CN115886752A - 一种传染病的监测和预测方法、装置及存储介质 - Google Patents
一种传染病的监测和预测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN115886752A CN115886752A CN202211422595.0A CN202211422595A CN115886752A CN 115886752 A CN115886752 A CN 115886752A CN 202211422595 A CN202211422595 A CN 202211422595A CN 115886752 A CN115886752 A CN 115886752A
- Authority
- CN
- China
- Prior art keywords
- real
- physiological data
- time
- data
- infectious disease
- 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
- 208000035473 Communicable disease Diseases 0.000 title claims abstract description 101
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 208000015181 infectious disease Diseases 0.000 title claims description 77
- 230000033001 locomotion Effects 0.000 claims abstract description 54
- 230000002159 abnormal effect Effects 0.000 claims abstract description 40
- 230000036760 body temperature Effects 0.000 claims abstract description 39
- 238000005516 engineering process Methods 0.000 claims abstract description 18
- 230000036772 blood pressure Effects 0.000 claims abstract description 15
- 230000007613 environmental effect Effects 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 8
- 239000008280 blood Substances 0.000 claims description 7
- 210000004369 blood Anatomy 0.000 claims description 7
- 238000007619 statistical method Methods 0.000 claims description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 229910052760 oxygen Inorganic materials 0.000 claims description 6
- 239000001301 oxygen Substances 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000013186 photoplethysmography Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 208000031971 Yin Deficiency Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 238000003307 slaughter Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种传染病的监测和预测方法、装置及存储介质，其中方法包括：采集用户的实时生理数据，实时生理数据包括实时体温数据、实时心率数据和实时血压数据；将实时生理数据与预设的标准生理数据进行比对，在实时生理数据与标准生理数据的差值超出预设阈值范围时，判断实时生理数据为异常生理数据，将异常生理数据对应的用户判断为疑似发病者；持续获取疑似发病者的运动轨迹，提取运动轨迹的出行特征，出行特征包括出行时间和滞留地点；结合GIS技术，将疑似发病者的实时生理数据、运动轨迹、出行特征和地表信息可视化展示于地图上。本发明能够有效提高传染病的监测和预测全面性和准确性。
Description
技术领域
本发明涉及数据处理技术领域，尤其是涉及一种传染病监测和预测的方法、装置及存储介质。
背景技术
传染病监测和预测是预防和控制传染病的有效措施之一。
现有的传染病的监测方法通常为在疾病发作后，以临床症状和流行病学调查数据为依据进行监测，但是现有的传染病监测方法滞后性严重，导致无法有效监测传染病。尤其是对于快速传播的高致病性传染病来说，信息掌握的滞后所导致的后果是不可控的，随着大数据时代的到来和人工智能领域的发展，更高效的传染病智能预测模型可以被建立来及时发现、跟踪和预测传染病的重要信息。
发明内容
本发明提供一种传染病的监测和预测方法、装置及存储介质，以解决现有的传染病监测方法滞后性严重，导致无法有效监测传染病的技术问题。
本发明的实施例提供了一种传染病的监测和预测方法，包括：
采集用户的实时生理数据，所述实时生理数据包括实时体温数据、实时心率数据和实时血压数据；
将所述实时生理数据与预设的标准生理数据进行比对，在所述实时生理数据与所述标准生理数据的差值超出预设阈值范围时，判断所述实时生理数据为异常生理数据，将所述异常生理数据对应的用户判断为疑似发病者；
持续获取所述疑似发病者的运动轨迹，提取所述运动轨迹的出行特征，所述出行特征包括出行时间和滞留地点；
获取所述疑似发病者的周边环境数据，将所述周边环境数据形成对应的地表信息，结合G I S技术，将所述疑似发病者的实时生理数据、运动轨迹、出行特征和地表信息可视化展示于地图上。
进一步的，所述采集用户的实时生理数据，包括：
利用测温传感器采集和修正用户的体温数据，得到实时体温数据；
采用光体积法采集用户的实时心率数据；
采用光电传感器采集用户的实时血压数据；
使用光电容积脉搏波描记法采集用户的实时血氧数据。
进一步的，所述结合G I S技术，将所述疑似发病者的实时生理数据、运动轨迹和出行特征可视化展示于地图上，包括：
将所述实时生理数据进行分级标注；
将所述出行特征输入至Access数据库中进行语义化处理，在地图中选取所有与传染病的传染源和传播模型相关的地理位置和环境地理背景数据，将所述地理位置、所述环境地理背景数据、所述运动轨迹和所述出行特征在地图上通过空间联合展示。
进一步的，所述将所述实时生理数据进行分级标注，包括：
针对不同的生理数据，分级设置不同生理数据对应的数值区间，所述数值区间对应不同的颜色标志；
判断所述实时生理数据所在数值区间，对实时生理数据进行不同颜色标志。
进一步的，结合G I S技术，将所述疑似发病者的实时生理数据、运动轨迹和出行特征可视化展示于地图上，还包括：
以动态折线的形式在所述地图上可视化展示所述运动轨迹，并在所述运动轨迹上对应展示所述实时生理数据和所述出行特征。
进一步的，在将所述异常生理数据对应的用户判断为疑似发病者之后，还包括：
根据所述异常生理数据生成传染病预警信息，将所述传染病预警信息发送至预警服务器，并根据所述传染病预警信息构建预警模型。
进一步的，在将所述异常生理数据对应的用户判断为疑似发病者之后，还包括：
对预设时间段的异常生理数据进行统计分析，得到疑似发病者的数量和分布区域；
根据所述疑似发病者的数量判断所述分布区域是否出现传染病。
进一步的，在将所述疑似发病者的实时生理数据、运动轨迹、出行特征和地表信息可视化展示于地图上之后，还包括：
基于深度学习，对所述周边环境数据、所述实时生理数据和监测区域的历史资料进行大数据分析建立传染病预测模型，采用所述传染病预测模型对传染病流行趋势进行预测。
本发明的一个实施例提供了一种传染病的监测和预测装置，包括：
实时生理数据采集模块，用于采集用户的实时生理数据，所述实时生理数据包括实时体温数据、实时心率数据和实时血压数据；
异常生理数据判断模块，用于将所述实时生理数据与预设的标准生理数据进行比对，在所述实时生理数据与所述标准生理数据的差值超出预设阈值范围时，判断所述实时生理数据为异常生理数据，将所述异常生理数据对应的用户判断为疑似发病者；
出行特征提取模块，用于持续获取所述疑似发病者的运动轨迹，提取所述运动轨迹的出行特征，所述出行特征包括出行时间和滞留地点；
可视化展示模块，用于获取所述疑似发病者的周边环境数据，将所述周边环境数据形成对应的地表信息，结合G I S技术，将所述疑似发病者的实时生理数据、运动轨迹、出行特征和地表信息可视化展示于地图上。
本发明的一个实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的传染病的监测和预测方法。
本发明采集实时生理数据，并基于实时生理数据确定疑似发病者，结合G I S 技术，将疑似发病者的实时生理数据、运动轨迹和出行特征可视化展示于地图上，能够有效消除传染病监测的滞后性，及时获取传染病的流行趋势，从而能够有效提高传染病的监测和预测全面性和准确性。
附图说明
图1是本发明实施例提供的一种传染病的监测和预测方法的流程示意图；
图2是本发明实施例提供的一种传染病的监测和预测装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
在本申请的描述中，需要理解的是，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。
在本申请的描述中，需要说明的是，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申请中的具体含义。
请参阅图1，本发明的实施例提供了一种传染病的监测和预测方法，包括：
S1、采集用户的实时生理数据，实时生理数据包括实时体温数据、实时心率数据和实时血压数据；
可选地，在采集用户的实时生理数据之前，本发明实施例还可以从移动终端采集用户的个人信息，根据用户的个人信息建立用户端信息库。用户端信息库包括个人信息、地理位置信息、传染病史信息、工作环境信息、生活环境信息、健康水平信息中的一个或者多个组合，其中个人信息、地理位置信息、工作环境信息、生活环境信息注册时填写，并由用户终端发送；传染病史信息和健康水平信息由当地相关医疗机构提供。用户端信息库用于在进行传染病监测时，结合实时采集的用户实时体温数据，将用户端信息库进行可视化展示。
在本发明实施例中，可以通过佩戴在用户身上的数据采集单元采集实时生理数据，数据采集单元可以为手环、手表等。本发明实施例以手环为例，通过佩戴在用户手上的手环采集用户的实时生理数据。
S2、将实时生理数据与预设的标准生理数据进行比对，在实时生理数据与标准生理数据的差值超出预设阈值范围时，判断实时生理数据为异常生理数据，将异常生理数据对应的用户判断为疑似发病者；
在一种具体的实施方式中，本发明实施例将采集得到的实时体温数据与预设的标准体温数据进行比对，从而能够初步判断用户是否为疑似发病者，具体的:
标准体温数据的数值范围为36-37℃，设置预设阈值范围为大于等于0.5℃，即在实时体温数据与标准体温数据的最大值的差值为大于等于+0.5℃时，判断该实时体温数据为异常生理数据。例如，当某个用户的实时体温数据为37.7℃时，该实时体温数据与标准体温数据的最大值的差值为+0.7摄氏度，则判断该实时体温数据为异常生理数据，同时判断该用户为疑似发病者。
S3、持续获取疑似发病者的运动轨迹，提取运动轨迹的出行特征，出行特征包括出行时间和滞留地点；
在本发明实施例中，可以通过佩戴在用户身上的数据采集装置对用户进行定位，并以预设时间周期持续获取用户的定位点，将所有点位点进行连线从而获取用户的运动轨迹，进一步的，本发明实施例在确定疑似发病者后，针对疑似发病者的运动轨迹，进一步提取得到运动轨迹的出行特征，从而针对性对传染病进行监测。在本发明实施例中，运动轨迹的出行特征包括出行时间和滞留地点，其中滞留地点的一种判断方式为，判断用户在某个区域的停留时间是否超过预设时间阈值，若是，则将该区域判断为用户的滞留地点。例如，在相同区域内停留时间超过2小时判断为滞留地点，某个用户在地点滞留时间为4小时，即判断该地点为该用户的滞留地点。
本发明实施例通过踢球运动轨迹的出行特征，从而能够准确获得用户的出行时间和滞留地点，通过对疑似发病者和其他用户的出行时间和滞留地点进行统计分析，能够快速、准确确定疑似密接者的行踪，从而能够有效提高传染病检测的有效性。
S4、获取疑似发病者的周边环境数据，将周边环境数据形成对应的地表信息，结合G I S技术，将疑似发病者的实时生理数据、运动轨迹、出行特征和地表信息可视化展示于地图上。
在本发明实施例中，可以利用遥感卫星、无人机、三维激光扫描车、自然保护区红外相机监测技术形成的地表信息。
在本发明实施例中，将疑似发病者的实时生理数据、运动轨迹和出行特征可视化展示于地图上，能够直观、全面展示疑似发病者的生理数据、运动轨迹和出行特征，从而能够有效传染病确诊前后高危人群的追踪，而且本发明实施例采集实时生理数据，并基于实时生理数据确定疑似发病者，结合G I S技术，将疑似发病者的实时生理数据、运动轨迹和出行特征可视化展示于地图上，能够有效消除传染病监测的滞后性，及时获取传染病的流行趋势，从而能够有效提高传染病的监测和预测全面性和准确性。
在一个实施例中，采集用户的实时生理数据，包括：
利用测温传感器采集和修正用户的体温数据，得到实时体温数据；
需要说明的是，体温数据是判断人体是否出现传染病病症的重要依据，传染病患者通常会体温异常的表现，本发明实施例采集实时体温数据对传染病进行监测，能够有效提高监测的效果。
在本发明实施例中，在手环贴近人体皮肤的一侧内置有测温传感器，通过内置的测温传感器采集用户的体温数据，并对采集得到的体温数据进行修正，得到准确的实时体温数据。
采用光体积法采集用户的实时心率数据；
采用光电传感器采集用户的实时血压数据；
使用光电容积脉搏波描记法采集用户的实时血氧数据。
在本发明实施例中，传染病患者的实时心率数据和实时血压数据通常也会出现异常，将实时体温数据、实时心率数据、实时血压数据和实时血氧数据作为需要采集的实时生理数据能够有效对传染病进行监测。可选地，本发明实施例的实时生理数据包括但不限于实时体温数据、实时心率数据、实时血压数据和实时血氧数据，还可以是其他的生理数据，例如呼吸频率和血糖数据等。
在一个实施例中，结合G IS技术，将疑似发病者的实时生理数据、运动轨迹和出行特征可视化展示于地图上，包括：
将实时生理数据进行分级标注；
在本发明实施例中，将实时生理数据进行分级标注，包括：
针对不同的生理数据，分级设置不同生理数据对应的数值区间，数值区间对应不同的颜色标志，例如，设置正常体温为37℃，当实时体温数据与正常体温的差值大于等于0.5℃且小于1℃时，将该实时体温数据标注为黄色，表示该体温数据为预警数据；当实时体温数据与正常体温的差值大于等于1℃，将该实时体温标注为红色，表示该体温数据严重偏高。
可选地，对于心率数据集或血压数据，当这些数据高于预设的个人基线值一定比例时，进行轻、中、重度等级提示，以及对不同等级标注不同的颜色。
本发明实施例通过对实时生理数据进行分级标注，并在后续进行可视化展示，从而能够根据不同的颜色标注快速、便捷地获取用户的生理数据信息。
判断实时生理数据所在数值区间，对实时生理数据进行不同颜色标志。
在本发明实施例中，根据生理数据本身的特点设置不同的数值区间，并对不同的数据区间对应的数值设置不同的颜色标注。
将出行特征输入至Access数据库中进行语义化处理，在地图中选取所有与传染病的传染源和传播模型相关的地理位置和环境地理背景数据，将地理位置、环境地理背景数据、运动轨迹和出行特征在地图上通过空间联合展示。
在本发明实施例中，基于PO I数据实现地理位置的语义化：通过获取地图数据的POI关键词，选取区域内所有与传染病的传染源和传播模式相关的地理位置，如家禽交易市场、屠宰场、动物园、农场和牧场等，以及实际应用领域数据，如社会经济水平、人口流动性、风俗习惯等，以及环境地理背景数据包括气候特征、动物分布、水源分布等，将这些数据通过空间联合展示，实现地理位置语义化，从而使得地图内的标签内容与传染病密切相关，有效提供传染病的监测效率。
在一个实施例中，结合G IS技术，将疑似发病者的实时生理数据、运动轨迹和出行特征可视化展示于地图上，还包括：
以动态折线的形式在地图上可视化展示运动轨迹，并在运动轨迹上对应展示实时生理数据和出行特征。
在本发明实施例中，以动态折线的形式在地图上可视化展示运动轨迹，而且在地图上的可视化界面还包括每个时间点的发病人数。本发明实施例将不同时间点的发病情况导入至地图中，并与用户的轨迹路线进行结合，其中的一种表达形式为:在用户的鼠标滑过任意时间点时，同时显示该时间点的发病人数。
在一个实施例中，在将异常生理数据对应的用户判断为疑似发病者之后，还包括：
根据异常生理数据生成传染病预警信息，将传染病预警信息发送至预警服务器，并根据传染病预警信息构建预警模型。
在本发明实施例中，发送至预警服务器的数据包括异常生理数据和正常的生理数据，通过预警服务器对采集的所有生理数据进行统计分析，能够获取每一个用户的生理状态。特别地，本发明实施例通过预警服务器针对异常生理数据进行统计分析，能够准确获得疑似发病者用户的详细生理情况。本发明实施例可以根据预警服务器的数据构建预警模型，将预警模型结合从疾控中心获得的当地各种传染性疾病发病率指标、传染病发病相关的危险因素指标，以及用户地理位置信息、生活环境信息、工作环境信息指标结合，筛选传染性疾病高发区域并进行重点监测，根据预警模型能够准确判断传染病的流行趋势，
在一个实施例中，在将异常生理数据对应的用户判断为疑似发病者之后，还包括：
对预设时间段的异常生理数据进行统计分析，得到疑似发病者的数量和分布区域；
在本发明实施例中，可以针对某个时间段对异常数据进行统计分析，也可以对所有时间段的异常生理数据进行统计分析。
根据疑似发病者的数量判断分布区域是否出现传染病。
在本发明实施例中，结合疑似发病者的数量和运动轨迹判断分布区域是否出现传染病，例如，某个区域分布了2例疑似发病者的数据，该区域的疑似发病者的运动轨迹表示这两个疑似发病者只是途径该区域，即可判断该区域没有出现传染病，此时针对疑似发病者的运动轨迹查找与其密接的人员，从而全面监测传染病的传染路线。
在一个实施例中，在将疑似发病者的实时生理数据、运动轨迹、出行特征和地表信息可视化展示于地图上之后，还包括：
基于深度学习，对周边环境数据、实时生理数据和监测区域的历史资料进行大数据分析建立传染病预测模型，采用传染病预测模型对传染病流行趋势进行预测。
在本发明实施例中，监测区域的历史数据可以为该区域的历史传感病数据，本发明实施例基于深度学习，结合周边环境数据、实施生理数据和监测区域的历史资料进行大数据分析建立传染病预测模型，综合考虑了传染病法发生的多种阴虚，通过该传染病预测模型对传染病流行趋势进行预测，能够有效得到传染病流传趋势的准确预测结果，为防止传染病进一步传染提高了可靠的数据依据。
实施本发明实施例，具有以下有益效果：
本发明实施例采集实时生理数据，并基于实时生理数据确定疑似发病者，结合G IS技术，将疑似发病者的实时生理数据、运动轨迹和出行特征可视化展示于地图上，能够有效消除传染病监测的滞后性，及时获取传染病的流行趋势，从而能够有效提高传染病的监测全面性和准确性。
请参阅图2，基于与上述实施例相同的发明构思，本发明的一个实施例提供了一种传染病的监测和预测装置，包括：
实时生理数据采集模块10，用于采集用户的实时生理数据，实时生理数据包括实时体温数据、实时心率数据和实时血压数据；
异常生理数据判断模块20，用于将实时生理数据与预设的标准生理数据进行比对，在实时生理数据与标准生理数据的差值超出预设阈值范围时，判断实时生理数据为异常生理数据，将异常生理数据对应的用户判断为疑似发病者；
出行特征提取模块30，用于持续获取疑似发病者的运动轨迹，提取运动轨迹的出行特征，出行特征包括出行时间和滞留地点；
可视化展示模块40，用于获取疑似发病者的周边环境数据，将周边环境数据形成对应的地表信息，结合G I S技术，将疑似发病者的实时生理数据、运动轨迹、出行特征和地表信息可视化展示于地图上。
在一个实施例中，实时生理数据采集模块10还用于：
利用测温传感器采集和修正用户的体温数据，得到实时体温数据；
采用光体积法采集用户的实时心率数据；
采用光电传感器采集用户的实时血压数据；
使用光电容积脉搏波描记法采集用户的实时血氧数据。
在一个实施例中，可视化展示模块40还用于：
将实时生理数据进行分级标注；
将出行特征输入至Access数据库中进行语义化处理，在地图中选取所有与传染病的传染源和传播模型相关的地理位置和环境地理背景数据，将地理位置、环境地理背景数据、运动轨迹和出行特征在地图上通过空间联合展示。
在一个实施例中，将实时生理数据进行分级标注，包括：
针对不同的生理数据，分级设置不同生理数据对应的数值区间，数值区间对应不同的颜色标志；
判断实时生理数据所在数值区间，对实时生理数据进行不同颜色标志。
在一个实施例中，可视化展示模块50还用于：
以动态折线的形式在地图上可视化展示运动轨迹，并在运动轨迹上对应展示实时生理数据和出行特征。
在一个实施例中，本装置还包括预警模型构建模块，用于：
根据异常生理数据生成传染病预警信息，将传染病预警信息发送至预警服务器，并根据传染病预警信息构建预警模型。
在一个实施例中，在将异常生理数据对应的用户判断为疑似发病者之后，还包括：
对预设时间段的异常生理数据进行统计分析，得到疑似发病者的数量和分布区域；
根据疑似发病者的数量判断分布区域是否出现传染病。
在一个实施例中，还包括传染病预测模块，用于：
基于深度学习，对周边环境数据、实时生理数据和监测区域的历史资料进行大数据分析建立传染病预测模型，采用传染病预测模型对传染病流行趋势进行预测。
本发明的一个实施例提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行如上述的传染病的监测和预测方法。
以上是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种传染病的监测和预测方法，其特征在于，包括：
采集用户的实时生理数据，所述实时生理数据包括实时体温数据、实时心率数据和实时血压数据；
将所述实时生理数据与预设的标准生理数据进行比对，在所述实时生理数据与所述标准生理数据的差值超出预设阈值范围时，判断所述实时生理数据为异常生理数据，将所述异常生理数据对应的用户判断为疑似发病者；
持续获取所述疑似发病者的运动轨迹，提取所述运动轨迹的出行特征，所述出行特征包括出行时间和滞留地点；
获取所述疑似发病者的周边环境数据，将所述周边环境数据形成对应的地表信息，结合GIS技术，将所述疑似发病者的实时生理数据、运动轨迹、出行特征和地表信息可视化展示于地图上。
2.如权利要求1所述的传染病的监测和预测方法，其特征在于，所述采集用户的实时生理数据，包括：
利用测温传感器采集和修正用户的体温数据，得到实时体温数据；
采用光体积法采集用户的实时心率数据；
采用光电传感器采集用户的实时血压数据；
使用光电容积脉搏波描记法采集用户的实时血氧数据。
3.如权利要求1所述的传染病的监测和预测方法，其特征在于，所述结合GIS技术，将所述疑似发病者的实时生理数据、运动轨迹和出行特征可视化展示于地图上，包括：
将所述实时生理数据进行分级标注；
将所述出行特征输入至Access数据库中进行语义化处理，在地图中选取所有与传染病的传染源和传播模型相关的地理位置和环境地理背景数据，将所述地理位置、所述环境地理背景数据、所述运动轨迹和所述出行特征在地图上通过空间联合展示。
4.如权利要求3所述的传染病的监测和预测方法，其特征在于，所述将所述实时生理数据进行分级标注，包括：
针对不同的生理数据，分级设置不同生理数据对应的数值区间，所述数值区间对应不同的颜色标志；
判断所述实时生理数据所在数值区间，对实时生理数据进行不同颜色标志。
5.如权利要求1所述的传染病的监测和预测方法，其特征在于，所述结合GIS技术，将所述疑似发病者的实时生理数据、运动轨迹和出行特征可视化展示于地图上，还包括：
以动态折线的形式在所述地图上可视化展示所述运动轨迹，并在所述运动轨迹上对应展示所述实时生理数据和所述出行特征。
6.如权利要求1所述的传染病的监测和预测方法，其特征在于，在将所述异常生理数据对应的用户判断为疑似发病者之后，还包括：
根据所述异常生理数据生成传染病预警信息，将所述传染病预警信息发送至预警服务器，并根据所述传染病预警信息构建预警模型。
7.如权利要求1所述的传染病的监测方法，其特征在于，在将所述异常生理数据对应的用户判断为疑似发病者之后，还包括：
对预设时间段的异常生理数据进行统计分析，得到疑似发病者的数量和分布区域；
根据所述疑似发病者的数量判断所述分布区域是否出现传染病。
8.如权利要求1所述的传染病监测和预测方法，其特征在于，在将所述疑似发病者的实时生理数据、运动轨迹、出行特征和地表信息可视化展示于地图上之后，还包括：
基于深度学习，对所述周边环境数据、所述实时生理数据和监测区域的历史资料进行大数据分析建立传染病预测模型，采用所述传染病预测模型对传染病流行趋势进行预测。
9.一种传染病的监测和预测装置，其特征在于，包括：
实时生理数据采集模块，用于采集用户的实时生理数据，所述实时生理数据包括实时体温数据、实时心率数据和实时血压数据；
异常生理数据判断模块，用于将所述实时生理数据与预设的标准生理数据进行比对，在所述实时生理数据与所述标准生理数据的差值超出预设阈值范围时，判断所述实时生理数据为异常生理数据，将所述异常生理数据对应的用户判断为疑似发病者；
出行特征提取模块，用于持续获取所述疑似发病者的运动轨迹，提取所述运动轨迹的出行特征，所述出行特征包括出行时间和滞留地点；
可视化展示模块，用于获取所述疑似发病者的周边环境数据，将所述周边环境数据形成对应的地表信息，结合GIS技术，将所述疑似发病者的实时生理数据、运动轨迹、出行特征和地表信息可视化展示于地图上。
10.一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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至8中任意一项所述的传染病的监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211422595.0A CN115886752A (zh) | 2022-11-14 | 2022-11-14 | 一种传染病的监测和预测方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211422595.0A CN115886752A (zh) | 2022-11-14 | 2022-11-14 | 一种传染病的监测和预测方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115886752A true CN115886752A (zh) | 2023-04-04 |
Family
ID=86479949
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211422595.0A Pending CN115886752A (zh) | 2022-11-14 | 2022-11-14 | 一种传染病的监测和预测方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115886752A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013016110A (ja) * | 2011-07-06 | 2013-01-24 | Ricoh Co Ltd | 情報提供システムおよびプログラム |
| CN105455784A (zh) * | 2014-09-10 | 2016-04-06 | 中国科学院上海高等研究院 | 基于智能终端的个体生命保障的远程实时监控装置及方法 |
| CN105740615A (zh) * | 2016-01-28 | 2016-07-06 | 中山大学 | 利用手机轨迹追踪传染源和预测传染病流行趋势的方法 |
| CN111227805A (zh) * | 2020-04-27 | 2020-06-05 | 深圳市国脉科技有限公司 | 体温异常预警方法、装置、采集终端、介质及电子设备 |
| CN112671856A (zh) * | 2020-12-15 | 2021-04-16 | 青岛智能产业技术研究院 | 一种基于疾病传播特征的智能预警系统及预警方法 |
| US20210296007A1 (en) * | 2020-03-18 | 2021-09-23 | Kinsa Inc. | Systems and methods for contagious illness surveillance and outbreak detection |
| WO2021222601A1 (en) * | 2020-04-29 | 2021-11-04 | Lifeq B.V. | Epidemic monitoring system |
| CN113729643A (zh) * | 2021-06-29 | 2021-12-03 | 暨南大学 | 基于健康监测和轨道监测的传染病防控方法、设备及系统 |
-
2022
- 2022-11-14 CN CN202211422595.0A patent/CN115886752A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013016110A (ja) * | 2011-07-06 | 2013-01-24 | Ricoh Co Ltd | 情報提供システムおよびプログラム |
| CN105455784A (zh) * | 2014-09-10 | 2016-04-06 | 中国科学院上海高等研究院 | 基于智能终端的个体生命保障的远程实时监控装置及方法 |
| CN105740615A (zh) * | 2016-01-28 | 2016-07-06 | 中山大学 | 利用手机轨迹追踪传染源和预测传染病流行趋势的方法 |
| US20210296007A1 (en) * | 2020-03-18 | 2021-09-23 | Kinsa Inc. | Systems and methods for contagious illness surveillance and outbreak detection |
| CN111227805A (zh) * | 2020-04-27 | 2020-06-05 | 深圳市国脉科技有限公司 | 体温异常预警方法、装置、采集终端、介质及电子设备 |
| WO2021222601A1 (en) * | 2020-04-29 | 2021-11-04 | Lifeq B.V. | Epidemic monitoring system |
| CN112671856A (zh) * | 2020-12-15 | 2021-04-16 | 青岛智能产业技术研究院 | 一种基于疾病传播特征的智能预警系统及预警方法 |
| CN113729643A (zh) * | 2021-06-29 | 2021-12-03 | 暨南大学 | 基于健康监测和轨道监测的传染病防控方法、设备及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108717678B (zh) | 一种智慧养老系统 | |
| CN102346807B (zh) | 使用定位技术帮助患者恢复的系统 | |
| US9106718B2 (en) | Lifespace data collection from discrete areas | |
| CN111063450A (zh) | 一种基于可穿戴体温传感器的疫情疑似人筛选方法和系统 | |
| CN112671856A (zh) | 一种基于疾病传播特征的智能预警系统及预警方法 | |
| CN107533565A (zh) | 从聚集式设备所感测的物理数据中标识事件 | |
| CN110210739B (zh) | 一种基于人工智能的核辐射检测方法和系统 | |
| WO2023130804A1 (zh) | 一种肉鸭生理生长信息巡检方法及系统 | |
| CN110584601A (zh) | 一种老人认知功能监测和评估方法 | |
| CN117133464B (zh) | 一种老年人健康智能监测系统及监测方法 | |
| US20030153817A1 (en) | Pattern analysis system and method | |
| CN113990500A (zh) | 一种生命体征参数的监测方法、装置以及储存介质 | |
| CN112270807A (zh) | 一种老人跌倒预警系统 | |
| CN112386232A (zh) | 一种云端监控的人体体温检测装置 | |
| CN110993096B (zh) | 一种脓毒血症的预警装置、设备及存储介质 | |
| CN116491935A (zh) | 一种智能穿戴设备的运动健康监测方法、系统及介质 | |
| CN118248332A (zh) | 一种智能多模态生理数据监测系统 | |
| CN114664442A (zh) | 基于虚拟现实的空间认知能力智能评估系统和方法 | |
| CN117158955A (zh) | 基于可佩戴监测设备的用户安全智能监测方法 | |
| CN117174332A (zh) | 一种基于多源数据的传染病监测预警系统及预警方法 | |
| CN115886752A (zh) | 一种传染病的监测和预测方法、装置及存储介质 | |
| US20240032820A1 (en) | System and method for self-learning and reference tuning activity monitor | |
| CN111128326A (zh) | 一种基于目标跟踪的社区病患监控方法和系统 | |
| CN116741375A (zh) | 高海拔水电站施工人员的健康数据管理方法及装置 | |
| CN115349832A (zh) | 一种生命体征监测预警系统和方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230404 |