确定所述关联用户的目标医院服务器的地址；根据该目标医院服务器的地址，发送该关联用户的身体状态数据的获取请求；在接收到该目标医院服务器返回的数据信息后，从该数据信息中获取该关联用户的目标身体状态数据。
可见，在上述可选的实施例中，用户只要去医院就医或者去医院进行了提醒，用户的身体状态数据便会及时更新，智能药箱可以通过与医院服务器的通信交互，获取到该用户的身体状态数据，从而更为准确的预测该关联用户的预发病症。
步骤102、根据目标身体状态数据，预测关联用户的目标预发病症。
可以理解的是，预发病症可以是某种具体的疾病名称，比如流感、食物中毒、过敏性皮炎等，但预发病症也可以是某种症状，比如头痛、四肢乏力、畏寒、肚痛等等，具体而言，预发病症可以是各种可能的不适或身体异常，本发明实施例对此不作限定。
预测关联用户的目标预发病症的具体实现方式有很多。在一个可选的实施方式中，根据目标身体状态数据，预测关联用户的目标预发病症可以包括：
输入目标身体状态数据至预先生成的预测模型，得到预测结果；
确定该预测结果中的预发病症为关联用户的目标预发病症。
其中，上述的预测模型需要预先进行建立，具体的，建立方法包括以下步骤：
通过预先确定的神经网络算法，建立神经网络模型；根据历史身体状态数据与历史预发病症的对应关系，生成神经网络模型的训练集，并根据训练集，对神经网络模型进行训练，得到身体状态数据—预发病症的预测模型。
需要说明的是，可以选择的神经网络算法有多种，比如ART网络算法、LVQ网络算法、Kohonen网络算法、Hopfield网络算法等，本领域技术人员可以根据需要进行选择。
根据神经网络算法，可以确定神经网络的框架结果，从而建立神经网络模型。为对该神经网络模型进行训练，可以根据历史身体状态数据与历史预发病症的对应关系，生成神经网络模型的训练集。
在一个可选的实施方式中，历史身体状态数据与历史预发病症的对应关系可以通过以下方法建立，该方法包括：
获取多个不同用户的在预先设定的第一时间段内的身体状态数据；其中，该预先设定的时间段应当为过去的时间段；
针对每个用户，获取其在与该第一时间段相匹配的第二时间段内的预发病症；
建立每个用户的身体状态数据与其预发病症的对应关系。
比如，某一个客户在某个时间的白细胞计数较高，而该客户在同一时间或者该时间稍微延后的时间里存在喉咙发炎的预发病症，则可以建立白细胞计数与喉咙发炎的预发病症的对应关系。
可见，上述利用神经网络算法建立预测模型，从而能够更为科学合理的预测关联用户的预发病症。
在另一个可选的实施例中，预测关联用户的预发病症时，还可以预先在智能药箱中录入身体状态数据与预发病症的对应关系，此时，根据目标身体状态数据，预测关联用户的目标预发病症，包括：
根据预先在智能药箱中录入的身体状态数据与预发病症的对应关系，查询当前的目标身体状态数据对应的目标预发病症。
需要说明的是，该身体状态数据与预发病症的对应关系可以通过相关专家进行人工分析得出，也可以进一步结合大数据，通过机器进行分析得出。
步骤103、根据目标预发病症，查找与目标预发病症相匹配的药品信息。
对于一种预发病症，与该预发病症相匹配的药品可能有多种。比如，对于肚子痛的预发病症，能够治疗该预发病症的药品便有很多，比如整肠丸、藿香正气丸等等。在本发明实施例中，与目标预发病症相匹配的药品信息，可以呈现为药品功能信息，也可以呈现为药品种类信息等，当然也可以呈现为药品名称信息，本发明实施例对此不作限定。
步骤104、检测智能药箱当前存放的所有药品中是否存在与该药品信息相匹配的目标药品，若检测结果为否，触发执行步骤105，若检测结果为是，可以结束本次流程。
智能药箱当前存放的所有药品中是否存在与该药品信息相匹配的目标药品的检测有多种实现方式。
在一种可选的实现方式中，检测智能药箱当前存放的所有药品中是否存在与该药品信息相匹配的目标药品可以包括：
智能药箱读取预先录入的当前存放的所有药品的已存放药品信息；或者，智能药箱通过扫描当前存放的所有药品的药品标识，读取当前存放的所有药品的已存放药品信息；又或者，智能药箱获取当前存放的所有药品的包装图像，通过图像识别算法识别药品包装上的已存放药品信息；
将该已存放药品信息与上述目标预发病症相匹配的药品信息进行匹配，若匹配成功，确定智能药箱存放的所有药品中存在目标药品，若匹配失败，确定智能药箱存放的所有药品中不存在目标药品。
步骤105、当不存在目标药品时，输出与药品信息相匹配的药品储备提醒。
本实施例提供了一种基于智能药箱的药品储备方法，该方法根据用户的身体状态数据，提前预测用户可能发生的病症，并根据预测出的病症，检测药箱当前存放的药品是否有适合治疗该病症的。如果检测不到适合的药品，药箱能够输出购买适合该病症的药品的储备提醒，使用户能够根据该储备提醒，提前备药，从而可以大大减少身体异样时药箱中未存放有合适的药品的情况发生。
容易理解的是，在输出药品储备提醒后，用户将有购置药品的需求。为此，在另一个可选的实施例中，可以进一步的，在输出与药品信息相匹配的药品储备提醒之后，本方法还包括：
输出是否立即购买的询问页面；
当检测到当前用户触发的立即购买指令时，输出购置方案的选择页面；
其中，该购置方案包括线下购置方案与线上购置方案中的至少一种。
在本实施例中，提供的购置方案包括线上与线下两种。对应线下购置的方案，本实施例中的方法还可以包括：
当检测到当前用户触发的线下购置方案的第一选择指令时，可以获取距离该智能药箱小于等于预先设定的距离阈值的药店集合；获取药店集合中所有药店的存货信息；根据每个药店的存货信息，确定每个药店的在售药品中包含目标药品的可能性数值；根据每个药店的可能性数值，输出药店推荐清单。
需要说明的是，药店的存货信息的具体获取方式，可以是通过互联网访问相应的数据库，从数据库中读取该药店自主更新的存货信息。
但考虑到不同的药店的存货信息更新频率不同，对于更新频率低的药店的其存货信息的可信度将大大下降。
因此，在一个可选的实施例中，根据每个药店的存货信息，确定每个药店的在售药品中包含目标药品的可能性数值可以包括：
获取每个药店的存货信息的更新时间；
根据每个药店的存货信息的更新时间，确定该存货信息的可信度；
根据该存货信息的可信度，确定每个药店的在售药品中包含目标药品的可能性数值。
可见，在上述可选的实施例中，通过存货信息的更新时间，可以判断存货信息的可信度。比如，若存货信息是近期更新的，则其可信度可以确定为90％，相应的，该药店在售药品中包含目标药品的可能性数值也可以确定为90％或者适当降低。之所以可能适当降低，是考虑到存货信息虽是近期更新的，但该存货信息中的内容也可能未必真实，因此药店可能更新时粗心大意出错，又或者对存货信息更新并不重视而随意更新。
在另一个可选的实施例中，根据每个药店的存货信息，确定每个药店的在售药品中包含目标药品的可能性数值可以包括：
获取每个药店的存货信息的更新时间；
获取每个药店的对于存货信息的买家反馈的评价信息；
根据该评价信息与该更新时间，确定该存货信息的可信度；根据该存货信息的可信度，确定每个药店的在售药品中包含目标药品的可能性数值。
进一步的，用户在根据存货信息前往相应药店购买目标药品时，若发现该药店的在售药品中没有需要的目标药品，可以通过评价功能，将该药店的存货信息与实际在售药品不符，存货信息的真实性较低的情况反馈到服务器，从而智能药箱可以从服务器中获取该评价信息，并结合该存货信息的更新时间，确定出更为准确的存货信息的可信度，从而可以减少用户在推荐的药店中找不到需要的药品的情况。
对应线上购置的方案，本实施例中的方法还可以包括：
当检测到当前用户触发的线上购置方案的第二选择指令时，根据该智能药箱预先绑定的买家账户，执行目标药品的下单操作。
可见，本实施例中的方法还可以为用户提供一键下单的服务，用户只需选择线上购置的方案，智能药箱即可自动进行目标药品的下单，为用户提供了极大的便利。
进一步的，在一个可选的实施例中，在提供线上购置服务时，该方法还可以包括：
获取该目标药品的所有生产厂家标识；
根据每个生产厂家标识，查找每个生产厂家标识对应的生产厂家信息；
输出每个生产厂家信息，以供用户参考。
可见，上述可选的实施例能够将目标药品的生产厂家提供给用户进行参考，以使用户可以根据需求选择不同厂家生产的药品。
在另一个可选的实施例中，当智能药箱当前存放的所有药品中不存在需要的目标药品时，本实施例提供的方法还可以包括：
获取关联用户的第一属性数据。
相应的，输出与药品信息相匹配的药品储备提醒可以包括：
输出与该药品信息相匹配、且与该第一属性数据相匹配的药品储备提醒。
需要说明的是，第一属性数据具体包括年龄、性别、是否怀孕等属性数据。其中，根据年龄的不同，还可以属性数据还可以呈现为婴儿、幼童、青年人、老年人等。
考虑到与该药品信息相匹配的药品未必能够适合关联用户的属性数据，比如，若关联用户为婴幼儿，某种药品的药品信息与其身体状态数据对应的预发病症匹配，但该药品并不一定适合婴幼儿进行服用。因此需要在输出药品储备提醒时，需要注意提醒储备的药品与关联用户的第一属性数据是否匹配。本实施例便考虑了上述情况，从而能够给出更为合理的药品储备提醒。
实施例二
请参阅图2，图2是本发明实施例二公开的一种基于智能药箱的药品储备方法的流程示意图。其中，图2所描述的基于智能药箱的药品储备方法可以应用于智能药箱中，进一步的，还可以应用于智能药箱对应的服务器/后台服务平台/云服务平台，本发明实施例不做限定。本文以智能药箱作为执行主体进行详细描述，如图2所示，该基于智能药箱的药品储备方法可以包括以下操作：
步骤201、获取当前气候数据与预先设定的第二时间段内的未来气候数据。
步骤202、确定当前气候数据与未来气候数据的气候差距程度。
步骤203、当该气候差距程度高于预先设定的差距程度阈值时，获取智能药箱的关联用户的目标身体状态数据。
考虑到气候发生明显变化时往往也是用户容易生病的时候，因此，本实施例中，在检测到未来的某个时间内将会发生气候突变时，触发执行对用户身体状态数据的获取。
其中，第二时间段的起始时间晚于当前时间。比如，当前时间为2019年1月1日，当设定第二时间段为一周时，则未来气候数据为接下来一周(及2019年1月2日至1月8日)的气候数据。在具体实施时，未来气候数据可以是第二时间段的平均气候数据，也可以是第二时间段内的某一天的气候数据，本发明实施例对此不作限定。
步骤204、获取该关联用户的第一属性数据。
步骤205、根据该第一属性数据，确定该关联用户的当前年龄。
步骤206、当该当前年龄高于预先设定的高龄阈值时，根据该关联用户的第一属性数据与目标身体状态数据，预测该关联用户的目标预发病症。
考虑到同样的身体状态数据对于不同年龄的人，其可能出现的预发病症是不同的。在一种可能的情况下，若关联用户是老年人，则其发病的概率将比青年要高，因此，在进行预发病症的预测时，应当结合该老年人的属性数据与其身体状态数据，如此得到的预测结果才能够更为准确与合理。
在一个可选的实施方式中，除老年人外，婴幼儿或者孕妇等特殊人群，其预发病症的预测同样应结合其属性数据，具体的，该方法还包括：
确定该关联用户的第一属性数据是否与特殊人群的属性数据相匹配；
若确定结果为是时，根据该关联用户的第一属性数据与其的目标身体状态数据，预测该关联用户的目标预发病症。
需要说明的是，特殊人群的属性数据包括预先设定的一种或多种属性数据。比如，可以为婴幼儿设定一种属性数据，又比如，可以为孕妇设定另一种属性数据。
步骤207、根据该目标预发病症，查找与该目标预发病症相匹配的药品信息。
步骤208、检测智能药箱当前存放的所有药品中是否存在与该药品信息相匹配的目标药品，当检测结果为是时，触发执行步骤209，当检测结果为否时，触发执行步骤215。
步骤207与步骤208的相关说明可以参考上述实施例一中步骤103与步骤104的对应说明，在此不再赘述。
步骤209、获取目标药品的目标药品信息。
步骤210、根据该目标药品信息，确定目标药品的适用对象的第二属性数据。
步骤211、判断该第一属性数据是否与该第二属性数据相匹配，若是，触发执行步骤212，若不是，触发执行步骤215。
当智能药箱中存放的药品中存在目标药品时，仅能确定该目标药品是与目标预发病症相匹配的药品信息，但并能确定该目标药品与关联用户的属性数据(即年龄、性别等)相匹配，因此，需要对目标药品进行进一步判断。
步骤212、根据该目标预发病症，确定该关联用户在预先设定的第一时间段内的预计用药量。
步骤213、检测该目标药品的实时储量。
步骤214、当该目标药品的实时储量不满足所述预计用药量时，输出所述目标药品的药品储备补充提醒。
其中，该第一时间段的起始时刻晚于当前时刻。
当智能药箱中存放的药品中存在目标药品时，且该目标药品与关联用户的属性数据(即年龄、性别等)相匹配时，则该目标药品可以进行服用。但进一步的，智能药箱中存放的该目标药品的实时储量未必够关联用户服用，因此，可以检测该目标药品的实时储量进行判断。
需要说明的是，预计用药量对应的时间跨度可以根据实际需求自行设定。比如，可以设定为一个星期的用药量，或者5天的用药量等等。
在一个可选的实施例中，预计用药量还通过以下方法确定，该方法可以包括：
根据该目标药品的目标药品信息，确定该目标药品的一次用药量；
根据预先设定的用药次数，确定该目标药品的对应该用药次数的预计用药量。
相比设定时间段确定用药量，仍然可能出现吃药时药品储量不够的情况。比如，若目标药品为7天服用5粒的药品，智能药箱当前存放的该目标药品为4粒，若设定第一时间段为5天，则在该5天内的预计用药量将为0，如此，便可能在7天后服药时才发现药品储备不足的情况。而通过用药次数确定预计用药量则可以避免上述问题。
在另一个可选的实施例中，该方法还包括：
当该目标药品的实时储量满足预计用药量时，检测该目标药品是否属于已过期药品；
若该目标药品属于已过期药品，输出该目标药品的药品储备补充提醒。
即便智能药箱存放有的适合服用的目标药品，且该目标药品的实时储量满足预计用药量，仍然可能因为存放的目标药品已经过期，而导致要服药是可服用的药品不足的窘况。因此，进一步的对目标药品进行过期的检测。
需要说明的是，已过期药品可以是超出保质期范围的药品，也可以是变质的药品。对于日期超出保质期范围的已过期药品的检测，实现的方式有多种。
在一个可选的实施例中，对目标药品是否为日期超出保质期范围的已过期药品的检测具体可以包括：
根据该目标药品的目标药品信息，确定目标药品对应的生产日期与保质期；根据该生产日期与保质期，计算该目标药品的过期日期；根据当前日期与该过期日期的比较，可以判断目标药品是否超出保质期范围。
对于未超出保质期范围但已发生变质的药品的检测，也具有多种实现方式。
在一个可选的实施例中，对目标药品是否已发生变质的药品的检测具体可以包括：
根据该目标药品信息，确定该目标药品所需的存放环境参数；
根据该目标药品所需的存放环境参数与该目标药品在存放时间段内所处的实际环境参数，预测该目标药品的变质情况；
若该目标药品的变质情况大于等于预先设定的变质情况阈值，确定该目标药品为已过期药品。
除上述的检测方式外，对于未超出保质期范围但已发生变质的药品的检测，当然也还有其他的方式。比如可以通过对目标药品的外观进行扫描，根据扫描到的目标药品外观判断目标药品是否变质。具体的，药品的外观可以包括颜色、完整性、质感等性状中的至少一种。当然，还可以结合目标药品的气味对目标药品是否变质进行分析。
步骤215、输出与该药品信息相匹配、且与该第一属性数据相匹配的药品储备提醒。
可见，本实施例提供了一种基于智能药箱的药品储备方法，该方法根据用户的身体状态数据，提前预测用户可能发生的病症，并根据预测出的病症，检测药箱当前存放的药品是否有适合治疗该病症的。如果检测不到适合的药品，药箱能够输出购买适合该病症的药品的储备提醒，使用户能够根据该储备提醒，提前备药，从而可以大大减少身体异样时药箱中未存放有合适的药品的情况发生。此外，本实施例提供的方法还具有其他的优点，包括：可以智能的在气候变化较大时对用户的身体状态进行检测，从而能够更为及时的发现智能药箱中是否储备有可能要用到的目标药品；对特定人群的预发病症的预测，结合了属性数据与身体状态数据，从而能够更为合理的预测出预发病症；进一步考虑了目标药品是否与用户的属性数据相匹配，并且进一步考虑目标药品的储备余量是否满足用户短期的用药需求，为用户的用药提供更为完善的服务。
实施例三
请参阅图3，图3是本发明实施例三公开的一种基于智能药箱的药品储备装置的结构示意图。其中，图3所描述的基于智能药箱的药品储备装置可以应用于智能药箱中，进一步的，还可以应用于智能药箱对应的服务器/后台服务平台/云服务平台，本发明实施例不做限定。如图3所示，该基于智能药箱的药品储备装置可以包括：
获取模块301，用于获取该智能药箱的关联用户的目标身体状态数据；
预测模块302，用于根据该目标身体状态数据，预测该关联用户的目标预发病症；
查找模块303，用于根据该目标预发病症，查找与该目标预发病症相匹配的药品信息；
检测模块304，用于检测该智能药箱当前存放的所有药品中是否存在与该药品信息相匹配的目标药品；
输出模块305，用于当该检测模块304检测到不存在该目标药品时，输出与该药品信息相匹配的药品储备提醒。
可见，本实施例提供了一种基于智能药箱的药品储备装置，该装置根据用户的身体状态数据，提前预测用户可能发生的病症，并根据预测出的病症，检测药箱当前存放的药品是否有适合治疗该病症的。如果检测不到适合的药品，药箱能够输出购买适合该病症的药品的储备提醒，使用户能够根据该储备提醒，提前备药，从而可以大大减少身体异样时药箱中未存放有合适的药品的情况发生。
进一步的，可以在图3所示的基于智能药箱的药品储备装置的基础上进行改进。请参见图4，图4是本发明实施例三公开的另一种基于智能药箱的药品储备装置的结构示意图。图4所示的基于智能药箱的药品储备装置在图3所示装置的基础上，还包括以下改进。
作为一个可选的实施例，该获取模块301，还可以用于获取关联用户的第一属性数据；以及，获取目标药品的目标药品信息；
相应的，本实施例中的装置还包括：
第一确定模块306，用于根据该目标药品信息，确定该目标药品的适用对象的第二属性数据；
第一判断模块307，用于判断该第一属性数据是否与该第二属性数据相匹配；
该输出模块305，还用于当该第一判断模块307的判断结果为否时，输出与该药品信息相匹配、且与该第一属性数据相匹配的药品储备提醒。
作为一个可选的实施例，该第一确定模块306，还用于当该第一判断模块307的判断结果为是时，根据该目标药品信息，确定该关联用户在预先设定的第一时间段内的预计用药量，其中，该第一时间段的起始时刻晚于当前时刻；
该检测模块304，还用于检测该目标药品的实时储量；以及，检测该目标药品的实时储量是否满足该预计用药量；
该输出模块305，还用于当该检测模块检测到该目标药品的实时储量不满足该预计用药量时，输出该目标药品的药品储备补充提醒。
作为一个可选的实施例，该获取模块301，还用于获取当前气候数据与预先设定的第二时间段内的未来气候数据，其中，该第二时间段的起始时间晚于当前时间；
相应的，本实施例中的装置还包括：
第二确定模块308，用于确定该当前气候数据与该未来气候数据的气候差距程度；判断该气候差距程度是否高于预先设定的差距程度阈值；当该气候差距程度高于预先设定的差距程度阈值时，触发该获取模块301执行该的获取该智能药箱的关联用户的目标身体状态数据。
作为一个可选的实施例，该获取模块301，还用于获取该关联用户的第一属性数据；
相应的，本实施例中的装置还可以包括：
第三确定模块309，用于根据该第一属性数据，确定该关联用户的当前年龄；判断该当前年龄是否高于预先设定的高龄阈值；
以及，该预测模块302根据该目标身体状态数据，预测该关联用户的目标预发病症的方式具体为：
当该第三确定模块309的判断结果为是时，根据该关联用户的该第一属性数据与该目标身体状态数据，预测该关联用户的目标预发病症。
作为一个可选的实施例，该输出模块305，还用于在输出与该药品信息相匹配的药品储备提醒之后，输出是否立即购买的询问页面；检测当前用户是否触发立即购买指令；当检测结果为是时，输出购置方案的选择页面；检测该当前用户触发的选择指令；
其中，该购置方案包括线下购置方案与线上购置方案中的至少一种；
相应的，本实施例中的装置还可以包括：
购置模块310，用于当该输出模块305检测到该当前用户触发的选择指令为该线下购置方案的第一选择指令时，获取距离该智能药箱小于等于预先设定的距离阈值的药店集合；获取该药店集合中所有药店的存货信息；根据每个该药店的该存货信息，确定每个该药店的在售药品中包含该目标药品的可能性数值；根据每个该药店的该可能性数值，输出药店推荐清单；
该购置模块310，还用于当该输出模块305检测到该当前用户触发的选择指令为该线上购置方案的第二选择指令时，根据该智能药箱预先绑定的买家账户，执行该目标药品的下单操作。
作为一个可选的实施例，该装置还可以包括：
模型生成模块311，用于通过预先确定的神经网络算法，建立神经网络模型；根据历史身体状态数据与历史预发病症的对应关系，生成该神经网络模型的训练集，并根据该训练集，对该神经网络模型进行训练，得到身体状态数据—预发病症的预测模型；
以及，该预测模块302根据该目标身体状态数，预测该关联用户的目标预发病症的方式具体为：
输入该目标身体状态数据至该模型生成模块311生成的该预测模型，得到预测结果；确定该预测结果中的预发病症为该关联用户的目标预发病症。
可见，本实施例提供了一种基于智能药箱的药品储备装置，该装置根据用户的身体状态数据，提前预测用户可能发生的病症，并根据预测出的病症，检测药箱当前存放的药品是否有适合治疗该病症的。如果检测不到适合的药品，药箱能够输出购买适合该病症的药品的储备提醒，使用户能够根据该储备提醒，提前备药，从而可以大大减少身体异样时药箱中未存放有合适的药品的情况发生。此外，本实施例提供的装置还具有其他的优点，包括：可以智能的在气候变化较大时对用户的身体状态进行检测，从而能够更为及时的发现智能药箱中是否储备有可能要用到的目标药品；对特定人群的预发病症的预测，结合了属性数据与身体状态数据，从而能够更为合理的预测出预发病症；进一步考虑了目标药品是否与用户的属性数据相匹配，并且进一步考虑目标药品的储备余量是否满足用户短期的用药需求，为用户的用药提供更为完善的服务。
实施例四
请参阅图5，图5是本发明实施例公开的又一种基于智能药箱的药品储备装置的结构示意图。如图5所示，该基于智能药箱的药品储备装置可以包括：
存储有可执行程序代码的存储器501；
与存储器501耦合的处理器502；
处理器502调用存储器501中存储的可执行程序代码，用于执行实施例一或实施例二所描述的基于智能药箱的药品储备方法中的步骤。
实施例五
本发明实施例公开了一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一或实施例二所描述的基于基于智能药箱的药品储备方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二所描述的基于智能药箱的药品储备方法中的步骤。
以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种基于智能药箱的药品储备方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (10)

1.一种基于智能药箱的药品储备方法，其特征在于，所述方法应用于智能药箱中，所述方法包括：
获取所述智能药箱的关联用户的目标身体状态数据；
根据所述目标身体状态数据，预测所述关联用户的目标预发病症；
根据所述目标预发病症，查找与所述目标预发病症相匹配的药品信息；
检测所述智能药箱当前存放的所有药品中是否存在与所述药品信息相匹配的目标药品；
当不存在所述目标药品时，输出与所述药品信息相匹配的药品储备提醒。
2.根据权利要求1所述的基于智能药箱的药品储备方法，其特征在于，当存在所述目标药品时，所述方法还包括：
获取所述关联用户的第一属性数据；
获取所述目标药品的目标药品信息；
根据所述目标药品信息，确定所述目标药品的适用对象的第二属性数据；
判断所述第一属性数据是否与所述第二属性数据相匹配，若不是，输出与所述药品信息相匹配、且与所述第一属性数据相匹配的药品储备提醒。
3.根据权利要求2所述的基于智能药箱的药品储备方法，其特征在于，若所述第一属性数据与所述第二属性数据相匹配，所述方法还包括：
根据所述目标药品信息，确定所述关联用户在预先设定的第一时间段内的预计用药量，其中，所述第一时间段的起始时刻晚于当前时刻；
检测所述目标药品的实时储量；
当所述目标药品的实时储量不满足所述预计用药量时，输出所述目标药品的药品储备补充提醒。
4.根据权利要求1至3任一项所述的基于智能药箱的药品储备方法，其特征在于，所述方法还包括：
获取当前气候数据与预先设定的第二时间段内的未来气候数据，其中，所述第二时间段的起始时间晚于当前时间；
确定所述当前气候数据与所述未来气候数据的气候差距程度；
当所述气候差距程度高于预先设定的差距程度阈值时，触发执行所述的获取所述智能药箱的关联用户的目标身体状态数据。
5.根据权利要求1所述的基于智能药箱的药品储备方法，其特征在于，所述方法还包括：
获取所述关联用户的第一属性数据；
根据所述第一属性数据，确定所述关联用户的当前年龄；
以及，所述根据所述目标身体状态数据，预测所述关联用户的目标预发病症，包括：
当所述当前年龄高于预先设定的高龄阈值时，根据所述关联用户的所述第一属性数据与所述目标身体状态数据，预测所述关联用户的目标预发病症。
6.根据权利要求1至5任一项所述的基于智能药箱的药品储备方法，其特征在于，在所述输出与所述药品信息相匹配的药品储备提醒之后，所述方法还包括：
输出是否立即购买的询问页面；
当检测到当前用户触发的立即购买指令时，输出购置方案的选择页面；
其中，所述购置方案包括线下购置方案与线上购置方案中的至少一种；
当检测到所述当前用户触发的所述线下购置方案的第一选择指令时，获取距离所述智能药箱小于等于预先设定的距离阈值的药店集合；
获取所述药店集合中所有药店的存货信息；
根据每个所述药店的所述存货信息，确定每个所述药店的在售药品中包含所述目标药品的可能性数值；
根据每个所述药店的所述可能性数值，输出药店推荐清单；
当检测到所述当前用户触发的所述线上购置方案的第二选择指令时，根据所述智能药箱预先绑定的买家账户，执行所述目标药品的下单操作。
7.根据权利要求1所述的基于智能药箱的药品储备方法，其特征在于，所述方法还包括：
通过预先确定的神经网络算法，建立神经网络模型；
根据历史身体状态数据与历史预发病症的对应关系，生成所述神经网络模型的训练集，并根据所述训练集，对所述神经网络模型进行训练，得到身体状态数据—预发病症的预测模型；
以及，所述根据所述目标身体状态数，预测所述关联用户的目标预发病症，包括：
输入所述目标身体状态数据至所述预测模型，得到预测结果；
确定所述预测结果中的预发病症为所述关联用户的目标预发病症。
8.一种基于智能药箱的药品储备装置，其特征在于，所述装置应用于智能药箱中，所述装置包括：
获取模块，用于获取所述智能药箱的关联用户的目标身体状态数据；
预测模块，用于根据所述目标身体状态数据，预测所述关联用户的目标预发病症；
查找模块，用于根据所述目标预发病症，查找与所述目标预发病症相匹配的药品信息；
检测模块，用于检测所述智能药箱当前存放的所有药品中是否存在与所述药品信息相匹配的目标药品；
输出模块，用于当所述检测模块检测到不存在所述目标药品时，输出与所述药品信息相匹配的药品储备提醒。
9.一种基于智能药箱的药品储备装置，其特征在于，所述交互装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的基于智能药箱的药品储备方法。
10.一种计算机可存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的基于智能药箱的药品储备方法。
CN201911399454.XA 2019-12-30 2019-12-30 一种基于智能药箱的药品储备方法及装置 Pending CN111048176A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911399454.XA CN111048176A (zh) 2019-12-30 2019-12-30 一种基于智能药箱的药品储备方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911399454.XA CN111048176A (zh) 2019-12-30 2019-12-30 一种基于智能药箱的药品储备方法及装置

Publications (1)

Publication Number Publication Date
CN111048176A true CN111048176A (zh) 2020-04-21

Family

ID=70241985

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911399454.XA Pending CN111048176A (zh) 2019-12-30 2019-12-30 一种基于智能药箱的药品储备方法及装置

Country Status (1)

Country Link
CN (1) CN111048176A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111914164A (zh) * 2020-06-20 2020-11-10 武汉海云健康科技股份有限公司 一种基于医疗大数据的用药预测方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504291A (zh) * 2015-01-13 2015-04-08 浙江维尔科技股份有限公司 一种基于智能药箱的药品信息数据处理方法和系统
US20170286634A1 (en) * 2016-03-31 2017-10-05 Htc Corporation Medicine management method and medicine management device
CN107346364A (zh) * 2016-05-04 2017-11-14 山东华平信息科技有限公司 智能药箱系统
CN109411046A (zh) * 2018-09-28 2019-03-01 佐成爱（江苏）健康管理咨询有限公司 一种根据药物有效期进行药箱构成的推荐方法及装置
CN109616173A (zh) * 2018-10-15 2019-04-12 平安科技（深圳）有限公司 药品管理方法、装置、计算机设备及存储介质
CN109979561A (zh) * 2019-03-05 2019-07-05 南京邮电大学 基于医药箱的用药管理方法、可读存储介质和终端

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504291A (zh) * 2015-01-13 2015-04-08 浙江维尔科技股份有限公司 一种基于智能药箱的药品信息数据处理方法和系统
US20170286634A1 (en) * 2016-03-31 2017-10-05 Htc Corporation Medicine management method and medicine management device
CN107346364A (zh) * 2016-05-04 2017-11-14 山东华平信息科技有限公司 智能药箱系统
CN109411046A (zh) * 2018-09-28 2019-03-01 佐成爱（江苏）健康管理咨询有限公司 一种根据药物有效期进行药箱构成的推荐方法及装置
CN109616173A (zh) * 2018-10-15 2019-04-12 平安科技（深圳）有限公司 药品管理方法、装置、计算机设备及存储介质
CN109979561A (zh) * 2019-03-05 2019-07-05 南京邮电大学 基于医药箱的用药管理方法、可读存储介质和终端

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111914164A (zh) * 2020-06-20 2020-11-10 武汉海云健康科技股份有限公司 一种基于医疗大数据的用药预测方法及系统
CN111914164B (zh) * 2020-06-20 2024-04-26 武汉海云健康科技股份有限公司 一种基于医疗大数据的用药预测方法及系统

Similar Documents

Publication Publication Date Title
CN110880361B (zh) 一种个性化精准用药推荐方法及装置
US8046242B1 (en) Systems and methods for verifying prescription dosages
CN111210889A (zh) 一种基于智能药箱的药品储量控制方法及装置
CN111145862A (zh) 一种用药安全提醒方法及装置
CN112133397A (zh) 患者服药动态管理方法、装置及存储介质
CN109300017B (zh) 基于数据分析的保单推荐方法、装置、服务器及存储介质
US20150310574A1 (en) Protocol builder for managing patient care
CN111012677A (zh) 一种用药时刻提醒方法及装置
CN111312359A (zh) 用药方案智能化推荐方法及装置
CN111712882B (zh) 药房预测性分析
CN115547439A (zh) 患者随访跟踪分析装置、方法、系统及介质
CN112102956A (zh) 一种糖尿病患者提高依从性的方法和系统
CN112712904A (zh) 基于嵌套-配对设计的多信息系统不良反应前置预测方法及系统
CN111048176A (zh) 一种基于智能药箱的药品储备方法及装置
CN110459311B (zh) 用于患者服药远程监控的服药提醒系统及方法
CN112489754A (zh) 一种智能药盒及其控制方法
CN111190931A (zh) 一种处方笺数据的处理方法及装置、电子设备、存储介质
CN110517764B (zh) 用于提供冠心病延续性护理的远程医疗系统及方法
CN114388089A (zh) 一种基于人工智能的个人健康管理方法及系统
JP7402008B2 (ja) 傷病名推論システム、傷病名推論方法、傷病名推論プログラム、及びデータ構造
CN113470825A (zh) 一种静脉血栓栓塞预测系统、方法、设备及介质
CN114596945A (zh) 一种处方开药方法、医院信息系统及计算机存储介质
CN113409932A (zh) 分诊方法、装置、计算机设备及存储介质
TW202202123A (zh) 用藥提醒與回報系統及其實施方法
CN111063414A (zh) 智能药箱与可穿戴设备的交互实现方法及装置

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200421