CN114121270A - 疾病风险等级预测方法及装置 - Google Patents

Abstract

本申请提供一种疾病风险等级预测方法及装置，涉及数据处理领域，能够提高预设疾病的诊断准确率，可应用于疾病风险等级预测系统中。该方法包括：获取用户患有预设疾病的生理信息。然后，获取用户的第一面部图像，基于第一面部图像，获取预设疾病的关键影响因子对应的用户的第一用户特征。之后，基于生理信息和第一用户特征，预测用户患有预设疾病的第一目标风险等级。可选地，在预测出第一目标风险等级之后，可以通过获取第二面部图像，对第一面部图像进行更新，实现对用户患有预设疾病的目标风险等级进行更新，使诊断结果更贴合用户的实时情况，提高诊断准确率。

Description

疾病风险等级预测方法及装置

技术领域

本申请涉及数据处理领域，尤其涉及一种疾病风险等级预测方法及装置。

背景技术

阻塞性睡眠呼吸暂停与低通气综合征是一种病因不明的睡眠呼吸疾病，临床表现有夜间睡眠打鼾且伴呼吸暂停，和白天嗜睡。由于呼吸暂停会引起夜间低氧和高碳酸血症，从而容易导致高血压、冠心病、糖尿病或者脑血管疾病等并发症，呼吸暂停甚至会出现夜间猝死。目前对于阻塞性睡眠呼吸暂停与低通气综合征的关键参数信息的诊断，一般采用院外便携式的睡眠暂停初筛设备获取部分参数信息，同时结合用户基于应用程序录入信息，获取另一部分参数信息，然后，基于这两部分参数信息，对用户是否患有阻塞性睡眠呼吸暂停与低通气综合征进行诊断。

上述技术方案存在以下问题：基于应用程序录入部分参数的可靠性低，完整性低，从而导致对于用户是否患有阻塞性睡眠呼吸暂停与低通气综合征的误诊率高，因此，如何提高阻塞性睡眠呼吸暂停与低气通综合征的诊断准确率，是亟待解决的技术问题。

发明内容

本申请实施例提供一种疾病风险等级预测方法及装置，能够提高预设疾病(如阻塞性睡眠呼吸暂停与低气通综合征)的诊断准确率。

为达到上述目的，本申请采用如下技术方案：

第一方面，提供一种疾病风险等级预测方法，该预测方法包括：获取用户患有预设疾病的生理信息，以及获取用户的第一面部图像。然后，基于第一面部图像，获取预设疾病的关键影响因子对应的用户的第一用户特征。之后，基于生理信息和第一用户特征，预测用户患有预设疾病的第一目标风险等级。

基于第一方面提供的预测方法，通过获取用户患有预设疾病的生理信息，可以初步判断用户的患病情况。通过获取用户的第一面部图像，第一面部图像可以是实时拍摄的面部图像，然后通过对第一面部图像中与预设疾病的关键影响因子对应的用户的第一用户特征进行提取，可以得出该用户与预设疾病相关的关键特征。通过图像提取的第一用户特征相比于现有技术中的用户基于应用程序录入信息，具有获取方便、完整性高的优点，再结合生理信息进行综合判断，可以得出贴合用户实际情况的疾病风险等级判断，实现提高诊断率。

在一种可能的设计中，获取用户与预设疾病相关的生理信息，该获取方法包括：在第一预设时间段内，至少获取两次用户与预设疾病相关的生理信息。

基于生理信息和第一用户特征，预测用户患有预设疾病的第一目标风险等级的方法包括：基于获取的至少两次用户与预设疾病相关的生理信息，以及第一用户特征，预测用户患有预设疾病的第一目标风险等级。或者，基于每次获取的生理信息，预测出用户患有预设疾病的第一风险等级；基于至少两个第一风险等级和第一用户特征，预测用户患有预设疾病的第一目标风险等级。

在此情况下，通过在一段时间内，至少两次获取用户患有预设疾病的生理信息，有利于提高生理信息获取的准确性，以及有利于提高根据生理信息得到的第一风险等级预测的准确性，可以避免由于用户的生理信息获取错误而导致对第一目标风险等级预测错误。根据多次获取的生理信息或者由多次生理信息所得到的多个第一风险等级，以及第一用户特征预测出用户患有预设疾病的第一目标风险等级，有利于反映出多次获取生理信息的这一时间段内的综合情况。

在一种可能的设计中，获取用户的第一面部图像，该获取方法包括：在出现次数大于或者等于第一预设次数的情况下，获取用户的第一面部图像。或者，在出现次数大于或者等于第二预设次数，且至少两个第一风险等级中的大于或者等于第一预设风险等级的第一风险等级为连续出现的情况下，获取用户的第一面部图像。

需要说明的是，上述出现次数是至少两个第一风险等级中大于或者等于第一预设风险等级的第一风险等级的出现次数，每个第一风险等级是基于一次采集的生理信息获取的。

在此情况下，通过第一风险等级的等级系数、出现次数以及是否连续出现等情况，来判断是否获取第一面部图像，提高了在获取第一面部图像之前对患有预设疾病的风险判断的准确性，从而提高了后续对预设疾病诊断的准确率。

在一种可能的设计中，获取用户的第一面部图像，包括：获取至少两个图像，其中，至少两个图像为包含用户的面部图像的局部区域的图像。将至少两个图像融合为第一面部图像。如此，可以通过从带有用户面部图像的局部区域的图像中获取第一面部图像，降低了用户在拍摄图像时的标准以及获取第一面部图像的难度，可以通过将多个图像融合为第一面部图像，使得第一面部图像与用户真实情况更接近，有利于提高对预设疾病的诊断准确性。

在一种可能的设计中，基于第一面部图像，获取预设疾病的关键影响因子对应的用户的第一用户特征，包括：识别第一面部图像中的面部特征，然后基于面部特征，从信息查询系统中获取与预设疾病的关键影响因子对应的用户的身份信息。然后根据身份信息确定第一用户特征。如此，通过从第一面部图像中提取与预设疾病的关键影响因子有关的身份信息，这些身份信息可以用于对第一风险等级所得到的关于预设疾病的结果进行修正和有效性判断，更新得到最终的结果，从而提高预设疾病诊断的精确性和稳定性。

在一种可能的设计中，基于生理信息和第一用户特征，预测用户患有预设疾病的第一目标风险等级之后，该预测方法还包括：获取用户的第二面部图像，在第二面部图像相对于第一面部图像发生变化的情况下，基于第二面部图像，获取用户患有预设疾病的关键影响因子对应的第二用户特征。基于生理信息和第二用户特征，预测用户患有预设疾病的第二目标风险等级。在此情况下，通过获取用户的第二面部图像，判断第二面部图像与第一面部图像是否发生变化，若发生变化，则表征用户的最新状态发生变化，则采用从第二面部图像中获取的第二用户特征，然后结合生理信息进行预测，得出的诊断结果更接近用户的真实情况，从而实现提高对用户关于预设疾病诊断的实时性和真实性。

在一种可能的设计中，在基于生理信息和第一用户特征，预测用户患有预设疾病的第一目标风险等级之后，该预测方法还包括：在第一目标风险等级大于或者等于第二预设风险等级的情况下，输出提示信息。其中，提示信息包括：满足预设条件的第一用户特征。其中，满足预设条件的第一用户特征包括：权重值大于或者等于预设权重值对应的第一用户特征，或权重值从大到小排序后的前第一预设数量的权重值对应的第一用户特征。

在此情况下，通过设置阈值：第二预设风险等级，来判断第一目标风险等级的轻重程度，实现对用户关于预设疾病的提示。并通过对用户特征中各特征所占权重值与预设权重值的比较，或者对各特征所占权重值排序，输出对引起预设疾病影响较大的各个用户特征，对用户进行提示，实现给出准确、具有针对性的改善建议，也使得给出的改善建议更符合用户的真实情况。

在一种可能的设计中，在预设疾病包括阻塞性睡眠呼吸暂停与低通气综合征时，关键影响因子包括性别、年龄、肥胖程度、是否鼻中隔弯曲或是否颅颌面畸形中的至少之一。如此，通过设置具体的关键影响因子，有利于从第一面部图像或者第二面部图像中提取具体的与关键影响因子所对应的用户特征。

第二方面，提供一种疾病风险等级预测装置。

在一种可能的设计中，该疾病风险等级预测装置用于执行上述第一方面提供的一种疾病风险等级预测方法。本申请可以根据上述第一方面提供的方法，对该疾病风险等级预测装置进行功能模块的划分。例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。示例性的，本申请可以按照功能将该疾病风险等级预测装置划分为信息获取模块、图像获取模块、特征获取模块和预测模块等。上述划分的各个功能模块执行的可能的技术方案和有益效果的描述均可以参考上述第一方面或其相应的可能的设计提供的技术方案，此处不再赘述。

在另一种可能的设计中，该疾病风险等级预测装置包括：存储器和一个或多个处理器，该存储器和处理器耦合。该存储器用于存储计算机指令，该处理器用于调用该计算机指令，以执行如第一方面及其任一种可能的设计方式提供的任一种方法。

第三方面，本申请提供了一种计算机可读存储介质，如计算机非瞬态的可读存储介质。其上储存有计算机程序(或指令)，当该计算机程序(或指令)在疾病风险等级预测装置上运行时，使得该疾病风险等级预测装置执行上述第一方面中任一种可能的实现方式提供的任一种方法。

第四方面，本申请提供了一种计算机程序产品，当其在计算机上运行时，使得第一方面中的任一种可能的实现方式提供的任一种方法被执行。

第五方面，本申请提供了一种芯片系统，包括：处理器，处理器用于从存储器中调用并运行该存储器中存储的计算机程序，执行第一方面中的实现方式提供的任一种方法。

第六方面，本申请提供了一种疾病风险等级预测系统，包括：第一终端和第二终端。第一终端用于采集生理信息，第二终端对采集到的生理信息进行处理，以进行疾病风险等级预测。或者，该疾病风险等级预测系统包括第三终端，第三终端用于执行第一方面中的实现方式提供的任一种方法。

可以理解的是，上述提供的任一种疾病风险等级预测装置、计算机存储介质、计算机程序产品或疾病风险等级预测系统等均可以应用于上文所提供的对应的方法，因此，其所能达到的有益效果可参考对应的方法中的有益效果，此处不再赘述。

在本申请中，上述疾病风险等级预测装置的名字对设备或功能模块本身不构成限定，在实际实现中，这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本申请类似，属于本申请权利要求及其等同技术的范围之内。

本申请的这些方面或其他方面在以下的描述中会更加简明易懂。

附图说明

图1为本申请实施例提供的疾病风险等级预测系统的架构示意图之一；

图2为本申请实施例提供的疾病风险等级预测系统的架构示意图之二；

图3为本申请实施例提供的疾病风险等级预测系统之一与信息查询系统连接的结构示意图；

图4为本申请实施例提供的终端设备的结构示意图；

图5为本申请实施例提供的疾病风险等级预测方法流程示意图之一；

图6为本申请实施例提供的疾病风险等级预测方法流程示意图之二；

图7为本申请实施例提供的疾病风险等级预测方法的第二终端的显示界面示意图；

图8为本申请实施例提供的疾病风险等级预测装置的示意图；

图9为本申请实施例提供的一种芯片系统的结构示意图；

图10为本申请实施例提供的计算机程序产品的概念性局部视图。

具体实施方式

下面将结合附图，对本申请中的技术方案进行描述。

1)、阻塞性睡眠呼吸暂停与低通气综合征

阻塞性睡眠呼吸暂停与低通气综合征(obstructive sleep apnea hypopneasyndrome，OSAHS)，是一种病因不明的睡眠呼吸疾病，临床表现有夜间睡眠打鼾伴呼吸暂停和白天嗜睡。由于呼吸暂停引起反复发作的夜间低氧和高碳酸血症，可导致高血压，冠心病，糖尿病和脑血管疾病等并发症及交通事故，甚至出现夜间猝死。因此OSAHS是一种有潜在致死性的睡眠呼吸疾病。

2)、鼻中隔弯曲

鼻中隔弯曲是由于鼻中隔在发育过程中受某些因素影响所致的结构上的畸形，形态上向一侧或两侧偏斜，或局部突起，可影响鼻腔生理功能，并引起一系列病理变化。鼻中隔部分呈尖锐突起者称棘突或距状突；呈长条状隆起者称嵴突；若鼻中隔软骨突入鼻前庭则称鼻中隔软骨前脱位。事实上鼻中隔完全正直者甚少，常有不同程度的偏斜，且上述各种形态可同时存在。

3)、其他术语

在本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

在本申请的实施例中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。

在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。本申请中术语“至少一个”的含义是指一个或多个。

应理解，在本文中对各种所述示例的描述中所使用的术语只是为了描述特定示例，而并非旨在进行限制。如在对各种所述示例的描述和所附权利要求书中所使用的那样，单数形式“一个(“a”，“an”)”和“该”旨在也包括复数形式，除非上下文另外明确地指示。

还应理解，本文中所使用的术语“和/或”是指并且涵盖相关联的所列出的项目中的一个或多个项目的任何和全部可能的组合。术语“和/或”，是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本申请中的字符“/”，一般表示前后关联对象是一种“或”的关系。

还应理解，在本申请的各个实施例中，各个过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其它信息确定B。

还应理解，术语“包括”(也称“includes”、“including”、“comprises”和/或“comprising”)当在本说明书中使用时指定存在所陈述的特征、整数、步骤、操作、元素、和/或部件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元素、部件、和/或其分组。

还应理解，术语“如果”可被解释为意指“当...时”(“when”或“upon”)或“响应于确定”或“响应于检测到”。类似地，根据上下文，短语“如果确定...”或“如果检测到[所陈述的条件或事件]”可被解释为意指“在确定...时”或“响应于确定...”或“在检测到[所陈述的条件或事件]时”或“响应于检测到[所陈述的条件或事件]”。

应理解，说明书通篇中提到的“一个实施例”、“一实施例”、“一种可能的实现方式”意味着与实施例或实现方式有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”、“一种可能的实现方式”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。

参考图1，图1是本申请实施例提供的疾病风险等级预测系统的架构示意图之一。如图1所示，疾病风险等级预测系统包括第一终端11和第二终端12。

如图1所示，第一终端11，用于采集用户的与预设疾病相关的生理信息，然后将采集到的生理信息发送给第二终端12。生理信息包括但不限于：脉搏信息、脑电波信息、声音信息、心电信息、口鼻气流信息、血氧信息或呼吸信息。

本实施例中的第一终端11可以包括具有生理信息获取功能的智能手表、智能手环、眼贴、口腔咬合器、心脏植入式装置、口鼻气流传感器、血氧传感器、生物雷达、录音设备、光学传感器、脉搏波传感器、心率传感器、加速度传感器、陀螺仪中的一种或多种。

第二终端12，用于接收第一终端11发送的用户的生理信息，获取用户的第一面部图像，并基于第一面部图像，获取与预设疾病的关键影响因子相对应的用户的第一用户特征，然后基于第一用户特征和生理信息，预测用户患有预设疾病的第一目标风险等级。

本实施例中的第二终端12可以是具有拍照功能和安装有可以预测预设疾病风险等级的APP的智能手环、智能手表或者智能手机等。

参考图2，图2是本申请实施例提供的疾病风险等级预测系统的架构示意图之二。如图2所示，疾病风险等级预测系统包括第三终端13。

第三终端13，用于采集用户的生理信息，获取用户的第一面部图像，并基于第一面部图像，获取与预设疾病的关键影响因子相对应的用户的第一用户特征，然后基于第一用户特征和生理信息，预测用户患有预设疾病的第一目标风险等级。

本实施例中的第三终端13可以是具有生理信息获取功能且具有拍照功能和安装有可以预测预设疾病风险等级的APP的智能手环、智能手表或者智能手机等。

参考图3，图3为本申请实施例提供的疾病风险等级预测系统之一与信息查询系统连接的结构示意图。本实施例中也可以采用图2所示的疾病风险等级预测系统之二与信息查询系统连接，其效果与图3所示的结构示意图的效果相同，因此本实施例中仅采用图3所示的结构示意图进行说明，并不限定某一具体的疾病风险等级预测系统与信息查询系统相连。

如图3所示，疾病风险等级预测系统中的第二终端12与信息查询系统相连，具体为第二终端12(或者第三终端13)与公安系统14或者医疗系统15相连，实现信息的交互，信息查询系统可以包括公安系统14或者医疗系统15。

公安系统14，用于存储用户的身份信息。第二终端12中的用户特征提取模块通过获取到的用户的第一面部图像，确定用户的面部特征。然后基于用户的面部特征，从公安系统14中获取用户的身份信息，然后通过身份信息确定用户的第一用户特征。从公安系统14中获取的第一用户特征包括但不限于：性别、年龄或者体重等第一用户特征。

医疗系统15，用于存储用户的身份信息，第二终端12将获取的用户的第一面部图像，确定用户的面部特征。然后基于用户的面部特征，从医疗系统15中获取用户的身份信息，然后通过身份信息从医疗系统15中获取用户的第一用户特征。从医疗系统15中获取的第一用户特征包括但不限于：性别、年龄、体重、是否鼻中隔弯曲以及是否颅颌面畸形等第一用户特征。

参考图4，图4是本申请实施例提供的一种终端设备的结构示意图。终端设备30可以是图1中的第一终端11或者第二终端12，也可以是图2中的第三终端13。

如图4所示，终端设备30可以包括处理器31、存储器32、通信接口33以及总线34。其中，处理器31、存储器32以及通信接口33之间可以通过总线34连接。

处理器31是终端设备30的控制中心，可以是一个通用中央处理单元(centralprocessing unit，CPU)，也可以是其他通用处理器。其中，通用处理器可以是微处理器或者是任何常规的处理器。

作为示例，处理器31可以包括一个或多个CPU，例如图4中所示的CPU 0和CPU 1。

存储器32可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦写可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

一种可能的实现方式中，存储器32可以独立于处理器31存在。存储器32可以通过总线34与处理器31相连接，用于存储数据、指令或者程序代码。处理器31调用并执行存储器32中存储的指令或程序代码时，能够实现本申请实施例所提供的预测方法。

另一种可能的实现方式中，存储器32也可以和处理器31集成在一起。

通信接口33，用于终端设备30与其他设备(如服务器等)通过通信网络连接，该通信网络可以是以太网，无线接入网(radio access network，RAN)，无线局域网(wirelesslocal area networks，WLAN)等。通信接口33可以包括用于接收数据的接收单元，以及用于发送数据的发送单元。

总线34，可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component Interconnect，PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

需要指出的是，图4中示出的结构并不构成对该终端设备30的限定，除图4所示部件之外，该终端设备30可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本申请实施例提供了一种疾病风险等级预测方法和装置，该方法可以应用于图1所示的第一终端11或者第二终端12中或者图2所示的第三终端13中。具体的，该方法可以应用于图4所示的终端设备30中，当该方法应用于图4所示的终端设备30中时，可以通过处理器31执行存储器32中的程序指令实现本申请实施例提供的疾病风险等级预测方法。通过执行本申请实施例提供的疾病风险等级预测方法，可以更加精准的预测用户患有预设疾病的风险等级。

下面结合附图，对本申请实施例提供的疾病风险等级预测方法进行描述。

实施例一

本实施例中所采用的疾病风险等级预测方法可以是应用于图1中所示的疾病风险等级预测系统。请参考图5，图5示出了本申请实施例提供的一种疾病风险等级预测方法的流程示意图。该方法可以包括以下步骤：

S101、第一终端11获取用户的生理信息，并传输给第二终端12。

如图1所示，通过第一终端11获取用户的生理信息。

生理信息包括但不限于：脑电波信息、声音信息、心电信息、口鼻气流信息、血氧信息、呼吸信息、睡眠时间、体动信息或者脉搏信息中的一种或几种，本申请实施例对此不作具体限制。

本申请实施例以第一终端11为具有获取生理信息功能的智能手表为例进行说明。

智能手表获取用户的生理信息，如血氧信息或者呼吸信息，并确定用户的入睡时间以及睡眠结束时间，并根据用户的入睡时间和睡眠结束时间，计算出用户的睡眠时间。然后，智能手表通过获取的血氧信息或呼吸信息，并结合用户的睡眠时间，确定用户在睡眠时间段内呼吸暂停的次数。再将智能手表所获得的所有数据传输到第二终端12内，传输的方式可以采用数据线传输、蓝牙传输、网络传输或者其它传输方式，本实施例对具体的传输方式不作限定。

S102、第二终端12基于用户的生理信息，预测用户患有预设疾病的第一风险等级。

本申请实施例以第二终端12为具有拍照功能和安装有可以预测预设疾病风险等级的APP的智能手机为例进行说明。

第二终端12在接收到智能手表所获取的生理信息后，根据血氧信息、呼吸信息、睡眠时间以及用户呼吸暂停的次数，确定该用户患有预设疾病的第一风险等级。具体实现方式可以参考现有技术。

S103、第二终端12获取用户的第一面部图像。

第二终端12获取了用户患有预设疾病的第一风险等级之后，可以直接进行获取用户的第一面部图像的操作。

或者，第二终端12在获取了用户患有预设疾病的第一风险等级之后，可以根据第一风险等级的等级高低和/或第一风险等级的出现次数情况，判断是否需要获取用户的第一面部图像。

可选地，第二终端12可以根据以下条件判断是否获取用户的第一面部图像。

方式一：在第一预设时间段内，获取用户患有预设疾病的至少两个第一风险等级；确定至少两个第一风险等级中大于或者等于第一预设风险等级的第一风险等级的出现次数；在出现次数大于或者等于第一预设次数的情况下，获取用户的第一面部图像。

需要说明的是，本实施例中的第一预设时间段可以根据获取生理信息的次数和获取生理信息的频率进行确定，如一共需要获取三次，而获取生理信息的频率为一天获取一次，则可以将第一预设时间段设置为三天；若需要获取五次，获取频率不变，则可以将第一预设时间段设置为五天。本实施例中的第一预设次数可以根据经验或者相应的医学统计规律进行确定，如在第一预设时间段内总共需要获取三次生理信息，则第一预设次数可以设置为一次或者两次；如在第一预设时间段内总共需要获取五次生理信息，则第一预设次数可以设置为三次。本申请实施例对第一预设时间段和第一预设次数的具体设置不作具体限制。

示例性的，第一终端11在第一预设时间段内，对用户的生理信息进行至少两次获取，然后将每次获取到的生理信息都传输给智能手机。第二终端12对每次接收到的生理信息进行分析，预测出该用户患有预设疾病的第一风险等级。如：智能手表在三天内，对用户的生理信息进行三次获取，每次获取到生理信息后都传输给智能手机，则智能手机一共得出三个第一风险等级的结果。

在确定了在第一预设时间段内出现第一风险等级的次数后，还要确定每次出现的第一风险等级的等级情况。因此，设置有第一预设风险等级，第一预设风险等级可以为一具体的阈值，用于确定每次出现的第一风险等级的等级高低，如：第一风险等级大于或者等于第一预设风险等级，为高风险等级；第一风险等级小于第一预设风险等级，为低风险等级。

需要说明的是，本实施例中的第一预设风险等级可以根据呼吸暂停-低通气指数(Apnea-hypopnea index，AHI)或者呼吸紊乱指数(Respiratory disturbance index，RDI)进行确定，或者根据经验进行确定，呼吸暂停-低通气指数和呼吸紊乱指数为现有医学中的一指标，在此不作赘述。

当智能手机得出的三次第一风险等级分别为高风险等级、低风险等级和高风险等级时，则表征：智能手机得出的三次第一风险等级中出现了两次第一风险等级大于或者等于第一预设等级的情况。当第一预设次数为2时，则表征：第一风险等级大于或者等于第一预设等级的出现次数大于或者等于第一预设次数，此时触发第二终端12获取第一面部图像的条件。

在至少两个第一风险等级中大于或者等于第一预设风险等级的第一风险等级的出现次数，大于或者等于第一预设次数的情况下，第二终端12获取用户的第一面部图像，可以避免由于用户的生理信息获取错误，而造成第一风险等级预测错误，从而造成对用户患有预设疾病的第一目标风险等级的预测错误，实现提高预测用户患有预设疾病的第一目标等级的准确性。

方式二：在第一预设时间段内，获取用户患有预设疾病的至少两个第一风险等级；确定至少两个第一风险等级中大于或者等于第一预设风险等级的第一风险等级的出现次数；在第一风险等级大于或者等于第一预设等级的出现次数大于或者等于第二预设次数，且第一风险等级大于或者等于第一预设等级为连续出现的情况下，获取用户的第一面部图像。

示例性的，当智能手机获得第一风险等级的结果为三个时，且三次获得的第一风险等级分别为低风险等级、高风险等级以及高风险等级。且当第二预设次数为2时，则表征：第一风险等级大于或者等于第一预设等级的出现次数大于或者等于第二预设次数，且第一风险等级大于或者等于第一预设等级为连续出现，此时，智能手机获取用户的第一面部图像。

在第一风险等级大于或者等于第一预设风险等级的出现次数大于或者等于第二预设次数，且第一风险等级大于或者等于第一预设风险等级为连续出现的情况下，才触发获取用户的第一面部图像的条件，可以实现用户的第一风险等级为非错误预测，从而提高第一风险等级的预测准确性，进而实现提高预测用户患有预设疾病的第一目标等级的准确性。

需要说明的是，除了可以获取用户的第一面部图像以外，还可以获取用户的全身图像、用户的局部图像等，然后从用户的全身图像或者局部图像中获得用户的第一面部图像，本申请实施例对此不作具体限制。此外，通过用户的全身图像或者局部图像还可以得到用户的其它生理信息。例如：仅通过获取用户的第一面部图像无法识别用户的肥胖程度，通过获取用户的全身图像，可以确定用户的肥胖程度。

方式三：第二终端12获取用户患有预设疾病的第一风险等级，然后与第一预设风险等级进行比较，若该第一风险等级大于或者等于第一预设风险等级，则获取用户的第一面部图像。

通过设置第一预设风险等级作为阈值，来判断第一风险等级是高风险等级还是低风险等级，从而判断是否获取用户的第一面部图像，实现了获取用户的第一面部图像的必要性，可以实现在第一风险等级为低风险等级时不获取用户的第一面部图像。

对于S103具体可以通过以下方式实现：

方式一：在第二终端12在确定当前满足获取用户的第一面部图像的条件(例如但不限于上文中提供的任一条件)的情况下，输出提示信息；接收用户的操作，并基于该操作拍摄用户的第一面部图像。

例如，在第二终端12的显示界面弹出获取用户第一面部图像的提示信息；接收用户对提示信息的触控操作，在触控操作为指示第二终端12获取用户第一面部图像的情况下，拍摄用户的第一面部图像。

如图7所示，用户通过对显示界面中的提示信息进行触控操作，在第二终端12接收到用户的触控操作为指示第二终端12获取用户第一面部图像的情况下，调用第二终端12的拍摄装置对用户的第一面部图像进行拍摄。

又如，提示信息以语音的形式输出，用户接收到提示语音后，在显示界面进行触控操作，在第二终端12接收到用户的触控操作为指示第二终端12获取用户第一面部图像的情况下，调用第二终端12的拍摄装置对用户的第一面部图像进行拍摄。

本实施例中提示信息还可以以其它的形式输出，用户的操作也可以以按键的形式反馈给第二终端12，本实施例对提示信息的具体输出形式和接收用户操作反馈的具体形式不作限定。

方式二：在第二终端12检测到用户的情况下，获取用户的第一面部图像。

例如：当用户查看第二终端12界面时，直接拍摄用户的第一面部图像。该种方式无需提示用户进行操作以拍摄第一面部图像，在检测到用户的情况下，拍摄第一面部图像，实现无感拍摄。

方式三：获取至少两个图像，将至少两个图像融合为第一面部图像。

多次拍摄用户的第一面部图像，由于获取的至少两张第一面部图像可能为仅拍摄到用户局部面部的局部图像，因此，可以将至少两个局部图像融合为用户的第一面部图像。

将至少两个局部图像融合为第一面部图像，可以实现第一面部图像尽量多地包含用户的面部特征，从而实现预测用户患有预设疾病的第一目标风险等级的准确性。至少两个局部图像融合为的第一面部图像可能无法包含用户的全部面部特征，为了进一步提高预测用户患有预设疾病的第一目标风险等级的准确性，可以通过拍摄多次局部图像，直至由多个局部图像融合为的第一面部图像包含全部面部特征为止。

S104、第二终端12基于第一面部图像，获取与预设疾病的关键影响因子对应的用户的第一用户特征。

本实施例中，在预设疾病包括阻塞性睡眠呼吸暂停与低通气综合征时，关键影响因子包括性别、年龄、肥胖程度、是否鼻中隔弯曲或是否颅颌面畸形中的至少之一，下面以预设疾病为阻塞性睡眠呼吸暂停与低通气综合征为例进行说明。

示例性的，确定预设疾病的关键影响因子，将第一面部图像和预设疾病的关键影响因子作为输入数据，输入至第一预测模型中，从第一面部图像中，基于预设疾病的关键影响因子，获取用户的第一用户特征。

在一个示例中，其中，当关键影响因子包括性别、年龄、肥胖程度、是否鼻中隔弯曲或是否颅颌面畸形时，则获取的第一用户特征为：男性、46岁、肥胖、存在鼻中隔弯曲且存在颅颌面畸形。

获取预设疾病的关键影响因子对应的用户的第一用户特征具体可以包括：

识别第一面部图像中的面部特征，其中，面部特征包括但不限于以下至少之一：眼睛、鼻子、嘴巴、眉毛或者是否有胡子等面部特征。基于眼睛的面部特征可以确定用户的年龄，依据是否有胡子的面部特征，确定用户的性别。通过图像识别技术，识别第一面部图像中的面部特征是否包含鼻中隔弯曲或是否颅颌面畸形。并将识别出的特征，作为预设疾病的关键影响因子所对应的用户的第一用户特征。

对于S104，具体可以包括：识别第一面部图像的面部特征，基于面部特征，从信息查询系统中获取与预设疾病的关键影响因子对应的用户的身份信息，基于身份信息确定第一用户特征。

需要说明的是，信息查询系统可以包括公安系统14或者医疗系统15。

在一个示例中，信息查询系统为公安系统14，识别第一面部图像的面部特征，根据面部特征从信息查询系统中查询对应的用户的身份信息。公安系统14中存有对应的用户的身份信息，需要说明的是，身份信息包括但不限于：年龄、体重、性别、家庭住址或者学历等身份信息。

获取身份信息中与预设疾病的关键影响因子相对应的身份信息，将该部分身份信息确定为用户的部分第一用户特征。例如：获取用户的身份信息中的性别、体重、年龄等身份信息作为部分第一用户特征，对于用户的其他第一用户特征，需要对第一面部图像进行图像识别后确定，例如：通过图像识别确定用户的第一面部图像中是否鼻中隔弯曲或是否颅颌面畸形的第一用户特征。

采用公安系统14确定用户的部分第一用户特征，由于图像识别技术可能造成对于用户的第一用户特征出现偏差或者识别不准确的问题，基于公安系统14确定用户的部分第一用户特征，可以使获得的第一用户特征的准确性更高。

在另一个示例中，信息查询系统为医疗系统15，识别第一面部图像的面部特征，从医疗系统15中，获取用户患有预设疾病的家族遗传史、是否鼻中隔弯曲或是否颅颌面畸形等身份信息。基于用户患有预设疾病的家族遗传史、是否鼻中隔弯曲或是否颅颌面畸形等身份信息，确定部分第一用户特征，对于用户的年龄、性别、体重等信息，则依据图像识别进行获取。

需要说明的是，在实施例中包括医疗系统15时，则预设疾病的关键影响因子还包括预设疾病的家族遗传史。

采用医疗系统15确定用户的部分第一用户特征，可以使获得的用户的第一用户特征的准确性更高，从而提高预测用户患有预设疾病的第一目标风险等级的准确性。

在另一个示例中，信息查询系统包括医疗系统15和公安系统14，识别第一面部图像的面部特征，分别从公安系统14和医疗系统15中确定用户的与预设疾病的关键影响因子对应的身份信息，例如：从医疗系统15中获取用户的预设疾病的家族遗传史、是否鼻中隔弯曲或者是否颅颌面畸形等第一用户特征；从公安系统14中获取用户的年龄、体重或者性别等第一用户特征。将分别从公安系统14和医疗系统15中获取的用户的部分第一用户特征，整合为用户的第一用户特征。

对于基于身份信息确定用户的第一用户特征，可以通过以下方式实现：

方式一：结合图1，基于第二终端12，依据预设疾病的关键影响因子，从身份信息中直接确定用户的第一用户特征。

该种方式，通过第二终端12直接获取用户的第一用户特征。

方式二；基于第二终端12的显示界面中输出显示用户的身份信息，用户基于输出的身份信息进行选择，依据用户的选择，确定用户的第一用户特征。

S105、第二终端12基于生理信息和第一用户特征，预测用户患有预设疾病的第一目标风险等级。

在一个示例中，在只获取一次生理信息的情况下，第二终端12可以基于该生理信息和第一用户特征，预测用户患有预设疾病的第一目标风险等级；第二终端12也可以基于以生理信息为基础预测出的第一风险等级和第一用户特征，预测用户患有预设疾病的第一目标风险等级。

在另一个示例中，在获取至少

两次生理信息的情况下，第二终端12可以通过以下方式预测用户患有预设疾病的第一目标风险等级：

方式一：基于获取的至少两次用

户与预设疾病相关的生理信息，以及第一用户特征，预测用户患有预设疾病的第一目标风险等级。

示例一，可以通过确定至少两次生理信息中最新的生理信息，即最近一次获得的生理信息，结合第一用户特征，预测用户患有预设疾病的第一目标风险等级。

示例二：可以通过将至少两次生理信息中的各次生理信息进行组合或者综合，基于综合或者组合得到的生理信息，以及第一用户特征，预测用户患有预设疾病的第一目标风险等级。

组合得到生理信息的方法可以是：例如，一共获取三次用户的生理信息，每次获取的生理信息中包括：血氧信息、呼吸信息和睡眠时间，可以将第一次获取的血氧信息、第二次获取的呼吸信息和第三次获取的睡眠时间进行组合以得到一次完整的生理信息。

综合得到生理信息的方法可以是：例如，一共获取三次用户的生理信息，每次获取的生理信息中包括：血氧信息、呼吸信息和睡眠时间，分别求出三次获得的血氧信息、呼吸信息和睡眠时间各自的期望值，将每个信息的期望值组合成一个完整的生理信息。

本实施例只是对综合或者组合得到生理信息的方法进行举例说明，并非限定具体的方法，在实际情况中，本领域技术人员可以根据经验或者预设疾病的医学统计规律进行求解。

方式二：基于至少两个第一风险等级确定出第一综合风险等级，基于第一综合风险等级和第一用户特征，预测用户患有预设疾病的第一目标风险等级。

需要说明的是，第一综合风险等级可以根据经验进行确定，或者根据与预设疾病相应的统计规律进行确定。具体的：可以以至少两个第一风险等级中等级最高的第一风险等级为第一综合风险等级；或者以至少两个第一风险等级中出现频次最高的第一风险等级为第一综合风险等级；或者以至少两个第一风险等级中占比超过某一比值的第一风险等级。该比值一般设置为大于或者等于50％，以防止同时有两个或两个以上第一风险等级的占比超过该比值。若该比值小于50％，且又同时存在至少两个第一风险等级的占比超过该比值，则以占比最大的第一风险等级作为第一综合风险等级。

第二终端12基于第一用户特征，对第一风险等级(或第一综合风险等级)进行调整，从而预测用户患有预设疾病的第一目标风险等级。

在一个示例中，将第一用户特征和第一风险等级(或第一综合风险等级)，输入至第二预测模型中，输出用户患有预设疾病的第一目标风险等级。

第二预测模型可以通过如下方式建立：

通过获取多个患有预设疾病的用户的第一用户特征、第一风险等级(或第一综合风险等级)和第一目标风险等级，并将每个用户的第一用户特征、第一风险等级(或第一综合风险等级)以及第一目标风险等级建立一一对应的关系，将所获取的多个患有预设疾病的用户的第一用户特征、第一风险等级(或第一综合风险等级)和第一目标风险等级进行训练，得到第二预测模型。

可选地，在S105获得用户患有预设疾病的第一目标风险等级之后，可以在获得用户的第一面部图像时间后再间隔一段第一预设间隔时间，获取用户的第二面部图像。基于第二面部图像，获取用户患有预设疾病的关键影响因子所对应的第二用户特征；然后，根据生理信息和第二用户特征，预测用户患有预设疾病的第二目标风险等级。

在第一预设间隔时间后，主动获取用户的第二面部图像，实现对第一面部图像的更新，提高了获取的用户的面部图像的实时性，也更新了基于第二面部图像所获取的与预设疾病的关键影响因子对应的用户的第二用户特征，提高了第二用户特征的实时性与准确性。从而实现了提高基于第一风险等级和第二用户特征所预测出的用户患有预设疾病的第二目标风险等级的实时性与准确性。

可选地，在S105获得用户患有预设疾病的第一目标风险等级之后，可以在获得用户的第一面部图像时间后再间隔一段第二预设间隔时间，获取用户的第三面部图像。在第三面部图像相比第一面部图像发生变化的情况下，基于第三面部图像，获取用户患有预设疾病的关键影响因子所对应的第三用户特征；然后，根据第一风险等级和第三用户特征，预测用户患有预设疾病的第三目标风险等级。

在第二预设间隔时间后，通过获取用户的第三面部图像，若第三面部图像相比第一面部图像发生变化，则基于第三面部图像，获取预设疾病的关键影响因子对应的用户的第三用户特征，基于第一风险等级和第三用户特征，预测用户患有预设疾病的第三目标风险等级。此种情况为只有在第三面部图像相对于第一面部图像发生变化，才使用第三面部图像重新预测用户患有预设疾病的第三目标风险等级，在提高实时性与准确性的同时，相比上述在获取第二面部图像之后直接对第一面部图像进行更新，并基于更新后的第二面部图像预测用户患有预设疾病的第二目标风险等级实现了减少系统的工作量。

需要说明的是，预设间隔时间包括第一预设间隔时间和第二预设间隔时间，可以为3天、10天或者15天等，预设时间间隔一般根据经验进行确定，本申请实施例对此不作具体限制。

可选地，在S105之后，在第一目标风险等级大于或者等于第二预设风险等级的情况下，输出提示信息。

其中，提示信息包括：满足预设条件的第一用户特征。

对于满足预设条件的第一用户特征可以通过以下方式进行确定：

方式一：权重值大于或者等于预设权重值对应的第一用户特征。

每个第一用户特征在影响是否患有预设疾病时都具有一定的权重。例如，通过对阻塞性睡眠呼吸暂停与低通气综合征现有病例的研究发现，第一用户特征包括性别、年龄、肥胖程度、是否鼻中隔弯曲以及是否颅颌面畸形。其中，用户的性别为男性对影响是否患有该病的权重值大于性别为女性对影响是否患有该病的权重值。年龄大于预设年龄的对影响是否患有该病的权重值，大于年龄小于或者等于预设年龄的对影响是否患有该病的权重值。肥胖程度为肥胖对影响是否患有该病的权重值，大于肥胖程度为瘦对影响是否患有该病的权重值。鼻中隔弯曲为严重的对影响是否患有该病的权重值，大于鼻中隔弯曲轻微的对影响是否患有该病的权重值。颅颌面畸形为严重的对影响是否患有该病的权重值，大于颅颌面畸形为轻微的对影响是否患有该病的权重值。

确定用户的各个第一用户特征的权重值，并将各个第一用户特征的权重值与预设权重值进行比较，确定权重值大于或者等于预设权重值对应的第一用户特征，将确定的第一用户特征输出。以提示用户：输出的这些第一用户特征造成了用户患有预设疾病的第一目标风险等级偏高，从而提示用户对该方面进行注意。例如：用户的第一用户特征中肥胖和年龄为50岁所占的权重值均大于或者等于预设权重值，则将肥胖和年龄两个第一用户特征在第二终端12的显示界面显示，或者以语音播报的方式进行输出，以提示用户肥胖和年龄为造成用户患有预设疾病的第一目标风险等级高的原因。

第二终端12输出的提示信息，除了可以是权重值大于或者等于预设权重值所对应的第一用户特征以外，还可以是基于权重值大于或者等于预设权重值对应的第一用户特征的建议信息。例如：若用户关于预设疾病的第一目标风险等级为高风险等级，且权重值大于或者等于预设权重值的第一用户特征为肥胖，可以输出建议信息为：请进行适当的体育运动。

本实施例中，可以通过确定第一目标风险等级的一个阈值，若第一目标风险等级大于或者等于该阈值，则判断第一目标风险等级为高风险等级；反之，则为低风险等级。

方式二：权重值从大到小排序后的前第一预设数量个的权重值对应的第一用户特征。

需要说明的是，第一预设数量可以为1个、2个或者3个等，第一预设数量可以根据经验进行确定，本申请实施例对此不做具体限制。

示例性的，确定用户的第一用户特征为女性、25岁、肥胖以及存在颅颌面畸形，则将为女性、25岁、肥胖以及存在颅颌面畸形的权重值按照从大到小进行排序，用户的第一用户特征排序后为：肥胖、颅颌面畸形、女性、25岁，且第一预设数量为2，则确定输出的第一用户特征为：肥胖和颅颌面畸形。还可以输出建议信息，例如：建议减肥和调整颅颌面畸形。

除了将第一用户特征的权重值从大到小排序，还可以将第一用户特征的权重值从小到大进行排序，获取排序后的后第一预设数量个的权重值对应的第一用户特征。

实施例二

本实施例中所采用的疾病风险等级预测方法可以是应用于图2中所示的疾病风险等级预测系统。本申请实施例以第三终端13为具有获取生理信息功能，且具有拍照功能和安装有可以预测预设疾病风险等级的APP的智能手环为例进行说明。

请参考图6，图6示出了本申请实施例提供的一种疾病风险等级预测方法的流程示意图之二。该方法可以包括以下步骤：

S201、第三终端13获取用户的生理信息。

S202、第三终端13基于用户的生理信息，预测用户患有预设疾病的第一风险等级。

S203、第三终端13获取用户的第一面部图像。

S204、第三终端13基于第一面部图像，获取与预设疾病的关键影响因子对应的用户的第一用户特征。

S205、第三终端13基于生理信息和第一用户特征，预测用户患有预设疾病的第一目标风险等级。

可选地，在S205获得用户患有预设疾病的第一目标风险等级之后，可以在获得用户的第一面部图像时间后再间隔一段第一预设间隔时间，获取用户的第二面部图像。基于第二面部图像，获取用户患有预设疾病的关键影响因子所对应的第二用户特征；然后，根据第一风险等级和第二用户特征，预测用户患有预设疾病的第二目标风险等级。

可选地，在S205获得用户患有预设疾病的第一目标风险等级之后，可以在获得用户的第一面部图像时间后再间隔一段第二预设间隔时间，获取用户的第三面部图像。在第三面部图像相比第一面部图像发生变化的情况下，基于第三面部图像，获取用户患有预设疾病的关键影响因子所对应的第三用户特征；然后，根据第一风险等级和第三用户特征，预测用户患有预设疾病的第三目标风险等级。

可选地，在S205之后，在第一目标风险等级大于或者等于第二预设风险等级的情况下，输出提示信息。

本实施例中的第三终端13的功能和作用相当于实施例一中第一终端11的功能和作用与第二终端12的功能和作用的结合，本实施例中各个步骤的技术方案和有益效果的描述均可参照上述实施例一中对应步骤的描述，在此不作赘述。

上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本申请实施例可以根据上述方法示例对疾病风险等级预测装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请实施例中对模块的划分是示意性的，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。

如图8所示，图8为本申请实施例提供的疾病风险等级预测装置的示意图。该疾病风险等级预测装置用于执行上述的疾病风险等级预测方法，例如，执行图5所示的疾病风险等级预测方法。示例的，疾病风险等级预测装置可以包括：信息获取模块1、图像获取模块2、特征获取模块3和预测模块4。

信息获取模块1，用于获取用户与预设疾病相关的生理信息。图像获取模块2，用于获取所述用户的第一面部图像。特征获取模块3，用于基于所述第一面部图像，获取所述预设疾病的关键影响因子对应的所述用户的第一用户特征。预测模块4，用于基于所述生理信息和所述第一用户特征，预测所述用户患有所述预设疾病的第一目标风险等级。

结合图5，信息获取模块1可以执行S101和/或S102，图像获取模块2可以执行S103，特征获取模块3可以执行S104，预测模块4可以执行S105。

可选地，信息获取模块1，具体用于：在第一预设时间段内，至少获取两次用户与预设疾病相关的生理信息。

预测模块4，具体用于：基于获取的至少两次用户与预设疾病相关的生理信息，以及第一用户特征，预测用户患有预设疾病的第一目标风险等级。或者，基于每次获取的生理信息，预测出用户患有预设疾病的第一风险等级；基于至少两个第一风险等级和第一用户特征，预测用户患有预设疾病的第一目标风险等级。

可选地，图像获取模块2，具体用于：在出现次数大于或者等于第一预设次数的情况下，获取用户的第一面部图像。或，在出现次数大于或者等于第二预设次数，且至少两个第一风险等级中的大于或者等于第一预设风险等级的第一风险等级为连续出现的情况下，获取用户的第一面部图像。

需要说明的是，上述出现次数是至少两个第一风险等级中大于或者等于第一预设风险等级的第一风险等级的出现次数，每个第一风险等级是基于一次采集的生理信息获取的。

可选地，所述图像获取模块2，具体用于：获取至少两个图像，其中，所述至少两个图像为包含所述用户的面部图像的局部区域的图像，将所述至少两个图像融合为所述第一面部图像。

可选地，所述特征获取模块3，具体用于：识别所述第一面部图像中的面部特征；基于所述面部特征，从信息查询系统中获取与所述预设疾病的关键影响因子对应的所述用户的身份信息，基于所述身份信息确定所述第一用户特征。

可选地，所述图像获取模块2，还用于获取所述用户的第二面部图像。所述特征获取模块3，还用于在所述第二面部图像相对于所述第一面部图像发生变化的情况下，基于所述第二面部图像，获取所述用户患有所述预设疾病的关键影响因子对应的第二用户特征。所述预测模块4，还用于基于所述生理信息和所述第二用户特征，预测所述用户患有所述预设疾病的第二目标风险等级。

可选地，疾病风险等级预测装置还包括：提示模块，用于在所述第一目标风险等级大于或者等于第二预设风险等级的情况下，输出提示信息，其中，所述提示信息包括：满足预设条件的所述第一用户特征。

所述满足预设条件的所述第一用户特征包括：权重值大于或者等于预设权重值对应的第一用户特征；或，权重值从大到小排序后的前第一预设数量个的权重值对应的第一用户特征。

可选地，该疾病风险等级预测装置所预测的预设疾病包括阻塞性睡眠呼吸暂停与低通气综合征时，关键影响因子包括性别、年龄、肥胖程度、是否鼻中隔弯曲或是否颅颌面畸形中的至少之一。

关于上述可选方式的具体描述可以参见前述的方法实施例，此处不再赘述。此外，上述提供的任一种疾病风险等级预测装置的解释以及有益效果的描述均可参考上述对应的方法实施例，不再赘述。

作为示例，结合图4，疾病风险等级预测装置中的信息获取模块1、图像获取模块2、特征获取模块3和预测模块4中的部分或全部实现的功能可以通过图4中的处理器执行图4中的存储器中的程序代码实现。

本申请实施例还提供一种芯片系统，如图9所示，该芯片系统100包括至少一个处理器110和至少一个接口电路120。作为示例，当该芯片系统100包括一个处理器和一个接口电路时，则该一个处理器可以是图9中实线框所示的处理器110(或者是虚线框所示的处理器110)，该一个接口电路可以是图9中实线框所示的接口电路120(或者是虚线框所示的接口电路120)。当该芯片系统100包括两个处理器和两个接口电路时，则该两个处理器包括图9中实线框所示的处理器110和虚线框所示的处理器110，该两个接口电路包括图9中实线框所示的接口电路120和虚线框所示的接口电路120。对此不作限定。

处理器110和接口电路120可通过线路互联。例如，接口电路120可用于接收信号(例如从车速传感器或边缘服务单元接收信号)。又例如，接口电路120可用于向其它装置(例如处理器110)发送信号。示例性的，接口电路120可读取存储器中存储的指令，并将该指令发送给处理器110。当所述指令被处理器110执行时，可使得疾病风险等级预测装置执行上述实施例中的各个步骤。当然，该芯片系统还可以包含其他分立器件，本申请实施例对此不作具体限定。

本申请另一实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当指令在疾病风险等级预测装置上运行时，该疾病风险等级预测装置执行上述方法实施例所示的方法流程中该疾病风险等级预测装置执行的各个步骤。

在一些实施例中，所公开的方法可以实施为以机器可读格式被编码在计算机可读存储介质上的或者被编码在其它非瞬时性介质或者制品上的计算机程序指令。

图10示意性地示出本申请实施例提供的计算机程序产品的概念性局部视图，所述计算机程序产品包括用于在计算设备上执行计算机进程的计算机程序。

在一个实施例中，计算机程序产品是使用信号承载介质130来提供的。所述信号承载介质130可以包括一个或多个程序指令，其当被一个或多个处理器运行时可以提供以上针对图5描述的功能或者部分功能。因此，例如，参考图5中S101～S105的一个或多个特征可以由与信号承载介质130相关联的一个或多个指令来承担。此外，图10中的程序指令也描述示例指令。

在一些示例中，信号承载介质130可以包含计算机可读介质131，诸如但不限于，硬盘驱动器、紧密盘(CD)、数字视频光盘(DVD)、数字磁带、存储器、只读存储记忆体(read-only memory，ROM)或随机存储记忆体(random access memory，RAM)等等。

在一些实施方式中，信号承载介质130可以包含计算机可记录介质132，诸如但不限于，存储器、读/写(R/W)CD、R/W DVD、等等。

在一些实施方式中，信号承载介质130可以包含通信介质133，诸如但不限于，数字和/或模拟通信介质(例如，光纤电缆、波导、有线通信链路、无线通信链路、等等)。

信号承载介质130可以由无线形式的通信介质133(例如，遵守IEEE 802.11标准或者其它传输协议的无线通信介质)来传达。一个或多个程序指令可以是，例如，计算机可执行指令或者逻辑实施指令。

在一些示例中，诸如针对图10描述的疾病风险等级预测装置可以被配置为，响应于通过计算机可读介质131、计算机可记录介质132、和/或通信介质133中的一个或多个程序指令，提供各种操作、功能、或者动作。

应该理解，这里描述的布置仅仅是用于示例的目的。因而，本领域技术人员将理解，其它布置和其它元素(例如，机器、接口、功能、顺序、和功能组等等)能够被取而代之地使用，并且一些元素可以根据所期望的结果而一并省略。另外，所描述的元素中的许多是可以被实现为离散的或者分布式的组件的、或者以任何适当的组合和位置来结合其它组件实施的功能实体。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机执行指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digitalsubscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。

以上所述，仅为本发明的具体实施方式，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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (18)

1.一种疾病风险等级预测方法，其特征在于，所述方法包括：

获取用户与预设疾病相关的生理信息；

获取所述用户的第一面部图像；

基于所述第一面部图像，获取所述预设疾病的关键影响因子对应的所述用户的第一用户特征；

基于所述生理信息和所述第一用户特征，预测所述用户患有所述预设疾病的第一目标风险等级。

2.根据权利要求1所述的方法，其特征在于，所述获取用户与预设疾病相关的生理信息，包括：

在第一预设时间段内，至少获取两次所述用户与预设疾病相关的所述生理信息；

所述基于所述生理信息和所述第一用户特征，预测所述用户患有所述预设疾病的第一目标风险等级，包括：

基于获取的至少两次所述用户与预设疾病相关的所述生理信息，以及所述第一用户特征，预测所述用户患有所述预设疾病的第一目标风险等级；

或者，基于每次获取的所述生理信息，预测出所述用户患有所述预设疾病的第一风险等级；基于至少两个所述第一风险等级和所述第一用户特征，预测所述用户患有所述预设疾病的第一目标风险等级。

3.根据权利要求2所述的方法，其特征在于，所述获取所述用户的第一面部图像，包括：

在出现次数大于或者等于第一预设次数的情况下，获取所述用户的第一面部图像；

或，在出现次数大于或者等于第二预设次数，且所述至少两个所述第一风险等级中的大于或者等于所述第一预设风险等级的所述第一风险等级为连续出现的情况下，获取所述用户的第一面部图像；

其中，所述出现次数是至少两个第一风险等级中大于或者等于第一预设风险等级的所述第一风险等级的出现次数，每个所述第一风险等级是基于一次采集的生理信息获取的。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述获取所述用户的第一面部图像，包括：

获取至少两个图像，其中，所述至少两个图像为包含所述用户的面部图像的局部区域的图像；

将所述至少两个图像融合为所述第一面部图像。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述基于所述第一面部图像，获取所述预设疾病的关键影响因子对应的所述用户的第一用户特征，包括：

识别所述第一面部图像中的面部特征；

基于所述面部特征，从信息查询系统中获取与所述预设疾病的关键影响因子对应的所述用户的身份信息；所述身份信息用于确定所述第一用户特征。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述基于所述生理信息和所述第一用户特征，预测所述用户患有所述预设疾病的第一目标风险等级之后，所述方法还包括：

获取所述用户的第二面部图像；

在所述第二面部图像相对于所述第一面部图像发生变化的情况下，基于所述第二面部图像，获取所述用户患有所述预设疾病的关键影响因子对应的第二用户特征；

基于所述生理信息和所述第二用户特征，预测所述用户患有所述预设疾病的第二目标风险等级。

7.根据权利要求1-6任一项所述的方法，其特征在于，在所述基于所述生理信息等级和所述第一用户特征，预测所述用户患有预设疾病的第一目标风险等级之后，所述方法还包括：

在所述第一目标风险等级大于或者等于第二预设风险等级的情况下，输出提示信息，其中，所述提示信息包括：满足预设条件的所述第一用户特征；

所述满足预设条件的所述第一用户特征包括：

权重值大于或者等于预设权重值对应的第一用户特征；

或，权重值从大到小排序后的前第一预设数量个的权重值对应的第一用户特征。

8.根据权利要求1-7任一项所述的方法，其特征在于，在所述预设疾病包括阻塞性睡眠呼吸暂停与低通气综合征时，所述关键影响因子包括性别、年龄、肥胖程度、是否鼻中隔弯曲或是否颅颌面畸形中的至少之一。

9.一种疾病风险等级预测装置，其特征在于，所述装置包括：

信息获取模块，用于获取用户与预设疾病相关的生理信息；

图像获取模块，用于获取所述用户的第一面部图像；

特征获取模块，用于基于所述第一面部图像，获取所述预设疾病的关键影响因子对应的所述用户的第一用户特征；

预测模块，用于基于所述生理信息和所述第一用户特征，预测所述用户患有所述预设疾病的第一目标风险等级。

10.根据权利要求9所述的装置，其特征在于，所述信息获取模块，具体用于：

在第一预设时间段内，至少获取两次所述用户与预设疾病相关的所述生理信息；

所述预测模块，具体用于：

基于获取的至少两次所述用户与预设疾病相关的所述生理信息，以及所述第一用户特征，预测所述用户患有所述预设疾病的第一目标风险等级；

或者，基于每次获取的所述生理信息，预测出所述用户患有所述预设疾病的第一风险等级；基于至少两个所述第一风险等级和所述第一用户特征，预测所述用户患有所述预设疾病的第一目标风险等级。

11.根据权利要求10所述的装置，其特征在于，所述图像获取模块，具体用于：

在出现次数大于或者等于第一预设次数的情况下，获取所述用户的第一面部图像；

或，在出现次数大于或者等于第二预设次数，且所述至少两个所述第一风险等级中的大于或者等于所述第一预设风险等级的所述第一风险等级为连续出现的情况下，获取所述用户的第一面部图像；

其中，所述出现次数是至少两个第一风险等级中大于或者等于第一预设风险等级的所述第一风险等级的出现次数，每个所述第一风险等级是基于一次采集的生理信息获取的。

12.根据权利要求9-11任一项所述的装置，其特征在于，所述图像获取模块，具体用于：

获取至少两个图像，其中，所述至少两个图像为包含所述用户的面部图像的局部区域的图像；

将所述至少两个图像融合为所述第一面部图像。

13.根据权利要求9-12任一项所述的装置，其特征在于，所述特征获取模块，具体用于：

识别所述第一面部图像中的面部特征；

基于所述面部特征，从信息查询系统中获取与所述预设疾病的关键影响因子对应的所述用户的身份信息，基于所述身份信息确定所述第一用户特征。

14.根据权利要求9-13任一项所述的装置，其特征在于，

所述图像获取模块，还用于获取所述用户的第二面部图像；

所述特征获取模块，还用于在所述第二面部图像相对于所述第一面部图像发生变化的情况下，基于所述第二面部图像，获取所述用户患有所述预设疾病的关键影响因子对应的第二用户特征；

所述预测模块，还用于基于所述生理信息和所述第二用户特征，预测所述用户患有所述预设疾病的第二目标风险等级。

15.根据权利要求9-14任一项所述的装置，其特征在于，所述装置还包括：

提示模块，用于在所述第一目标风险等级大于或者等于第二预设风险等级的情况下，输出提示信息，其中，所述提示信息包括：满足预设条件的所述第一用户特征；

所述满足预设条件的所述第一用户特征包括：

权重值大于或者等于预设权重值对应的第一用户特征；

或，权重值从大到小排序后的前第一预设数量个的权重值对应的第一用户特征。

16.根据权利要求9-15任一项所述的装置，其特征在于，在所述预设疾病包括阻塞性睡眠呼吸暂停与低通气综合征时，所述关键影响因子包括性别、年龄、肥胖程度、是否鼻中隔弯曲或是否颅颌面畸形中的至少之一。

17.一种疾病风险等级预测装置，其特征在于，包括：存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于调用所述计算机程序，以执行权利要求1-8任一项所述的方法。

18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行权利要求1-8任一项所述的方法。

Images