CN111354469B - 一种用户健康状况综合评测方法与系统 - Google Patents

一种用户健康状况综合评测方法与系统 Download PDF

Info

Publication number
CN111354469B
CN111354469B CN202010242743.5A CN202010242743A CN111354469B CN 111354469 B CN111354469 B CN 111354469B CN 202010242743 A CN202010242743 A CN 202010242743A CN 111354469 B CN111354469 B CN 111354469B
Authority
CN
China
Prior art keywords
user
information
questionnaire
questions
module
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.)
Active
Application number
CN202010242743.5A
Other languages
English (en)
Other versions
CN111354469A (zh
Inventor
石秀峰
胡若菲
刘健
朱敬华
胡迪
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.)
Zhejiang Helian Health Management Co ltd
Original Assignee
Zhejiang Helian Network 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 Zhejiang Helian Network Technology Co ltd filed Critical Zhejiang Helian Network Technology Co ltd
Priority to CN202010242743.5A priority Critical patent/CN111354469B/zh
Publication of CN111354469A publication Critical patent/CN111354469A/zh
Application granted granted Critical
Publication of CN111354469B publication Critical patent/CN111354469B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/332Query formulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367Ontology
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70ICT 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
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及一种用户健康状况综合评测方法与系统,其包括用户信息输入模块、知识图谱推理模块以及结果分析模块,本发明通过图形化的用户信息输入模块对用户的遗传疾病、行为特征、生活环境和生理状态各类别信息进行收集,并将用户输入的各种信息映射到特定的用户标签上来。将这些标签输入到知识图谱推理模块后,知识图谱模块利用用户标签进行推理,得到用户高危及部分高危的各种疾病,从而继续推理出适合对应疾病的检查项目以及用户不良行为习惯的建议和改善方法。在结果分析模块中,根据推理结果会计算出用户当前的健康评分,更加直观地指导用户对自己的健康状况进行判断,同时也能提供行为特征改善前后用户健康状况的对比,为用户改善自己的错误习惯提供帮助和动力。

Description

一种用户健康状况综合评测方法与系统
技术领域
本发明涉及无线局域网通信和蓝牙通信领域,更具体地涉及一种基于用户遗传、行为、环境和生理信息的用户健康状况综合评测方法与系统。
背景技术
随着社会的发展与国家医疗政策的推进,越来越多的医疗行为从疾病发生后的治疗转移到了疾病发生前的预防,如何能够准确地评估和分析人体的健康状态,并为健康状态的改善提供建议就变得重要且紧迫了。准确地分析评估人体的健康状态,不仅能够避免疾病的发生、恶化以及治疗的延误,也能够减少病人的痛苦,提高医疗资源的利用率,降低全社会的医疗成本。目前,尚无通过用户遗传、行为、环境和生理信息综合信息进行用户综合健康状况评测的技术方案的披露,现有的健康评测系统仅仅从单方面获取数据,健康评测准确度较低。现有的健康评测系统给出的建议较为笼统,不良习惯对应可能引发的疾病以及发生概率均未展示,用户无法对应的去改善不良习惯,现有评测系统还不具备改善习惯的健康指数预评估,无法使用户为改善自己的错误习惯提供帮助和动力。
中国专利(公开号CN104361208A)公开了一种健康评测方法和装置,健康评测方法通过获取用户的面部特征信息,识别出面部的痤疮、斑点等肤质情况,并根据面部特征信息和数据库中的评测参考信息对用户进行健康评测,最后输出模块输出评测结果供用户参考,如提出对应的身体调节和保养建议,给出食补和美容产品的使用方案等。其虽然实现了针对用户的实际情况提供保养建议,但是其仅仅根据采集面部信息而笼统的评测健康,没有通过具有全面医学知识数据的判断逻辑以及对应的知识推理逻辑,健康评测结果误差较大,并且也不具备具体的健康分数、检查项推荐推理、改善方法及建议推荐逻辑,用户错误改善,延误病情,耽搁治疗。
发明内容
1.技术方案
为解决上述问题,本发明采用如下的技术方案。
一种用户健康状况综合评测系统,其包括前端渲染服务器、用户信息输入模块、知识图谱推理模块、结果分析模块,所述前端渲染服务器与所述用户信息输入模块双向连接并通过Restful API进行交互,所述用户信息输入模块为B/S架构的问卷调查应用软件,包括问卷配置文件、问卷加载工具、问卷运行工具、问卷界面和问卷状态记录器进行用户信息的收集整理,并将其映射到预定义的特定用户标签上;所述用户信息输入模块输出端与所述知识图谱推理模块连接并通过Restful API进行交互;所述知识图谱推理模块包括三元组数据库、推理引擎和知识图谱构建工具,所述三元组数据库包括知识图谱本体文件和医学知识数据源,将三元组数据库信息输入知识图谱构建工具中,所述知识图谱构建工具用于生成一张包含疾病信息、行为特征信息、检查项目信息、高危人群信息等多个类别实体及其之间推理关系的知识图谱;所述推理引擎包括SPARQL生成、SPARQL接收、SPARQL执行、在三元组数据库查询图谱信息、推理结果解析器,SPARQL生成器将获取的用户信息并映射为特定的用户标签处理生成可被推理引擎接收的SPARQL查询语句,推理引擎执行可以处理的SPARQL查询语句通过从三元组数据库查询图谱信息进行推理,推理出所需结果,并将推理结果解析成用户易于理解的格式;所述知识图谱推理模块输出端与所述结果分析模块终端连接并通过Restful API进行交互,所述结果分析模块用于获取结果并根据用户信息分析得出最后的高危疾病、部分高危疾病列表、对应疾病的建议检查项目、对应不良行为习惯的可否改善的识别以及改善建议推荐,还会根据用户健康信息计算出健康评分。
进一步的,所述用户信息输入模块的用户信息为用户遗传疾病、行为习惯、生活环境和生理状态信息,综合评测,数据覆盖性较广,评测较为准确。
进一步的,所述知识图谱本体文件规定了知识图谱的知识类型;所述医学知识数据源提供了医学知识的具体内容。
进一步的,所述特定用户标签包括行为特征、既往史、家族史和基本信息标签,便于用户信息的归类统一实现经过知识图谱的推理。
进一步的,所述问卷配置文件包括文本选项、验证规则、跳转规则、前端渲染规则,所述问卷加载工具是指加载问卷文本内容,所述文件运行工具是指更新下一组问题;在部署以前,首先需要撰写用户问卷配置文件,制定问卷的文本,收集信息的类别以及问卷中显示问题的先后关系,跳转规则。撰写用户问卷配置文件时,需要首先筛选出来希望评估的疾病,通过查询知识图谱可以获得希望评估疾病所对应的高危风险因素,诸如性别、年龄、生理特征之类的信息。然后根据这些风险因素制作需要待评估者回答的问题。问题和问题之间的跳转通过获取信息的结果进行判断,然后进行跳转,例如如果年龄大于16岁则跳转到职业信息模块,如果年龄小于16岁,不可能有职业相关的信息,则跳转到生活习惯模块。配置文件的具体格式是通过一个YAML文件进行实现的,此配置文件中会对各类信息的撰写规则进行规范,例如问题的格式,跳转规则的格式,验证规则的实现。问题的提问格式限定于单选题、多选题、输入框、日期选择器四种。单选题适用于选项封闭的问题,即存在有限个互斥答案,例如性别、有无孕产史、运动习惯(从不/经常运动/偶尔运动)等;多选题适用于选项开放的收集类题目,即存在无限多个平行答案,例如生活习惯行为特征的收集;输入框适用于数值或文本信息的收集,例如身高、体重,输入框的配置可以添加数值类型(文本或数字),数值范围等验证规则;日期选择器适用于收集生日、既往史日期等时间日期类信息。如果需要添加其他更复杂类型的问题,只需要在配置文件中添加新的类别,并实现对应的选项接口即可。模块部署完毕,启动以后会加载问卷文件,如果填写格式有问题或者逻辑上存在一定的漏洞,则会及时警告用户修改,通过前端界面给用户显示出用户需要回答的问题,当用户完成了特定数量的问题后,用户信息会传递到前端渲染服务器上进行保存。这时,问卷运行工具会更新用户信息状态,并根据用户当前的信息,继续提供下一组问题,直到问卷所需回答的所有问题回答完毕。
进一步的,所述问卷状态记录器包括记录问卷状态、计算中间变量、行为特征标签映射;在问卷调查收集用户信息时记录问卷进行的状态,将收集的用户信息及时计算中间变量并映射到相应的行为特征标签。
进一步的,所述结果分析模块用于获取结果并根据用户信息分析得出最后的高危疾病、部分高危疾病列表、对应疾病的建议检查项目、对应不良行为习惯的可否改善的识别以及改善建议推荐,所述可否改善不良行为习惯包括可改善不良行为习惯和不可改善不良行为习惯,所述可改善不良行为习惯指用户在生活中能及时改正并且能够避免疾病发生的行为,所述不可改善不良行为习惯指用户在生活中不能及时改正或无法避免并且能够产生疾病的行为,所述识别为根据评测后给出的高危疾病和部分高危疾病列表所对应的用户信息中的不良行为习惯判断是否可及时改正或无法避免,在用户输入信息中,会包含许多可以改善的不良行为习惯,如果用户能在生活中及时改正这些行为,能够避免疾病的发生,改善健康状态,系统会根据用户的不良行为习惯识别出可改善的行为习惯,并给出改善建议,而对于那些不可改善的行为习惯,系统会解释其中的理论依据和健康建议,最大可能地减少用户健康状态的恶化。
一种用户健康状况综合评测方法,其具体步骤如下:
第一步:首先在前端渲染服务器上启动知识图谱推理模块,知识图谱推理模块利用三元组数据库、推理引擎以及知识图谱构建工具生成一张包含疾病信息、检查项目信息、高危人群信息等多个类别实体及其之间关系的知识图谱网络,其他模块通过特定的SPARQL查询语句来进行推理查询,其他模块和知识图谱推理模块利用Restful API来进行交互。知识图谱的数据源可以是其他的结构化数据库,也可以是特定格式的文档文件;
第二步:在前端渲染服务器上部署用户信息输入模块,用户信息输入模块是一个B/S架构的互联网应用,包含问卷配置文件、问卷加载工具、问卷运行工具和问卷界面。在部署以前,首先需要撰写用户问卷配置文件,制定问卷的文本,收集信息的类别以及问卷中显示问题的先后关系,跳转规则。撰写用户问卷配置文件时,需要首先筛选出来希望评估的疾病,通过查询知识图谱可以获得希望评估疾病所对应的高危风险因素,诸如性别、年龄、生理特征之类的信息。然后根据这些风险因素制作需要待评估者回答的问题。问题和问题之间的跳转通过获取信息的结果进行判断,然后进行跳转,例如如果年龄大于16岁则跳转到职业信息模块,如果年龄小于16岁,不可能有职业相关的信息,则跳转到生活习惯模块。配置文件的具体格式是通过一个YAML文件进行实现的,此配置文件中会对各类信息的撰写规则进行规范,例如问题的格式,跳转规则的格式,验证规则的实现。问题的提问格式限定于单选题、多选题、输入框、日期选择器四种。单选题适用于选项封闭(即存在有限个互斥答案)的问题,例如性别、有无孕产史、运动习惯(从不/经常运动/偶尔运动)等;多选题适用于选项开放(即存在无限多个平行答案)的收集类题目,例如生活习惯行为特征的收集;输入框适用于数值或文本信息的收集,例如身高、体重,输入框的配置可以添加数值类型(文本或数字),数值范围等验证规则;日期选择器适用于收集生日、既往史日期等时间日期类信息。如果需要添加其他更复杂类型的问题,只需要在配置文件中添加新的类别,并实现对应的选项接口即可。模块部署完毕,启动以后会加载问卷文件,如果填写格式有问题或者逻辑上存在一定的漏洞,则会及时警告用户修改,通过前端界面给用户显示出用户需要回答的问题,当用户完成了特定数量的问题后,用户信息会传递到前端渲染服务器上进行保存。这时,问卷运行工具会更新用户信息状态,并根据用户当前的信息,继续提供下一组问题,直到问卷所需回答的所有问题回答完毕;
第三步:将全部的用户信息进行处理,生成知识图谱可以处理的SPARQL查询语句,推理出所需要的结果,并将结果输入到结果分析模块,得出最后的高危疾病、部分高危疾病列表,以及对应疾病的建议检查项目。在用户输入信息中,会包含许多可以改善的不良行为习惯,如果用户能在生活中及时改正这些行为,能够避免疾病的发生,改善健康状态,系统会根据用户的不良行为习惯识别出可改善的行为习惯,并给出改善建议,而对于那些不可改善的行为习惯,系统会解释其中的理论依据和健康建议,最大可能地减少用户健康状态的恶化。除了详细的分析结果,系统也可以计算一个基于用户健康信息的健康评分,帮助用户在数值上直观的了解自己当前的健康水平,用户还能够得到用户改善不良行为特征后的健康评分,感知不良行为对用户健康水平的影响,以及改善后能够提高的区间,从而树立改善不良行为的信心,增强改善不良行为的动力。
2.有益效果
相比于现有技术,本发明的优点在于:本发明利用问卷形式的图形化用户信息输入模块对从多个维度,以多种方式的问题来对用户的遗传疾病、行为习惯、生活环境和生理状态信息进行收集整理,将其对应到预定义好的特定用户标签上来。知识图谱包括疾病、行为特征、疾病检查项、疾病高危人群等多种实体,并构建了实体之间的推理关系,利用用户标签为输入,知识图谱能够推理出当前用户的高危疾病以及部分高危疾病,并且给出对应疾病的检查项目。利用推理结果,结果分析模块可以计算出一个用户的健康评分,帮助用户直观的了解自己的健康水平,并且分析出用户信息中的不良行为习惯,对于可以改善和矫正的行为习惯,模块可以给出改善方法,对于无法改善的行为习惯,模块会给出健康建议以及对应的理论依据,最大可能地减少用户健康状态的恶化。最后,结果分析模块会计算用户改善了行为习惯后的健康分数,帮助用户了解不良行为习惯对健康水平的具体影响,以及改善后能够提高的区间,从而树立改善不良行为的信心并能为用户改善自己的健康提供动力。准确地分析评估人体的健康状态,不仅能够避免疾病的发生、恶化以及治疗的延误,也能够减少病人的痛苦,提高医疗资源的利用率,降低全社会的医疗成本。
附图说明
图1为本发明的系统的整体架构图;
图2为本发明的系统中的用户信息输入模块的技术架构图;
图3为本发明的系统中知识图谱的知识体系图;
图4为本发明的系统中知识图谱推理模块的技术架构图。
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。
实施例1:
请参阅图1-4,一种用户健康状况综合评测方法与系统,其包括前端渲染服务器、用户信息输入模块、知识图谱推理模块、结果分析模块,所述前端渲染服务器与所述用户信息输入模块双向连接并通过Restful API进行交互,所述用户信息输入模块为B/S架构的问卷调查应用软件,包括问卷配置文件、问卷加载工具、问卷运行工具、问卷界面和问卷状态记录器进行用户信息的收集整理,并将其映射到预定义的特定用户标签上;所述用户信息输入模块输出端与所述知识图谱推理模块连接并通过Restful API进行交互;所述知识图谱推理模块包括三元组数据库、推理引擎和知识图谱构建工具,所述三元组数据库包括知识图谱本体文件和医学知识数据源,将三元组数据库信息输入知识图谱构建工具中,所述知识图谱构建工具用于生成一张包含疾病信息、行为特征信息、检查项目信息、高危人群信息等多个类别实体及其之间推理关系的知识图谱;所述推理引擎包括SPARQL生成、SPARQL接收、SPARQL执行、在三元组数据库查询图谱信息、推理结果解析器,SPARQL生成器将获取的用户信息并映射为特定的用户标签处理生成可被推理引擎接收的SPARQL查询语句,推理引擎执行可以处理的SPARQL查询语句通过从三元组数据库查询图谱信息进行推理,推理出所需结果,并将推理结果解析成用户易于理解的格式;所述知识图谱推理模块输出端与所述结果分析模块终端连接并通过Restful API进行交互,所述结果分析模块用于获取结果并根据用户信息分析得出最后的高危疾病、部分高危疾病列表、对应疾病的建议检查项目、对应不良行为习惯的可否改善的识别以及改善建议推荐,还会根据用户健康信息计算出健康评分。
上述系统中的用户信息输入模块的用户信息为用户遗传疾病、行为习惯、生活环境和生理状态信息,综合评测,数据覆盖性较广,评测较为准确。
上述系统中的知识图谱本体文件规定了知识图谱的知识类型;所述医学知识数据源提供了医学知识的具体内容。
上述系统中的特定用户标签包括行为特征、既往史、家族史和基本信息标签,便于用户信息的归类统一实现经过知识图谱的推理。
上述系统中的问卷配置文件包括文本选项、验证规则、跳转规则、前端渲染规则,所述问卷加载工具是指加载问卷文本内容,所述文件运行工具是指更新下一组问题;在部署以前,首先需要撰写用户问卷配置文件,制定问卷的文本,收集信息的类别以及问卷中显示问题的先后关系,跳转规则。撰写用户问卷配置文件时,需要首先筛选出来希望评估的疾病,通过查询知识图谱可以获得希望评估疾病所对应的高危风险因素,诸如性别、年龄、生理特征之类的信息。然后根据这些风险因素制作需要待评估者回答的问题。问题和问题之间的跳转通过获取信息的结果进行判断,然后进行跳转,例如如果年龄大于16岁则跳转到职业信息模块,如果年龄小于16岁,不可能有职业相关的信息,则跳转到生活习惯模块。配置文件的具体格式是通过一个YAML文件进行实现的,此配置文件中会对各类信息的撰写规则进行规范,例如问题的格式,跳转规则的格式,验证规则的实现。问题的提问格式限定于单选题、多选题、输入框、日期选择器四种。单选题适用于选项封闭的问题,即存在有限个互斥答案,例如性别、有无孕产史、运动习惯(从不/经常运动/偶尔运动)等;多选题适用于选项开放的收集类题目,即存在无限多个平行答案,例如生活习惯行为特征的收集;输入框适用于数值或文本信息的收集,例如身高、体重,输入框的配置可以添加数值类型(文本或数字),数值范围等验证规则;日期选择器适用于收集生日、既往史日期等时间日期类信息。如果需要添加其他更复杂类型的问题,只需要在配置文件中添加新的类别,并实现对应的选项接口即可。模块部署完毕,启动以后会加载问卷文件,如果填写格式有问题或者逻辑上存在一定的漏洞,则会及时警告用户修改,通过前端界面给用户显示出用户需要回答的问题,当用户完成了特定数量的问题后,用户信息会传递到前端渲染服务器上进行保存。这时,问卷运行工具会更新用户信息状态,并根据用户当前的信息,继续提供下一组问题,直到问卷所需回答的所有问题回答完毕。
上述系统中问卷状态记录器包括记录问卷状态、计算中间变量、行为特征标签映射;在问卷调查收集用户信息时记录问卷进行的状态,将收集的用户信息及时计算中间变量并映射到相应的行为特征标签。
上述系统中的结果分析模块用于获取结果并根据用户信息分析得出最后的高危疾病、部分高危疾病列表、对应疾病的建议检查项目、对应不良行为习惯的可否改善的识别以及改善建议推荐,所述可否改善不良行为习惯包括可改善不良行为习惯和不可改善不良行为习惯,所述可改善不良行为习惯指用户在生活中能及时改正并且能够避免疾病发生的行为,所述不可改善不良行为习惯指用户在生活中不能及时改正或无法避免并且能够产生疾病的行为,所述识别为根据评测后给出的高危疾病和部分高危疾病列表所对应的用户信息中的不良行为习惯判断是否可及时改正或无法避免,在用户输入信息中,会包含许多可以改善的不良行为习惯,如果用户能在生活中及时改正这些行为,能够避免疾病的发生,改善健康状态,系统会根据用户的不良行为习惯识别出可改善的行为习惯,并给出改善建议,而对于那些不可改善的行为习惯,系统会解释其中的理论依据和健康建议,最大可能地减少用户健康状态的恶化
一种用户健康状况综合评测方法,其具体步骤如下:
第一步:首先在前端渲染服务器上启动知识图谱推理模块,知识图谱推理模块利用三元组数据库、推理引擎以及知识图谱构建工具生成一张包含疾病信息、检查项目信息、高危人群信息等多个类别实体及其之间关系的知识图谱网络,其他模块通过特定的SPARQL查询语句来进行推理查询,其他模块和知识图谱推理模块利用Restful API来进行交互。知识图谱的数据源可以是其他的结构化数据库,也可以是特定格式的文档文件;
第二步:在前端渲染服务器上部署用户信息输入模块,用户信息输入模块是一个B/S架构的互联网应用,包含问卷配置文件、问卷加载工具、问卷运行工具和问卷界面。在部署以前,首先需要撰写用户问卷配置文件,制定问卷的文本,收集信息的类别以及问卷中显示问题的先后关系,跳转规则。撰写用户问卷配置文件时,需要首先筛选出来希望评估的疾病,通过查询知识图谱可以获得希望评估疾病所对应的高危风险因素,诸如性别、年龄、生理特征之类的信息。然后根据这些风险因素制作需要待评估者回答的问题。问题和问题之间的跳转通过获取信息的结果进行判断,然后进行跳转,例如如果年龄大于16岁则跳转到职业信息模块,如果年龄小于16岁,不可能有职业相关的信息,则跳转到生活习惯模块。配置文件的具体格式是通过一个YAML文件进行实现的,此配置文件中会对各类信息的撰写规则进行规范,例如问题的格式,跳转规则的格式,验证规则的实现。问题的提问格式限定于单选题、多选题、输入框、日期选择器四种。单选题适用于选项封闭(即存在有限个互斥答案)的问题,例如性别、有无孕产史、运动习惯(从不/经常运动/偶尔运动)等;多选题适用于选项开放(即存在无限多个平行答案)的收集类题目,例如生活习惯行为特征的收集;输入框适用于数值或文本信息的收集,例如身高、体重,输入框的配置可以添加数值类型(文本或数字),数值范围等验证规则;日期选择器适用于收集生日、既往史日期等时间日期类信息。如果需要添加其他更复杂类型的问题,只需要在配置文件中添加新的类别,并实现对应的选项接口即可。模块部署完毕,启动以后会加载问卷文件,如果填写格式有问题或者逻辑上存在一定的漏洞,则会及时警告用户修改,通过前端界面给用户显示出用户需要回答的问题,当用户完成了特定数量的问题后,用户信息会传递到前端渲染服务器上进行保存。这时,问卷运行工具会更新用户信息状态,并根据用户当前的信息,继续提供下一组问题,直到问卷所需回答的所有问题回答完毕;
第三步:将全部的用户信息进行处理,生成知识图谱可以处理的SPARQL查询语句,推理出所需要的结果,并将结果输入到结果分析模块,得出最后的高危疾病、部分高危疾病列表,以及对应疾病的建议检查项目。在用户输入信息中,会包含许多可以改善的不良行为习惯,如果用户能在生活中及时改正这些行为,能够避免疾病的发生,改善健康状态,系统会根据用户的不良行为习惯识别出可改善的行为习惯,并给出改善建议,而对于那些不可改善的行为习惯,系统会解释其中的理论依据和健康建议,最大可能地减少用户健康状态的恶化。除了详细的分析结果,系统也可以计算一个基于用户健康信息的健康评分,帮助用户在数值上直观的了解自己当前的健康水平,用户还能够得到用户改善不良行为特征后的健康评分,感知不良行为对用户健康水平的影响,以及改善后能够提高的区间,从而树立改善不良行为的信心,增强改善不良行为的动力。
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做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。
以上所述,仅为本发明较佳的具体实施方式;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,根据本发明的技术方案及其改进构思加以等同替换或改变,都应涵盖在本发明的保护范围内。

Claims (8)

1.一种用户健康状况综合评测系统,其特征在于,其包括前端渲染服务器、用户信息输入模块、知识图谱推理模块、结果分析模块,所述前端渲染服务器与所述用户信息输入模块双向连接并通过Restful API 进行交互,所述用户信息输入模块为B/S架构的问卷调查应用软件,包括问卷配置文件、问卷加载工具、问卷运行工具、问卷界面和问卷状态记录器进行用户信息的收集整理,并将其映射到预定义的特定用户标签上;所述用户信息输入模块输出端与所述知识图谱推理模块连接并通过Restful API 进行交互;所述知识图谱推理模块包括三元组数据库、推理引擎和知识图谱构建工具,所述三元组数据库包括知识图谱本体文件和医学知识数据源,将三元组数据库信息输入知识图谱构建工具中,所述知识图谱构建工具用于生成一张包含疾病信息、行为特征信息、检查项目信息、高危人群信息的多个类别实体及其之间推理关系的知识图谱;所述推理引擎包括SPARQL生成、SPARQL接收、SPARQL执行、在三元组数据库查询图谱信息、推理结果解析器,SPARQL生成器将获取的用户信息并映射为特定的用户标签处理生成可被推理引擎接收的SPARQL查询语句,推理引擎执行可以处理的SPARQL查询语句通过从三元组数据库查询图谱信息进行推理,推理出所需结果,并将推理结果解析成用户易于理解的格式;所述知识图谱推理模块输出端与所述结果分析模块终端连接并通过Restful API 进行交互,所述结果分析模块用于获取结果并根据用户信息分析得出最后的高危疾病、对应疾病的建议检查项目、对应不良行为习惯的可否改善的识别以及改善建议推荐,还会根据用户健康信息计算出健康评分。
2.根据权利要求1所述的一种用户健康状况综合评测系统,其特征在于:所述用户信息输入模块输入的用户信息为用户遗传疾病、行为习惯、生活环境和生理状态信息。
3.根据权利要求1所述的一种用户健康状况综合评测系统,其特征在于:所述知识图谱本体文件规定了知识图谱的知识类型;所述医学知识数据源提供了医学知识的具体内容。
4.根据权利要求1所述的一种用户健康状况综合评测系统,其特征在于:所述特定用户标签包括行为特征、既往史、家族史和基本信息标签。
5.根据权利要求1所述的一种用户健康状况综合评测系统,其特征在于:所述问卷配置文件包括文本选项、验证规则、跳转规则、前端渲染规则,撰写制定包括收集信息的类别、问卷中显示问题的先后关系以及跳转规则的问卷文本;所述问卷加载工具是指加载问卷文本内容,所述问卷运行工具是指更新下一组问题;所述问卷界面是指显示所需回答的问题;在前端渲染服务器上部署用户信息输入模块之前,撰写用户问卷配置文件时,需要首先筛选出来希望评估的疾病,通过查询知识图谱可以获得希望评估疾病所对应的高危风险因素,然后根据这些风险因素制作需要待评估者回答的问题,问题和问题之间的跳转通过获取信息的结果进行判断,然后进行跳转,所述问卷配置文件的具体格式是通过一个YAML文件进行实现的,此配置文件中会对各类信息的撰写规则进行规范,问题的提问格式限定于单选题、多选题、输入框、日期选择器四种,单选题适用于选项封闭的问题,即存在有限个互斥答案;多选题适用于选项开放的收集类题目,即存在无限多个平行答案;输入框适用于数值或文本信息的收集,输入框的配置用于添加数值类型和数值范围的验证规则;日期选择器适用于收集生日、既往史日期的时间日期类信息,如果需要添加其他更复杂类型的问题,只需要在配置文件中添加新的类别,并实现对应的选项接口即可;部署完毕,启动以后会加载问卷文件,如果填写格式有问题或者逻辑上存在漏洞,则会及时警告用户修改,通过前端界面给用户显示出用户需要回答的问题,当用户完成了特定数量的问题后,用户信息会传输到前端渲染服务器上进行保存,问卷运行工具会更新用户信息状态,并根据用户当前的信息,继续提供下一组问题,直到问卷所需回答的所有问题回答完毕。
6.根据权利要求1所述的一种用户健康状况综合评测系统,其特征在于,所述问卷状态记录器包括记录问卷状态、计算中间变量、行为特征标签映射;在问卷调查收集用户信息时记录问卷进行的状态,将收集的用户信息及时计算中间变量并映射到相应的行为特征标签。
7.根据权利要求1所述的一种用户健康状况综合评测系统,所述结果分析模块用于获取结果并根据用户信息分析得出最后的高危疾病、对应疾病的建议检查项目、对应不良行为习惯的可否改善的识别以及改善建议推荐,其特征在于:所述可否改善不良行为习惯包括可改善不良行为习惯和不可改善不良行为习惯,所述可改善不良行为习惯指用户在生活中能及时改正并且能够避免疾病发生的行为,所述不可改善不良行为习惯指用户在生活中不能及时改正或无法避免并且能够产生疾病的行为,识别为根据评测后给出的高危疾病所对应的用户信息中的不良行为习惯判断是否可及时改正或无法避免。
8.一种用户健康状况综合评测方法,其特征在于具体步骤如下:
第一步:首先在前端渲染服务器上启动知识图谱推理模块,知识图谱推理模块利用三元组数据库、推理引擎以及知识图谱构建工具生成一张包含疾病信息、检查项目信息、高危人群信息的多个类别实体及其之间关系的知识图谱网络,三元组数据库通过特定的SPARQL查询语句来进行推理查询,用户信息输入模块、结果分析模块和知识图谱推理模块利用Restful API来进行交互;
第二步:在前端渲染服务器上部署用户信息输入模块,用户信息输入模块是一个B/S架构的互联网应用,包含问卷配置文件、问卷加载工具、问卷运行工具和问卷界面;在部署以前,首先需要撰写用户问卷配置文件,制定问卷的文本,收集信息的类别以及问卷中显示问题的先后关系,跳转规则;撰写用户问卷配置文件时,需要首先筛选出来希望评估的疾病,通过查询知识图谱可以获得希望评估疾病所对应的高危风险因素,包括性别、年龄、生理特征信息;然后根据这些风险因素制作需要待评估者回答的问题;问题和问题之间的跳转通过获取信息的结果进行判断,然后进行跳转,如果年龄大于16岁则跳转到职业信息模块,如果年龄小于16岁,不可能有职业相关的信息,则跳转到生活习惯模块;配置文件的具体格式是通过一个YAML文件进行实现的,此配置文件中会对各类信息的撰写规则进行规范,问题的格式,跳转规则的格式,验证规则的实现;问题的提问格式限定于单选题、多选题、输入框、日期选择器四种;单选题适用于选项封闭的问题,包括性别、有无孕产史、运动习惯;多选题适用于选项开放的收集类题目,包括生活习惯行为特征的收集;输入框适用于数值或文本信息的收集,包括身高、体重,输入框的配置用于添加数值类型,数值范围的验证规则;日期选择器适用于收集生日、既往史日期的时间日期类信息;如果需要添加其他更复杂类型的问题,只需要在配置文件中添加新的类别,并实现对应的选项接口即可;模块部署完毕,启动以后会加载问卷文件,如果填写格式有问题或者逻辑上存在漏洞,则会及时警告用户修改,通过前端界面给用户显示出用户需要回答的问题,当用户完成了特定数量的问题后,用户信息会传递到前端渲染服务器上进行保存;此时,问卷运行工具会更新用户信息状态,并根据用户当前的信息,继续提供下一组问题,直到问卷所需回答的所有问题回答完毕;
第三步:将全部的用户信息进行处理,生成知识图谱用于处理的SPARQL查询语句,推理出所需要的结果,并将结果输入到结果分析模块,得出最后的高危疾病以及对应疾病的建议检查项目;在用户输入信息中,会包含许多可以改善的不良行为习惯,如果用户能在生活中及时改正这些行为,能够避免疾病的发生,改善健康状态,系统会根据用户的不良行为习惯识别出可改善的行为习惯,并给出改善建议,而对于那些不可改善的行为习惯,系统会解释其中的理论依据和健康建议,最大可能地减少用户健康状态的恶化;除了详细的分析结果,系统也用于计算一个基于用户健康信息的健康评分,帮助用户在数值上直观的了解自己当前的健康水平,用户还能够得到用户改善不良行为特征后的健康评分,感知不良行为对用户健康水平的影响,以及改善后能够提高的区间,从而树立改善不良行为的信心,增强改善不良行为的动力。
CN202010242743.5A 2020-03-31 2020-03-31 一种用户健康状况综合评测方法与系统 Active CN111354469B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010242743.5A CN111354469B (zh) 2020-03-31 2020-03-31 一种用户健康状况综合评测方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010242743.5A CN111354469B (zh) 2020-03-31 2020-03-31 一种用户健康状况综合评测方法与系统

Publications (2)

Publication Number Publication Date
CN111354469A CN111354469A (zh) 2020-06-30
CN111354469B true CN111354469B (zh) 2023-07-25

Family

ID=71197580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010242743.5A Active CN111354469B (zh) 2020-03-31 2020-03-31 一种用户健康状况综合评测方法与系统

Country Status (1)

Country Link
CN (1) CN111354469B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111785336A (zh) * 2020-07-01 2020-10-16 山东维艾亚生物科技有限公司 一种基于用户辅助的检测信息处理方法及设备、介质
CN113160995A (zh) * 2020-12-31 2021-07-23 上海明品医学数据科技有限公司 一种消化道穿孔诊断装置、干预装置及诊断干预系统
CN113140315B (zh) * 2020-12-31 2023-05-26 上海明品医学数据科技有限公司 一种健康自测系统、服务器及健康检测系统
CN113140326B (zh) * 2020-12-31 2023-03-24 上海明品医学数据科技有限公司 一种新冠肺炎检测装置、干预装置及检测干预系统
CN113781084A (zh) * 2021-01-15 2021-12-10 北京京东拓先科技有限公司 一种调查问卷展示方法和装置
CN112990656B (zh) * 2021-02-05 2023-05-05 南方电网调峰调频发电有限公司信息通信分公司 一种it设备监测数据的健康评价系统及健康评价方法
CN113160910B (zh) * 2021-04-19 2022-08-23 闽江学院 基于知识图谱的糖尿病干预智能推荐方法、系统及应用
CN112820371B (zh) * 2021-04-22 2021-08-03 北京健康有益科技有限公司 一种基于医疗知识图谱的健康推荐系统及推荐方法
CN113593711A (zh) * 2021-08-03 2021-11-02 中电健康云科技有限公司 一种基于国际疾病分类编码的健康管理信息推送方法
CN114758781B (zh) * 2022-06-15 2022-09-06 武汉博科国泰信息技术有限公司 一种生成用户的健康画像方法和系统、装置及存储介质
CN114999652A (zh) * 2022-06-15 2022-09-02 北京京东拓先科技有限公司 一种健康状态评估方法及装置、存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130103414A1 (en) * 2011-10-20 2013-04-25 The Cleveland Clinic Foundation Disease risk decision support platform
US11194860B2 (en) * 2016-07-11 2021-12-07 Baidu Usa Llc Question generation systems and methods for automating diagnosis
US20180365590A1 (en) * 2017-06-19 2018-12-20 International Business Machines Corporation Assessment result determination based on predictive analytics or machine learning
CN108922623B (zh) * 2018-07-12 2021-11-23 中国铁道科学研究院集团有限公司 一种健康风险评估和疾病预警信息系统
CN109065100A (zh) * 2018-08-20 2018-12-21 广州小云软件科技有限公司 一种基于区块链的中医健康个性化问卷智能生成与加密系统
CN109669994B (zh) * 2018-12-21 2023-03-14 吉林大学 一种健康知识图谱的构建方法及系统
CN109817329B (zh) * 2019-01-21 2021-06-29 暗物智能科技(广州)有限公司 一种医疗问诊对话系统以及应用于该系统的强化学习方法

Also Published As

Publication number Publication date
CN111354469A (zh) 2020-06-30

Similar Documents

Publication Publication Date Title
CN111354469B (zh) 一种用户健康状况综合评测方法与系统
CN112035636B (zh) 医疗问诊系统的问答管理方法、装置、设备及存储介质
Sage Behavioral and organizational considerations in the design of information systems and processes for planning and decision support
CN111326226B (zh) 电子病历的解析处理及显示方法、装置、设备及存储介质
JP6916310B2 (ja) 人間参加型対話式モデル訓練
CN113886716B (zh) 食品安全突发事件的应急处置推荐方法及系统
CN111785387B (zh) 一种使用Bert做疾病标准化映射分类的方法及系统
CN117809798B (zh) 基于大模型的检验报告解读方法、系统、设备及介质
CN117038050B (zh) 生理参数异常处理方法、系统及医疗设备
CN112541066A (zh) 基于文本结构化的医技报告检测方法及相关设备
Popkes et al. Interpretable outcome prediction with sparse Bayesian neural networks in intensive care
CN115274026A (zh) 一种面向心理筛查的个性化问卷生成与智能诊断系统及方法
CN114864051A (zh) 一种基于神经网络的认知提升方法及系统
CN118280562A (zh) 知识图谱驱动的医疗大模型诊断方法
Lacko et al. A preregistered validation study of methods measuring analytic and holistic cognitive styles: What do we actually measure and how well
CN117038074B (zh) 基于大数据的用户管理方法、装置、设备及存储介质
CN116739037A (zh) 具有人格特征的人格模型构建方法及装置
CN114596962A (zh) 一种基于问答式问卷的疾病风险评估方法及存储介质
KR20190049342A (ko) 스마트 시니어 인지반응 기반의 모델링 방법 및 장치
CN113506629A (zh) 一种症状自评量表简化及结果预测方法与系统
KR20170098414A (ko) 질병 자가 감별 진단 시스템
CN118553437B (zh) 基于有监督微调的体检报告解读方法、系统、设备及介质
Shabadi et al. Autistic Spectrum Disorder Screening: Prediction with Machine Learning Models
Reynolds et al. Means-end chains and laddering: an inventory of problems and an agenda for research
KHALID GENERATING PREDICTION ANALYSIS FOR STROKE STRIKE

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231229

Address after: Room 306-2, Building 2, No. 1399 Liangmu Road, Cangqian Street, Yuhang District, Hangzhou City, Zhejiang Province, 311121

Patentee after: Zhejiang Helian Health Management Co.,Ltd.

Address before: Room 129, Building 7, No. 1197, Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province, 310000

Patentee before: ZHEJIANG HELIAN NETWORK TECHNOLOGY CO.,LTD.