CN112309527A - 一种基于大数据的病案统计管理方法及系统 - Google Patents

Abstract

本发明公开了一种基于大数据的病案统计管理方法及系统，其中，所述方法包括：获得第一用户的第一身体指标信息，所述第一身体指标信息由所述可穿戴智能设备检测所得；获得所述第一用户的家庭遗传病史信息；将所述第一身体指标信息和所述家庭遗传病史信息输入第一训练模型；获得所述第一训练模型的输出信息；判断所述患病率是否满足第一预设阈值；若所述患病率满足第一预设阈值，将所述第一疾病信息上传至所述第一用户的病案统计管理数据库；对所述第一疾病信息进行实时追踪，并适时更新所述第一用户的病案统计管理数据库。解决了因用户的个人病案统计管理不够细致完善，耽误某些疾病的救治的技术问题。

Description

一种基于大数据的病案统计管理方法及系统

技术领域

本发明涉及病案统计管理技术领域，尤其涉及一种基于大数据的病案统计管理方法及系统。

背景技术

伴随着智能信息化的发展，个人的病案统计管理逐渐智能化，医院对于病人的病案统计管理更加正规，更加有迹可循，便捷了病案的统计管理，为用户的就诊治疗提供了便利。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

对于某些疾病的日常关注不够仔细谨慎，使得用户的个人病案统计管理不够细致完善，最终耽误用户的疾病救治。

发明内容

本申请实施例通过提供一种基于大数据的病案统计管理方法及系统，解决了因用户的个人病案统计管理不够细致完善，耽误某些疾病的救治的技术问题，达到了通过对用户日常的某些疾病进行观察，并实时的进行相关病案统计，并基于相关病案统计，使得对于疾病的救治及时有效，同时提高病案的统计管理效率的技术效果。

本申请实施例提供了一种基于大数据的病案统计管理方法，所述方法应用于一病案统计管理系统，所述病案管理系统应用于一可穿戴智能设备，其中，所述方法包括：获得第一用户的第一身体指标信息，所述第一身体指标信息由所述可穿戴智能设备检测所得；获得所述第一用户的家庭遗传病史信息；将所述第一身体指标信息和所述家庭遗传病史信息输入第一训练模型，所述第一训练模型通过多组训练数据训练所得，所述多组训练数据中的每一组训练数据均包括：所述第一身体指标信息、所述家庭遗传病史信息和用来标识第一疾病信息的患病率的标识信息；获得所述第一训练模型的输出信息，所述输出信息包括第一用户的第一疾病信息的患病率；判断所述患病率是否满足第一预设阈值；若所述患病率满足第一预设阈值，将所述第一疾病信息上传至所述第一用户的病案统计管理数据库；对所述第一疾病信息进行实时追踪，并适时更新所述第一用户的病案统计管理数据库。

另一方面，本申请还提供了一种基于大数据的病案统计管理系统，其中，所述系统包括：第一获得单元：所述第一获得单元用于获得第一用户的第一身体指标信息，所述第一身体指标信息由所述可穿戴智能设备检测所得；第二获得单元：所述第二获得单元用于获得所述第一用户的家庭遗传病史信息；第一输入单元：所述第一输入单元用于将所述第一身体指标信息和所述家庭遗传病史信息输入第一训练模型，所述第一训练模型通过多组训练数据训练所得，所述多组训练数据中的每一组训练数据均包括：所述第一身体指标信息、所述家庭遗传病史信息和用来标识第一疾病信息的患病率的标识信息；第三获得单元：所述第三获得单元用于获得所述第一训练模型的输出信息，所述输出信息包括第一用户的第一疾病信息的患病率；第一判断单元：所述第一判断单元用于判断所述患病率是否满足第一预设阈值；第一上传单元：所述第一上传单元用于若所述患病率满足第一预设阈值，将所述第一疾病信息上传至所述第一用户的病案统计管理数据库；第一追踪单元：所述第一追踪单元用于对所述第一疾病信息进行实时追踪，并适时更新所述第一用户的病案统计管理数据库。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

通过根据可穿戴智能设备对用户的身体各项指标进行日常监测，并获得用户的家庭遗传病史信息，进而判断用户是否具有某些家庭遗传病史的疾病信息，并通过日常的疾病信息监测和追踪，实时更新用户的病案统计管理数据库，达到了提高用户的病案统计管理效率的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种基于大数据的病案统计管理方法的流程示意图；

图2为本申请实施例一种基于大数据的病案统计管理系统的结构示意图；

图3为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第一输入单元13，第三获得单元14，第一判断单元15，第一上传单元16，第一追踪单元17，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。

具体实施方式

本申请实施例通过提供一种基于大数据的病案统计管理方法及系统，解决了因用户的个人病案统计管理不够细致完善，耽误某些疾病的救治的技术问题，达到了通过对用户日常的某些疾病进行观察，并实时的进行相关病案统计，并基于相关病案统计，使得对于疾病的救治及时有效，同时提高病案的统计管理效率的技术效果。

下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述

伴随着智能信息化的发展，个人的病案统计管理逐渐智能化，医院对于病人的病案统计管理更加正规，更加有迹可循，便捷了病案的统计管理，为用户的就诊治疗提供了便利。对于某些疾病的日常关注不够仔细谨慎，使得用户的个人病案统计管理不够细致完善，最终耽误用户的疾病救治。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例提供了一种基于大数据的病案统计管理方法，所述方法应用于一病案统计管理系统，所述病案管理系统应用于一可穿戴智能设备，其中，所述方法包括：获得第一用户的第一身体指标信息，所述第一身体指标信息由所述可穿戴智能设备检测所得；获得所述第一用户的家庭遗传病史信息；将所述第一身体指标信息和所述家庭遗传病史信息输入第一训练模型，所述第一训练模型通过多组训练数据训练所得，所述多组训练数据中的每一组训练数据均包括：所述第一身体指标信息、所述家庭遗传病史信息和用来标识第一疾病信息的患病率的标识信息；获得所述第一训练模型的输出信息，所述输出信息包括第一用户的第一疾病信息的患病率；判断所述患病率是否满足第一预设阈值；若所述患病率满足第一预设阈值，将所述第一疾病信息上传至所述第一用户的病案统计管理数据库；对所述第一疾病信息进行实时追踪，并适时更新所述第一用户的病案统计管理数据库。

为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

实施例一

如图1所示，本申请实施例提供了一种基于大数据的病案统计管理方法，其中，所述方法还包括：

步骤S100：获得第一用户的第一身体指标信息，所述第一身体指标信息由所述可穿戴智能设备检测所得；

具体而言，所述第一用户为进行病案统计管理的用户，所述第一身体指标信息为基于所述可穿戴智能设备检测得到的所述第一用户的各项身体指标，包含血压、心率等指标。

步骤S200：获得所述第一用户的家庭遗传病史信息；

具体而言，所述家庭遗传病史信息为所述第一用户通过家庭遗传而获得的某些疾病信息，常见的家庭遗传病史信息有高血压、心脏病、糖尿病等疾病，所述家庭遗传病史信息常为先天性的，也可为后天发病。

步骤S300：将所述第一身体指标信息和所述家庭遗传病史信息输入第一训练模型，所述第一训练模型通过多组训练数据训练所得，所述多组训练数据中的每一组训练数据均包括：所述第一身体指标信息、所述家庭遗传病史信息和用来标识第一疾病信息的患病率的标识信息；

步骤S400：获得所述第一训练模型的输出信息，所述输出信息包括第一用户的第一疾病信息的患病率；

具体而言，要确定所述第一用户是否患有家庭遗传病史信息，可通过将所述第一身体指标信息和所述家庭遗传病史信息输入第一训练模型不断地进行训练，可以使得输出的训练结果更加精确。所述训练模型是一个神经网络模型即机器学习中的神经网络模型，神经网络(Neural Networks，NN)是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络（Artificial Neural Networks），是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。在本申请实施例中，将所述第一身体指标信息和所述家庭遗传病史信息输入第一训练模型，用标识的第一疾病信息的患病率信息对所述神经网络模型进行训练。

进一步来说，所述训练神经网络模型的过程实质为监督学习的过程。所述多组训练数据具体为：所述第一身体指标信息、所述家庭遗传病史信息和用来标识第一疾病信息的患病率的标识信息。通过输入所述第一身体指标信息和所述家庭遗传病史信息，神经网络模型会输出所述第一用户的第一疾病信息的患病率，通过将所述输出信息与所述起标识作用的第一疾病信息的患病率信息进行校验，如果所述输出信息与所述起标识作用的第一疾病信息的患病率信息要求相一致，则本数据监督学习完成，则进行下一组数据监督学习；如果所述输出信息与所述起标识作用的第一疾病信息的患病率信息要求不一致，则神经网络学习模型自身进行调整，直到神经网络学习模型输出结果与所述起标识作用的第一疾病信息的患病率信息要求相一致，进行下一组数据的监督学习。通过训练数据使神经网络学习模型自身不断地修正、优化，通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性，进而达到使得第一疾病信息的患病率更加精确的技术效果。

步骤S500：判断所述患病率是否满足第一预设阈值；

具体而言，所述第一预设阈值为所述第一用户患有所述第一疾病信息的患病概率达到一定阈值，进一步可理解为所述第一用户的家庭遗传病史信息为高血压，基于可穿戴智能设备检测到所述第一用户的血压经常性的偏高，则所述第一用户患有高血压的概率较大。

步骤S600：若所述患病率满足第一预设阈值，将所述第一疾病信息上传至所述第一用户的病案统计管理数据库；

具体而言，所述第一用户的病案统计管理数据库为单独管理和保存所述第一用户的疾病信息的数据库，当所述患病率满足第一预设阈值，即所述第一用户确定患有所述第一疾病信息，可理解为高血压等疾病，则将所述第一疾病信息上传至所述第一用户的病案统计管理数据库，并进行详细记录。

步骤S700：对所述第一疾病信息进行实时追踪，并适时更新所述第一用户的病案统计管理数据库。

具体而言，对于某些疾病要进行实时关注，并确定病情信息，进一步可理解为，对高血压病人的患病信息要进行实时追踪，实时掌握确切的患病程度，通过日常的疾病信息追踪，才有可能避免包括中风、脑溢血、脑梗等并发症的出现，进而避免将病情扩大化。通过对所述第一疾病信息进行实时追踪，并适时更新所述第一用户的病案统计管理数据库，达到了通过对用户日常的疾病进行观察，并实时的进行相关病案统计，使得对于疾病的救治及时有效，同时提高病案的统计管理效率的技术效果。

为了更加准确获得第一用户的第一疾病信息的患病率，本申请实施例还包括：

步骤S810：获得所述第一用户的历史发病率信息；

步骤S820：根据所述历史发病率信息获得所述第一用户的第二疾病信息，所述第二疾病信息与所述第一疾病信息具有第一关联性；

步骤S830：根据所述第二疾病信息对所述第一训练模型的训练过程进行修正。

具体而言，为了更加准确获得第一用户的第一疾病信息的患病率，还可获得所述第一用户的历史发病率信息，所述历史发病率信息为所述第一用户的历史的患病信息，包括患有其他的风湿病、气管炎、心脑血管疾病等，进而根据所述历史发病率信息获得所述第一用户的第二疾病信息，所述第二疾病信息与所述第一疾病信息具有第一关联性，进一步可理解为，当所述第一疾病信息为高血压时，所述第二疾病信息为相关联的脑溢血等疾病，可获得脑溢血疾病的发病次数和治疗情况等，进而根据所述第二疾病信息对所述第一训练模型的训练过程进行修正，可通过将与所述第一疾病信息相关联的所述第二疾病信息输入所述第一训练模型，并对所述第一训练模型的训练过程进行修正，达到了更加准确获得第一用户的第一疾病信息的患病率的技术效果。

基于病案统计管理数据库，为了准确对所述第一用户的第一疾病信息进行管理，本申请实施例还包括：

步骤S910：获得所述第一疾病信息的第一发病时间；

步骤S920：获得所述第一疾病信息的第二发病时间，以此类推，获得第一疾病信息的第N发病时间；

步骤S930：根据所述第一发病时间和所述第二发病时间，获得第一发病时间间隔，以此类推，直到根据所述第N发病时间和第N-1发病时间，获得第M发病时间间隔；

步骤S940：分别以发病次数作为横坐标，以发病时间间隔作为纵坐标，建立横纵二元坐标系，获得所述第一疾病的发病频率曲线信息；

步骤S950：判断所述发病频率曲线信息是否呈反比例负向变化；

步骤S960：若所述发病频率曲线信息呈反比例负向变化，则获得第一预警信息，所述第一预警信息为提醒第二用户有关所述第一用户的身体状况信息，其中，所述第二用户与所述第一用户具有直接关联性。

具体而言，为了准确对所述第一用户的第一疾病信息进行管理，可获得所述第一疾病信息的第一发病时间，所述第一发病时间为所述第一疾病信息的第一次发病时间，并获得所述第一疾病信息的第二发病时间，以此类推，获得第一疾病信息的第N发病时间，进而根据所述第一发病时间和所述第二发病时间，获得第一发病时间间隔，所述第一发病时间间隔为所述第一发病时间和所述第二发病时间的时间差，以此类推，直到根据所述第N发病时间和第N-1发病时间，获得第M发病时间间隔，可通过分别以发病次数作为横坐标，以发病时间间隔作为纵坐标，建立横纵二元坐标系，获得所述第一疾病的发病频率曲线信息，即随着发病次数的增多，发病的时间间隔的变化趋势，判断所述发病频率曲线信息是否呈反比例负向变化，即当发病次数增多时，发病时间间隔越来越小，若所述发病频率曲线信息呈反比例负向变化，说明所述发病率信息的频率加快，进而说明所述第一用户的第一疾病信息有加重的趋势，则获得第一预警信息，所述第一预警信息为提醒第二用户有关所述第一用户的身体状况信息，其中，所述第二用户与所述第一用户具有直接关联性，可为所述第一用户的子女、配偶或父母等，通过根据发病时间间隔判断所述第一用户的病情严重程度，达到了准确对所述第一用户的第一疾病信息进行管理，及时完善病案统计管理数据库中的第一疾病信息的技术效果。

所述对所述第一疾病信息进行实时追踪，并适时更新所述第一用户的病案统计管理数据库，步骤S700还包括：

步骤S710：获得第一图像信息，所述第一图像信息为所述第一用户在家活动时的图像信息；

步骤S720：根据所述第一图像信息获得所述第一用户的面部状态信息；

步骤S730：根据所述可穿戴智能设备获得所述第一用户的第二身体指标信息；

步骤S740：根据所述面部状态信息和所述第二身体指标信息获得第一疾病征兆信息；

步骤S750：判断所述第一疾病征兆信息是否满足第二预设阈值；

步骤S760：若所述第一疾病征兆信息不满足所述第二预设阈值，则提醒所述第二用户对所述第一用户进行紧急救治。

具体而言，为了对所述第一用户的第一疾病信息进行实时追踪，还可观察用户在家时的状态，则获得第一图像信息，所述第一图像信息为所述第一用户在家活动时的图像信息，可根据家中的摄像头拍摄所得，进而根据所述第一图像信息获得所述第一用户的面部状态信息，所述面部状态信息为所述第一用户的面部表情是否正常，或是否存在因疾病突发时的病痛引起的面部抽搐等，还可根据所述可穿戴智能设备获得所述第一用户的第二身体指标信息，所述第二身体指标信息为所述第一用户在家活动时的各项身体指标数据信息，综合所述面部状态信息和所述第二身体指标信息获得第一疾病征兆信息，所述第一疾病征兆信息为所述第一疾病的发病征兆信息，进一步可理解为，当所述第一用户在家时，可能因为情绪激动或摔倒等情况突发高血压疾病，此时可穿戴设备检测到的血压极高，还可判断所述第一疾病征兆信息是否满足第二预设阈值，即判断所述第一疾病征兆信息是否极为严重，需要立即送往医院救治，若所述第一疾病征兆信息不满足所述第二预设阈值，即病情突发不是很严重，可以在家缓解治疗，则提醒所述第二用户对所述第一用户进行紧急救治，可以对所述第一用户服用降压药物等或者舒缓所述第一用户的心情等进行救治，通过实时追踪所述第一用户的第一疾病信息，实时掌握所述第一疾病的病情严重程度，并将所述第一疾病信息实时更新至所述第一用户的病案统计管理数据库，达到了提高病案统计管理的效率，同时提升疾病的救治效率的技术效果。

所述判断所述第一疾病征兆信息是否满足第二预设阈值，步骤S750还包括：

若所述第一疾病征兆信息满足所述第二预设阈值，对所述第一用户进行ICU救治；

步骤S751：获得所述ICU救治的治疗时间；

步骤S752：获得所述第一用户的苏醒时间；

步骤S753：根据所述治疗时间和所述苏醒时间获得所述第一用户的第一治疗记录信息；

步骤S754：将所述第一治疗记录信息更新至所述病案统计管理数据库。

具体而言，判断所述第一疾病征兆信息是否满足第二预设阈值时，若所述第一疾病征兆信息满足所述第二预设阈值，即所述第一疾病信息病情突发严重，需要立即送往医院进行救治，则对所述第一用户进行ICU救治，同时获得所述ICU救治的治疗时间和所述第一用户的苏醒时间，所述治疗时间为对所述第一用户进行紧急救治的时间，所述苏醒时间为对所述第一用户进行紧急救治之后的所述第一用户恢复意识苏醒的时间，并根据所述治疗时间和所述苏醒时间获得所述第一用户的第一治疗记录信息，所述第一治疗记录信息包括所述第一疾病信息的病情严重程度，对所述第一用户采取的治疗，以及所述第一用户恢复的时间等信息，进而将所述第一治疗记录信息更新至所述病案统计管理数据库，通过实时更新所述第一疾病信息的治疗记录信息，达到了动态掌握用户的病情信息，同时提高了病案统计管理的效率的技术效果。

所述若所述患病率满足第一预设阈值，将所述第一疾病信息上传至所述第一用户的病案统计管理数据库，步骤S600还包括：

步骤S610：根据所述第一疾病信息获得第一上传指令；

步骤S620：将所述第一上传指令发送到所述病案统计管理数据库；

步骤S630：获得所述病案统计管理数据库的密钥信息；

步骤S640：根据所述密钥信息对所述病案统计管理数据库进行解密处理；

步骤S650：根据所述第一上传指令，将所述第一疾病信息上传至所述第一用户的病案统计管理数据库。

具体而言，要将所述第一疾病信息上传至所述第一用户的病案统计管理数据库，可根据所述第一疾病信息获得第一上传指令，所述第一上传指令为将所述第一疾病信息上传至所述第一用户的病案统计管理数据库，进而将所述第一上传指令发送到所述病案统计管理数据库，并获得所述病案统计管理数据库的密钥信息，所谓密钥，在密码学中，密钥是指某个用来完成加密、解密、完整性验证等密码学应用的秘密信息，在对称密码学（或称密钥密码学）中，加密和解密用的是同一个钥匙，因此钥匙需要保密，进而根据所述密钥信息对所述病案统计管理数据库进行解密处理，密钥解密是在同一密钥加密的基础上进行解密，也可以看作是加密的反操作，解密是将密文的对应位循环减去密钥数字串值，使得密文变形显露为明文，进而根据所述第一上传指令，将所述第一疾病信息上传至所述第一用户的病案统计管理数据库，达到了确保所述第一用户的病案统计管理数据库的管理安全的技术效果。

所述获得所述病案统计管理数据库的密钥信息，步骤S630还包括：

步骤S631：对所述密钥信息进行实时更新，获得更新之后的第一密钥信息，第二密钥信息直至第P密钥信息；

步骤S632：根据所述第一密钥信息生成第一验证码，其中，所述第一验证码与所述第一密钥信息一一对应；

步骤S633:根据所述第二密钥信息生成第二验证码，所述第二验证与所述第二密钥信息一一对应，以此类推，根据所述第P密钥信息和第P-1验证码生成第P验证码，所述第P验证码与所述第P密钥信息一一对应，其中，P为大于1的自然数；

步骤S634：将所有的密码信息和验证码分别复制保存在Q台设备上，其中，Q为大于1的自然数。

具体而言，密钥对密码加密和解密过程极为重要，因此需要确保密钥的存储安全，可对密钥信息进行基于区块链的加密存储，保证了密钥信息的存储安全以及不被篡改，进一步确保了所述第一用户的病案统计管理数据库中的病案信息安全保存。

可对所述密钥信息进行实时更新，获得更新之后的第一密钥信息，第二密钥信息直至第P密钥信息；根据所述第一密钥信息生成第一验证码，其中，所述第一验证码与所述第一密钥信息一一对应；根据所述第二密钥信息生成第二验证码，所述第二验证与所述第二密钥信息一一对应，以此类推，根据所述第P密钥信息和第P-1验证码生成第P验证码，所述第P验证码与所述第P密钥信息一一对应，其中，P为大于1的自然数；将所有的密码信息和验证码分别复制保存在Q台设备上，其中，Q为大于1的自然数。对所述病案统计管理数据库的密钥信息进行加密存储，其中，每个设备对应于一个节点，所有节点组合起来形成了区块链，这样的区块链就构成了一个便于验证（只要验证最后一个区块的Hash值就相当于验证了整个版本），不可更改（任何一个交易信息的更改，会让所有之后的区块的Hash值发生变化，这样在验证时就无法通过）的总账本。

区块链系统采用分布式数据形式，让每一个参与节点都能够获得一份完整的数据库备份，除非能够同时控制整个系统中51%的节点，否则单个节点对数据库的修改是无效的，也无法影响其他节点上的数据内容。因此，参与系统中的节点越多，算力越强，系统中的数据安全性也就越高。对所述病案统计管理数据库的密钥信息基于区块链的加密处理，有效保证了所述病案统计管理数据库的密钥信息的存储安全，达到了对所述病案统计管理数据库的密钥信息进行安全的记录并保存，进一步确保了所述第一用户的病案统计管理数据库中的病案信息安全保存的技术效果。

为了使得对所述病案统计管理数据库的密钥信息的存储更加高效快速，本申请实施例还包括：

步骤S840：将所述第P密钥信息和第P验证码作为第P区块；

步骤S850：获得所述第P区块记录时间，所述第P区块记录时间表示所述第P区块需要记录的时间；

步骤S860：根据所述第P区块记录时间，获得所述Q台设备中运速最强的第一设备；

步骤S870：将所述第P区块的记录权发送给所述第一设备。

具体而言，在对所述病案统计管理数据库的密钥信息进行基于区块链的加密操作时，为了获得更加高效的运算、存储速率，可获得所述第P区块记录时间，所述第P区块记录时间表示所述第P区块需要记录的时间；进而根据所述第P区块记录时间，获得所述Q台设备中运速最强的第一设备；将所述第P区块的记录权发送给所述第一设备，进而保证了去中心化区块链系统的安全、有效和稳定运行，能够保证所述区块能够被快速准确的记录在设备中，进而保证了信息的安全性，进而对所述病案统计管理数据库的密钥信息进行准确的判断，达到了使得对所述病案统计管理数据库的密钥信息存储记录更加快速和高效的技术效果。

综上所述，本申请实施例所提供的一种基于大数据的病案统计管理方法及系统具有如下技术效果：

1、通过根据可穿戴智能设备对用户的身体各项指标进行日常监测，并获得用户的家庭遗传病史信息，进而判断用户是否具有某些家庭遗传病史的疾病信息，并通过日常的疾病信息监测和追踪，实时更新用户的病案统计管理数据库，达到了提高用户的病案统计管理效率的技术效果。

2、通过对所述第一用户的第一疾病信息进行实时追踪，包括实时观察所述第一用户在家时的活动，以及对所述第一疾病信息的发病征兆进行及时处理，并将病情信息适时更新至所述第一用户的病案统计管理数据库，达到了动态掌握用户的病情信息，同时提高病案统计管理效率的技术效果。

3、通过使用密钥信息对所述第一用户的病案统计管理数据库进行加密管理，并实时更新密钥信息，对实时更新的密钥信息进行基于区块链的加密存储，达到了确保病案统计管理数据库的管理安全，进一步确保所述第一用户的病案统计管理数据库中的病案信息安全保存的技术效果。

实施例二

基于与前述实施例中一种基于大数据的病案统计管理方法同样发明构思，本发明还提供了一种基于大数据的病案统计管理系统，如图2所示，所述系统包括：

第一获得单元11：所述第一获得单元11用于获得第一用户的第一身体指标信息，所述第一身体指标信息由所述可穿戴智能设备检测所得；

第二获得单元12：所述第二获得单元12用于获得所述第一用户的家庭遗传病史信息；

第一输入单元13：所述第一输入单元13用于将所述第一身体指标信息和所述家庭遗传病史信息输入第一训练模型，所述第一训练模型通过多组训练数据训练所得，所述多组训练数据中的每一组训练数据均包括：所述第一身体指标信息、所述家庭遗传病史信息和用来标识第一疾病信息的患病率的标识信息；

第三获得单元14：所述第三获得单元14用于获得所述第一训练模型的输出信息，所述输出信息包括第一用户的第一疾病信息的患病率；

第一判断单元15：所述第一判断单元15用于判断所述患病率是否满足第一预设阈值；

第一上传单元16：所述第一上传单元16用于若所述患病率满足第一预设阈值，将所述第一疾病信息上传至所述第一用户的病案统计管理数据库；

第一追踪单元17：所述第一追踪单元17用于对所述第一疾病信息进行实时追踪，并适时更新所述第一用户的病案统计管理数据库。

进一步的，所述系统还包括：

第四获得单元：所述第四获得单元用于获得所述第一用户的历史发病率信息；

第五获得单元：所述第五获得单元用于根据所述历史发病率信息获得所述第一用户的第二疾病信息，所述第二疾病信息与所述第一疾病信息具有第一关联性；

第一修正单元：所述第一修正单元用于根据所述第二疾病信息对所述第一训练模型的训练过程进行修正。

进一步的，所述系统还包括：

第六获得单元：所述第六获得单元用于获得所述第一疾病信息的第一发病时间；

第七获得单元：所述第七获得单元用于获得所述第一疾病信息的第二发病时间，以此类推，获得第一疾病信息的第N发病时间；

第八获得单元：所述第八获得单元用于根据所述第一发病时间和所述第二发病时间，获得第一发病时间间隔，以此类推，直到根据所述第N发病时间和第N-1发病时间，获得第M发病时间间隔；

第一建立单元：所述第一建立单元用于分别以发病次数作为横坐标，以发病时间间隔作为纵坐标，建立横纵二元坐标系，获得所述第一疾病的发病频率曲线信息；

第二判断单元：所述第二判断单元用于判断所述发病频率曲线信息是否呈反比例负向变化；

第九获得单元：所述第九获得单元用于若所述发病频率曲线信息呈反比例负向变化，则获得第一预警信息，所述第一预警信息为提醒第二用户有关所述第一用户的身体状况信息，其中，所述第二用户与所述第一用户具有直接关联性。

进一步的，所述系统还包括：

第十获得单元：所述第十获得单元用于获得第一图像信息，所述第一图像信息为所述第一用户在家活动时的图像信息；

第十一获得单元：所述第十一获得单元用于根据所述第一图像信息获得所述第一用户的面部状态信息；

第十二获得单元：所述第十二获得单元用于根据所述可穿戴智能设备获得所述第一用户的第二身体指标信息；

第十三获得单元：所述第十三获得单元用于根据所述面部状态信息和所述第二身体指标信息获得第一疾病征兆信息；

第三判断单元：所述第三判断单元用于判断所述第一疾病征兆信息是否满足第二预设阈值；

第一提醒单元：所述第一提醒单元用于若所述第一疾病征兆信息不满足所述第二预设阈值，则提醒所述第二用户对所述第一用户进行紧急救治。

进一步的，所述系统还包括：

第一救治单元：所述第一救治单元用于若所述第一疾病征兆信息满足所述第二预设阈值，对所述第一用户进行ICU救治；

第十四获得单元：所述第十四获得单元用于获得所述ICU救治的治疗时间；

第十五获得单元：所述第十五获得单元用于获得所述第一用户的苏醒时间；

第十六获得单元：所述第十六获得单元用于根据所述治疗时间和所述苏醒时间获得所述第一用户的第一治疗记录信息；

第一更新单元：所述第一更新单元用于将所述第一治疗记录信息更新至所述病案统计管理数据库。

进一步的，所述系统还包括：

第十七获得单元：所述第十七获得单元用于根据所述第一疾病信息获得第一上传指令；

第一发送单元：所述第一发送单元用于将所述第一上传指令发送到所述病案统计管理数据库；

第十八获得单元：所述第十八获得单元用于获得所述病案统计管理数据库的密钥信息；

第一解密单元：所述第一解密单元用于根据所述密钥信息对所述病案统计管理数据库进行解密处理；

第二上传单元：所述第二上传单元用于根据所述第一上传指令，将所述第一疾病信息上传至所述第一用户的病案统计管理数据库。

进一步的，所述系统还包括：

第二更新单元：所述第二更新单元用于对所述密钥信息进行实时更新，获得更新之后的第一密钥信息，第二密钥信息直至第P密钥信息；

第一生成单元：所述第一生成单元用于根据所述第一密钥信息生成第一验证码，其中，所述第一验证码与所述第一密钥信息一一对应；

第二生成单元：所述第二生成单元用于根据所述第二密钥信息生成第二验证码，所述第二验证与所述第二密钥信息一一对应，以此类推，根据所述第P密钥信息和第P-1验证码生成第P验证码，所述第P验证码与所述第P密钥信息一一对应，其中，P为大于1的自然数；

第一保存单元：所述第一保存单元用于将所有的密码信息和验证码分别复制保存在Q台设备上，其中，Q为大于1的自然数。

前述图1实施例一中的一种基于大数据的病案统计管理方法的各种变化方式和具体实例同样适用于本实施例的一种基于大数据的病案统计管理系统，通过前述对一种基于大数据的病案统计管理方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于大数据的病案统计管理系统的实施方法，所以为了说明书的简洁，再次不再详述。

实施例三

下面参考图3来描述本申请实施例的电子设备。

图3图示了根据本申请实施例的电子设备的结构示意图。

基于与前述实施例中一种基于大数据的病案统计管理方法的发明构思，本发明还提供一种基于大数据的病案统计管理系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于大数据的病案统计管理方法的任一方法的步骤。

其中，在图3中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

本申请实施例提供了一种基于大数据的病案统计管理方法，所述方法应用于一病案统计管理系统，所述病案管理系统应用于一可穿戴智能设备，其中，所述方法包括：获得第一用户的第一身体指标信息，所述第一身体指标信息由所述可穿戴智能设备检测所得；获得所述第一用户的家庭遗传病史信息；将所述第一身体指标信息和所述家庭遗传病史信息输入第一训练模型，所述第一训练模型通过多组训练数据训练所得，所述多组训练数据中的每一组训练数据均包括：所述第一身体指标信息、所述家庭遗传病史信息和用来标识第一疾病信息的患病率的标识信息；获得所述第一训练模型的输出信息，所述输出信息包括第一用户的第一疾病信息的患病率；判断所述患病率是否满足第一预设阈值；若所述患病率满足第一预设阈值，将所述第一疾病信息上传至所述第一用户的病案统计管理数据库；对所述第一疾病信息进行实时追踪，并适时更新所述第一用户的病案统计管理数据库。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种基于大数据的病案统计管理方法，所述方法应用于一病案统计管理系统，所述病案管理系统应用于一可穿戴智能设备，其中，所述方法包括：

获得第一用户的第一身体指标信息，所述第一身体指标信息由所述可穿戴智能设备检测所得；

获得所述第一用户的家庭遗传病史信息；

将所述第一身体指标信息和所述家庭遗传病史信息输入第一训练模型，所述第一训练模型通过多组训练数据训练所得，所述多组训练数据中的每一组训练数据均包括：所述第一身体指标信息、所述家庭遗传病史信息和用来标识第一疾病信息的患病率的标识信息；

获得所述第一训练模型的输出信息，所述输出信息包括第一用户的第一疾病信息的患病率；

判断所述患病率是否满足第一预设阈值；

若所述患病率满足第一预设阈值，将所述第一疾病信息上传至所述第一用户的病案统计管理数据库；

对所述第一疾病信息进行实时追踪，并适时更新所述第一用户的病案统计管理数据库。

2.如权利要求1所述的方法，其中，所述方法还包括：

获得所述第一用户的历史发病率信息；

根据所述历史发病率信息获得所述第一用户的第二疾病信息，所述第二疾病信息与所述第一疾病信息具有第一关联性；

根据所述第二疾病信息对所述第一训练模型的训练过程进行修正。

3.如权利要求1所述的方法，其中，所述方法还包括：

获得所述第一疾病信息的第一发病时间；

获得所述第一疾病信息的第二发病时间，以此类推，获得第一疾病信息的第N发病时间；

根据所述第一发病时间和所述第二发病时间，获得第一发病时间间隔，以此类推，直到根据所述第N发病时间和第N-1发病时间，获得第M发病时间间隔；

分别以发病次数作为横坐标，以发病时间间隔作为纵坐标，建立横纵二元坐标系，获得所述第一疾病的发病频率曲线信息；

判断所述发病频率曲线信息是否呈反比例负向变化；

若所述发病频率曲线信息呈反比例负向变化，则获得第一预警信息，所述第一预警信息为提醒第二用户有关所述第一用户的身体状况信息，其中，所述第二用户与所述第一用户具有直接关联性。

4.如权利要求1所述的方法，其中，所述对所述第一疾病信息进行实时追踪，并适时更新所述第一用户的病案统计管理数据库，还包括：

获得第一图像信息，所述第一图像信息为所述第一用户在家活动时的图像信息；

根据所述第一图像信息获得所述第一用户的面部状态信息；

根据所述可穿戴智能设备获得所述第一用户的第二身体指标信息；

根据所述面部状态信息和所述第二身体指标信息获得第一疾病征兆信息；

判断所述第一疾病征兆信息是否满足第二预设阈值；

若所述第一疾病征兆信息不满足所述第二预设阈值，则提醒所述第二用户对所述第一用户进行紧急救治。

5.如权利要求4所述的方法，其中，所述判断所述第一疾病征兆信息是否满足第二预设阈值，还包括：

若所述第一疾病征兆信息满足所述第二预设阈值，对所述第一用户进行ICU救治；

获得所述ICU救治的治疗时间；

获得所述第一用户的苏醒时间；

根据所述治疗时间和所述苏醒时间获得所述第一用户的第一治疗记录信息；

将所述第一治疗记录信息更新至所述病案统计管理数据库。

6.如权利要求1所述的方法，其中，所述若所述患病率满足第一预设阈值，将所述第一疾病信息上传至所述第一用户的病案统计管理数据库，还包括：

根据所述第一疾病信息获得第一上传指令；

将所述第一上传指令发送到所述病案统计管理数据库；

获得所述病案统计管理数据库的密钥信息；

根据所述密钥信息对所述病案统计管理数据库进行解密处理；

根据所述第一上传指令，将所述第一疾病信息上传至所述第一用户的病案统计管理数据库。

7.如权利要求6所述的方法，其中，所述获得所述病案统计管理数据库的密钥信息，还包括：

对所述密钥信息进行实时更新，获得更新之后的第一密钥信息，第二密钥信息直至第P密钥信息；

根据所述第一密钥信息生成第一验证码，其中，所述第一验证码与所述第一密钥信息一一对应；

根据所述第二密钥信息生成第二验证码，所述第二验证与所述第二密钥信息一一对应，以此类推，根据所述第P密钥信息和第P-1验证码生成第P验证码，所述第P验证码与所述第P密钥信息一一对应，其中，P为大于1的自然数；

将所有的密码信息和验证码分别复制保存在Q台设备上，其中，Q为大于1的自然数。

8.一种基于大数据的病案统计管理系统，其中，所述系统包括：

第一获得单元：所述第一获得单元用于获得第一用户的第一身体指标信息，所述第一身体指标信息由所述可穿戴智能设备检测所得；

第二获得单元：所述第二获得单元用于获得所述第一用户的家庭遗传病史信息；

第一输入单元：所述第一输入单元用于将所述第一身体指标信息和所述家庭遗传病史信息输入第一训练模型，所述第一训练模型通过多组训练数据训练所得，所述多组训练数据中的每一组训练数据均包括：所述第一身体指标信息、所述家庭遗传病史信息和用来标识第一疾病信息的患病率的标识信息；

第三获得单元：所述第三获得单元用于获得所述第一训练模型的输出信息，所述输出信息包括第一用户的第一疾病信息的患病率；

第一判断单元：所述第一判断单元用于判断所述患病率是否满足第一预设阈值；

第一上传单元：所述第一上传单元用于若所述患病率满足第一预设阈值，将所述第一疾病信息上传至所述第一用户的病案统计管理数据库；

第一追踪单元：所述第一追踪单元用于对所述第一疾病信息进行实时追踪，并适时更新所述第一用户的病案统计管理数据库。

9.一种基于大数据的病案统计管理系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。

Images