CN112259235A - 一种孕期健康预测方法、系统和可读存储介质 - Google Patents
一种孕期健康预测方法、系统和可读存储介质 Download PDFInfo
- Publication number
- CN112259235A CN112259235A CN202011215438.3A CN202011215438A CN112259235A CN 112259235 A CN112259235 A CN 112259235A CN 202011215438 A CN202011215438 A CN 202011215438A CN 112259235 A CN112259235 A CN 112259235A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- value
- vector
- physical condition
- 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.)
- Granted
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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Abstract
本发明提供的一种孕期健康预测方法、系统和可读存储介质,能够通过对用户的试纸检测结果进行识别,结合用户的身体状况和历史状态信息进行分析,判断用户的健康状况是否符合正常状态,以帮助相关人群注意孕期内的健康状况。本申请还通过将获取的身体状态等信息进行量化处理,通过预设的向量表确定用户的身体状态,提高了判断的准确率。另外,本申请还通过神经网络模型进行预测向量的迭代,使得判断的准确率提高,从而提高用户的体验感。
Description
技术领域
本发明涉及数据处理分析领域,更具体的,涉及一种孕期健康预测方法、系统和可读存储介质。
背景技术
女性受孕后从受精日第9―11天起即可测出血中β-hCG升高。hCG在妊娠期间的变化:受精后第6日滋养细胞开始分泌微量hCG,在受精后10日可自母血清中测出,成为诊断早孕的最敏感方法。受精卵着床后的10周,血清浓度达到高峰,持续约10日迅速下降,到妊娠中晚期血清浓度仅为峰值的10%,产后2周内消失。
从数据中可以看出,HCG的对照值是一个范围,只要在这个范围内就是合格的。例如,0.2-1周:5-50;1-2周:50-500;2-3周:100-5000;3~4周:9~130国际单位;4~5周:75~2600国际单位;5~6周:850~20800国际单位。
目前女性监测怀孕更多是采用试纸检测法,早孕试纸里面含有一种叫“胶体金标记抗体”的物质与这种激素发生反应,HCG浓度越高,早孕试纸的第二道杠就越明显。但在怀孕早期的时候,女性往往不能判断自己的HCG浓度增长是否为健康的增长,而HCG若增长缓慢则可能会导致流产,女性若想持续性监测HCG浓度的增长趋势,需要去医院采集血液进行检测,而这种检测方式比较直接也比较准确,但必须去医院才能检测,费用较高,还需要提前请假、算日子、挂号等一系列的事情,非常麻烦。
因此,如何通过手持终端在家庭中对女性孕期的前期健康检测是亟不可待要解决的。
发明内容
鉴于上述问题,本发明的目的是提供一种孕期健康预测方法、系统和可读存储介质,能够通过后台对用户的数据进行分析和判断,以帮助相关人群注意孕期内的健康状况。
本发明第一方面提供一种孕期健康预测方法,包括:
获取目标图像信息和用户识别信息;
对所述目标图像信息进行识别,得到用户的检测信息;
将所述检测信息、用户身体状况信息和历史状态信息进行分析,得到身体状况向量,比较所述身体状况向量与预测的向量的偏离度,若大于预设的偏离度阈值,则生成预警信息,将所述预警信息发送至用户端进行显示;
所述预设的偏离度阈值为动态变化的;所述预设的偏离度阈值确定方法为,输入用户身体状况信息和历史状态信息至预训练的神经网络模型中,输出的结果为预设的偏离度阈值;
所述的预设偏离度阈值若超过预设范围,则以上一次的偏离度阈值作为预设的偏离度阈值。
本方案中,所述将所述检测信息、用户身体状况信息和历史状态信息进行分析,得到身体状况向量值,具体为:
将所述检测信息、用户身体状况信息和历史状态信息进行数字量化处理,分别得到对应的量化值;
根据预设的向量表,查找匹配的量化值对应的向量,得到身体状况向量。
本方案中,所述量化值的具体处理方法为:
将检测信息与多个对照信息进行图像颜色对比度的分析,确定对比度值,若所述对比度值小于预设的对比度值阈值,则选取此对照信息对应的量化值为检测信息的量化值;
将用户身体状况和历史状态信息进行各个子集的拆分,将每个子集进行量化处理,得到子集量化值,然后将每个子集的量化值乘以加权系数,再相加,得到身体状况量化值和历史状态信息量化值。
本方案中,若所述身体状况量化值和历史状态信息量化值未在预设的向量表中,则计算身体状况量化值和历史状态信息量化值与预设的向量表中对应的值的偏差率,选取偏差率最小的值作为身体状况量化值和历史状态信息量化值。
本方案中,所述比较所述身体状况向量与预测的向量的偏离度具体为:
获取身体状况向量和预测的向量;
分别对身体状况向量和预测的向量进行二进制编码,将身体状况向量和预测的向量中的零元素编码为0,非零元素编码为1;
利用编码后的身体状况向量和编码后的预测的向量,根据余弦距离公式计算,作为偏离度值。
本方案中,还包括:
建立孕期预测神经网络模型;
输入检测信息和用户身体状况信息至所述孕期预测神经网络模型中,输出预测的向量。
本发明第二方面一种孕期健康预测系统,包括存储器和处理器,所述存储器中包括孕期健康预测方法程序,所述孕期健康预测方法程序被所述处理器执行时实现如下步骤:
获取目标图像信息和用户识别信息;
对所述图像信息进行识别,得到用户的检测信息;
将所述检测信息、用户身体状况信息和历史状态信息进行分析,得到身体状况向量,比较所述身体状况向量与预测的向量的偏离度,若大于预设的偏离度阈值,则生成预警信息,将所述预警信息发送至用户端进行显示;
所述预设的偏离度阈值为动态变化的;所述预设的偏离度阈值确定方法为,输入用户身体状况信息和历史状态信息至预训练的神经网络模型中,输出的结果为预设的偏离度阈值;
所述的预设偏离度阈值若超过预设范围,则以上一次的偏离度阈值作为预设的偏离度阈值。
本方案中,所述将所述检测信息、用户身体状况信息和历史状态信息进行分析,得到身体状况向量值,具体为:
将所述检测信息、用户身体状况信息和历史状态信息进行数字量化处理,分别得到对应的量化值;
根据预设的向量表,查找匹配的量化值对应的向量,得到身体状况向量。
本方案中,所述量化值的具体处理方法为:
将检测信息与多个对照信息进行图像颜色对比度的分析,确定对比度值,若所述对比度值小于预设的对比度值阈值,则选取此对照信息对应的量化值为检测信息的量化值;
将用户身体状况和历史状态信息进行各个子集的拆分,将每个子集进行量化处理,得到子集量化值,然后将每个子集的量化值乘以加权系数,再相加,得到身体状况量化值和历史状态信息量化值。
本方案中,若所述身体状况量化值和历史状态信息量化值未在预设的向量表中,则计算身体状况量化值和历史状态信息量化值与预设的向量表中对应的值的偏差率,选取偏差率最小的值作为身体状况量化值和历史状态信息量化值。
本方案中,所述比较所述身体状况向量与预测的向量的偏离度具体为:
获取身体状况向量和预测的向量;
分别对身体状况向量和预测的向量进行二进制编码,将身体状况向量和预测的向量中的零元素编码为0,非零元素编码为1;
利用编码后的身体状况向量和编码后的预测的向量,根据余弦距离公式计算,作为偏离度值。
本方案中,还包括:
建立孕期预测神经网络模型;
输入检测信息和用户身体状况信息至所述孕期预测神经网络模型中,输出预测的向量。
本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括机器的一种孕期健康预测方法程序,所述孕期健康预测方法程序被处理器执行时,实现如上述任一项所述的一种孕期健康预测方法的步骤。
本发明提供的一种孕期健康预测方法、系统和可读存储介质,能够通过对用户的试纸检测结果进行识别,结合用户的身体状况和历史状态信息进行分析,判断用户的健康状况是否符合正常状态,以帮助相关人群注意孕期内的健康状况。本申请还通过将获取的身体状态等信息进行量化处理,通过预设的向量表确定用户的身体状态,提高了判断的准确率。另外,本申请还通过神经网络模型进行预测向量的迭代,使得判断的准确率提高,从而提高用户的体验感。
附图说明
图1示出了本发明一种孕期健康预测的流程图;
图2示出了本发明一种孕期健康预测系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种孕期健康预测的流程图。
如图1所示,本发明第一方面提供了一种孕期健康预测方法,包括:
S102,获取目标图像信息和用户识别信息;
S104,对所述图像信息进行识别,得到用户的检测信息;
S106,将所述检测信息、用户身体状况信息和历史状态信息进行分析,得到身体状况向量,比较所述身体状况向量与预测的向量的偏离度,若大于预设的偏离度阈值,则生成预警信息,将所述预警信息发送至用户端进行显示。
所述预设的偏离度阈值为动态变化的;所述预设的偏离度阈值确定方法为,输入用户身体状况信息和历史状态信息至预训练的神经网络模型中,输出的结果为预设的偏离度阈值;
所述的预设偏离度阈值若超过预设范围,则以上一次的偏离度阈值作为预设的偏离度阈值。
需要说明的是,目标图像信息为怀孕检测试纸经过用户的手持终端,例如,手机,进行拍照之后获得图像信息。获得目标图像信息的同时,还可以获取用户的手持终端中保存的用户信息,也就是用户识别信息。例如,用户打开手机中的APP进行账号登录,然后对怀孕检测试纸进行拍照,发送给服务器,服务器则会获取目标图像信息和对应的用户识别信息。
然后将对目标图像信息进行识别,得到用户的检测信息。
需要说明的是,得到了检测信息之后,要根据用户的身体状况和历史状态信息进行分析,得到身体状况向量。服务器中可以预先存储有用户的身体状况信息和历史状态信息,例如,用户在每次使用之后的信息和用户自更新的信息都可以存储在服务器中,以便服务器根据这些信息进行数据分析。其中,用户的身体状况信息可以是用户输入至服务器中的身体状况信息,也可以是服务器通过其他平台或者医疗机构获取的用户身体状况信息。
需要说明的是,在得到了身体状况向量之后,则比较所述身体状况向量与预测的向量的偏离度,若大于预设的偏离度阈值,则生成预警信息,将所述预警信息发送至用户端进行显示。所述偏离度较大,说明当前的身体状况与系统中预测的状况偏差较大,当大于一定程度时,需要发送至用户客户端进行提醒,提高用户使用体验感。
需要说明的是,所述的预设偏离度阈值若超过预设范围,则以上一次的偏离度阈值作为预设的偏离度阈值。在偏离度阈值计算时,阈值可能会超过正常的一个范围,如果超过这个范围可能对导致用户健康的状态判断不准确,所以在这种情况下,以上一次的阈值作为判断的依据,而并不是以通过神经网络模型计算之后的阈值作为判断依据。通过阈值的动态化可以使得用户健康状态判断更加准确,提高了用户体验感。
根据本发明实施例,所述将所述检测信息、用户身体状况信息和历史状态信息进行分析,得到身体状况向量值,具体为:
将所述检测信息、用户身体状况信息和历史状态信息进行数字量化处理,分别得到对应的量化值;
根据预设的向量表,查找匹配的量化值对应的向量,得到身体状况向量。
需要说明的是,服务器中还预存储有向量表,向量表中有检测信息、用户身体状况信息和历史状态信息的量化值,以及其对应的向量,所述的一一映射关系为根据本领域技术人员根据历史经验得到或者通过云计算和大数据分析得到,本申请不再一一赘述其映射关系。通过向量的方式进行偏离度计算,需要将检测信息、用户身体状况信息和历史状态信息都进行数字量化处理,得到了对应的量化值之后,进行查表,得到身体的状况向量。
根据本发明实施例,所述量化值的具体处理方法为:
将检测信息与多个对照信息进行图像颜色对比度的分析,确定对比度值,若所述对比度值小于预设的对比度值阈值,则选取此对照信息对应的量化值为检测信息的量化值;
将用户身体状况和历史状态信息进行各个子集的拆分,将每个子集进行量化处理,得到子集量化值,然后将每个子集的量化值乘以加权系数,再相加,得到身体状况量化值和历史状态信息量化值。
需要说明的是,检测信息与多个对照信息进行图像颜色对比度的分析,更具体的,对检测信息中的测试线和对照线进行识别,得到色度信息,将所述色度信息进行色度差分析。需要说明的是,怀孕检测试纸中存在测试线和对照线,对照线为试纸中始终存在的线,测试线为检测试纸中根据用户的HCG浓度得到对应颜色深度的线。将检测信息与多个对照信息进行图像颜色对比度的分析,确定对比度值,若所述对比度值小于预设的对比度值阈值,则选取此对照信息对应的量化值为检测信息的量化值。所述对比度值为检测信息与图像颜色对比度的比值。例如,系统中设置了10个红色的参考颜色,对比检测信息的检测线颜色之后,检测线的颜色与等级为7的颜色的对比度比值最小,表明此检测线的颜色最接近于等级为7的颜色值,则等级为7的对应的量化值为检测信息的量化值。
需要说明的是,用户身体状况和历史状态信息中可能会包含多个信息,例如,血糖、血压等,所以针对用户身体状况和历史状态信息要进行每个子集的拆分,例如,血糖为一个子集,血压为一个子集。将每个子集都设置一定的系数,所有子集的系数之和为1。然后将每个子集进行量化处理,得到子集量化值,然后将每个子集的量化值乘以加权系数,再相加,得到身体状况量化值和历史状态信息量化值。
根据本发明实施例,若所述身体状况量化值和历史状态信息量化值未在预设的向量表中,则计算身体状况量化值和历史状态信息量化值与预设的向量表中对应的值的偏差率,选取偏差率最小的值作为身体状况量化值和历史状态信息量化值。
需要说明的是,在很多情况下,用户身体状况信息和历史状态信息进行量化之后得到的量化值,往往没有出现在预设的量化表中,所以这种情况下,需要将量化值对应到最接近的量化表数据中。本申请采用的是计算身体状况量化值和历史状态信息量化值与预设的向量表中对应的值的偏差率,选取偏差率最小的值作为身体状况量化值和历史状态信息量化值。具体可以与量化表中的数据遍历,获取每个的偏差率,然后选取偏差率最小的,作为身体状况量化值和历史状态信息量化值。
根据本发明实施例,所述比较所述身体状况向量与预测的向量的偏离度具体为:
获取身体状况向量和预测的向量;
分别对身体状况向量和预测的向量进行二进制编码,将身体状况向量和预测的向量中的零元素编码为0,非零元素编码为1;
利用编码后的身体状况向量和编码后的预测的向量,根据余弦距离公式计算,作为偏离度值。
需要说明的是,获取身体状况向量和预测的向量,然后对其进行二进制编码,具体的将身体状况向量和预测的向量中的零元素编码为0,非零元素编码为1。然后利用编码后的身体状况向量和编码后的预测的向量,根据余弦距离公式计算,作为偏离度值。其中,余弦距离公式为向量计算中普遍的计算方法,本发明不再一一赘述。
根据本发明实施例,还包括:建立孕期预测神经网络模型;
输入检测信息和用户身体状况信息至所述孕期预测神经网络模型中,输出预测的向量。
需要说明的是,本发明还预先建立有孕期预测神经网络模型,所述孕期预测神经网络模型为通过较大数量的历史数据训练而成,并且还具备动态迭代的功能,也就是说,只要有新的数据输入,都可以对孕期预测神经网络模型进行训练,孕期预测神经网络模型也一直处于更新的状态中。通过孕期预测神经网络模型可以使得数据预测更加准确。本申请输入检测信息和用户身体状况信息至所述孕期预测神经网络模型中,输出预测的向量。也就是说,预测的向量可以是由神经网络模型进行预测得到。通过对预测的向量的比较,可以获知用户的身体健康状态,使得结果更加准确。
图2示出了本发明一种孕期健康预测系统的框图。
如图2所示,本发明第二方面一种孕期健康预测系统2,包括存储器21和处理器22,所述存储器中包括孕期健康预测方法程序,所述孕期健康预测方法程序被所述处理器执行时实现如下步骤:
获取目标图像信息和用户识别信息;
对所述图像信息进行识别,得到用户的检测信息;
将所述检测信息、用户身体状况信息和历史状态信息进行分析,得到身体状况向量,比较所述身体状况向量与预测的向量的偏离度,若大于预设的偏离度阈值,则生成预警信息,将所述预警信息发送至用户端进行显示。
所述预设的偏离度阈值为动态变化的;所述预设的偏离度阈值确定方法为,输入用户身体状况信息和历史状态信息至预训练的神经网络模型中,输出的结果为预设的偏离度阈值;
所述的预设偏离度阈值若超过预设范围,则以上一次的偏离度阈值作为预设的偏离度阈值。
需要说明的是,目标图像信息为怀孕检测试纸经过用户的手持终端,例如,手机,进行拍照之后获得图像信息。获得目标图像信息的同时,还可以获取用户的手持终端中保存的用户信息,也就是用户识别信息。例如,用户打开手机中的APP进行账号登录,然后对怀孕检测试纸进行拍照,发送给服务器,服务器则会获取目标图像信息和对应的用户识别信息。
然后将对目标图像信息进行识别,得到用户的检测信息。
需要说明的是,得到了检测信息之后,要根据用户的身体状况和历史状态信息进行分析,得到身体状况向量。服务器中可以预先存储有用户的身体状况信息和历史状态信息,例如,用户在每次使用之后的信息和用户自更新的信息都可以存储在服务器中,以便服务器根据这些信息进行数据分析。其中,用户的身体状况信息可以是用户输入至服务器中的身体状况信息,也可以是服务器通过其他平台或者医疗机构获取的用户身体状况信息。
需要说明的是,在得到了身体状况向量之后,则比较所述身体状况向量与预测的向量的偏离度,若大于预设的偏离度阈值,则生成预警信息,将所述预警信息发送至用户端进行显示。所述偏离度较大,说明当前的身体状况与系统中预测的状况偏差较大,当大于一定程度时,需要发送至用户客户端进行提醒,提高用户使用体验感。
需要说明的是,所述的预设偏离度阈值若超过预设范围,则以上一次的偏离度阈值作为预设的偏离度阈值。在偏离度阈值计算时,阈值可能会超过正常的一个范围,如果超过这个范围可能对导致用户健康的状态判断不准确,所以在这种情况下,以上一次的阈值作为判断的依据,而并不是以通过神经网络模型计算之后的阈值作为判断依据。通过阈值的动态化可以使得用户健康状态判断更加准确,提高了用户体验感。
根据本发明实施例,所述将所述检测信息、用户身体状况信息和历史状态信息进行分析,得到身体状况向量值,具体为:
将所述检测信息、用户身体状况信息和历史状态信息进行数字量化处理,分别得到对应的量化值;
根据预设的向量表,查找匹配的量化值对应的向量,得到身体状况向量。
需要说明的是,服务器中还预存储有向量表,向量表中有检测信息、用户身体状况信息和历史状态信息的量化值,以及其对应的向量,所述的一一映射关系为根据本领域技术人员根据历史经验得到或者通过云计算和大数据分析得到,本申请不再一一赘述其映射关系。通过向量的方式进行偏离度计算,需要将检测信息、用户身体状况信息和历史状态信息都进行数字量化处理,得到了对应的量化值之后,进行查表,得到身体的状况向量。
根据本发明实施例,所述量化值的具体处理方法为:
将检测信息与多个对照信息进行图像颜色对比度的分析,确定对比度值,若所述对比度值小于预设的对比度值阈值,则选取此对照信息对应的量化值为检测信息的量化值;
将用户身体状况和历史状态信息进行各个子集的拆分,将每个子集进行量化处理,得到子集量化值,然后将每个子集的量化值乘以加权系数,再相加,得到身体状况量化值和历史状态信息量化值。
需要说明的是,检测信息与多个对照信息进行图像颜色对比度的分析,更具体的,对检测信息中的测试线和对照线进行识别,得到色度信息,将所述色度信息进行色度差分析。需要说明的是,怀孕检测试纸中存在测试线和对照线,对照线为试纸中始终存在的线,测试线为检测试纸中根据用户的HCG浓度得到对应颜色深度的线。将检测信息与多个对照信息进行图像颜色对比度的分析,确定对比度值,若所述对比度值小于预设的对比度值阈值,则选取此对照信息对应的量化值为检测信息的量化值。所述对比度值为检测信息与图像颜色对比度的比值。例如,系统中设置了10个红色的参考颜色,对比检测信息的检测线颜色之后,检测线的颜色与等级为7的颜色的对比度比值最小,表明此检测线的颜色最接近于等级为7的颜色值,则等级为7的对应的量化值为检测信息的量化值。
需要说明的是,用户身体状况和历史状态信息中可能会包含多个信息,例如,血糖、血压等,所以针对用户身体状况和历史状态信息要进行每个子集的拆分,例如,血糖为一个子集,血压为一个子集。将每个子集都设置一定的系数,所有子集的系数之和为1。然后将每个子集进行量化处理,得到子集量化值,然后将每个子集的量化值乘以加权系数,再相加,得到身体状况量化值和历史状态信息量化值。
根据本发明实施例,若所述身体状况量化值和历史状态信息量化值未在预设的向量表中,则计算身体状况量化值和历史状态信息量化值与预设的向量表中对应的值的偏差率,选取偏差率最小的值作为身体状况量化值和历史状态信息量化值。
需要说明的是,在很多情况下,用户身体状况信息和历史状态信息进行量化之后得到的量化值,往往没有出现在预设的量化表中,所以这种情况下,需要将量化值对应到最接近的量化表数据中。本申请采用的是计算身体状况量化值和历史状态信息量化值与预设的向量表中对应的值的偏差率,选取偏差率最小的值作为身体状况量化值和历史状态信息量化值。具体可以与量化表中的数据遍历,获取每个的偏差率,然后选取偏差率最小的,作为身体状况量化值和历史状态信息量化值。
根据本发明实施例,所述比较所述身体状况向量与预测的向量的偏离度具体为:
获取身体状况向量和预测的向量;
分别对身体状况向量和预测的向量进行二进制编码,将身体状况向量和预测的向量中的零元素编码为0,非零元素编码为1;
利用编码后的身体状况向量和编码后的预测的向量,根据余弦距离公式计算,作为偏离度值。
需要说明的是,获取身体状况向量和预测的向量,然后对其进行二进制编码,具体的将身体状况向量和预测的向量中的零元素编码为0,非零元素编码为1。然后利用编码后的身体状况向量和编码后的预测的向量,根据余弦距离公式计算,作为偏离度值。其中,余弦距离公式为向量计算中普遍的计算方法,本发明不再一一赘述。
根据本发明实施例,还包括:建立孕期预测神经网络模型;
输入检测信息和用户身体状况信息至所述孕期预测神经网络模型中,输出预测的向量。
需要说明的是,本发明还预先建立有孕期预测神经网络模型,所述孕期预测神经网络模型为通过较大数量的历史数据训练而成,并且还具备动态迭代的功能,也就是说,只要有新的数据输入,都可以对孕期预测神经网络模型进行训练,孕期预测神经网络模型也一直处于更新的状态中。通过孕期预测神经网络模型可以使得数据预测更加准确。本申请输入检测信息和用户身体状况信息至所述孕期预测神经网络模型中,输出预测的向量。也就是说,预测的向量可以是由神经网络模型进行预测得到。通过对预测的向量的比较,可以获知用户的身体健康状态,使得结果更加准确。
本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括机器的一种孕期健康预测方法程序,所述孕期健康预测方法程序被处理器执行时,实现如上述任一项所述的一种孕期健康预测方法的步骤。
本发明提供的一种孕期健康预测方法、系统和可读存储介质,能够通过对用户的试纸检测结果进行识别,结合用户的身体状况和历史状态信息进行分析,判断用户的健康状况是否符合正常状态,以帮助相关人群注意孕期内的健康状况。本申请还通过将获取的身体状态等信息进行量化处理,通过预设的向量表确定用户的身体状态,提高了判断的准确率。另外,本申请还通过神经网络模型进行预测向量的迭代,使得判断的准确率提高,从而提高用户的体验感。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,如:多个单元或组件可以结合,或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,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以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,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、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。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例的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、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (3)
1.一种孕期健康预测系统,其特征在于,包括存储器和处理器,所述存储器中包括孕期健康预测方法程序,所述孕期健康预测方法程序被所述处理器执行时实现如下步骤:
获取目标图像信息和用户识别信息;
对所述目标图像信息进行识别,得到用户的检测信息;
将所述检测信息、用户身体状况信息和历史状态信息进行分析,得到身体状况向量,比较所述身体状况向量与预测的向量的偏离度,若大于预设的偏离度阈值,则生成预警信息,将所述预警信息发送至用户端进行显示;
所述预设的偏离度阈值为动态变化的;所述预设的偏离度阈值确定方法为,输入用户身体状况信息和历史状态信息至预训练的神经网络模型中,输出的结果为预设的偏离度阈值;
所述的预设偏离度阈值若超过预设范围,则以上一次的偏离度阈值作为预设的偏离度阈值。
2.根据权利要求1所述的一种孕期健康预测系统,其特征在于,所述将所述检测信息、用户身体状况信息和历史状态信息进行分析,得到身体状况向量值,具体为:
将所述检测信息、用户身体状况信息和历史状态信息进行数字量化处理,分别得到对应的量化值;
根据预设的向量表,查找匹配的量化值对应的向量,得到身体状况向量。
3.根据权利要求1所述的一种孕期健康预测系统,其特征在于,所述量化值的具体处理方法为:
将检测信息与多个对照信息进行图像颜色对比度的分析,确定对比度值,若所述对比度值小于预设的对比度值阈值,则选取此对照信息对应的量化值为检测信息的量化值;
将用户身体状况和历史状态信息进行各个子集的拆分,将每个子集进行量化处理,得到子集量化值,然后将每个子集的量化值乘以加权系数,再相加,得到身体状况量化值和历史状态信息量化值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011215438.3A CN112259235B (zh) | 2020-11-04 | 2020-11-04 | 一种孕期健康预测方法、系统和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011215438.3A CN112259235B (zh) | 2020-11-04 | 2020-11-04 | 一种孕期健康预测方法、系统和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112259235A true CN112259235A (zh) | 2021-01-22 |
CN112259235B CN112259235B (zh) | 2021-06-29 |
Family
ID=74267380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011215438.3A Active CN112259235B (zh) | 2020-11-04 | 2020-11-04 | 一种孕期健康预测方法、系统和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112259235B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114388135A (zh) * | 2022-01-19 | 2022-04-22 | 韩昕倬 | 一种孕妇指标数据分析方法、装置、设备及可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104697938A (zh) * | 2015-03-21 | 2015-06-10 | 杨轶轩 | 一种试纸读取方法及使用该方法进行验孕和排卵的测试方法 |
CN105388147A (zh) * | 2015-10-21 | 2016-03-09 | 深圳市宝凯仑生物科技有限公司 | 一种基于专用试纸对体液的检测方法 |
CN106405118A (zh) * | 2016-09-27 | 2017-02-15 | 北京爱康泰科技有限责任公司 | 一种排卵试纸检测方法及系统 |
CN106725314A (zh) * | 2016-12-05 | 2017-05-31 | 牛欣 | 基于二维码、拓扑码的中医量化辨色诊断技术和方法 |
CN107799184A (zh) * | 2017-11-05 | 2018-03-13 | 厦门波耐模型设计有限责任公司 | 一种排泄物自助检测技术方案及其实现方法 |
CN110189808A (zh) * | 2019-06-11 | 2019-08-30 | 深圳孕味十足科技有限公司 | 孕期数据管理方法、系统及存储介质 |
CN110415821A (zh) * | 2019-07-02 | 2019-11-05 | 山东大学 | 一种基于人体生理数据的健康知识推荐系统及其运行方法 |
-
2020
- 2020-11-04 CN CN202011215438.3A patent/CN112259235B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104697938A (zh) * | 2015-03-21 | 2015-06-10 | 杨轶轩 | 一种试纸读取方法及使用该方法进行验孕和排卵的测试方法 |
CN105388147A (zh) * | 2015-10-21 | 2016-03-09 | 深圳市宝凯仑生物科技有限公司 | 一种基于专用试纸对体液的检测方法 |
CN106405118A (zh) * | 2016-09-27 | 2017-02-15 | 北京爱康泰科技有限责任公司 | 一种排卵试纸检测方法及系统 |
CN106725314A (zh) * | 2016-12-05 | 2017-05-31 | 牛欣 | 基于二维码、拓扑码的中医量化辨色诊断技术和方法 |
CN107799184A (zh) * | 2017-11-05 | 2018-03-13 | 厦门波耐模型设计有限责任公司 | 一种排泄物自助检测技术方案及其实现方法 |
CN110189808A (zh) * | 2019-06-11 | 2019-08-30 | 深圳孕味十足科技有限公司 | 孕期数据管理方法、系统及存储介质 |
CN110415821A (zh) * | 2019-07-02 | 2019-11-05 | 山东大学 | 一种基于人体生理数据的健康知识推荐系统及其运行方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114388135A (zh) * | 2022-01-19 | 2022-04-22 | 韩昕倬 | 一种孕妇指标数据分析方法、装置、设备及可读存储介质 |
CN114388135B (zh) * | 2022-01-19 | 2022-07-26 | 韩昕倬 | 一种孕妇指标数据分析方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112259235B (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100857191B1 (ko) | 당뇨병 관리 방법 및 장치 | |
Cosman et al. | Tree-structured vector quantization of CT chest scans: image quality and diagnostic accuracy | |
Pautz et al. | The use of parametric effect sizes in single study musculoskeletal physiotherapy research: A practical primer | |
US20220351501A1 (en) | Three-dimensional target detection and model training method and device, and storage medium | |
US20170367593A9 (en) | Method for estimating a quantity of a blood component in a fluid receiver and corresponding error | |
CN112259235B (zh) | 一种孕期健康预测方法、系统和可读存储介质 | |
Oman et al. | Estimating fetal age by ultrasound measurements: An example of multivariate calibration | |
CN108847284B (zh) | 人体生物年龄测算装置及系统 | |
CN110827967A (zh) | 药房空间占用比例鉴定平台、方法及存储介质 | |
US20220163597A1 (en) | Battery residual value determination system | |
US20140086487A1 (en) | Estimating the clutter of digital images | |
CN116712048A (zh) | 血压测量方法、装置及相关设备 | |
US20220148172A1 (en) | System and method for detecting medical conditions | |
KR20180042657A (ko) | 영상을 이용한 피부 수분도 측정 방법 | |
US11234635B2 (en) | Method and system for monitoring and evaluation of pressure ulcer severity | |
US10964062B2 (en) | Skin evaluation device, skin evaluation method, and skin evaluation program | |
Ouyang et al. | Interpretable AI for beat-to-beat cardiac function assessment | |
CN112133436B (zh) | 一种基于大数据分析的健康警示方法、系统和可读存储介质 | |
CN114445646A (zh) | 人员关联度的分析方法、装置、电子设备及存储介质 | |
CN113990507A (zh) | 数据处理方法、装置、可读介质及电子设备 | |
CN112132000A (zh) | 一种活体检测方法、装置、计算机可读介质及电子设备 | |
CN110866904A (zh) | 一种红外偏振重构图像的评价方法和装置 | |
US20200101351A1 (en) | Determining and Receiving Workout Recommendations based on Imaged Dimensional Changes to Body Parts | |
KR20180086820A (ko) | 영상을 이용한 피부 산도 측정 방법 | |
Rao et al. | Image quality assessment based on perceptual structural similarity |
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 | ||
CP02 | Change in the address of a patent holder |
Address after: Room 301, R&D Building, essence Science Park, No. 19, Nanxiang Second Road, Huangpu District, Guangzhou, Guangdong 510000 Patentee after: Guangzhou Wanfu Health Technology Co.,Ltd. Address before: 510000 area B, Letian Creative Park, Wushan Kehua street, Tianhe District, Guangzhou City, Guangdong Province Patentee before: Guangzhou Wanfu Health Technology Co.,Ltd. |
|
CP02 | Change in the address of a patent holder |