CN114496164A - 一种糖尿病的数字化管理方法 - Google Patents
一种糖尿病的数字化管理方法 Download PDFInfo
- Publication number
- CN114496164A CN114496164A CN202210076448.6A CN202210076448A CN114496164A CN 114496164 A CN114496164 A CN 114496164A CN 202210076448 A CN202210076448 A CN 202210076448A CN 114496164 A CN114496164 A CN 114496164A
- Authority
- CN
- China
- Prior art keywords
- data
- patient
- exercise
- scheme
- 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.)
- Pending
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- 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
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Nutrition Science (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供了一种糖尿病的数字化管理方法,包括:获取糖尿病患者的身体数据,并针对所述身体数据进行预处理,将预处理数据发送至预设的大数据处理平台;基于所述大数据处理平台对所述预处理数据进行分析,并将分析结果发送至运动师和营养师对应的数据传输端口,确定运动营养方案;根据所述运动营养方案,通过终端应用程序实时跟踪并记录患者的运动和饮食数据,并根据记录数据对所述运动营养方案进行动态调整。本发明能够对糖尿病患者的身体恢复进行个性化运动营养方案定制和动态调整。
Description
技术领域
本发明涉及医疗数据管理技术领域,特别涉及一种糖尿病的数字化管理方法。
背景技术
目前,我国糖尿病患者增长速度快,占比人群高,因此,对糖尿病的管理工作对我国的医疗法阵有重要意义,当前,我国针对糖尿病管理主要通过医疗方式进行控制,将糖尿病作为慢性病的方式进行指导,但是这种管理方法仅局限于按照遗嘱服药,机械控制饮食,监测血糖的方法,缺乏专业的运动与饮食干预,在对糖尿病的控制过程中管理的效率不高,且缺少患者的主动控制,发明CN201911386412-一种基于大数据的饮食方法采用大数据的方式对于饮食进行主动控制,通过大数据服务器针对不同时间段的饮食和健康情况进行分析,提高身体素质,但是此发明针对饮食信息处理方式较为繁琐,且无法预知不同饮食对应的营养摄入量,过程中未针对饮食提供合理的运动方案;论文Lin J,Xiao L,Zhang S,etal.Application of Health Education Based on Metabolic Disease ManagementInformation Platform in Patients with Type 2Diabetes after Discharge[J].Modern Clinical Nursing,2019中指出针对糖尿病患者通过饮食控制、血糖监测、规律运动、用药指导的结合可以有效控制并改善糖尿病,但是缺乏对数据的采集、处理和监测手段,因此导致对糖尿病的数据管理缺乏有效性和数据溯源性。
发明内容
本发明提供一种糖尿病的数字化管理方法,用以解决缺乏对糖尿病患者运动和饮食数据的采集和监测,缺乏对患者的身体数据进行数字化管理的情况。
一种糖尿病的数字化管理方法,包括:
获取糖尿病患者的身体数据,并针对所述身体数据进行预处理,将预处理数据发送至预设的大数据处理平台;
基于所述大数据处理平台对所述预处理数据进行分析,并将分析结果发送至运动师和营养师对应的数据传输端口,确定运动营养方案;
根据所述运动营养方案,通过终端应用程序实时跟踪并记录患者的运动和饮食数据,并根据记录数据对所述运动营养方案进行动态调整。
作为本发明的一种实施例:所述获取糖尿病患者的身体数据,并针对所述身体数据进行预处理,将预处理数据发送至预设的大数据处理平台,包括:
根据所述糖尿病患者的身体数据进行数据过滤,获取待处理数据,并针对所述待处理数据进行数据清洗,获取一级处理数据;其中,所述身体数据包括:血糖数据、肝脏数据、肌肉数据、脂肪数据、胰脏数据、肠道数据、尿液数据等;所述待处理数据包括:缺失数据、噪声数据、重复数据;
将所述一级处理数据按照预设的数据格式进行分类,获取异构数据,并针对所述异构数据进行数据集成,获取二级处理数据;
将所述二级处理数据进行离差标准化数据转换,获取三级处理数据,并将所述三级处理数据同步上传至大数据处理平台。
作为本发明的一种实施例:所述获取糖尿病患者的身体数据,并针对所述身体数据进行预处理,将预处理数据发送至预设的大数据处理平台,还包括:
将所述预处理数据与预设的阈值范围进行比较,判断所述身体数据是否处于预设的阈值范围;
当所述身体数据未处于预设的阈值范围,判定所述身体数据为异常身体数据;
当所述身体数据处于预设的阈值范围,判定所述身体数据为正常身体数据;
基于预设的糖尿病检测平台,针对患者的异常身体数据进行检测,获取检测结果,并将所述检测结果存储至云端服务器,
根据所述糖尿病患者的检测结果,将所述检测结果进行等级划分,获取糖尿病等级划分结果;其中,所述糖尿病等级划分结果包括:轻型糖尿病、中型糖尿病、重型糖尿病;
将所述异常身体数据和对应的等级划分结果同步上传至所述大数据处理平台。
作为本发明的一种实施例:所述基于所述大数据处理平台对所述预处理数据进行分析,并将分析结果发送至运动师和营养师对应的数据传输端口,确定运动营养方案,包括:
获取所述糖尿病患者的身体数据,并将所述身体数据上传至大数据处理平台,所述大数据处理平台按照初级分类项对所述糖尿病患者的身体状态数据进行分类,并根据对应的分类结果进行状态分析,获取状态分析结果;其中,所述初级分类项包括:营养元素状态、运动量状态、健康状态;
根据所述营养元素状态分析结果,判断所述糖尿病患者营养元素缺少信息,输出判断结果;其中,所述营养元素缺少信息包括:微量元素缺少信息、维生素缺少信息、纤维素缺少信息、蛋白质缺少信息等;
根据所述运动量状态分析结果,判断所述糖尿病患者卡路里消耗信息,输出判断结果;
根据所述健康状态分析结果,判断所述健康状态对应的用药等级信息,输出判断结果;其中,所述用药等级信息包括:初级用药信息、中级用药信息、高级用药信息;
获取运动师、营养师、医生对应的数据传输端口,将营养元素缺少信息、卡路里消耗信息、用药等级信息分别发送至对应的数据传输端口;
根据运动师对应的数据传输端口,接收运动方案数据;
根据营养师对应的数据传输端口,接收饮食方案数据;
根据医生对应的数据传输端口,接收用药方案数据;
将所述运动方案数据、饮食方案数据、用药方案数据进行数据融合,确定运动营养方案。
作为本发明的一种实施例:所述根据所述运动营养方案,通过手机端应用实时跟踪并记录患者的运动和饮食数据,并根据记录数据对所述运动营养方案进行动态调整,包括:
通过蓝牙技术,将智能终端与信息采集设备进行无线连接,获取目标采集数据;其中,所述信息采集设备包括:智能椭圆机、智能体脂秤、智能血糖仪;所述目标采集数据包括:卡路里消耗数据、健康数据、血糖测量数据;
通过所述智能椭圆机采集患者卡路里消耗数据;
通过所述智能体脂秤采集患者的健康数据;其中,所述健康数据包括:体脂率、内脏脂肪、蛋白质、心率、健康指数、肌肉量等;
通过所述智能血糖仪采集患者的血糖测量数据;
将所述目标采集数据和所述运动营养方案进行数据比对,判断所述糖尿病患者的卡路里消耗数据、健康数据、血糖测量数据是否与运动营养方案中要求的数据量匹配,确定判断结果;
当所述糖尿病患者的卡路里消耗数据、健康数据、血糖测量数据与运动营养方案中对应的数据量匹配时,输出数据量达标结果;
当所述糖尿病患者的卡路里消耗数据、健康数据、血糖测量数据与运动营养方案中对应的数据量不匹配时,获取数据对比分析结果,并生成健康建议报告。
作为本发明的一种实施例:所述通过蓝牙技术,将智能终端与信息采集设备进行无线连接,获取目标采集数据,包括:
获取所述智能体脂秤采集的历史健康数据,并对所述历史健康数据进行差异化分析,获取所述健康数据变化信息;
根据所述健康数据变化信息,基于大数据处理平台,判断所述患者的身体状态是否发生好转;
当所述患者的身体状态发生好转时,获取运动方案和营养方案,并根据所述健康数据变化信息构建饮食运动调整模型,将当前健康数据作为输入项,对所述运动方案和营养方案进行更新,获取更新运动方案和营养方案。
作为本发明的一种实施例:所述根据所述健康数据变化信息,基于大数据处理平台,判断所述患者的身体状态是否发生好转,包括:
基于预设的大数据处理平台,根据所述健康数据变化信息,构建数据变化幅度模型;
根据所述数据变化幅度模型,针对糖尿病患者的健康数据进行预测,获取所述健康数据的预测结果;
根据所述患者的健康数据的预测结果,自动生成健康数据报告,根据所述健康数据报告进行智能分析,判断所述患者的身体状态是否发生好转。
作为本发明的一种实施例:所述根据所述运动营养方案,通过智能终端应用程序实时跟踪并记录患者的运动和饮食数据,并根据记录数据对所述运动营养方案进行动态调整,还包括:
通过智能终端实时采集患者的饮食图像数据,并将所述饮食图像数据上传至所述大数据处理平台;
基于所述大数据处理平台,针对所述饮食图像数据进行菜品种类分析,获取一类分析数据;其中,所述菜品种类包括:肉类、蔬菜类、水果类、主食类、汤类;
根据所述一类分析数据,针对所述菜品种类进行重量检测分析,获取二类分析数据;
基于预设的营养数据库,根据所述一类分析数据和所述二类分析数据,获取患者的饮食营养摄入数据;
根据所述患者的饮食营养摄入数据,基于所述大数据处理平台,判断所述饮食营养摄入数据是否符合营养方案中设定的营养标准,输出判断结果。
作为本发明的一种实施例:所述根据所述运动营养方案,通过终端应用程序实时跟踪并记录患者的运动和饮食数据,并根据记录数据对所述运动营养方案进行动态调整,还包括:
通过智能扫描眼镜自动分辨和采集所述糖尿病患者的行为数据;其中,所述行为数据包括:饮食行为、运动行为、用药行为;
当所述智能扫描眼镜检测到患者处于饮食行为状态时,开启饮食分析状态,获取营养摄入数据,并将所述营养摄入时间实时同步至云端服务器;
当所述智能扫描眼镜检测到患者处于运动行为状态时,开启运动分析状态,采集卡路里消耗数据,并将所述卡路里消耗数据实时同步至云端服务器;
当所述智能扫描眼镜检测到患者处于用药行为状态时,开启用药监测状态,将检测到的用药数据与预设的用药量进行对比,判断是否用药正确,输出判断结果,并将所述用药数据实时同步至云端服务器;
当所述判断结果显示用药不正确时,开启AR提醒模式,输出正确用药数据。
作为本发明的一种实施例:一种糖尿病的数字化管理方法,还包括:
根据所述糖尿病患者的身体数据进行分析,获取所述身体数据中对应的离群点和噪声数据;
根据所述离群点和噪声数据构建聚类特征树,获取初步聚类结果;
根据所述初步聚类结果进行二次聚类,获取二次聚类结果;
根据所述初步聚类结果和所述二次聚类结果进行数据挖掘,获取所述糖尿病患者的身体数据与潜在疾病的关联系数;其中,所述潜在疾病包括:高血压、心脏病、脑血管病、白内障等;
根据所述患者的身体数据与潜在疾病的关联系数,基于大数据处理平台,判断所述糖尿病患者患潜在疾病的概率,当所述概率大于预设的阈值范围时,执行数据报警。
所述本发明的有益效果如下:本发明通过对糖尿病患者的身体数据进行数字化管理,将数字化数据通过运动师和营养师的分析,对糖尿病患者的身体恢复进行个性化运动营养方案定制,结合患者智能终端应用程序对个性化运动营养方案进行控制和数据交互,并控制智能椭圆机、智能体脂秤与血糖仪对患者身体状态数据进行实时跟踪记录,采用大数据处理平台通过跟踪记录数据实现对个性化运动营养方案的动态调整;此外,还能帮助患者科学用药,科学运动,高效营养饮食,科学减药停药,帮助患者更高效的进行身体恢复,达到健康目标。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种糖尿病的数字化管理方法流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本发明实施例提供了一种糖尿病的数字化管理方法,包括:
获取糖尿病患者的身体数据,并针对所述身体数据进行预处理,将预处理数据发送至预设的大数据处理平台;
基于所述大数据处理平台对所述预处理数据进行分析,并将分析结果发送至运动师和营养师对应的数据传输端口,确定运动营养方案;
根据所述运动营养方案,通过终端应用程序实时跟踪并记录患者的运动和饮食数据,并根据记录数据对所述运动营养方案进行动态调整;
上述技术方案的工作原理为:本发明的现有技术中通过获取糖尿病患者的临床数据,将临床数据进行预处理,对预处理的临床数据进行层次聚类分析,针对所述临床数据进行分类,导致当患者数量较多,采集的数据量较大时,获得分类结论的效率较低,此外,在对患者确定运动和营养方案时,直接将预处理数据发送至运动师和营养师数据端口,导致运动师和营养师根据大量数据进行人工处理,处理效率慢且容易出现错误,最后,现有技术中不支持智能终端同时采集饮食数据和运动数据,导致在进行监测时,数据分离,不具有统一性,无法进行整体分析;本发明中通过将预处理数据发送至大数据处理平台,即使面对的数据量较大时也不会影响数据处理的效率,此外,通过大数据处理平台对数据进行处理分析,将分析后的数据发送至运动师和营养师数据端口,最后,通过智能终端与运动器械和血糖仪进行连接,可实现整体的数据采集和分析,解决了现有技术中由于数据量过大导致数据处理效率较低和数据缺乏整体性的问题;
在一个实际的场景中:通过使用多种医疗设备针对糖尿病患者的身体数据进行采集,为了增加数据处理的效率,将采集获得的数据未经处理直接上传至大数据处理平台中,大数据处理平台从大量学习的案例中匹配出相似度最高的案例导出对应记载的数据,导出的数据直接为其它案例中的数据,未经处理,不具有可信性,且大数据处理平台在处理数据的时候,将数据全部按照用户的个人信息进行存储,当需要对数据进行调用时,再针对数据进行检索查询,处理数据的效率大大降低,;
本发明在进行实施的时候,将糖尿病患者的身体数据进行预处理,过滤掉无效数据,并将有效数据增强处理,经过大数据处理平台处理的数据与学习的案例中的数据进行匹配,比如选择出匹配度排列前10的数据序列,将选择出的数据进行分析,最后将分析后获得的数据发送至运动师和营养师对应的数据传输端口,对结果进行最终确认,提高数据的可信性;
上述技术方案的有益效果为:本发明通过将糖尿病患者的身体数据进行预处理,有利于从海量数据中获取问题数据,从而对有效数据进行数据处理,提高数据处理的有效性,此外,通过大数据处理平台针对患者的身体数据进行处理分析,有利于帮助运动师和营养师进行数据分析,提高运动师和营养师的工作效率和准确率,最后通过智能终端应用程序,实时跟踪患者的饮食和运动数据,有利于根据患者的实时身体状态实时调整运动和饮食计划,提高糖尿病的针对性,有利于更快速的恢复健康。
实施例2:
在本发明的一种实施例中:所述获取糖尿病患者的身体数据,并针对所述身体数据进行预处理,将预处理数据发送至预设的大数据处理平台,包括:
根据所述糖尿病患者的身体数据进行数据过滤,获取待处理数据,并针对所述待处理数据进行数据清洗,获取一级处理数据;其中,所述身体数据包括:血糖数据、肝脏数据、肌肉数据、脂肪数据、胰脏数据、肠道数据、尿液数据等;所述待处理数据包括:缺失数据、噪声数据、重复数据;
将所述一级处理数据按照预设的数据格式进行分类,获取异构数据,并针对所述异构数据进行数据集成,获取二级处理数据;
将所述二级处理数据进行离差标准化数据转换,获取三级处理数据,并将所述三级处理数据同步上传至大数据处理平台;
上述技术方案的工作原理为:本发明的现有技术中针对患者的身体数据进行数据预处理时,仅对缺失数据进行清洗,因此无法针对重复数据和噪声数据进行清洗,降低了数据清洗的效率,易导致大量数据中仍包括大量无效数据,不利于后期的数据分析处理,此外,在对数据进行标准化时,现有技术采用标准差标准化的方法,导致当数据中存在的大量不同数据格式的数据时,标准化效果不理想,本发明中首先通过查询数据中的缺失数据、噪声数据、重复数据,再对数据进行清洗,解决了现有技术中数据清洗效率较低的问题,此外,通过针对医学数据中数据格式较多的情况,采用离差标准化数据转换方式对数据进行转换,解决了现有技术中标准差标准化效果不理想的问题;
在一个实际的场景中:我们通过多种检测设备,血压仪、血糖监测仪、尿检等多种监测方式监测身体数据,这些数据是在监测后直接上传到大数据处理平台的,现有技术中,大数据平台会将这些数据全部整理成用户的个人数据,在个人数据调用的时候,只要是调用,所有关于这个用户的数据都出来了,如果用户想找一个单一的血糖数据,需要长时间的寻找,打开多个文件夹,才能找到需要的血糖数据。而且,大量数据的一次性传输,因为数据十分复杂,无法清楚的传输,造成的丢包率极高;
本发明在进行实施的时候,身体数据会进行过滤,这个过滤过程包括,将数据按照血糖数据、肝脏数据、肌肉数据、脂肪数据、胰脏数据、肠道数据、尿液数据进行分类;分类之后,而每一类数据,是一个标准和规格的数据包,例如:血糖数据,每个数据包最多是800个字符、每个数据包最多能记载1个小时内的血糖数据;然后按照小时进行一次分布,每一类数据都是具有一定的规格,从而在传输的时候,不会发生混乱,就算是存在丢包,也能确定根据时间确定丢了什么时间的数据,字符限定之后,就能保证数据大小相同,实现匀速传输。
上述技术方案的有益效果为:本发明中首先通过获取患者身体数据中的缺失数据、噪声数据、重复数据,在针对上述数据进行数据清洗,有利于提高数据清洗的效率,提高对错误数据的清洗效率,提高数据的有效性,此外通过离差标准化数据转换方法有利于降低大量数据中数据格式较多,数据对应的单位较为分散的情况。
实施例3:
在本发明的一种实施例中:所述获取糖尿病患者的身体数据,并针对所述身体数据进行预处理,将预处理数据发送至预设的大数据处理平台,还包括:
将所述预处理数据与预设的阈值范围进行比较,判断所述身体数据是否处于预设的阈值范围;
当所述身体数据未处于预设的阈值范围,判定所述身体数据为异常身体数据;
当所述身体数据处于预设的阈值范围,判定所述身体数据为正常身体数据;
基于预设的糖尿病检测平台,针对患者的异常身体数据进行检测,获取检测结果,并将所述检测结果存储至云端服务器,
根据所述糖尿病患者的检测结果,将所述检测结果进行等级划分,获取糖尿病等级划分结果;其中,所述糖尿病等级划分结果包括:轻型糖尿病、中型糖尿病、重型糖尿病;
将所述异常身体数据和对应的等级划分结果同步上传至所述大数据处理平台;
上述技术方案的工作原理为:本发明的现有技术中对糖尿病患者的身体数据进行处理时,由于数据量较大,因此导致数据处理的复杂度较高,数据处理的效率降低,且数据处理结束后易导致数据丢失的情况发生,此外,针对患者的数据进行分析时,未对糖尿病患者的等级进行划分,不论是轻型、中型、重型糖尿患者均采用相同的数据处理方式,导致由于不同类型的糖尿病患者呈现的不同状态使得对患者的饮食和运动方案时缺乏理论依据和可信性;本发明为了解决上述问题,首先通过从大量的身体数据中筛选出异常身体数据和正常身体数据,在进行检测时仅针对异常身体数据进行检测,解决现有技术中数据处理效率较低的问题,此外,针对不同类型的患者表现的症状不一致的问题,本发明中根据对患者的检测结果进行等级划分,区别出轻型、中型、重型糖尿病患者,针对不同等级的患者进行分别处理;
在一个实际的场景中:在根据患者的身体数据进行检测的时候,通过将患者的所有身体数据输入到糖尿病检测平台,其中包括指标显示正常的身体数据和指标异常的身体数据,针对个人而言,数据量较小,但是针对所有糖尿病患者的群体而言,数据量非常大,检测平台需要保存所有的数据,且在进行检测的过程中需要针对每一个数据进行分析,会导致分析数据的复杂度提高,且由于数据量的不断提高,检测的速度会越来越慢,信息处理的效率也会出现拥塞;
本发明在进行实施的时候:首先会在大数据处理端针对异常数据进行筛选,将患者的身体数据按照血糖数据、肝脏数据、肌肉数据、脂肪数据、胰脏数据、肠道数据、尿液数据进行分类,再将分类后的数据与预设的阈值范围进行过滤,仅采集未处于阈值范围的对应数据,即表明该数据为异常指标数据,将这些异常指标数据输入至糖尿病检测平台中,平台只需针对表现异常的数据进行检测,检测的效率会大大提升,且执行的数据量会减少,此外,通过将患者对应的身体数据存储至云端服务器,在平台中仅保存患者身体数据对应的编码,若需要对数据进行查找时,仅需要在云端服务器根据查找的编码对数据进行调取即可,降低了由于数据量负载过大导致检测效率降低的问题;
上述技术方案的有益效果为:本发明中通过将患者的身体数据与预设的阈值范围进行比较,筛选出正常身体数据和异常身体数据,有利于筛选出异常身体数据,仅通过异常身体数据的检测,提高了糖尿病检测的效率和速度,此外,通过根据检测结果进行等级划分,有利于针对不同等级的糖尿病患者采用不同的运动方案和饮食方案,一定程度上提升了糖尿病的恢复效率。
实施例4:
在本发明的一种实施例中:所述基于所述大数据处理平台对所述预处理数据进行分析,并将分析结果发送至运动师和营养师对应的数据传输端口,确定运动营养方案,包括:
获取所述糖尿病患者的身体数据,并将所述身体数据上传至大数据处理平台,所述大数据处理平台按照初级分类项对所述糖尿病患者的身体状态数据进行分类,并根据对应的分类结果进行状态分析,获取状态分析结果;其中,所述初级分类项包括:营养元素状态、运动量状态、健康状态;
根据所述营养元素状态分析结果,判断所述糖尿病患者营养元素缺少信息,输出判断结果;其中,所述营养元素缺少信息包括:微量元素缺少信息、维生素缺少信息、纤维素缺少信息、蛋白质缺少信息等等;
根据所述运动量状态分析结果,判断所述糖尿病患者卡路里消耗信息,输出判断结果;
根据所述健康状态分析结果,判断所述健康状态对应的用药等级信息,输出判断结果;其中,所述用药等级信息包括:初级用药信息、中级用药信息、高级用药信息;
获取运动师、营养师、医生对应的数据传输端口,将营养元素缺少信息、卡路里消耗信息、用药等级信息分别发送至对应的数据传输端口;
根据运动师对应的数据传输端口,接收运动方案数据;
根据营养师对应的数据传输端口,接收饮食方案数据;
根据医生对应的数据传输端口,接收用药方案数据;
将所述运动方案数据、饮食方案数据、用药方案数据进行数据融合,确定运动营养方案;
上述技术方案的工作原理为:本发明的现有技术中未涉及针对糖尿病患者的身体数据确定运动营养方案,因此,导致传统的针对糖尿病患者恢复时,仅通过机械性的饮食控制,且无法知悉自身的营养元素状态、运动量状态、健康状态,导致糖尿病的恢复速度降低;本发明中针对现有技术中缺乏对糖尿病恢复的科学指导,首先将患者的身体数据上传至大数据处理平台,大数据处理平台经过分析,获取患者营养元素缺乏信息、运动量缺乏信息、当前健康状态,和用药信息根据对应的缺少信息,把这些数据提供给营养师和运动师,营养师和运动师、医生制定基于患者自身的运动、营养、饮食、用药方案,制定科学合理化的饮食运动方案解决了现有技术中仅通过机械性的饮食控制糖尿病的问题;
在一个实际的场景中:医院针对糖尿病患者进行检查的时候,通过医疗设备采集患者的各项身体指标数据,将各项身体数据输入到大数据处理平台中,大数据处理平台将患者的所有数据按照个人的身份编码进行存储,在分析时,调取身份编码对应的文件进行分析,在文件搜索时,需要基于大量的文件进行查找,查找的速度较慢且容易造成丢包的情况,大数据处理平台对患者的身体数据进行分析时,将对应患者的所有数据进行分析,数据分析量较大且效率较低;且现有技术中针对患者身体数据进行分析时,仅能获取患者身体的健康状态,即患者的数据显示是否为健康,对应的营养元素缺少信息和运动缺少信息仍需要专业的医生进行判断;
本发明在进行实施的时候:首先会针对身体数据按照血糖数据、肝脏数据、肌肉数据、脂肪数据、胰脏数据、肠道数据、尿液数据进行分类,并对上述数据进行异常筛选,筛选出未处于正常阈值范围的数据,需要处理的数据量会大大减少,再将这些数据基于大数据处理平台进行进一步分析,由于在大数据处理平台中保存了大量的案例和专业医生诊断结果,因此,平台可根据患者的异常身体数据查找对应相似的分析案例,获取患者对应的营养元素缺少信息、运动量缺少信息、健康状态等,由于上述的信息均为机器根据案例总结出的初步方案并缺乏有针对性,因此在获取初步的方案发送至运动师、营养师和医生对应的数据传输端口,运动师、营养师和医生仅需要针对初步方案给予评价即可;
上述技术方案的有益效果为:本发明中通过对糖尿病患者的身体状态数据进行分类,分别为营养元素、运动量、健康状态,根据不同的分类结果进行精细分析,有利于获取患者身体中具体的缺少信息,并进而指定合理的运动方案和饮食方案,此外,将大数据处理平台处理的结果分别发送至运动师和营养师端口进行分析,接收更适合患者的运动饮食方案,有利于提高患者康复的效率。
实施例5:
在本发明的一种实施例中:所述根据所述运动营养方案,通过手机端应用实时跟踪并记录患者的运动和饮食数据,并根据记录数据对所述运动营养方案进行动态调整,包括:
通过蓝牙技术,将智能终端与信息采集设备进行无线连接,获取目标采集数据;其中,所述信息采集设备包括:智能椭圆机、智能体脂秤、智能血糖仪;所述目标采集数据包括:卡路里消耗数据、健康数据、血糖测量数据;
通过所述智能椭圆机采集患者卡路里消耗数据;
通过所述智能体脂秤采集患者的健康数据;其中,所述健康数据包括:体脂率、内脏脂肪、蛋白质、心率、健康指数、肌肉量等;
通过所述智能血糖仪采集患者的血糖测量数据;
将所述目标采集数据和所述运动营养方案进行数据比对,判断所述糖尿病患者的卡路里消耗数据、健康数据、血糖测量数据是否与运动营养方案中要求的数据量匹配,确定判断结果;
当所述糖尿病患者的卡路里消耗数据、健康数据、血糖测量数据与运动营养方案中对应的数据量匹配时,输出数据量达标结果;
当所述糖尿病患者的卡路里消耗数据、健康数据、血糖测量数据与运动营养方案中对应的数据量不匹配时,获取数据对比分析结果,并生成健康建议报告;
上述技术方案的工作原理为:本发明的现有技术中不支持通过智能终端同时和智能椭圆机、智能体脂秤、智能血糖仪进行同时协同工作,无法对数据进行统一在线处理,因此导致对数据进行处理时,数据较为分散,无法生成健康建议报告;本发明中通过蓝牙技术同时连接智能椭圆机、智能体脂秤、智能血糖仪,分别采集患者的运动数据、健康数据、血糖测量数据,通过分别对上述三种数据的分析确定有利于患者的运动饮食需求,最终生成对应患者的健康建议报告,解决了现有技术中无法针对运动数据、健康数据、血糖测量数据进行统一处理,导致数据分散的问题;
在一个实际的场景中:通过终端采集患者的运动数据、健康数据和血糖测试数据的时候,这些数据与终端的传输采用独立端口进行传输,终端可以分别接收到患者的身体数据、运动数据和血糖测试数据,在进行数据处理时,需要分别将上述三种数据分别导入大数据处理平台中进行分析,在进行数据比对时,通过重新调取数据的方式将对应的数据进行比较,当数据量较多时且为了提高比较的效率时,需要同时将大量数据进行处理,导致数据的出错率较高,分析结果出现偏差;
本发明在进行实施的时候:通过终端应用程序将智能终端与智能椭圆机、体脂秤和血糖仪通过同一个数据端口进行连接,当任意一个数据传输时,终端应用程序都可以实时收集到数据,只需要将终端接收到的数据统一发送至大数据处理平台进行分析处理,且在进行数据比对时,按照上传时的类别按照数据包进行依次比较,所有的数据保存在云端服务器中,当排到对应的数据进行比较时,提前根据数据的编号进行调取,将已经比较结束的数据存储至云端,本地端仅保存对应的数据编号,降低输出的错误率,提高正确率;
上述技术方案的有益效果为:本发明中通过将智能终端和智能椭圆机、智能体脂秤、智能血糖仪连接,分别采集患者的运动数据、健康数据、血糖测量数据有利于根据患者的身体数据指定科学的饮食运动方案,针对将患者的运动数据、健康数据、血糖测量数据与运动营养中的方案进行比对,有利于及时获取患者在饮食和运动方面的执行情况。
实施例6:
在本发明的一种实施例中:所述通过蓝牙技术,将智能终端与信息采集设备进行无线连接,获取目标采集数据,包括:
获取所述智能体脂秤采集的历史健康数据,并对所述历史健康数据进行差异化分析,获取所述健康数据变化信息;
根据所述健康数据变化信息,基于大数据处理平台,判断所述患者的身体状态是否发生好转;
当所述患者的身体状态发生好转时,获取运动方案和营养方案,并根据所述健康数据变化信息构建饮食运动调整模型,将当前健康数据作为输入项,对所述运动方案和营养方案进行更新,获取更新运动方案和营养方案;
上述技术方案的工作原理为:本发明的现有技术中由于数据量较大时,仅会保留一段时间内的历史健康数据,因此无法针对历史健康数据进行差异化分析,也无法根据数据判断患者的恢复情况;针对上述问题,本发明中将采集的所有数据储存至云端服务器,解决现有技术中数据占用的问题,此外通过将健康数据变化信息基于大数据处理平台进行分析,构建饮食运动调整模型,对所述运动方案和营养方案进行调整更新;
上述技术方案的有益效果为:本发明中通过获取患者的历史健康数据,并针对历史健康数据进行差异化分析,有利于根据历史健康信息判断糖尿病患者的恢复情况,当患者的恢复情况较好时,通过构建饮食运动调整模型,有利于根据当前患者的健康数据,对所述运动方案和营养方案进行更新,有利于提高患者恢复的速度。
实施例7:
在本发明的一种实施例中:所述根据所述健康数据变化信息,基于大数据处理平台,判断所述患者的身体状态是否发生好转,包括:
基于预设的大数据处理平台,根据所述健康数据变化信息,构建数据变化幅度模型;
根据所述数据变化幅度模型,针对糖尿病患者的健康数据进行预测,获取所述健康数据的预测结果;
根据所述患者的健康数据的预测结果,自动生成健康数据报告,根据所述健康数据报告进行智能分析,判断所述患者的身体状态是否发生好转;
上述技术方案的工作原理为:本发明的现有技术中由于数据量过多会导致数据处理的效率较低,因此,仅会保存一段时间的历史数据,因此,由于数据样本不够,不支持根据历史健康数据,计算高可信度的差异化数据,无法判断患者的恢复状况;本发明中通过历史数据信息获取患者的健康数据变化信息,并构建数据变化幅度模型,根据数据变化幅度模型对患者的健康数据进行预测,并自动生成健康数据报告进而获取患者的恢复状况,解决现有技术中由于数据样本不够无法判断患者的恢复状况;
上述技术方案的有益效果为:本发明中通过构建数据变化幅度模型,有利于根据患者的历史数据信息进行分析,并对患者的健康数据进行预测,从而获取患者的恢复状况,有利于预测患者的身体恢复情况。
实施例8:
在本发明的一种实施例中:所述根据所述运动营养方案,通过智能终端应用程序实时跟踪并记录患者的运动和饮食数据,并根据记录数据对所述运动营养方案进行动态调整,还包括:
通过智能终端实时采集患者的饮食图像数据,并将所述饮食图像数据上传至所述大数据处理平台;
基于所述大数据处理平台,针对所述饮食图像数据进行菜品种类分析,获取一类分析数据;其中,所述菜品种类包括:肉类、蔬菜类、水果类、主食类、汤类;
根据所述一类分析数据,针对所述菜品种类进行重量检测分析,获取二类分析数据;
基于预设的营养数据库,根据所述一类分析数据和所述二类分析数据,获取患者的饮食营养摄入数据;
根据所述患者的饮食营养摄入数据,基于所述大数据处理平台,判断所述饮食营养摄入数据是否符合营养方案中设定的营养标准,输出判断结果;
上述技术方案的工作原理为:本发明的现有技术中不支持通过智能终端在线检测菜品种类和重量检测分析,仅支持手动输入的方式对摄入的菜品和重量进行记录,导致信息录入过程中过程较为繁琐,且由于菜品的重量检测实施较为困难,因此导致对饮食的数据输入可参考性和可信度较低;本发明中通过智能终端实时采集患者的饮食图像数据,基于大数据处理平台,对饮食数据图像进行分析,获取菜品种类以及对应的重量结果,获取饮食营养摄入数据,解决了现有技术中针对菜品输入繁琐、重量检测困难的情况;
在一个具体的实施例中:通过智能终端采集饮食图像数据时,大数据处理平台需要首先处理采集的图像数据,为了增强图像中目标检测的正确率,且在现实生活中由于外界光照的影响,会导致图像变得模糊、分辨率降低,首先需要针对饮食图像数据进行去噪处理,其次是针对饮食图像数据进行图像分割,使得目标区域和背景差异增大,最终对饮食图像数据中的菜品进行检测分析:
步骤1:采用滑动窗口方法针对通过智能终端采集的饮食图像数据进行图像降噪处理:
假设{αm,n,(m,n)∈P2}表示饮食图像数据中每一个像素点的灰度值,滑动窗口A的中值滤波表示为:
βm,n=F{αm,n}=F{α(m+i),(n+j),(i,j)∈A,(m,n)∈P2}
其中,(m,n)表示图像中对应像素的坐标点,P表示饮食图像数据,F{αm,n}表示每一个像素点灰度值对应的窗口表示,A表示滑动窗口,((m+i),(n+j))表示中心坐标为(m,n)的窗口下一个窗口的中心坐标,i、j分别表示滑动窗口中心坐标的位移值;
上述步骤的主要目的在于通过计算二维滑动窗口的中值滤波对饮食图像数据的像素点进行去噪处理,滑动窗口选择3×3窗口,去除图像噪声,还可以使得图像边缘变得模糊;
步骤2:通过卷积对去噪处理后的图像进行图像增强处理:
D(x,y)=D1(x,y)*D2(x,y)
其中,(x,y)图像中的像素坐标值,D1(x,y)表示原始图像,D2(x,y)表示图像处理函数,D(x,y)表示经过增强处理后对应的图像;
上述步骤的主要目的在于通过将原始图像与脉冲响应进行卷积计算,通过对图像中的像素点进行加权,对图像中的每个像素点输出对应的响应值;
步骤3:最后是针对经过图像去噪、图像增强后的饮食图像数据进行图像分割处理:
首先计算像素坐标点(x,y)对应的梯度值T(x,y):
其中,Tx表示坐标点(x,y)在x方向上的梯度值,Ty表示坐标点(x,y)在y方向上的梯度值,D(x,y)表示经过增强处理后对应的图像;
上述步骤的主要目的在于在图像处理时分别采用水平方向和垂直方向对图像进行梯度计算,坐标点的梯度方向与图像的边缘方向呈垂直状态,使得加权值可信度增加;
步骤4:将经过图像分割后的图像针对不同的目标进行特征提取:
首先,通过计算图像数据中区域像素的标准差,根据标准差计算结果,获取图像中不同像素点分布细节:
其中,S表示选定像素区域亮度值的标准差计算结果,b表示选定区域中的像素点个数,a=1,2,…,b,B表示像素点对应的亮度值,(xa,ya)表示二维坐标系中(x,y)点对应第a个像素区域的亮度值;
上述步骤的主要目的在于通过亮度分析对图像数据中的特征进行提取,选定区域中像素点的亮度标准差可以直观反映出此区域中像素点亮度的变化幅度,并进而计算出对应像素的整体分布,实现对目标特征的提取;
上述技术方案的有益效果为:本发明中通过对糖尿病患者的饮食图像数据进行分析,获取对应菜品种类和重量结果,有利于快速获取患者饮食过程中针对食物进行营养摄入判断,且可信度较高,此外,通过根据患者的饮食营养摄入数据进行判断,有利于知晓患者的饮食是否达到标准,有利于提高患者恢复的效率和速度。
实施例9:
在本发明的一种实施例中:所述根据所述运动营养方案,通过终端应用程序实时跟踪并记录患者的运动和饮食数据,并根据记录数据对所述运动营养方案进行动态调整,还包括:
通过智能扫描眼镜自动分辨和采集所述糖尿病患者的行为数据;其中,所述行为数据包括:饮食行为、运动行为、用药行为;
当所述智能扫描眼镜检测到患者处于饮食行为状态时,开启饮食分析状态,获取营养摄入数据,并将所述营养摄入时间实时同步至云端服务器;
当所述智能扫描眼镜检测到患者处于运动行为状态时,开启运动分析状态,采集卡路里消耗数据,并将所述卡路里消耗数据实时同步至云端服务器;
当所述智能扫描眼镜检测到患者处于用药行为状态时,开启用药监测状态,将检测到的用药数据与预设的用药量进行对比,判断是否用药正确,输出判断结果,并将所述用药数据实时同步至云端服务器;
当所述判断结果显示用药不正确时,开启AR提醒模式,输出正确用药数据;
上述技术方案的工作原理为:本发明的现有技术中针对糖尿病进行数字化管理时,无法将饮食数据、运动数据、用药数据进行统一化管理,因此导致在针对患者的饮食、运动、用药情况进行监测时,数据较为分散,且由于数据量较多,在进行数据分析的过程中,会导致数据分析过程中出现延迟,降低数据的实时性,本发明中支持通过智能扫描眼镜采集患者的饮食数据、运动数据、用药数据,将数据进行统一化管理,且将数据储存至云端服务器,解决了现有技术中数据较为分散,且由于数据量较多导致数据分析延迟的问题;
上述技术方案的有益效果为:本发明中通过智能扫描眼镜实时采集患者的饮食摄入情况、运动情况、用药情况,有利于实时获取患者的行为数据,提高数据分析的效率,通过将数据储存至云端服务器,有利于数据处理分析过程中避免数据延迟的情况,此外,在用药时,通过扫描眼镜进行智能监测,动态记录用药状态,当用药不正确时,通过AR模式,显示正确用药数据,有利于数据显示多样化。
实施例10:
在本发明的一种实施例中:一种糖尿病的数字化管理方法,还包括:
根据所述糖尿病患者的身体数据进行分析,获取所述身体数据中对应的离群点和噪声数据;
根据所述离群点和噪声数据构建聚类特征树,获取初步聚类结果;
根据所述初步聚类结果进行二次聚类,获取二次聚类结果;
根据所述初步聚类结果和所述二次聚类结果进行数据挖掘,获取所述糖尿病患者的身体数据与潜在疾病的关联系数;其中,所述潜在疾病包括:高血压、心脏病、脑血管病、白内障等;
根据所述患者的身体数据与潜在疾病的关联系数,基于大数据处理平台,判断所述糖尿病患者患潜在疾病的概率,当所述概率大于预设的阈值范围时,执行数据报警;
上述技术方案的工作原理为:本发明的现有技术中针对糖尿病数据进行数字化管理时,不支持对患者的身体数据进行潜在疾病挖掘,因此导致当患者患有糖尿病时,仅针对糖尿病进行恢复治疗,忽略其他疾病,不利于患者的身体健康和恢复,本发明中,通过对患者的身体数据进行分析获取离群点和噪声数据,并进行聚类,获取糖尿病患者的身体数据与潜在疾病的关联系数,判断所述糖尿病患者患潜在疾病的概率,解决了现有技术中不支持对患者的身体数据进行潜在疾病挖掘的问题;
上述技术方案的有益效果为:本发明中通过获取离群点和噪声数据有利于根据身体数据获取异常身体数据,根据异常身体数据进行聚类分析,有利于针对异常的身体数据进行数据挖掘,获取与潜在疾病的关联度,有利于提高潜在疾病的获取率。
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 (10)
1.一种糖尿病的数字化管理方法,其特征在于,包括:
获取糖尿病患者的身体数据,并针对所述身体数据进行预处理,将获取的预处理数据发送至预设的大数据处理平台;
基于所述大数据处理平台对预处理数据进行分析,并将分析结果发送至运动师和营养师对应的数据传输端口,确定运动营养方案;
根据所述运动营养方案,通过终端应用程序实时跟踪并记录患者的运动和饮食数据,并根据记录数据对所述运动营养方案进行动态调整。
2.如权利要求1所述的一种糖尿病的数字化管理方法,其特征在于,所述获取糖尿病患者的身体数据,并针对所述身体数据进行预处理,将获取的预处理数据发送至预设的大数据处理平台,包括:
根据所述糖尿病患者的身体数据进行数据过滤,获取待处理数据,并针对所述待处理数据进行数据清洗,获取一级处理数据;其中,所述身体数据包括:血糖数据、肝脏数据、肌肉数据、脂肪数据、胰脏数据、肠道数据、尿液数据等;所述待处理数据包括:缺失数据、噪声数据、重复数据;
将所述一级处理数据按照预设的数据格式进行分类,获取异构数据,并针对所述异构数据进行数据集成,获取二级处理数据;
将所述二级处理数据进行离差标准化数据转换,获取三级处理数据,并将所述三级处理数据同步上传至大数据处理平台。
3.如权利要求1所述的一种糖尿病的数字化管理方法,其特征在于,所述获取糖尿病患者的身体数据,并针对所述身体数据进行预处理,将获取的预处理数据发送至预设的大数据处理平台,还包括:
将所述预处理数据与预设的阈值范围进行比较,判断所述身体数据是否处于预设的阈值范围;
当所述身体数据未处于预设的阈值范围,判定所述身体数据为异常身体数据;
当所述身体数据处于预设的阈值范围,判定所述身体数据为正常身体数据;
基于预设的糖尿病检测平台,针对患者的异常身体数据进行检测,获取检测结果,并将所述检测结果存储至云端服务器,
根据所述糖尿病患者的检测结果,将所述检测结果进行等级划分,获取糖尿病等级划分结果;其中,所述糖尿病等级划分结果包括:轻型糖尿病、中型糖尿病、重型糖尿病;
将所述异常身体数据和对应的等级划分结果同步上传至所述大数据处理平台。
4.如权利要求1所述的一种糖尿病的数字化管理方法,其特征在于,所述基于所述大数据处理平台对所述预处理数据进行分析,并将分析结果发送至运动师和营养师对应的数传输据传输端口,确定运动营养方案,包括:
获取所述糖尿病患者的身体数据,并将所述身体数据上传至大数据处理平台,所述大数据处理平台按照初级分类项对所述糖尿病患者的身体状态数据进行分类,并根据对应的分类结果进行状态分析,获取状态分析结果;其中,所述初级分类项包括:营养元素状态、运动量状态、健康状态;
根据所述营养元素状态分析结果,判断所述糖尿病患者营养元素缺少信息,输出判断结果;其中,所述营养元素缺少信息包括:微量元素缺少信息、维生素缺少信息、纤维素缺少信息、蛋白质缺少信息等;
根据所述运动量状态分析结果,判断所述糖尿病患者卡路里消耗信息,输出判断结果;
根据所述健康状态分析结果,判断所述健康状态对应的用药等级信息,输出判断结果;其中,所述用药等级信息包括:初级用药信息、中级用药信息、高级用药信息;
获取运动师、营养师、医生对应的数据传输端口,将营养元素缺少信息、卡路里消耗信息、用药等级信息分别发送至对应的数据传输端口;
根据运动师对应的数据传输端口,接收运动方案数据;
根据营养师对应的数据传输端口,接收饮食方案数据;
根据医生对应的数据传输端口,接收用药方案数据;
将所述运动方案数据、饮食方案数据、用药方案数据进行数据融合,确定运动营养方案。
5.如权利要求1所述的一种糖尿病的数字化管理方法,其特征在于,所述根据所述运动营养方案,通过手机端应用实时跟踪并记录患者的运动和饮食数据,并根据记录数据对所述运动营养方案进行动态调整,包括:
通过蓝牙技术,将智能终端与信息采集设备进行无线连接,获取目标采集数据;其中,所述信息采集设备包括:智能椭圆机、智能体脂秤、智能血糖仪;所述目标采集数据包括:卡路里消耗数据、健康数据、血糖测量数据;
通过所述智能椭圆机采集患者卡路里消耗数据;
通过所述智能体脂秤采集患者的健康数据;其中,所述健康数据包括:体脂率、内脏脂肪、蛋白质、心率、健康指数、肌肉量等;
通过所述智能血糖仪采集患者的血糖测量数据;
将所述目标采集数据和所述运动营养方案进行数据比对,判断所述糖尿病患者的卡路里消耗数据、健康数据、血糖测量数据是否与运动营养方案中要求的数据量匹配,确定判断结果;
当所述糖尿病患者的卡路里消耗数据、健康数据、血糖测量数据与运动营养方案中对应的数据量匹配时,输出数据量达标结果;
当所述糖尿病患者的卡路里消耗数据、健康数据、血糖测量数据与运动营养方案中对应的数据量不匹配时,获取数据对比分析结果,并生成健康建议报告。
6.如权利要求5所述的一种糖尿病的数字化管理方法,其特征在于,所述通过蓝牙技术,将智能终端与信息采集设备进行无线连接,获取目标采集数据,包括:
获取所述智能体脂秤采集的历史健康数据,并对所述历史健康数据进行差异化分析,获取所述健康数据变化信息;
根据所述健康数据变化信息,基于大数据处理平台,判断所述患者的身体状态是否发生好转;
当所述患者的身体状态发生好转时,获取运动方案和营养方案,并根据所述健康数据变化信息构建饮食运动调整模型,将当前健康数据作为输入项,对所述运动方案和营养方案进行更新,获取更新运动方案和营养方案。
7.如权利要求6所述的一种糖尿病的数字化管理方法,其特征在于,所述根据所述健康数据变化信息,基于大数据处理平台,判断所述患者的身体状态是否发生好转,包括:
基于预设的大数据处理平台,根据所述健康数据变化信息,构建数据变化幅度模型;
根据所述数据变化幅度模型,针对糖尿病患者的健康数据进行预测,获取所述健康数据的预测结果;
根据所述患者的健康数据的预测结果,自动生成健康数据报告,并根据所述健康数据报告进行智能分析,判断所述患者的身体状态是否发生好转。
8.如权利要求1所述的一种糖尿病的数字化管理方法,其特征在于,所述根据所述运动营养方案,通过智能终端应用程序实时跟踪并记录患者的运动和饮食数据,并根据记录数据对所述运动营养方案进行动态调整,还包括:
通过智能终端实时采集患者的饮食图像数据,并将所述饮食图像数据上传至所述大数据处理平台;
基于所述大数据处理平台,针对所述饮食图像数据进行菜品种类分析,获取一类分析数据;其中,所述菜品种类包括:肉类、蔬菜类、水果类、主食类、汤类;
根据所述一类分析数据,针对所述菜品种类进行重量检测分析,获取二类分析数据;
基于预设的营养数据库,根据所述一类分析数据和所述二类分析数据,获取患者的饮食营养摄入数据;
根据所述患者的饮食营养摄入数据,基于所述大数据处理平台,判断所述饮食营养摄入数据是否符合营养方案中设定的营养标准,输出判断结果。
9.如权利要求1所述的一种糖尿病的数字化管理方法,其特征在于,所述根据所述运动营养方案,通过终端应用程序实时跟踪并记录患者的运动和饮食数据,并根据记录数据对所述运动营养方案进行动态调整,还包括:
通过智能扫描眼镜自动分辨和采集所述糖尿病患者的行为数据;其中,所述行为数据包括:饮食行为、运动行为、用药行为;
当所述智能扫描眼镜检测到患者处于饮食行为状态时,开启饮食分析状态,获取营养摄入数据,并将所述营养摄入时间实时同步至云端服务器;
当所述智能扫描眼镜检测到患者处于运动行为状态时,开启运动分析状态,采集卡路里消耗数据,并将所述卡路里消耗数据实时同步至云端服务器;
当所述智能扫描眼镜检测到患者处于用药行为状态时,开启用药监测状态,将检测到的用药数据与预设的用药量进行对比,判断是否用药正确,输出判断结果,并将所述用药数据实时同步至云端服务器;
当所述判断结果显示用药不正确时,开启AR提醒模式,输出正确用药数据。
10.如权利要求1所述的一种糖尿病的数字化管理方法,其特征在于,还包括:
根据所述糖尿病患者的身体数据进行分析,获取所述身体数据中对应的离群点和噪声数据;
根据所述离群点和噪声数据构建聚类特征树,获取初步聚类结果;
根据所述初步聚类结果进行二次聚类,获取二次聚类结果;
根据所述初步聚类结果和所述二次聚类结果进行数据挖掘,获取所述糖尿病患者的身体数据与潜在疾病的关联系数;其中,所述潜在疾病包括:高血压、心脏病、脑血管病、白内障等;
根据所述患者的身体数据与潜在疾病的关联系数,基于大数据处理平台,判断所述糖尿病患者患潜在疾病的概率,当所述概率大于预设的阈值范围时,执行数据报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210076448.6A CN114496164A (zh) | 2022-01-24 | 2022-01-24 | 一种糖尿病的数字化管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210076448.6A CN114496164A (zh) | 2022-01-24 | 2022-01-24 | 一种糖尿病的数字化管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114496164A true CN114496164A (zh) | 2022-05-13 |
Family
ID=81472214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210076448.6A Pending CN114496164A (zh) | 2022-01-24 | 2022-01-24 | 一种糖尿病的数字化管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114496164A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114881177A (zh) * | 2022-06-30 | 2022-08-09 | 深圳市前海高新国际医疗管理有限公司 | 基于物联网技术的营养健康数据采集系统 |
CN114978649A (zh) * | 2022-05-16 | 2022-08-30 | 遥相科技发展(北京)有限公司 | 基于大数据的信息安全保护方法、装置、设备及介质 |
CN115022040A (zh) * | 2022-06-02 | 2022-09-06 | 遥相科技发展(北京)有限公司 | 一种基于大数据的信息安全保护方法、装置及介质 |
CN116344050A (zh) * | 2023-03-27 | 2023-06-27 | 华中科技大学同济医学院附属协和医院 | 一种基于多维度健康管理模型的评测方法 |
CN116453654A (zh) * | 2023-06-16 | 2023-07-18 | 北京四海汇智科技有限公司 | 一种用于内分泌患者的数字营养管理方法和系统 |
-
2022
- 2022-01-24 CN CN202210076448.6A patent/CN114496164A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114978649A (zh) * | 2022-05-16 | 2022-08-30 | 遥相科技发展(北京)有限公司 | 基于大数据的信息安全保护方法、装置、设备及介质 |
CN114978649B (zh) * | 2022-05-16 | 2023-12-08 | 广州市巨应信息科技有限公司 | 基于大数据的信息安全保护方法、装置、设备及介质 |
CN115022040A (zh) * | 2022-06-02 | 2022-09-06 | 遥相科技发展(北京)有限公司 | 一种基于大数据的信息安全保护方法、装置及介质 |
CN114881177A (zh) * | 2022-06-30 | 2022-08-09 | 深圳市前海高新国际医疗管理有限公司 | 基于物联网技术的营养健康数据采集系统 |
CN114881177B (zh) * | 2022-06-30 | 2022-10-11 | 深圳市前海高新国际医疗管理有限公司 | 基于物联网技术的营养健康数据采集系统 |
CN116344050A (zh) * | 2023-03-27 | 2023-06-27 | 华中科技大学同济医学院附属协和医院 | 一种基于多维度健康管理模型的评测方法 |
CN116344050B (zh) * | 2023-03-27 | 2023-10-10 | 华中科技大学同济医学院附属协和医院 | 一种基于多维度健康管理模型的评测方法 |
CN116453654A (zh) * | 2023-06-16 | 2023-07-18 | 北京四海汇智科技有限公司 | 一种用于内分泌患者的数字营养管理方法和系统 |
CN116453654B (zh) * | 2023-06-16 | 2023-09-22 | 北京四海汇智科技有限公司 | 一种用于内分泌患者的数字营养管理方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114496164A (zh) | 一种糖尿病的数字化管理方法 | |
US20210151165A1 (en) | Health tracking device | |
KR101944859B1 (ko) | 질병 분석 및 예측 시스템 | |
CN110349671B (zh) | 体检数据处理方法、系统、电子设备及存储介质 | |
CN111145908A (zh) | 一种健康评估综合信息服务平台 | |
CN108648827A (zh) | 心脑血管疾病风险预测方法及装置 | |
CN103455699A (zh) | 自动生成个性化的生活方式干预方案的方法及系统 | |
CN110584601A (zh) | 一种老人认知功能监测和评估方法 | |
CN112528009A (zh) | 生成用户慢病调理方案的方法、装置及计算机可读介质 | |
CN112117004A (zh) | 一种基于多源医学数据的糖尿病风险预测模型 | |
AU2014228281A1 (en) | Evaluating electromagnetic imagery by comparing to other individuals' imagery | |
CN109817325A (zh) | 对象进展的统计学分析以及影响数字内容的响应生成 | |
CN111028232A (zh) | 基于眼底图像的糖尿病分类方法及设备 | |
CN113936765A (zh) | 周期行为报告的生成方法及装置、存储介质、电子设备 | |
CN209347003U (zh) | 一种智能健康状态检测系统 | |
CN111161839A (zh) | 一种通过食物营养素进行糖尿病人饮食推荐的方法 | |
CN105528528A (zh) | 基于智能筷子的健康管理系统及方法 | |
CN117877681A (zh) | 一种心衰患者日常饮食数据监测和预警方法及装置 | |
CN109620252A (zh) | 一种血糖监测系统及方法 | |
CN117854745A (zh) | 一种智能健康管理系统、方法、设备及介质 | |
CN115691788B (zh) | 一种基于异构数据的双重注意力耦合网络糖尿病分类系统 | |
CN111180042A (zh) | 一种基于标准营养素指标评价个人饮食的方法 | |
CN116434979A (zh) | 生理状态云监测方法、监测系统及储存介质 | |
Roy et al. | OBESEYE: Interpretable Diet Recommender for Obesity Management using Machine Learning and Explainable AI | |
CN114496162A (zh) | 一种饮食行为信息采集系统及方法 |
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 |