CN115775627A - 糖尿病早期预警方法、设备及系统 - Google Patents

Abstract

本发明提供了一种糖尿病早期预警方法、设备及系统，包括：获取历史健康数据、日常生活活动数据和健康监测数据；基于历史健康数据、日常生活活动数据和健康监测数据确定患病基础概率值、历史健康数据发展趋势值、生活活动数据发展趋势值、第一健康监测数据发展趋势值和第二健康监测数据发展趋势值；将上述概率值和趋势值输入到预先训练好的糖尿病早期预警模型，输出健康数据的数据类型；当健康数据为异常数据时，进行糖尿病患病告警。该方式中，通过对目标对象健康数据的趋势分析，并将趋势分析结果输入糖尿病早期预警模型中的方法，以确定目标对象的糖尿病风险，从而提高对于糖尿病早期预警的准确性。

Description

糖尿病早期预警方法、设备及系统

技术领域

本发明涉及疾病预防技术领域，尤其是涉及一种糖尿病早期预警方法、设备及系统。

背景技术

糖尿病发病隐匿，很难被发现。目前对糖尿病的预测，主要是通过体检、医疗就治、生物检测进行诊断确认，在相关指标达到诊断标准后才会被确诊。但是，绝大部人没有定期做体检的习惯，因此，在明显感觉到症状后才去就医，往往已造成难以逆转的损害。目前存在通过朴素贝叶斯、自适应模糊推理、以及针对妊娠期糖尿病的预测方法，多是建立在患者病历数据的基础上，尚没有从全生活过程周期中对糖尿病发生风险进行预测的方法。

发明内容

有鉴于此，本发明的目的在于提供一种糖尿病早期预警方法、设备及系统，通过获取目标对象日常生活活动数据和健康监测数据，结合糖尿病早期预警模型，确定目标对象的糖尿病风险，从而提高对于糖尿病早期预警的准确性。

第一方面，本发明实施例提供了一种糖尿病早期预警方法，包括：获取目标对象的健康数据；其中，健康数据包括历史健康数据、日常生活活动数据和健康监测数据；基于历史健康数据确定目标对象的患病基础概率值和历史健康数据发展趋势值，基于日常生活活动数据确定目标对象的生活活动数据发展趋势值，基于健康监测数据确定目标对象的第一健康监测数据发展趋势值和第二健康监测数据发展趋势值；将患病基础概率值、历史健康数据发展趋势值、生活活动数据发展趋势值、第一健康监测数据发展趋势值和第二健康监测数据发展趋势值输入到预先训练好的糖尿病早期预警模型，输出健康数据的数据类型；数据类型包括正常数据和异常数据；当健康数据为异常数据时，进行糖尿病患病告警。

进一步的，当健康数据为异常数据时，进行糖尿病患病告警的步骤之后，还包括：获取目标对象的后续就诊数据；基于后续就诊数据和健康数据生成标定数据集；根据标定数据集对糖尿病早期预警模型进行优化。

进一步的，基于历史健康数据确定目标对象的患病基础概率值和历史健康数据发展趋势值，基于日常生活活动数据确定目标对象的生活活动数据发展趋势值，基于健康监测数据确定目标对象的第一健康监测数据发展趋势值和第二健康监测数据发展趋势值的步骤，包括：获取符合预设数据文本要求的历史健康数据；其中，历史健康数据包括目标对象的既往病史、生活史和历史体检数据；基于既往病史、生活史和预设患病基础标准，确定目标对象的患病基础概率值；基于历史体检数据，确定目标对象的健康发展趋势；基于预设健康发展趋势标准，确定目标对象的历史健康数据发展趋势值。

进一步的，基于历史健康数据确定目标对象的患病基础概率值和历史健康数据发展趋势值，基于日常生活活动数据确定目标对象的生活活动数据发展趋势值，基于健康监测数据确定目标对象的第一健康监测数据发展趋势值和第二健康监测数据发展趋势值的步骤，还包括：基于预设活动空间语义属性，获取生活活动数据中目标对象每日的去卫生间次数和就餐次数；基于动态时间弯曲，确定去卫生间次数的可信度和就餐次数的可信度获取超过预设可信度的去卫生间次数和就餐次数，基于去卫生间次数和就餐次数，确定目标对象的生活活动发展趋势；基于预设生活活动发展趋势标准，确定目标对象的生活活动数据发展趋势值。

进一步的，基于历史健康数据确定目标对象的患病基础概率值和历史健康数据发展趋势值，基于日常生活活动数据确定目标对象的生活活动数据发展趋势值，基于健康监测数据确定目标对象的第一健康监测数据发展趋势值和第二健康监测数据发展趋势值的步骤，还包括：获取健康监测数据中的第一健康监测数据，将第一健康监测数据按照小时级别粒度划分成24个数据段；其中，第一健康监测数据包括心率、血压、活动和睡眠质量；基于预先设定的正常数据识别标准，确定第一健康监测数据中的正常数据，将正常数据确定为第一有效数据段集；获取第一有效数据段集中相同小时内的正常数据，基于预设聚合标准，将第一有效数据段集聚合为第二有效数据段集；对第二有效数据段集进行拟合，确定目标对象的第一健康监测数据发展趋势；基于预设第一健康监测数据发展趋势标准，确定目标对象的第一健康监测数据发展趋势值。

进一步的，基于历史健康数据确定目标对象的患病基础概率值和历史健康数据发展趋势值，基于日常生活活动数据确定目标对象的生活活动数据发展趋势值，基于健康监测数据确定目标对象的第一健康监测数据发展趋势值和第二健康监测数据发展趋势值的步骤，还包括获取健康监测数据中的第二健康监测数据；其中，第二健康监测数据包括体重；基于预先设定的数据有效性标准，确定第二健康监测数据中的有效数据；根据有效数据的采样时间，对有效数据拟合，确定第二健康监测数据发展趋势；基于预设第二健康监测数据发展趋势标准，确定目标对象的第二健康监测数据发展趋势值。

进一步的，糖尿病早期预警模型通过下述步骤训练得到：获取样本人群的样本数据集；其中，样本数据集包括样本人群的患病基础概率值、历史健康数据发展趋势值、生活活动数据发展趋势值、第一健康监测数据发展趋势值、第二健康监测数据发展趋势值和糖尿病诊断信息；基于预设比例，将样本数据集分为训练集和验证集；将训练集中的患病基础概率值、历史健康数据发展趋势值、生活活动数据发展趋势值、第一健康监测数据发展趋势值和第二健康监测数据发展趋势值作为输入，健康数据类型作为输出，对决策树模型进行训练，直至达到预设的训练要求，得到糖尿病早期预警模型。

第二方面，本发明实施例提供了一种糖尿病早期预警设备，包括：数据获取模块，用于获取目标对象的健康数据；其中，健康数据包括历史健康数据、日常生活活动数据和健康监测数据；趋势分析模块，用于基于历史健康数据确定目标对象的患病基础概率值和历史健康数据发展趋势值，基于日常生活活动数据确定目标对象的生活活动数据发展趋势值，基于健康监测数据确定目标对象的第一健康监测数据发展趋势值和第二健康监测数据发展趋势值；预测分析模块，用于将患病基础概率值、历史健康数据发展趋势值、生活活动数据发展趋势值、第一健康监测数据发展趋势值和第二健康监测数据发展趋势值输入到预先训练好的糖尿病早期预警模型，输出健康数据的数据类型；数据类型包括正常数据和异常数据；预警模块，用于当健康数据为异常数据时，进行糖尿病患病告警。

第三方面，本发明实施例提供了一种糖尿病早期预警系统，包括：上述糖尿病早期预警设备，还包括与糖尿病早期预警设备通信连接的生物感知雷达、智能手环、血糖仪、体脂仪、血压计和医疗平台；生物感知雷达、智能手环、血糖仪、体脂仪和血压计用于获取目标对象的健康监测数据；生物感知雷达和智能手环还用于获取目标对象的日常生活活动数据；医疗平台用于获取目标对象的历史健康数据；糖尿病早期预警设备用于根据目标对象的历史健康数据、日常生活活动数据和健康监测数据，对目标对象进行糖尿病患病告警。

第四方面，本发明实施例提供了一种电子设备，包括存储器、处理器，存储器上存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一项的方法。

本发明提供了一种糖尿病早期预警方法、设备及系统，包括：获取历史健康数据、日常生活活动数据和健康监测数据；基于历史健康数据、日常生活活动数据和健康监测数据确定患病基础概率值、历史健康数据发展趋势值、生活活动数据发展趋势值、第一健康监测数据发展趋势值和第二健康监测数据发展趋势值；将上述概率值和趋势值输入到预先训练好的糖尿病早期预警模型，输出健康数据的数据类型；当健康数据为异常数据时，进行糖尿病患病告警。该方式中，通过对目标对象健康数据的趋势分析，并将趋势分析结果输入糖尿病早期预警模型中的方法，以确定目标对象的糖尿病风险，从而提高对于糖尿病早期预警的准确性。

本发明的其他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在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，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的附图。

图1为本发明实施例一提供的糖尿病早期预警流程图；

图2为本发明实施例一提供的健康发展趋势获取流程图；

图3为本发明实施例一提供的生活活动数据发展趋势值获取流程图；

图4为本发明实施例一提供的第一健康监测数据发展趋势值获取流程图；

图5为本发明实施例一提供的第二健康监测数据发展趋势值获取流程图；

图6为本发明实施例一提供的糖尿病早期预警模型训练流程图；

图7为本发明实施例二提供的糖尿病早期预警设备示意图；

图8为本发明实施例三提供的糖尿病早期预警系统示意图。

图标：1-数据获取模块；2-趋势分析模块；3-预测分析模块；4-预警模块；5-糖尿病早期预警设备；6-生物感知雷达；7-智能手环；8-血糖仪；9-体脂仪；10-血压计；11-医疗平台。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。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。

为便于对本实施例进行理解，下面对本发明实施例进行详细介绍。

实施例一：

图1为本发明实施例一提供的糖尿病早期预警流程图。

参照图1，糖尿病早期预警步骤包括：

步骤S101，获取目标对象的健康数据；其中，健康数据包括历史健康数据、日常生活活动数据和健康监测数据。

这里，历史健康数据包括：目标对象的既往病史、生活史和历史体检数据；生活活动数据包括：目标对象的去卫生间次数和就餐次数；健康检测数据包括：目标对象的心率、血压、体重、活动、睡眠质量和心电。

具体地，生活活动数据为通过智能手环中高精度定位模块获取的，高精度定位模块利用UWB(Ultra Wide Band，超宽带)技术和5G技术构建精确定位系统应用场景，以实现对目标对象生活场景的全覆盖。

健康检测数据为利用生物感知雷达、智能手环、血糖仪、体脂仪、血压计等设备对生命体征数据的检测，如通过血糖仪获取血糖，通过体脂仪获取体重，通过血压计获取血压，通过生物感知雷达和智能手环获取活动和睡眠质量。

步骤S102，基于历史健康数据确定目标对象的患病基础概率值和历史健康数据发展趋势值，基于日常生活活动数据确定目标对象的生活活动数据发展趋势值，基于健康监测数据确定目标对象的第一健康监测数据发展趋势值和第二健康监测数据发展趋势值。

在一实施例中，参照图2，步骤S102中，还包括：

步骤S201，获取符合预设数据文本要求的历史健康数据；其中，历史健康数据包括目标对象的既往病史、生活史和历史体检数据。

这里，历史健康数据可以从预设医疗平台中获取，也可以从其他可以获取到目标对象的历史健康数据的途径中获取。

预设数据文本要求为数据完整且数据频次满足预设要求。数据频次可以是体检次数。

具体地，以预设医疗平台为例，从预设医疗平台中获取历史健康数据后，对文本数据进行归一化处理，并对数据质量进行检查，评估数据产生的完整度和数据频次是否达到预设风险概率评定的要求。如果数据不完整或数据频次不满足预设频次，确定该数据质量不满足预设标准，进而不在后续计算中采用。如果数据完整且数据频次满足预设频次，则采用当前数据作为后续应用的历史健康数据。

步骤S202，基于既往病史、生活史和预设患病基础标准，确定目标对象的患病基础概率值。

这里，预设患病基础标准分为4个等级，有既往病史且生活史不良、有既往病史且生活史良好、无既往病史且生活史不良和无既往病史且生活史良好。当目标对象有既往病史且生活史不良对应的患病基础概率值为1；当目标对象有既往病史且生活史良好对应的患病基础概率值为2；当目标对象无既往病史且生活史不良对应的患病基础概率值为3；当目标对象无既往病史且生活史良好对应的患病基础概率值为4。

步骤S203，基于历史体检数据，确定目标对象的健康发展趋势。

这里，历史体检数据包括目标对象的血脂、血糖和糖化血红蛋白。健康发展趋势分为无患病趋势和有患病趋势两种。其中，无患病趋势和有患病趋势的定义范围可以根据实际情况进行设定。

获取目标对象的血脂、血糖和糖化血红蛋白，根据专业数据系统的数值差值进行对比，转化为均值差集合，并采用评估中位值点位置和计算差值分布的方法，将历史体检数据归并到有患病趋势和无患病趋势的范围中。

具体地，有患病趋势可以定义为大于1，无患病趋势可以定义为小于等于1。如果目标对象血脂有效值为1.8，且目标对象体检数据中连续4次的血脂检测结果都为{4,4,4,4}，那么可通过公式

计算得到对应的均值差集合为{1.22，1.22，1.22，1.22}，对上述数组取中位数得到目标对象的血脂中位值为1.22，进而确定目标对象的健康发展趋势为有患病趋势。

如果连续4次检测结果为{5,5,2,2}，对应的均值差集合为{1.78，1.78，0.11，0.11}，其中位数为0.945，但差值分布是1以上有患病趋势的有2个，占50％，然后无患病趋势的占50％，二者占比相似，但是因为无患病趋势距离体检日期更近些，可将得到的中位数0.945与0.11再取中，可将最终结果定为0.53，有患病趋势。

步骤S204，基于预设健康发展趋势标准，确定目标对象的历史健康数据发展趋势值。

这里，有患病趋势的历史健康数据发展趋势值为1，无患病趋势的历史健康数据发展趋势值为2。

在一实施例中，参照图3，步骤S102中，还包括：

步骤S301，基于预设活动空间语义属性，获取生活活动数据中目标对象每日的去卫生间次数和就餐次数。

这里，通过生物感知雷达和智能手环对目标对象进行长期行为观测，获取目标用户的位置数据，在预设活动空间语义属性的基础上，将目标用户在不同区域的停留时长、停留时段内的个体行为进行识别，进而获取目标对象以日为单位的去卫生间次数和就餐次数(即去餐厅次数)。

在获取生活活动数据的基础上，获取目标用户在上述行为发生过程前后所产生的其他轨迹类别，用于验证当前实际行为轨迹的可靠性。

步骤S302，基于动态时间弯曲，确定去卫生间次数的可信度和就餐次数的可信度。

这里，对于不同日期、相同时段、相同行为的生活活动，采用动态时间弯曲的方式计算生活活动轨迹中相应点的欧式距离差值，计算30日以上的用户活动的相似性，并统计小于预定的轨迹距离差值的用户活动数量占比，转换为可信度概率，进而可将可信度概率超过预设概率的用户活动次数纳入后续计算，对于可信度概率低的用户活动，可认为是该用户生活活动数据缺失。

具体地，如果用户某天去卫生间次数或就餐次数高，且不在30日以上的用户活动的相似性范围内，则说明当天获取的去卫生间次数或就餐次数为异常数据，可信度低，不纳入生活活动数据计算。

步骤S303，获取超过预设可信度的去卫生间次数和就餐次数，基于去卫生间次数和就餐次数，确定目标对象的生活活动发展趋势。

这里，生活活动发展趋势分为无患病趋势和患病趋势。获取超过预设可信度的去卫生间次数和就餐次数，根据一段时间内的去卫生间次数和就餐次数的线性回归计算斜率来确定目标对象的生活活动发展趋势。

步骤S304，基于预设生活活动发展趋势标准，确定目标对象的生活活动数据发展趋势值。

这里，无患病趋势的生活活动数据发展趋势值为1，有患病趋势的生活活动数据发展趋势值为2。预设生活活动发展趋势标准可按照实际情况进行设定。

具体地，如统计意义上的预设生活活动发展趋势标准以线性回归斜率为0.58作为分界时，那么当去卫生间次数和就餐次数的斜率小于或等于0.58时，目标对象的生活活动数据发展趋势为无患病趋势；当去卫生间次数和就餐次数的斜率大于0.58时，目标对象的生活活动数据发展趋势为有患病趋势。

在一实施例中，参照图4，步骤S102中，还包括：

步骤S401，获取健康监测数据中的第一健康监测数据，将第一健康监测数据按照小时级别粒度划分成24个数据段；其中，第一健康监测数据包括心率、血压、活动和睡眠质量。

这里，可将日级别的监测数据，按照小时级别粒度划分成24段。

步骤S402，基于预先设定的正常数据识别标准，确定第一健康监测数据中的正常数据，将正常数据确定为第一有效数据段集。

这里，预先设定的正常数据识别标准包括各段中数据点的最小数量、数据点数值偏离正常体征范围的最小数量等指标。

根据预先设定的各段中数据点的最小数量、数据点数值偏离正常体征范围的最小数量等指标，识别出异常离群数据段；进而形成可用于进一步处理的第一有效数据段集。

步骤S403，获取第一有效数据段集中相同小时内的正常数据，基于预设聚合标准，将第一有效数据段集聚合为第二有效数据段集。

这里，对于有效数据段集合中相同小时内的数据，可将每小时内数据聚合成N个可用点，并将聚合后的数据点，按数据发生的先后顺序，以指定日数长度为单位，构成第一有效数据段集。

步骤S404，对第二有效数据段集进行拟合，确定目标对象的第一健康监测数据发展趋势。

这里，采用最小二乘法对数据集合进行数值拟合，对拟合后的线段方向进行识别，进而确定目标对象的第一健康监测发展趋势。

其中，第一健康监测发展趋势包括增加趋势和减小趋势。

步骤S405，基于预设第一健康监测数据发展趋势标准，确定目标对象的第一健康监测数据发展趋势值。

这里，当第一健康监测发展趋势为增加趋势时，目标对象的第一健康监测发展趋势值为1；当第一健康监测发展趋势为减小趋势时，目标对象的第一健康监测发展趋势值为2。其中，预设第一健康监测数据发展趋势标准可根据实际情况进行设定。

具体地，将10月1日到10月20日，共20天中相同小时内的数据，比如晚上6点的数据再细分成每15分钟产生一个点的方式进行平均值处理，然后产生出来4个点。这里的N是个变量，可以取1-10，建议最少6分钟应聚合一次；然后再把进行趋势处理，这个趋势结论就是增多趋势或减少趋势。

在一实施例中，参照图5，步骤S102中，还包括：

步骤S501，获取健康监测数据中的第二健康监测数据；其中，第二健康监测数据包括体重。

这里，第二监测数据由体重计或体脂仪获取。

步骤S502，基于预先设定的数据有效性标准，确定第二健康监测数据中的有效数据。

这里，数据有效性标准包括数据完整度和数据频次。

步骤S503，根据有效数据的采样时间，对有效数据拟合，确定第二健康监测数据发展趋势。

这里，以时间采样点的先后为顺序，对数据进行线性拟合，并识别你和后的线段方向，进而形成第二健康监测数据发展趋势。

其中，第二健康监测数据发展趋势包括增多、减少、高位维持、低位维持和标准维持。

步骤S504，基于预设第二健康监测数据发展趋势标准，确定目标对象的第二健康监测数据发展趋势值。

这里，当目标对象的第二健康监测数据发展趋势为增多，则第二健康监测数据发展趋势值为1；当目标对象的第二健康监测数据发展趋势为减少，则第二健康监测数据发展趋势值为2；当目标对象的第二健康监测数据发展趋势为高位维持，则第二健康监测数据发展趋势值为3；当目标对象的第二健康监测数据发展趋势为低位维持，则第二健康监测数据发展趋势值为4；当目标对象的第二健康监测数据发展趋势为标准维持，则第二健康监测数据发展趋势值为5。

步骤S103，将患病基础概率值、历史健康数据发展趋势值、生活活动数据发展趋势值、第一健康监测数据发展趋势值和第二健康监测数据发展趋势值输入到预先训练好的糖尿病早期预警模型，输出健康数据的数据类型；数据类型包括正常数据和异常数据。

在一实施例中，参照图6，步骤S103中，糖尿病早期预警模型通过下述步骤训练得到：

步骤S601，获取样本人群的样本数据集；其中，样本数据集包括样本人群的患病基础概率值、历史健康数据发展趋势值、生活活动数据发展趋势值、第一健康监测数据发展趋势值、第二健康监测数据发展趋势值和糖尿病诊断信息。

这里，糖尿病诊断信息包括有糖尿病和无糖尿病。获取样本人群的相关数据，并基于最优化算法进行特征提取以获得样本数据集。其中，最优化算法可采用多种群粒子群算法、入侵杂草算法、遗传算法等方案，对应的预期目标结论可采用离散化的设计思路，根据待选取的特征数量，设计相同长度的二进制数值序列，并根据不同最优化算法的迭代原理，对数值进行变异操作。算法的适应度函数设计上，可按照数据完整度要求最低、样本的95％以上覆盖为目标，形成多个能达到最优条件的样本数据集。

糖尿病人的入厕次数和就餐次数会明显增加，在一段时间内体重会不明原因的下降，血糖会呈现增高趋势。

步骤S602，基于预设比例，将样本数据集分为训练集和验证集。

这里，预设比例可以按照实际情况进行设定，可以为7:3。按照7:3的比例将样本数据集分为训练集和验证集。

步骤S603，将训练集中的患病基础概率值、历史健康数据发展趋势值、生活活动数据发展趋势值、第一健康监测数据发展趋势值和第二健康监测数据发展趋势值作为输入，健康数据类型作为输出，对决策树模型进行训练，直至达到预设的训练要求，得到糖尿病早期预警模型。

这里，当当前样本的糖尿病诊断信息为有糖尿病时，健康数据类型为异常数据；当当前样本的糖尿病诊断信息为无糖尿病时，健康数据类型为正常数据。

步骤S104，当健康数据为异常数据时，进行糖尿病患病告警。

这里，当健康数据为异常数据时，可对目标对象发送糖尿病患病告警。其中，糖尿病患病告警可以是“您有患糖尿病的可能，请您尽快就医。”等提醒患者就医的提醒。

在一实施例中，步骤S104，还包括：

获取目标对象的后续就诊数据。

这里，在目标对象接收告警就医后，获取目标对象的后续就诊数据。其中，后续就诊数据为目标对象得到糖尿病风险的提示后，去医院进行检测后的就诊数据，以判断目标对象是否获得糖尿病。

基于所述后续就诊数据和所述健康数据生成标定数据集。

根据所述标定数据集对所述糖尿病早期预警模型进行优化。

本发明提供了一种糖尿病早期预警方法，包括：获取历史健康数据、日常生活活动数据和健康监测数据；基于历史健康数据、日常生活活动数据和健康监测数据确定患病基础概率值、历史健康数据发展趋势值、生活活动数据发展趋势值、第一健康监测数据发展趋势值和第二健康监测数据发展趋势值；将上述概率值和趋势值输入到预先训练好的糖尿病早期预警模型，输出健康数据的数据类型；当健康数据为异常数据时，进行糖尿病患病告警。该方式中，通过智能传感设备获取目标对象生活活动数据和健康检测数据，通过医疗平台获取目标对象历史健康数据，将历史健康数据、生活活动数据和健康检测数据输入糖尿病早期预警模型，以确定目标对象的糖尿病风险，从而提高对于糖尿病预测的准确性，进而提升居民健康自主管理理念，从而改善居民生活质量。

实施例二：

图7为本发明实施例二提供的糖尿病早期预警设备示意图。

参照图7，糖尿病早期预警设备包括：

数据获取模块1，用于获取目标对象的健康数据；其中，健康数据包括历史健康数据、日常生活活动数据和健康监测数据；

趋势分析模块2，用于基于历史健康数据确定目标对象的患病基础概率值和历史健康数据发展趋势值，基于日常生活活动数据确定目标对象的生活活动数据发展趋势值，基于健康监测数据确定目标对象的第一健康监测数据发展趋势值和第二健康监测数据发展趋势值；

预测分析模块3，用于将患病基础概率值、历史健康数据发展趋势值、生活活动数据发展趋势值、第一健康监测数据发展趋势值和第二健康监测数据发展趋势值输入到预先训练好的糖尿病早期预警模型，输出健康数据的数据类型；数据类型包括正常数据和异常数据；

预警模块4，用于当健康数据为异常数据时，进行糖尿病患病告警。

本发明提供了一种糖尿病早期预警设备，包括：获取历史健康数据、日常生活活动数据和健康监测数据；基于历史健康数据、日常生活活动数据和健康监测数据确定患病基础概率值、历史健康数据发展趋势值、生活活动数据发展趋势值、第一健康监测数据发展趋势值和第二健康监测数据发展趋势值；将上述概率值和趋势值输入到预先训练好的糖尿病早期预警模型，输出健康数据的数据类型；当健康数据为异常数据时，进行糖尿病患病告警。该方式中，通过智能传感设备获取目标对象生活活动数据和健康检测数据，通过医疗平台获取目标对象历史健康数据，将历史健康数据、生活活动数据和健康检测数据输入糖尿病早期预警模型，以确定目标对象的糖尿病风险，从而提高对于糖尿病预测的准确性。

实施例三：

图8为本发明实施例三提供的糖尿病早期预警系统示意图。

参照图5，糖尿病早期预警系统包括：上述糖尿病早期预警设备5，还包括与糖尿病早期预警设备5通信连接的生物感知雷达6、智能手环7、血糖仪8、体脂仪9、血压计10和医疗平台11；

生物感知雷达6、智能手环7、血糖仪8、体脂仪9和血压计10用于获取目标对象的健康监测数据；

生物感知雷达6和智能手环7还用于获取目标对象的日常生活活动数据；

医疗平台11用于获取目标对象的历史健康数据；

糖尿病早期预警设备5用于根据目标对象的历史健康数据、日常生活活动数据和健康监测数据，对目标对象进行糖尿病患病告警。

本发明提供了一种糖尿病早期预警系统，包括：获取历史健康数据、日常生活活动数据和健康监测数据；基于历史健康数据、日常生活活动数据和健康监测数据确定患病基础概率值、历史健康数据发展趋势值、生活活动数据发展趋势值、第一健康监测数据发展趋势值和第二健康监测数据发展趋势值；将上述概率值和趋势值输入到预先训练好的糖尿病早期预警模型，输出健康数据的数据类型；当健康数据为异常数据时，进行糖尿病患病告警。该方式中，通过智能传感设备获取目标对象生活活动数据和健康检测数据，通过医疗平台获取目标对象历史健康数据，将历史健康数据、生活活动数据和健康检测数据输入糖尿病早期预警模型，以确定目标对象的糖尿病风险，从而提高对于糖尿病预测的准确性，进而降低糖尿病风险预测的复杂性。

本发明实施例还提供一种电子设备，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，处理器执行计算机程序时实现上述实施例提供的糖尿病早期预警方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，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 (10)

1.一种糖尿病早期预警方法，其特征在于，包括：

获取目标对象的健康数据；其中，所述健康数据包括历史健康数据、日常生活活动数据和健康监测数据；

基于所述历史健康数据确定所述目标对象的患病基础概率值和历史健康数据发展趋势值，基于所述日常生活活动数据确定所述目标对象的生活活动数据发展趋势值，基于所述健康监测数据确定所述目标对象的第一健康监测数据发展趋势值和第二健康监测数据发展趋势值；

将所述患病基础概率值、所述历史健康数据发展趋势值、所述生活活动数据发展趋势值、所述第一健康监测数据发展趋势值和所述第二健康监测数据发展趋势值输入到预先训练好的糖尿病早期预警模型，输出所述健康数据的数据类型；所述数据类型包括正常数据和异常数据；

当所述健康数据为异常数据时，进行糖尿病患病告警。

2.根据权利要求1所述的方法，其特征在于，所述当所述健康数据为异常数据时，进行糖尿病患病告警的步骤之后，还包括：

获取所述目标对象的后续就诊数据；

基于所述后续就诊数据和所述健康数据生成标定数据集；

根据所述标定数据集对所述糖尿病早期预警模型进行优化。

3.根据权利要求1所述的方法，其特征在于，所述基于所述历史健康数据确定所述目标对象的患病基础概率值和历史健康数据发展趋势值，基于所述日常生活活动数据确定所述目标对象的生活活动数据发展趋势值，基于所述健康监测数据确定所述目标对象的第一健康监测数据发展趋势值和第二健康监测数据发展趋势值的步骤，包括：

获取符合预设数据文本要求的所述历史健康数据；其中，所述历史健康数据包括所述目标对象的既往病史、生活史和历史体检数据；

基于所述既往病史、所述生活史和预设患病基础标准，确定所述目标对象的所述患病基础概率值；

基于所述历史体检数据，确定所述目标对象的健康发展趋势；

基于预设健康发展趋势标准，确定所述目标对象的所述历史健康数据发展趋势值。

4.根据权利要求1所述的方法，其特征在于，所述基于所述历史健康数据确定所述目标对象的患病基础概率值和历史健康数据发展趋势值，基于所述日常生活活动数据确定所述目标对象的生活活动数据发展趋势值，基于所述健康监测数据确定所述目标对象的第一健康监测数据发展趋势值和第二健康监测数据发展趋势值的步骤，还包括：

基于预设活动空间语义属性，获取所述生活活动数据中所述目标对象每日的去卫生间次数和就餐次数；

基于动态时间弯曲，确定所述去卫生间次数的可信度和所述就餐次数的可信度；

获取超过预设可信度的所述去卫生间次数和所述就餐次数，基于所述去卫生间次数和所述就餐次数，确定所述目标对象的生活活动发展趋势；

基于预设生活活动发展趋势标准，确定所述目标对象的所述生活活动数据发展趋势值。

5.根据权利要求1所述的方法，其特征在于，所述基于所述历史健康数据确定所述目标对象的患病基础概率值和历史健康数据发展趋势值，基于所述日常生活活动数据确定所述目标对象的生活活动数据发展趋势值，基于所述健康监测数据确定所述目标对象的第一健康监测数据发展趋势值和第二健康监测数据发展趋势值的步骤，还包括：

获取所述健康监测数据中的第一健康监测数据，将所述第一健康监测数据按照小时级别粒度划分成24个数据段；其中，所述第一健康监测数据包括心率、血压、活动和睡眠质量；

基于预先设定的正常数据识别标准，确定所述第一健康监测数据中的正常数据，将所述正常数据确定为第一有效数据段集；

获取所述第一有效数据段集中相同小时内的所述正常数据，基于预设聚合标准，将所述第一有效数据段集聚合为第二有效数据段集；

对所述第二有效数据段集进行拟合，确定所述目标对象的第一健康监测数据发展趋势；

基于预设第一健康监测数据发展趋势标准，确定所述目标对象的所述第一健康监测数据发展趋势值。

6.根据权利要求1所述的方法，其特征在于，所述基于所述历史健康数据确定所述目标对象的患病基础概率值和历史健康数据发展趋势值，基于所述日常生活活动数据确定所述目标对象的生活活动数据发展趋势值，基于所述健康监测数据确定所述目标对象的第一健康监测数据发展趋势值和第二健康监测数据发展趋势值的步骤，还包括：

获取所述健康监测数据中的第二健康监测数据；其中，所述第二健康监测数据包括体重；

基于预先设定的数据有效性标准，确定所述第二健康监测数据中的有效数据；

根据所述有效数据的采样时间，对所述有效数据拟合，确定所述第二健康监测数据发展趋势；

基于预设第二健康监测数据发展趋势标准，确定所述目标对象的所述第二健康监测数据发展趋势值。

7.根据权利要求1所述的方法，其特征在于，所述糖尿病早期预警模型通过下述步骤训练得到：

获取样本人群的样本数据集；其中，所述样本数据集包括所述样本人群的患病基础概率值、历史健康数据发展趋势值、生活活动数据发展趋势值、第一健康监测数据发展趋势值、第二健康监测数据发展趋势值和糖尿病诊断信息；

基于预设比例，将所述样本数据集分为训练集和验证集；

将所述训练集中的所述患病基础概率值、所述历史健康数据发展趋势值、所述生活活动数据发展趋势值、所述第一健康监测数据发展趋势值和所述第二健康监测数据发展趋势值作为输入，健康数据类型作为输出，对决策树模型进行训练，直至达到预设的训练要求，得到糖尿病早期预警模型。

8.一种糖尿病早期预警设备，其特征在于，包括：

数据获取模块，用于获取目标对象的健康数据；其中，所述健康数据包括历史健康数据、日常生活活动数据和健康监测数据；

趋势分析模块，用于基于所述历史健康数据确定所述目标对象的患病基础概率值和历史健康数据发展趋势值，基于所述日常生活活动数据确定所述目标对象的生活活动数据发展趋势值，基于所述健康监测数据确定所述目标对象的第一健康监测数据发展趋势值和第二健康监测数据发展趋势值；

预测分析模块，用于将所述患病基础概率值、所述历史健康数据发展趋势值、所述生活活动数据发展趋势值、所述第一健康监测数据发展趋势值和所述第二健康监测数据发展趋势值输入到预先训练好的糖尿病早期预警模型，输出所述健康数据的数据类型；所述数据类型包括正常数据和异常数据；

预警模块，用于当所述健康数据为异常数据时，进行糖尿病患病告警。

9.一种糖尿病早期预警系统，其特征在于，包括：权利要求8所述的糖尿病早期预警设备，还包括与所述糖尿病早期预警设备通信连接的生物感知雷达、智能手环、血糖仪、体脂仪、血压计和医疗平台；

所述生物感知雷达、所述智能手环、所述血糖仪、所述体脂仪和所述血压计用于获取目标对象的健康监测数据；

所述生物感知雷达和所述智能手环还用于获取所述目标对象的日常生活活动数据；

所述医疗平台用于获取所述目标对象的历史健康数据；

所述糖尿病早期预警设备用于根据所述目标对象的所述历史健康数据、所述日常生活活动数据和所述健康监测数据，对所述目标对象进行糖尿病患病告警。

10.一种电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1-7任一项所述的方法。

Images