CN112530537A - 一种基于算法、医学影像和区块链的大健康管理平台 - Google Patents

一种基于算法、医学影像和区块链的大健康管理平台 Download PDF

Info

Publication number
CN112530537A
CN112530537A CN202011478016.5A CN202011478016A CN112530537A CN 112530537 A CN112530537 A CN 112530537A CN 202011478016 A CN202011478016 A CN 202011478016A CN 112530537 A CN112530537 A CN 112530537A
Authority
CN
China
Prior art keywords
data
medical
server
particle
big health
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
Application number
CN202011478016.5A
Other languages
English (en)
Other versions
CN112530537B (zh
Inventor
罗鑫龙
王洪平
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.)
Chongqing Zhonglian Information Industry Co ltd
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202011478016.5A priority Critical patent/CN112530537B/zh
Publication of CN112530537A publication Critical patent/CN112530537A/zh
Application granted granted Critical
Publication of CN112530537B publication Critical patent/CN112530537B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Primary Health Care (AREA)
  • Bioethics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明提供一种基于算法、医学影像和区块链的大健康管理平台和管理方法。其中，所述管理方法应用于大健康服务器，所述大健康服务器作为区块链网络的一个节点，所述区块链网络的节点还包括：用户端、生活服务器以及医疗服务器。所述管理方法包括：接收到所述存证交易后，并从所述存证交易中读取签名后的数据，以及利用所述用户端的公钥对所述签名后的数据进行验签；在验签通过的情况下，验签后的数据中读取加密后的大健康数据，并利用大健康服务器自身的私钥，对加密后的大健康数据进行解密；从解密后的大健康数据中读取用户的生活数据和医疗数据，并根据读取的生活数据和医疗数据，对所述用户的大健康水平进行评分。

Description

一种基于算法、医学影像和区块链的大健康管理平台
技术领域
本发明涉及大健康技术领域，特别是涉及一种基于算法、医学影像和区块链的大健康管理平台和管理方法。
背景技术
由于生活节奏的加快、生活压力的提高、生态环境的恶化以及医疗资源短缺等因素影响，慢性疾病的发病率呈逐年上升趋势，已成为当前危害健康、影响生活质量的社会问题。越来越多的年轻人出现了或轻或重的健康问题。然而，当人们试图寻求医生或营养师的帮助时，却由于医生掌握的医疗数据较少，也没有能力对人们的日常生活进行密切跟踪，因此难以为人们改善亚健康提供精确有效的指导和帮助。
发明内容
本发明实施例的目的在于提供一种基于算法、医学影像和区块链的大健康管理平台和管理方法，具体技术方案如下：
在本发明实施例的第一方面，提供一种基于医学影像和区块链的大健康管理平台，所述大健康管理包括：用户端、生活服务器、医疗服务器以及大健康服务器；所述用户端、生活服务器、医疗服务器以及大健康服务器作为区块链网络的节点，组成区块链网络；
其中，所述用户端存储有用户与所述生活服务器交互时产生的生活数据，还存储有用户与所述医疗服务器交互时产生的医疗数据，所述医疗数据中包含用户的医学影像；所述生活服务器存储有各个用户的生活数据；所述医疗服务器存储有各个用户的医疗数据；
所述用户端利用所述生活服务器的公钥，对用户端存储的生活数据进行加密，得到加密后的生活数据；所述用户端还利用所述医疗服务器的公钥，对用户端存储的医疗数据进行加密，得到加密后的医疗数据；所述用户端还将其存储的生活数据和医疗数据作为大健康数据，并利用所述大健康服务器的公钥，对所述大健康数据进行加密，得到加密后的大健康数据；所述用户端对加密后的生活数据、加密后的医疗数据、以及加密后的大健康数据进行打包，并利用用户端自身的私钥对打包后的数据进行签名，得到签名后的数据；
用户端针对签名后的数据生成存证交易，并将该存证交易发送给所述区块链网络内的每个节点；
所述大健康服务器接收到所述存证交易后，从所述存证交易中读取签名后的数据，并利用所述用户端的公钥对所述签名后的数据进行验签；在验签通过的情况下，所述大健康服务器读取加密后的大健康数据，并利用大健康服务器自身的私钥，对加密后的大健康数据进行解密；
所述大健康服务器从解密后的大健康数据中读取用户的生活数据和医疗数据，并根据读取的生活数据和医疗数据，对所述用户的大健康水平进行评分。
在本发明实施例的第二方面，提供一种基于医学影像和区块链的大健康管理方法，应用于大健康服务器，所述大健康服务器作为区块链网络的一个节点，所述区块链网络的节点还包括：用户端、生活服务器以及医疗服务器；
其中，所述用户端用于执行以下步骤：利用所述生活服务器的公钥，对用户端存储的生活数据进行加密，得到加密后的生活数据；利用所述医疗服务器的公钥，对用户端存储的医疗数据进行加密，得到加密后的医疗数据；将用户端存储的生活数据和医疗数据作为大健康数据，并利用所述大健康服务器的公钥，对所述大健康数据进行加密，得到加密后的大健康数据；对加密后的生活数据、加密后的医疗数据、以及加密后的大健康数据进行打包，并利用用户端自身的私钥对打包后的数据进行签名，得到签名后的数据；针对签名后的数据生成存证交易，并将该存证交易发送给所述区块链网络内的每个节点；
所述方法包括：
接收到所述存证交易后，并从所述存证交易中读取签名后的数据，以及利用所述用户端的公钥对所述签名后的数据进行验签；
在验签通过的情况下，验签后的数据中读取加密后的大健康数据，并利用大健康服务器自身的私钥，对加密后的大健康数据进行解密；
从解密后的大健康数据中读取用户的生活数据和医疗数据，并根据读取的生活数据和医疗数据，对所述用户的大健康水平进行评分。
本发明中，通过用户端、生活服务器、医疗服务器以及大健康服务器组成区块链网络，用户端将生活数据和医疗数据等经过加密和签名后，以存证交易的方式发布至区块链网络，从而通过区块链网络对这些数据进行存证，防止数据被篡改，提高了数据安全。此外，生活数据和医疗数据是经过加密的，因此可以防止生活数据和医疗数据的明文被获取，导致用户隐私泄露。
此外本发明中，大健康服务器在获取到签名后的大健康数据后，利用用户端的公钥进行验签，从而验证数据是否经过篡改。在验签通过的情况下，大健康服务器从验签后的大健康数据中提取经过加密的大健康数据，并利用自身私钥进行解密。接着大健康服务器从解密后的大健康数据中读取用户的生活数据和医疗数据，并根据读取的生活数据和医疗数据，对用户的大健康水平进行评分。可见本发明中，大健康服务器在进行评分时，具有充足的用户数据支持，因此可以为人们改善亚健康提供精确有效的指导和帮助。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，以下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而言，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附图。
图1是本发明一实施例提出的基于医学影像和区块链的大健康管理平台的示意图；
图2是本发明一实施例提出的基于医学影像和区块链的大健康管理方法的流程图。
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、完整的描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。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。
由于生活节奏的加快、生活压力的提高、生态环境的恶化以及医疗资源短缺等因素影响，慢性疾病的发病率呈逐年上升趋势，已成为当前危害健康、影响生活质量的社会问题。越来越多的年轻人出现了或轻或重的健康问题。然而，当人们试图寻求医生或营养师的帮助时，却由于医生掌握的医疗数据较少，也没有能力对人们的日常生活进行密切跟踪，因此难以为人们改善亚健康提供精确有效的指导和帮助。
有鉴于此，本发明通过以下实施例提出基于医学影像和区块链的大健康管理平台和管理方法，旨在为人们改善亚健康提供精确有效的指导和帮助。
参考图1，图1是本发明一实施例提出的基于医学影像和区块链的大健康管理平台的示意图。如图1所示，该大健康管理平台包括：用户端、生活服务器、医疗服务器以及大健康服务器，所述用户端、生活服务器、医疗服务器以及大健康服务器作为区块链网络的节点，组成区块链网络。
需要说明的是，用户端、生活服务器、医疗服务器以及大健康服务器均运行有区块链程序，通过运行区块链程序，从而实现区块链技术。
其中，所述用户端存储有用户与所述生活服务器交互时产生的生活数据，还存储有用户与所述医疗服务器交互时产生的医疗数据，所述医疗数据中包含用户的医学影像；所述生活服务器存储有各个用户的生活数据；所述医疗服务器存储有各个用户的医疗数据。
如图1所示，所述用户端利用所述生活服务器的公钥，对用户端存储的生活数据进行加密，得到加密后的生活数据；所述用户端还利用所述医疗服务器的公钥，对用户端存储的医疗数据进行加密，得到加密后的医疗数据；所述用户端还将其存储的生活数据和医疗数据作为大健康数据，并利用所述大健康服务器的公钥，对所述大健康数据进行加密，得到加密后的大健康数据；所述用户端对加密后的生活数据、加密后的医疗数据、以及加密后的大健康数据进行打包，并利用用户端自身的私钥对打包后的数据进行签名，得到签名后的数据。
如图1所示，用户端针对签名后的数据生成存证交易，并将该存证交易发送给所述区块链网络内的每个节点。
具体实现时，当用户端得到签名后的数据后，将签名后的数据填充至预设的存证交易模块，从而生成存证交易。
如图1所示，所述大健康服务器接收到所述存证交易后，从所述存证交易中读取签名后的数据，并利用所述用户端的公钥对所述签名后的数据进行验签；在验签通过的情况下，所述大健康服务器读取加密后的大健康数据，并利用大健康服务器自身的私钥，对加密后的大健康数据进行解密。
需要说明的是，大健康服务器利用用户端的公钥对签名后的数据进行验签时，如果验签通过，则说明数据没有被篡改，因此可以执行后续操作。而如果验签未通过，则说明数据已经被篡改，因此可以终止执行后续操作。
如图1所示，所述大健康服务器从解密后的大健康数据中读取用户的生活数据和医疗数据，并根据读取的生活数据和医疗数据，对所述用户的大健康水平进行评分。
本发明中，通过用户端、生活服务器、医疗服务器以及大健康服务器组成区块链网络，用户端将生活数据和医疗数据等经过加密和签名后，以存证交易的方式发布至区块链网络，从而通过区块链网络对这些数据进行存证，防止数据被篡改，提高了数据安全。此外，生活数据和医疗数据是经过加密的，因此可以防止生活数据和医疗数据的明文被获取，导致用户隐私泄露。
此外本发明中，大健康服务器在获取到签名后的大健康数据后，利用用户端的公钥进行验签，从而验证数据是否经过篡改。在验签通过的情况下，大健康服务器从验签后的大健康数据中提取经过加密的大健康数据，并利用自身私钥进行解密。接着大健康服务器从解密后的大健康数据中读取用户的生活数据和医疗数据，并根据读取的生活数据和医疗数据，对用户的大健康水平进行评分。可见本发明中，大健康服务器在进行评分时，具有充足的用户数据支持，因此可以为人们改善亚健康提供精确有效的指导和帮助。
可选地，在一些具体实施方式中，大健康服务器在根据读取的生活数据和医疗数据，对用户的大健康水平进行评分时，具体用于：所述大健康服务器从读取的医疗数据中进一步读取医疗影像，并利用高斯滤波算法，对读取的医学影像进行滤波，以滤除所述医学影像的图像噪声，得到去噪后的医学影像；然后根据读取的生活数据和去噪后的医学影像，对所述用户的大健康水平进行评分。
本发明中，通过对医疗影像进行高斯滤波，可以滤除医疗影像中的图像噪声。然后基于去噪后的医学影像对用户的大健康水平进行评分，可以减轻图像噪声对评分的影响。
可选地，在一些具体实施方式中，大健康服务器在根据读取的生活数据和去噪后的医学影像，对用户的大健康水平进行评分时，具体用于：所述大健康服务器从所述生活数据中读取美食外卖数据和运动数据，并根据所述美食外卖数据生成热量摄入数据，以及根据所述运动数据生成热量消耗数据；所述大健康服务器根据所述热量摄入数据和所述热量消耗数据，生成生活类评分。所述大健康服务器将所述去噪后的医学影像输入疾病预测模型，得到所述疾病预测模型输出的疾病预测结果，所述大健康服务器将所述疾病预测结果作为疾病类评分。所述大健康服务器根据所述生活类评分及其权重、以及所述疾病类评分及其权重，生成所述用户的大健康评分结果。
作为优选，所述疾病预测模型采用bp神经网络进行预测，采用粒子群算法对疾病预测模型采用的BP神经网络的初始权值和阈值进行优化，所述粒子群算法采用ITAE性能指标作为粒子群算法的适应度函数，粒子的适应度函数值越小，代表粒子的寻优结果越好，粒子群算法按照下列方式进行更新：
Bi(r+1)＝ωi(r)Bi(r)+c1r1(Pi(r)-Xi(r))+c2r2(G(r)-Xi(r))+θ(r)r3(Ki(r)-Xi(r))
Xi(r+1)＝Xi(r)+Bi(r+1)
式中，Bi(r+1)表示粒子i在第(r+1)次迭代时的步长，Xi(r+1)表示粒子i在第(r+1)次迭代时的解，Bi(r)表示粒子i在第r次迭代时的步长，Xi(r)表示粒子i在第r次迭代时的解，ωi(r)表示粒子i在第r次迭代时的惯性权重因子，c1和c2表示粒子的学习因子，r1、r2和r3表示随机产生(0,1)之间的随机数，Pi(r)表示粒子i在第r次迭代时的历史最优解，G(r)表示粒子群在第r次迭代时的全局最优解，θ(r)表示粒子群在第r次迭代时的寻优调节值，Ki(r)表示粒子i在第r次迭代时的寻优调节解，且θ(r)和Ki(r)的值采用下列方式确定：
对粒子群中的粒子进行标记，给定第一寻优分布检测阈值Q1(r)和第二寻优分布检测阈值Q2(r)，且
Figure BDA0002836291300000061
Figure BDA0002836291300000062
其中，
Figure BDA0002836291300000063
表示粒子群在第r次迭代时的适应度函数值的均值，fmin(r)表示粒子群在第r次迭代时的适应度函数值的最小值；设fi(r)表示粒子i在第r次迭代时的适应度函数值，当粒子i满足fi(r)≤Q1(r)时，则将粒子i标记为1，当粒子i满足Q1(r)＜fi(r)≤Q2(r)时，则将粒子i标记为2，当粒子i满足fi(r)＞Q2(r)时，则将粒子i标记为3；定义F(r)表示粒子群在第r次迭代时的寻优分布检测系数，且F(r)的表达式为：
Figure BDA0002836291300000064
式中，n1(r)表示在第r次迭代时粒子群中被标记为1的粒子数，n2(r)表示在第r次迭代时粒子群中被标记为2的粒子数，n3(r)表示在第r次迭代时粒子群中被标记为3的粒子数，N表示粒子群中的粒子数；
给定粒子群在第r次迭代时的寻优分布检测参考值TF(r)，且TF(r)的表达式为：
Figure BDA0002836291300000065
式中，N(0)表示给定的寻优分布检测参考值的初始值，N(0)为正整数，且N(0)＜N，γ(r)表示粒子群在第r次迭代时对应的寻优分布检测参考值的调节系数，且
Figure BDA0002836291300000066
Figure BDA0002836291300000067
r表示粒子群的当前迭代次数，Rmax表示粒子群的最大迭代次数；
当粒子群在第r次迭代时满足F(r)≤TF(r)时，则令θ(r)＝0；
当粒子群在第r次迭代时满足F(r)＞TF(r)时，则令θ(r)＝1，且当
Figure BDA0002836291300000068
Figure BDA0002836291300000069
时，令
Figure BDA00028362913000000610
当
Figure BDA00028362913000000611
时，令
Figure BDA00028362913000000612
Figure BDA0002836291300000071
其中，Xi,2(r)表示粒子群中距离粒子i最近的且被标记为2的粒子在第r次迭代时的解，Xi,1(r)表示粒子群中距离粒子i最近的且被标记为1的粒子在第r次迭代时的解，G2(r)表示粒子群中被标记为2的粒子中的适应度函数值最小的粒子对应的解，G1(r)表示粒子群中被标记为1的粒子中的适应度函数值最小的粒子对应的解，ρi(r)表示粒子i在第r次迭代时的标记值，当粒子i在第r次迭代被标记为1时，则ρi(r)＝1，当粒子i在第r次迭代被标记为2时，则ρi(r)＝2，当粒子i在第r次迭代被标记为3时，则ρi(r)＝3。
本优选实施例提出了一种新的粒子群算法中粒子的更新方式，在传统的粒子群算法的更新公式中额外引入了寻优调节解的学习项，给定第一寻优分布检测阈值和第二寻优分布检测阈值将粒子群中的粒子标记为三类，第一类为寻优结果较为优秀的粒子，第二类为寻优结果较为良好的粒子，第三类为寻优结果一般的粒子，粒子群中寻优结果较为优秀的粒子和较为良好的粒子作为粒子群中寻优性能较好的粒子具有更大概率找到最优解，也在寻优过程中具有较大概率容易陷入局部极值，针对上述情况，本优选实施例提出了寻优分布检测系数，并给定了寻优分布检测参考值，通过比较寻优分布检测系数和所述寻优检测参考值之间的关系自适应的确定粒子群中各粒子的寻优方式，从而在保证粒子群算法的收敛速度的同时，避免粒子群算法陷入局部极值，具体为：所述寻优分布检测系数通过统计第一类粒子数和第二类粒子数之间的差值来衡量所述粒子群中寻优结果较为优秀的粒子和粒子群中寻优结果较为良好的粒子之间的分布情况，当所述寻优分布检测系数的值在给定的寻优分布检测参考值的范围内时，表明所述第一类粒子数和第二类粒子数之间的差值在给定的允许范围内，即表明了粒子群中寻优性能较好的粒子分布的较为均匀，具有较小概率陷入局部极值，此时，令粒子群的寻优调节值为0，即令粒子群中粒子按照传统的方式进行更新；而当所述寻优分布检测系数的值超出给定的寻优分布检测参考值时，表明所述第一类粒子数和第二类粒子数之间的差值较大，即表明粒子群中寻优性能较好的粒子存在部分分布过于集中的现象，此时，令粒子群的寻优调节值为1，即对粒子群中寻优性能较好的粒子进行调节，具体为：当第一类粒子的数量超出第二类粒子的数量在允许范围之外时，当粒子为第二类粒子时，令该粒子的寻优调节解为粒子群中标记为2的粒子中适应度函数值最小的粒子对应的解，当粒子不为第二类粒子时，令该粒子的寻优调节解为距离其最近的且标记为2的粒子在当前迭代时对应的解，即通过在粒子的更新公式中额外添加向第二类粒子的解进行学习的方式调节第一类粒子和第二粒子之间粒子数的分布情况，当第二类粒子的数量超出第一类粒子的数量在允许范围之外时，同样按照上述逻辑在粒子的更新公式中额外添加向第一类粒子的解进行学习的方式调节第二类粒子和第一类粒子之间粒子数的分布情况，保证粒子群中寻优性能较好的粒子分布的较为均匀，避免粒子群中寻优性能较好的粒子出现分布的过于集中的现象，从而避免粒子群算法陷入局部极值的现象，能够有效的提高粒子算法的寻优性能；此外，在寻优分布检测系数的参考值中引入的参考值调节系数用于在粒子群算法的迭代后期增加寻优分布检测参考值的数值大小，从而保证了粒子群算法的收敛速度。
为便于理解，示例地，一方面，大健康服务器从生活数据中读取出美食外卖数据后，根据用户每天摄入的食品类型和每种食品类型对应的热量值，计算用户平均每天的热量摄入数据。大健康服务器从生活数据中读取运动数据后，根据运动数据中记录的运动类型、运动时间、以及每种运动类型对应的单位时间热量消耗量，计算用户平均每天的热量消耗数据。
在计算出热量摄入数据和热量消耗数据之后，计算两者之差的绝对值。然后将该绝对值进行归一化，得到一个介于0到1之间的数据，作为生活类评分。其中，绝对值越小，生活类评分越大，热量摄入和消耗越平衡。例如，可以将绝对值的倒数作为生活类评分。
另一方面，大健康服务器得到去噪后的医学影像后，可以将医学影像输入预先训练的疾病预测模型中，疾病预测模型通过对医学影像进行卷积、池化以及全连接操作，输出一个介于0到1之间的数值，该数值越大，表示从该医学影像中检测到疾病的可能性越大。为此，利用1减去该数值，得到疾病类评分。疾病类评分越大，说明用户患病的可能性越小。需要说明的是，上述疾病预测模型可采用现有的疾病预测模型，也可以自行训练疾病预测模型。考虑到疾病预测模型的训练方式是成熟的现有技术，因此本发明不再赘述疾病预测模型的训练方式。
通过上述两方面后，得到生活类评分和疾病类评分，生活类评分和疾病类评分均是介于0到1之间的小数。如前所述，生活类评分越大，说明热量摄入和消耗越平衡。疾病类评分越大，说明用户患病的可能性越小。接着，大健康服务器根据生活类评分及其权重、以及疾病类评分及其权重，生成用户的大健康评分结果。为便于理解，示例地，假设生活类评分的权重为0.4，疾病类评分的权重为0.6，生活类评分等于0.8，疾病类评分等于0.7，则用户的大健康评分结果等于0.4×0.8+0.6×0.7＝0.74。
可选地，在一些具体实施方式中，如图1所示，所述生活服务器接收到所述存证交易后，从所述存证交易中读取签名后的数据，并利用所述用户端的公钥对所述签名后的数据进行验签；在验签通过的情况下，所述生活服务器读取加密后的生活数据，并利用生活服务器自身的私钥，对加密后的生活数据进行解密，得到解密后的生活数据。
然后，所述生活服务器将解密后的生活数据与自身存储的该用户的生活数据进行对比。如果两者一致，则说明用户端发送的生活数据是真实的，没有被篡改。于是，生活服务器生成该生活数据的hash值，并将生活数据的hash值发送给所述大健康服务器。
同样地，如图1所示，所述医疗服务器接收到所述存证交易后，从所述存证交易中读取签名后的数据，并利用所述用户端的公钥对所述签名后的数据进行验签；在验签通过的情况下，所述医疗服务器读取加密后的医疗数据，并利用医疗服务器自身的私钥，对加密后的医疗数据进行解密，得到解密后的医疗数据。
然后，所述医疗服务器将解密后的医疗数据与自身存储的该用户的医疗数据进行对比。如果两者一致，则说明用户端发送的医疗数据是真实的，没有被篡改。于是，医疗服务器生成该医疗数据的hash值，并将医疗数据的hash值发送给所述大健康服务器。
需要说明的是，本发明中，生活服务器通过向大健康服务器发送hash值，证明生活服务器确认存证交易中加密后的生活数据是真实的。同样地，医疗服务器通过向大健康服务器发送hash值，证明生活服务器确认存证交易中加密后的医疗数据是真实的。
如图1所示，所述大健康服务器接收到生活数据的hash值和医疗数据的hash值后，从解密后的大健康数据中读取用户的生活数据，并计算该生活数据的hash值，以及将该hash值与接收的生活数据的hash值比较。所述大健康服务器还从解密后的大健康数据中读取用户的医疗数据，并计算该医疗数据的hash值，以及将该hash值与接收的医疗数据的hash值比较。在两对hash值均一致的情况下，所述大健康服务器才根据读取的生活数据和医疗数据，对所述用户的大健康水平进行评分。
需要说明的是，本发明中，如果大健康服务器为生活数据计算出的hash指等于从生活服务器接收到的hash值，则说明存证交易中的大健康数据中的生活数据与存证交易中的生活数据一致。又由于存证交易中的生活数据已经被生活服务器确认是真实的，因此存证交易中的大健康数据中的生活数据也是真实的。如此，大健康服务器后续可以放心地利用大健康数据中的生活数据，进行大健康水平评分。
同样地，如果大健康服务器为医疗数据计算出的hash指等于从医疗服务器接收到的hash值，则说明存证交易中的大健康数据中的医疗数据与存证交易中的医疗数据一致。又由于存证交易中的医疗数据已经被医疗服务器确认是真实的，因此存证交易中的大健康数据中的医疗数据也是真实的。如此，大健康服务器后续可以放心地利用大健康数据中的医疗数据，进行大健康水平评分。
本发明中，生活数据、医疗数据以及大健康数据在区块链网络内传递期间，都是加密的形式。而通过上述操作，使得大健康服务器可以根据生活服务器发送的hash值，以检验大健康数据中包含的生活数据的真实性，还可以根据医疗服务器发送的hash值，以检验大健康数据中包含的医疗数据的真实性。如此，可以进一步提高大健康评分的安全性。
可选地，在一些具体实施方式中，如图1所示，所述大健康服务器在对所述用户的大健康水平进行评分后，所述大健康服务器还利用所述用户端的公钥，对评分结果进行加密，得到加密后的评分结果；所述大健康服务器利用自身私钥对加密后的评分结果进行签名，得到签名后的评分结果；所述大健康服务器将签名后的评分结果发布到区块链网络中，以进行存证。
如图1所示，所述用户端接收到所述签名后的评分结果后，利用所述大健康服务器的公钥进行验签；在验签通过的情况下，利用自身私钥对加密后的评分结果进行解密，得到评分结果的明文。
需要说明的是，本发明中，如果用户端利用大健康服务器的公钥对评分结果验签通过，则说明该评分结果的确来自于大健康服务器，且并没有被黑客篡改。如此，用户端可以利用自身私钥对加密后的评分结果进行解密，得到评分结果的明文。
基于同一发明构思，本发明提出基于医学影像和区块链的大健康管理方法。参考图2，图2是本发明一实施例提出的基于医学影像和区块链的大健康管理方法的流程图。需要说明的是，图2所示的管理方法可与图2所示的管理平台相互参照。
图2所示的管理方法应用于大健康服务器，所述大健康服务器作为区块链网络的一个节点，所述区块链网络的节点还包括：用户端、生活服务器以及医疗服务器。
其中，所述用户端用于执行以下步骤：利用所述生活服务器的公钥，对用户端存储的生活数据进行加密，得到加密后的生活数据；利用所述医疗服务器的公钥，对用户端存储的医疗数据进行加密，得到加密后的医疗数据；将用户端存储的生活数据和医疗数据作为大健康数据，并利用所述大健康服务器的公钥，对所述大健康数据进行加密，得到加密后的大健康数据；对加密后的生活数据、加密后的医疗数据、以及加密后的大健康数据进行打包，并利用用户端自身的私钥对打包后的数据进行签名，得到签名后的数据；针对签名后的数据生成存证交易，并将该存证交易发送给所述区块链网络内的每个节点。
如图2所示，该管理方法包括以下步骤：
步骤S21：接收到所述存证交易后，并从所述存证交易中读取签名后的数据，以及利用所述用户端的公钥对所述签名后的数据进行验签。
步骤S22：在验签通过的情况下，验签后的数据中读取加密后的大健康数据，并利用大健康服务器自身的私钥，对加密后的大健康数据进行解密。
步骤S23：从解密后的大健康数据中读取用户的生活数据和医疗数据，并根据读取的生活数据和医疗数据，对所述用户的大健康水平进行评分。
可选地，在一些具体实施方式中，上述步骤S23包括以下子步骤：
子步骤S23-1：从读取的医疗数据中进一步读取医疗影像。
子步骤S23-2：并利用高斯滤波算法，对读取的医学影像进行滤波，以滤除所述医学影像的图像噪声，得到去噪后的医学影像。
子步骤S23-3：根据读取的生活数据和去噪后的医学影像，对所述用户的大健康水平进行评分。
可选地，在一些具体实施方式中，在执行上述子步骤S23-3时，具体地，可以从所述生活数据中读取美食外卖数据和运动数据，并根据所述美食外卖数据生成热量摄入数据，以及根据所述运动数据生成热量消耗数据，再根据所述热量摄入数据和所述热量消耗数据，生成生活类评分；将所述去噪后的医学影像输入疾病预测模型，得到所述疾病预测模型输出的疾病预测结果，将所述疾病预测结果作为疾病类评分；然后根据所述生活类评分及其权重、以及所述疾病类评分及其权重，生成所述用户的大健康评分结果。
可选地，在一些具体实施方式中，所述生活服务器用于执行以下步骤：在接收到所述存证交易后，从所述存证交易中读取签名后的数据，并利用所述用户端的公钥对所述签名后的数据进行验签；在验签通过的情况下，读取加密后的生活数据，并利用生活服务器自身的私钥，对加密后的生活数据进行解密，得到解密后的生活数据；将解密后的生活数据与自身存储的该用户的生活数据进行对比，在两者一致的情况下，生成该生活数据的hash值，并将生活数据的hash值发送给所述大健康服务器。
所述医疗服务器用于执行以下步骤：在接收到所述存证交易后，从所述存证交易中读取签名后的数据，并利用所述用户端的公钥对所述签名后的数据进行验签；在验签通过的情况下，读取加密后的医疗数据，并利用医疗服务器自身的私钥，对加密后的医疗数据进行解密，得到解密后的医疗数据；将解密后的医疗数据与自身存储的该用户的医疗数据进行对比，在两者一致的情况下，生成该医疗数据的hash值，并将医疗数据的hash值发送给所述大健康服务器。
所述管理方法还包括以下步骤：大健康服务器在接收到生活数据的hash值和医疗数据的hash值后，从解密后的大健康数据中读取用户的生活数据，并计算该生活数据的hash值，以及将该hash值与接收的生活数据的hash值比较；所述大健康服务器还从解密后的大健康数据中读取用户的医疗数据，并计算该医疗数据的hash值，以及将该hash值与接收的医疗数据的hash值比较。
在两对hash值均一致的情况下，所述大健康服务器才根据读取的生活数据和医疗数据，对所述用户的大健康水平进行评分。
可选地，在一些具体实施方式中，所述管理方法还包括以下步骤：大健康服务器在对所述用户的大健康水平进行评分后，利用所述用户端的公钥，对评分结果进行加密，得到加密后的评分结果；大健康服务器利用所述大健康服务器自身的私钥对加密后的评分结果进行签名，得到签名后的评分结果；大健康服务器将签名后的评分结果发布到区块链网络中，以进行存证。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种基于医学影像和区块链的大健康管理平台，其特征在于，所述大健康管理包括：用户端、生活服务器、医疗服务器以及大健康服务器；所述用户端、生活服务器、医疗服务器以及大健康服务器作为区块链网络的节点，组成区块链网络；
其中，所述用户端存储有用户与所述生活服务器交互时产生的生活数据，还存储有用户与所述医疗服务器交互时产生的医疗数据，所述医疗数据中包含用户的医学影像；所述生活服务器存储有各个用户的生活数据；所述医疗服务器存储有各个用户的医疗数据；
所述用户端利用所述生活服务器的公钥，对用户端存储的生活数据进行加密，得到加密后的生活数据；所述用户端还利用所述医疗服务器的公钥，对用户端存储的医疗数据进行加密，得到加密后的医疗数据；所述用户端还将其存储的生活数据和医疗数据作为大健康数据，并利用所述大健康服务器的公钥，对所述大健康数据进行加密，得到加密后的大健康数据；所述用户端对加密后的生活数据、加密后的医疗数据、以及加密后的大健康数据进行打包，并利用用户端自身的私钥对打包后的数据进行签名，得到签名后的数据；
用户端针对签名后的数据生成存证交易，并将该存证交易发送给所述区块链网络内的每个节点；
所述大健康服务器接收到所述存证交易后，从所述存证交易中读取签名后的数据，并利用所述用户端的公钥对所述签名后的数据进行验签；在验签通过的情况下，所述大健康服务器读取加密后的大健康数据，并利用大健康服务器自身的私钥，对加密后的大健康数据进行解密；
所述大健康服务器从解密后的大健康数据中读取用户的生活数据和医疗数据，并根据读取的生活数据和医疗数据，对所述用户的大健康水平进行评分。
2.根据权利要求1所述的基于医学影像和区块链的大健康管理平台，其特征在于，所述大健康服务器在根据读取的生活数据和医疗数据，对所述用户的大健康水平进行评分时，具体用于：
所述大健康服务器从读取的医疗数据中进一步读取医疗影像，并利用高斯滤波算法，对读取的医学影像进行滤波，以滤除所述医学影像的图像噪声，得到去噪后的医学影像；然后根据读取的生活数据和去噪后的医学影像，对所述用户的大健康水平进行评分。
3.根据权利要求2所述的基于医学影像和区块链的大健康管理平台，其特征在于，所述大健康服务器在根据读取的生活数据和去噪后的医学影像，对所述用户的大健康水平进行评分时，具体用于：
所述大健康服务器从所述生活数据中读取美食外卖数据和运动数据，并根据所述美食外卖数据生成热量摄入数据，以及根据所述运动数据生成热量消耗数据；所述大健康服务器根据所述热量摄入数据和所述热量消耗数据，生成生活类评分；
所述大健康服务器将所述去噪后的医学影像输入疾病预测模型，得到所述疾病预测模型输出的疾病预测结果，所述大健康服务器将所述疾病预测结果作为疾病类评分；
所述大健康服务器根据所述生活类评分及其权重、以及所述疾病类评分及其权重，生成所述用户的大健康评分结果。
4.根据权利要求3所述的基于医学影像和区块链的大健康管理平台，其特征在于：
所述疾病预测模型采用bp神经网络进行预测，采用粒子群算法对疾病预测模型采用的BP神经网络的初始权值和阈值进行优化，粒子群算法按照下列方式进行更新：
Bi(r+1)＝ωi(r)Bi(r)+c1r1(Pi(r)-Xi(r))+c2r2(G(r)-Xi(r))+θ(r)r3(Ki(r)-Xi(r))
Xi(r+1)＝Xi(r)+Bi(r+1)
式中，Bi(r+1)表示粒子i在第(r+1)次迭代时的步长，Xi(r+1)表示粒子i在第(r+1)次迭代时的解，Bi(r)表示粒子i在第r次迭代时的步长，Xi(r)表示粒子i在第r次迭代时的解，ωi(r)表示粒子i在第r次迭代时的惯性权重因子，c1和c2表示粒子的学习因子，r1、r2和r3表示随机产生(0，1)之间的随机数，Pi(r)表示粒子i在第r次迭代时的历史最优解，G(r)表示粒子群在第r次迭代时的全局最优解，θ(r)表示粒子群在第r次迭代时的寻优调节值，Ki(r)表示粒子i在第r次迭代时的寻优调节解，且θ(r)和Ki(r)的值采用下列方式确定：
对粒子群中的粒子进行标记，给定第一寻优分布检测阈值Q1(r)和第二寻优分布检测阈值Q2(r)，且
Figure FDA0002836291290000024
其中，
Figure FDA0002836291290000022
表示粒子群在第r次迭代时的适应度函数值的均值，fmin(r)表示粒子群在第r次迭代时的适应度函数值的最小值；设fi(r)表示粒子i在第r次迭代时的适应度函数值，当粒子i满足fi(r)≤Q1(r)时，则将粒子i标记为1，当粒子i满足Q1(r)＜fi(r)≤Q2(r)时，则将粒子i标记为2，当粒子i满足fi(r)＞Q2(r)时，则将粒子i标记为3；定义F(r)表示粒子群在第r次迭代时的寻优分布检测系数，且F(r)的表达式为：
Figure FDA0002836291290000023
式中，n1(r)表示在第r次迭代时粒子群中被标记为1的粒子数，n2(r)表示在第r次迭代时粒子群中被标记为2的粒子数，n3(r)表示在第r次迭代时粒子群中被标记为3的粒子数，N表示粒子群中的粒子数；
给定粒子群在第r次迭代时的寻优分布检测参考值TF(r)，且TF(r)的表达式为：
Figure FDA0002836291290000031
式中，N(0)表示给定的寻优分布检测参考值的初始值，N(0)为正整数，且N(0)＜N，γ(r)表示粒子群在第r次迭代时对应的寻优分布检测参考值的调节系数，且
Figure FDA0002836291290000032
Figure FDA0002836291290000033
r表示粒子群的当前迭代次数，Rmax表示粒子群的最大迭代次数；
当粒子群在第r次迭代时满足F(r)≤TF(r)时，则令θ(r)＝0；
当粒子群在第r次迭代时满足F(r)＞TF(r)时，则令θ(r)＝1，且当
Figure FDA0002836291290000034
Figure FDA0002836291290000035
时，令
Figure FDA0002836291290000036
当
Figure FDA0002836291290000037
时，令
Figure FDA0002836291290000038
Figure FDA0002836291290000039
其中，Xi，2(r)表示粒子群中距离粒子i最近的且被标记为2的粒子在第r次迭代时的解，Xi，1(r)表示粒子群中距离粒子i最近的且被标记为1的粒子在第r次迭代时的解，G2(r)表示粒子群中被标记为2的粒子中的适应度函数值最小的粒子对应的解，G1(r)表示粒子群中被标记为1的粒子中的适应度函数值最小的粒子对应的解，ρi(r)表示粒子i在第r次迭代时的标记值，当粒子i在第r次迭代被标记为1时，则ρi(r)＝1，当粒子i在第r次迭代被标记为2时，则ρi(r)＝2，当粒子i在第r次迭代被标记为3时，则ρi(r)＝3。
5.根据权利要求1-4任一项所述的基于医学影像和区块链的大健康管理平台，其特征在于，所述生活服务器接收到所述存证交易后，从所述存证交易中读取签名后的数据，并利用所述用户端的公钥对所述签名后的数据进行验签；在验签通过的情况下，所述生活服务器读取加密后的生活数据，并利用生活服务器自身的私钥，对加密后的生活数据进行解密，得到解密后的生活数据；所述生活服务器将解密后的生活数据与自身存储的该用户的生活数据进行对比，在两者一致的情况下，生成该生活数据的hash值，并将生活数据的hash值发送给所述大健康服务器；
所述医疗服务器接收到所述存证交易后，从所述存证交易中读取签名后的数据，并利用所述用户端的公钥对所述签名后的数据进行验签；在验签通过的情况下，所述医疗服务器读取加密后的医疗数据，并利用医疗服务器自身的私钥，对加密后的医疗数据进行解密，得到解密后的医疗数据；所述医疗服务器将解密后的医疗数据与自身存储的该用户的医疗数据进行对比，在两者一致的情况下，生成该医疗数据的hash值，并将医疗数据的hash值发送给所述大健康服务器；
所述大健康服务器接收到生活数据的hash值和医疗数据的hash值后，从解密后的大健康数据中读取用户的生活数据，并计算该生活数据的hash值，以及将该hash值与接收的生活数据的hash值比较；所述大健康服务器还从解密后的大健康数据中读取用户的医疗数据，并计算该医疗数据的hash值，以及将该hash值与接收的医疗数据的hash值比较；在两对hash值均一致的情况下，所述大健康服务器才根据读取的生活数据和医疗数据，对所述用户的大健康水平进行评分。
6.根据权利要求1-4任一项所述的基于医学影像和区块链的大健康管理平台，其特征在于，所述大健康服务器在对所述用户的大健康水平进行评分后，所述大健康服务器还利用所述用户端的公钥，对评分结果进行加密，得到加密后的评分结果；所述大健康服务器利用自身私钥对加密后的评分结果进行签名，得到签名后的评分结果；所述大健康服务器将签名后的评分结果发布到区块链网络中，以进行存证；
所述用户端接收到所述签名后的评分结果后，利用所述大健康服务器的公钥进行验签；在验签通过的情况下，利用自身私钥对加密后的评分结果进行解密，得到评分结果的明文。
7.一种基于医学影像和区块链的大健康管理方法，其特征在于，应用于大健康服务器，所述大健康服务器作为区块链网络的一个节点，所述区块链网络的节点还包括：用户端、生活服务器以及医疗服务器；
其中，所述用户端用于执行以下步骤：利用所述生活服务器的公钥，对用户端存储的生活数据进行加密，得到加密后的生活数据；利用所述医疗服务器的公钥，对用户端存储的医疗数据进行加密，得到加密后的医疗数据；将用户端存储的生活数据和医疗数据作为大健康数据，并利用所述大健康服务器的公钥，对所述大健康数据进行加密，得到加密后的大健康数据；对加密后的生活数据、加密后的医疗数据、以及加密后的大健康数据进行打包，并利用用户端自身的私钥对打包后的数据进行签名，得到签名后的数据；针对签名后的数据生成存证交易，并将该存证交易发送给所述区块链网络内的每个节点；
所述方法包括：
接收到所述存证交易后，并从所述存证交易中读取签名后的数据，以及利用所述用户端的公钥对所述签名后的数据进行验签；
在验签通过的情况下，验签后的数据中读取加密后的大健康数据，并利用大健康服务器自身的私钥，对加密后的大健康数据进行解密；
从解密后的大健康数据中读取用户的生活数据和医疗数据，并根据读取的生活数据和医疗数据，对所述用户的大健康水平进行评分。
8.根据权利要求7所述的基于医学影像和区块链的大健康管理方法，其特征在于，所述根据读取的生活数据和医疗数据，对所述用户的大健康水平进行评分，包括：
从读取的医疗数据中进一步读取医疗影像；
并利用高斯滤波算法，对读取的医学影像进行滤波，以滤除所述医学影像的图像噪声，得到去噪后的医学影像；
根据读取的生活数据和去噪后的医学影像，对所述用户的大健康水平进行评分。
9.根据权利要求8所述的基于医学影像和区块链的大健康管理方法，其特征在于，根据读取的生活数据和去噪后的医学影像，对所述用户的大健康水平进行评分，包括：
从所述生活数据中读取美食外卖数据和运动数据，并根据所述美食外卖数据生成热量摄入数据，以及根据所述运动数据生成热量消耗数据，再根据所述热量摄入数据和所述热量消耗数据，生成生活类评分；
将所述去噪后的医学影像输入疾病预测模型，得到所述疾病预测模型输出的疾病预测结果，将所述疾病预测结果作为疾病类评分；
所述疾病预测模型采用bp神经网络进行预测，采用粒子群算法对疾病预测模型采用的BP神经网络的初始权值和阈值进行优化，粒子群算法按照下列方式进行更新：
Bi(r+1)＝ωi(r)Bi(r)+c1r1(Pi(r)-Xi(r))+c2r2(G(r)-Xi(r))+θ(r)r3(Ki(r)-Xi(r))
Xi(r+1)＝Xi(r)+Bi(r+1)
式中，Bi(r+1)表示粒子i在第(r+1)次迭代时的步长，Xi(r+1)表示粒子i在第(r+1)次迭代时的解，Bi(r)表示粒子i在第r次迭代时的步长，Xi(r)表示粒子i在第r次迭代时的解，ωi(r)表示粒子i在第r次迭代时的惯性权重因子，c1和c2表示粒子的学习因子，r1、r2和r3表示随机产生(0，1)之间的随机数，Pi(r)表示粒子i在第r次迭代时的历史最优解，G(r)表示粒子群在第r次迭代时的全局最优解，θ(r)表示粒子群在第r次迭代时的寻优调节值，Ki(r)表示粒子i在第r次迭代时的寻优调节解，且θ(r)和Ki(r)的值采用下列方式确定：
对粒子群中的粒子进行标记，给定第一寻优分布检测阈值Q1(r)和第二寻优分布检测阈值Q2(r)，且
Figure FDA0002836291290000061
其中，
Figure FDA0002836291290000062
表示粒子群在第r次迭代时的适应度函数值的均值，fmin(r)表示粒子群在第r次迭代时的适应度函数值的最小值；设fi(r)表示粒子i在第r次迭代时的适应度函数值，当粒子i满足fi(r)≤Q1(r)时，则将粒子i标记为1，当粒子i满足Q1(r)＜fi(r)≤Q2(r)时，则将粒子i标记为2，当粒子i满足fi(r)＞Q2(r)时，则将粒子i标记为3；定义F(r)表示粒子群在第r次迭代时的寻优分布检测系数，且F(r)的表达式为：
Figure FDA0002836291290000063
式中，n1(r)表示在第r次迭代时粒子群中被标记为1的粒子数，n2(r)表示在第r次迭代时粒子群中被标记为2的粒子数，n3(r)表示在第r次迭代时粒子群中被标记为3的粒子数，N表示粒子群中的粒子数；
给定粒子群在第r次迭代时的寻优分布检测参考值TF(r)，且TF(r)的表达式为：
Figure FDA0002836291290000064
式中，N(0)表示给定的寻优分布检测参考值的初始值，N(0)为正整数，且N(0)＜N，γ(r)表示粒子群在第r次迭代时对应的寻优分布检测参考值的调节系数，且
Figure FDA0002836291290000065
Figure FDA0002836291290000066
r表示粒子群的当前迭代次数，Rmax表示粒子群的最大迭代次数；
当粒子群在第r次迭代时满足F(r)≤TF(r)时，则令θ(r)＝0；
当粒子群在第r次迭代时满足F(r)＞TF(r)时，则令θ(r)＝1，且当
Figure FDA0002836291290000067
Figure FDA0002836291290000068
时，令
Figure FDA0002836291290000069
当
Figure FDA00028362912900000610
时，令
Figure FDA00028362912900000611
Figure FDA00028362912900000612
其中，Xi，2(r)表示粒子群中距离粒子i最近的且被标记为2的粒子在第r次迭代时的解，Xi，1(r)表示粒子群中距离粒子i最近的且被标记为1的粒子在第r次迭代时的解，G2(r)表示粒子群中被标记为2的粒子中的适应度函数值最小的粒子对应的解，G1(r)表示粒子群中被标记为1的粒子中的适应度函数值最小的粒子对应的解，ρi(r)表示粒子i在第r次迭代时的标记值，当粒子i在第r次迭代被标记为1时，则ρi(r)＝1，当粒子i在第r次迭代被标记为2时，则ρi(r)＝2，当粒子i在第r次迭代被标记为3时，则ρi(r)＝3；
根据所述生活类评分及其权重、以及所述疾病类评分及其权重，生成所述用户的大健康评分结果。
10.根据权利要求7所述的基于医学影像和区块链的大健康管理方法，其特征在于，所述生活服务器用于执行以下步骤：在接收到所述存证交易后，从所述存证交易中读取签名后的数据，并利用所述用户端的公钥对所述签名后的数据进行验签；在验签通过的情况下，读取加密后的生活数据，并利用生活服务器自身的私钥，对加密后的生活数据进行解密，得到解密后的生活数据；将解密后的生活数据与自身存储的该用户的生活数据进行对比，在两者一致的情况下，生成该生活数据的hash值，并将生活数据的hash值发送给所述大健康服务器；
所述医疗服务器用于执行以下步骤：在接收到所述存证交易后，从所述存证交易中读取签名后的数据，并利用所述用户端的公钥对所述签名后的数据进行验签；在验签通过的情况下，读取加密后的医疗数据，并利用医疗服务器自身的私钥，对加密后的医疗数据进行解密，得到解密后的医疗数据；将解密后的医疗数据与自身存储的该用户的医疗数据进行对比，在两者一致的情况下，生成该医疗数据的hash值，并将医疗数据的hash值发送给所述大健康服务器；
所述方法还包括：在接收到生活数据的hash值和医疗数据的hash值后，从解密后的大健康数据中读取用户的生活数据，并计算该生活数据的hash值，以及将该hash值与接收的生活数据的hash值比较；所述大健康服务器还从解密后的大健康数据中读取用户的医疗数据，并计算该医疗数据的hash值，以及将该hash值与接收的医疗数据的hash值比较；
在两对hash值均一致的情况下，所述大健康服务器才根据读取的生活数据和医疗数据，对所述用户的大健康水平进行评分；
在对所述用户的大健康水平进行评分后，利用所述用户端的公钥，对评分结果进行加密，得到加密后的评分结果；
利用所述大健康服务器自身的私钥对加密后的评分结果进行签名，得到签名后的评分结果；
将签名后的评分结果发布到区块链网络中，以进行存证。
CN202011478016.5A 2020-12-15 2020-12-15 一种基于算法、医学影像和区块链的大健康管理平台 Active CN112530537B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011478016.5A CN112530537B (zh) 2020-12-15 2020-12-15 一种基于算法、医学影像和区块链的大健康管理平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011478016.5A CN112530537B (zh) 2020-12-15 2020-12-15 一种基于算法、医学影像和区块链的大健康管理平台

Publications (2)

Publication Number Publication Date
CN112530537A true CN112530537A (zh) 2021-03-19
CN112530537B CN112530537B (zh) 2021-06-25

Family

ID=75000111

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011478016.5A Active CN112530537B (zh) 2020-12-15 2020-12-15 一种基于算法、医学影像和区块链的大健康管理平台

Country Status (1)

Country Link
CN (1) CN112530537B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113077891A (zh) * 2021-04-15 2021-07-06 王小娟 基于算法、区块链和医学影像的大数据疾病诊断系统
CN114049970A (zh) * 2021-11-10 2022-02-15 重庆大学 一种基于多端数据共享的用药管理方法及系统
CN114783593A (zh) * 2022-05-12 2022-07-22 罗学敏 基于机器学习的肾脏疾病自动检测的方法和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103329135A (zh) * 2010-09-29 2013-09-25 达卡多股份有限公司 自动健康数据获取、处理和通信系统
CN110535656A (zh) * 2019-07-31 2019-12-03 阿里巴巴集团控股有限公司 医疗数据处理方法、装置、设备及服务器
CN111930844A (zh) * 2020-08-11 2020-11-13 罗忠明 基于区块链和人工智能的金融预测系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103329135A (zh) * 2010-09-29 2013-09-25 达卡多股份有限公司 自动健康数据获取、处理和通信系统
CN110535656A (zh) * 2019-07-31 2019-12-03 阿里巴巴集团控股有限公司 医疗数据处理方法、装置、设备及服务器
CN111930844A (zh) * 2020-08-11 2020-11-13 罗忠明 基于区块链和人工智能的金融预测系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113077891A (zh) * 2021-04-15 2021-07-06 王小娟 基于算法、区块链和医学影像的大数据疾病诊断系统
CN114049970A (zh) * 2021-11-10 2022-02-15 重庆大学 一种基于多端数据共享的用药管理方法及系统
CN114783593A (zh) * 2022-05-12 2022-07-22 罗学敏 基于机器学习的肾脏疾病自动检测的方法和系统

Also Published As

Publication number Publication date
CN112530537B (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN112530537B (zh) 一种基于算法、医学影像和区块链的大健康管理平台
US20240281782A1 (en) Apparatus for cryptographic resource transfer based on quantitative assessment regarding non-fungible tokens
CN111600707B (zh) 一种在隐私保护下的去中心化联邦机器学习方法
US20210314140A1 (en) Methods and systems for a synchronized distributed data structure for federated machine learning
CN111931242A (zh) 一种数据共享方法以及应用其的计算机设备及可读存储介质
CN112434280A (zh) 一种基于区块链的联邦学习防御方法
JP4548737B2 (ja) 署名生成装置及び署名検証装置
CN109472690A (zh) 基于区块链的贷款审批方法、装置、存储介质及电子设备
CN112437049B (zh) 一种基于bft的区块链共识方法及装置
CN107580767A (zh) 使用生物特征来管理网络活动的方法和系统
CN112614586B (zh) 一种基于医学影像和区块链的远程疾病智能诊断系统
Au et al. PERM: Practical reputation-based blacklisting without TTPs
Huang et al. Blockchain-assisted personalized car insurance with privacy preservation and fraud resistance
CN112100667B (zh) 一种基于新型区块链结构的慈善机构监督管理方法
US11627125B1 (en) Apparatus and methods for credentialing users across user devices
US11652803B2 (en) System, method and computer-accessible medium for supporting at least one cyber-physical signaling game
CN115640305B (zh) 一种基于区块链的公平可信联邦学习方法
CN110969243A (zh) 防止隐私泄漏的对抗生成网络的训练方法及装置
CN115622774A (zh) 基于改进的粒子群算法优化的支持向量机的数据加密传输的电子商务交易系统
US20210248621A1 (en) Methods and systems for tracking the transfer of a cannabis article
CN112287040B (zh) 一种基于区块链的权益合并方法、装置、设备及介质
US11907874B2 (en) Apparatus and method for generation an action validation protocol
CN115702560A (zh) 认证第一人的公共密钥
CN114341846A (zh) 用于选择性公开属性的来源验证
CN116049816A (zh) 一种基于区块链可验证安全的联邦学习方法

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
CB02 Change of applicant information

Address after: 276800 Shuxiang riverside, Donggang District, Rizhao City, Shandong Province

Applicant after: Luo Xinlong

Address before: Hechuan Town, Yongxin County, Ji'an City, Jiangxi Province

Applicant before: Luo Xinlong

CB02 Change of applicant information
TA01 Transfer of patent application right

Effective date of registration: 20210607

Address after: 401122 No.7 Lihuan North Road, Kangmei street, Liangjiang New District, Chongqing

Applicant after: Chongqing Zhonglian Information Industry Co.,Ltd.

Address before: 276800 Shuxiang riverside, Donggang District, Rizhao City, Shandong Province

Applicant before: Luo Xinlong

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant