CN116110577A - 一种基于大数据的健康监测分析方法及系统 - Google Patents
一种基于大数据的健康监测分析方法及系统 Download PDFInfo
- Publication number
- CN116110577A CN116110577A CN202211433607.XA CN202211433607A CN116110577A CN 116110577 A CN116110577 A CN 116110577A CN 202211433607 A CN202211433607 A CN 202211433607A CN 116110577 A CN116110577 A CN 116110577A
- Authority
- CN
- China
- Prior art keywords
- health
- data
- item
- health monitoring
- module
- 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
Links
- 230000036541 health Effects 0.000 title claims abstract description 214
- 238000012544 monitoring process Methods 0.000 title claims abstract description 154
- 238000004458 analytical method Methods 0.000 title claims abstract description 34
- 238000007781 pre-processing Methods 0.000 claims abstract description 54
- 238000003745 diagnosis Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 25
- 239000006185 dispersion Substances 0.000 claims description 36
- 230000015654 memory Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 23
- 238000010219 correlation analysis Methods 0.000 claims description 18
- 238000013523 data management Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 2
- 238000011282 treatment Methods 0.000 abstract description 11
- 238000011369 optimal treatment Methods 0.000 abstract description 4
- 230000003111 delayed effect Effects 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 9
- 230000037213 diet Effects 0.000 description 6
- 235000005911 diet Nutrition 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- 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
- G16H10/65—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 stored on portable record carriers, e.g. on smartcards, RFID tags or CD
-
- 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
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本公开提供了一种基于大数据的健康监测分析方法及系统，涉及健康监测技术领域，该方法包括：获取目标用户的就诊数据库；获取所述目标用户的多个电子穿戴设备；获取所述多个电子穿戴设备分别对应的健康指标记录项；将所述健康指标记录项输入监测预处理模块，输出指标预处理结果；生成健康监测数据库；连接所述健康监测数据库和所述就诊数据库，输入健康监测模型，根据所述健康监测模型，获取状态偏离度；以所述状态偏离度，生成预警信息，对所述目标用户进行健康预警提醒，由于本申请可以解决现有技术中存在的由于没有将用户的就诊信息和电子穿戴设备的实时健康监测数据相结合，进而导致不能及时发现身体出现状况，耽误最佳治疗时间的技术问题。
Description
技术领域
本公开涉及健康监测技术领域，具体涉及一种基于大数据的健康监测分析方法及系统。
背景技术
随着科技的不断发展，人们对于身体健康的监测管理形式多样化，但是定期体检仍然是人们的主要手段。但是现代人们的生活节奏快、工作繁忙，很难做到半年一次体检，甚至不能做到每年体检，通常哪里出现不舒服才会去对应看病，或者身体已经出现了症状才会去医院进行检查，这样往往会出现发现不及时，已经错失了最佳治疗时机，或者病情恶化。随着生理检测技术和互联网的迅速发展，智能眼镜、智能手环等等健康监测设备被广泛应用，人体健康数据的获取越来越便捷，通过将健康数据同步到数据平台，能够方便快捷的对人体的健康状况进行监测，进而及时发现人体是否患病，然而，仅仅依靠健康检测设备，对人体的健康监测还不够准确。
目前，现有技术中存在由于没有将用户的就诊信息和电子穿戴设备的实时健康监测数据相结合，进而导致不能及时发现身体出现状况，耽误最佳治疗时间的技术问题。
发明内容
本公开提供了一种基于大数据的健康监测分析方法及系统，用以解决现有技术中存在的由于没有将用户的就诊信息和电子穿戴设备的实时健康监测数据相结合，进而导致不能及时发现身体出现状况，耽误最佳治疗时间的技术问题。
根据本公开的第一方面，提供了一种基于大数据的健康监测分析方法，包括：基于所述门诊数据管理系统，获取目标用户的就诊数据库；获取所述目标用户的多个电子穿戴设备；对所述多个电子穿戴设备的指标记录项进行相关性分析，获取所述多个电子穿戴设备分别对应的健康指标记录项；将所述健康指标记录项输入监测预处理模块，根据所述监测预处理模块，输出指标预处理结果；根据所述指标预处理结果，生成健康监测数据库；连接所述健康监测数据库和所述就诊数据库，输入健康监测模型，根据所述健康监测模型，获取状态偏离度；以所述状态偏离度，生成预警信息，用于对所述目标用户进行健康预警提醒。
根据本公开的第二方面，提供了一种基于大数据的健康监测分析系统，包括：就诊数据获取模块，所述就诊数据获取模块用于基于所述门诊数据管理系统，获取目标用户的就诊数据库；电子穿戴设备获取模块，所述电子穿戴设备获取模块用于获取所述目标用户的多个电子穿戴设备；指标相关性分析模块，所述指标相关性分析模块用于对所述多个电子穿戴设备的指标记录项进行相关性分析，获取所述多个电子穿戴设备分别对应的健康指标记录项；指标预处理模块，所述指标预处理模块用于将所述健康指标记录项输入监测预处理模块，根据所述监测预处理模块，输出指标预处理结果；健康监测数据生成模块，所述健康监测数据生成模块用于根据所述指标预处理结果，生成健康监测数据库；健康监测模块，所述健康监测模块用于连接所述健康监测数据库和所述就诊数据库，输入健康监测模型，根据所述健康监测模型，获取状态偏离度；健康预警模块，所述健康预警模块用于以所述状态偏离度，生成预警信息，用于对所述目标用户进行健康预警提醒。
根据本公开的第三方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开采用的一种基于大数据的健康监测分析方法，基于所述门诊数据管理系统，获取目标用户的就诊数据库；获取所述目标用户的多个电子穿戴设备；对所述多个电子穿戴设备的指标记录项进行相关性分析，获取所述多个电子穿戴设备分别对应的健康指标记录项；将所述健康指标记录项输入监测预处理模块，根据所述监测预处理模块，输出指标预处理结果；根据所述指标预处理结果，生成健康监测数据库；连接所述健康监测数据库和所述就诊数据库，输入健康监测模型，根据所述健康监测模型，获取状态偏离度；以所述状态偏离度，生成预警信息，用于对所述目标用户进行健康预警提醒。本公开基于大数据，采集获取用户在此前的门诊、体检中的诊断结果、检测结果和治疗情况等信息，并基于用户的电子穿戴设备分析用户的身体健康发展情况，分析可能出现不同幅度、不同内容的不健康状态，达到对用户进行健康预警提醒的技术效果。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本公开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，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图获得其他的附图。
图1为本公开实施例提供的一种基于大数据的健康监测分析方法的流程示意图；
图2为本公开实施例中获取健康指标记录项的流程示意图；
图3为本公开实施例中指标预处理的流程示意图；
图4为本公开实施例提供的一种基于大数据的健康监测分析系统的结构示意图；
图5为本公开实施例提供的一种电子设备的结构示意图。
附图标记说明：就诊数据获取模块11，电子穿戴设备获取模块12，指标相关性分析模块13，指标预处理模块14，健康监测数据生成模块15，健康监测模块16，健康预警模块17，电子设备800，处理器801，存储器802，总线架构，803。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
为了解决现有技术中存在的由于没有将用户的就诊信息和电子穿戴设备的实时健康监测数据相结合，进而导致不能及时发现身体出现状况，耽误最佳治疗时间的技术问题，本公开的发明人经过创造性的劳动，得到了本公开的一种基于大数据的健康监测分析方法及系统。
实施例一
图1为本申请实施例提供的一种基于大数据的健康监测分析方法图，所述方法应用于健康监测分析系统，所述健康监测分析系统与门诊数据管理系统通信连接，如图1所示，所述方法包括：
步骤S100:基于所述门诊数据管理系统，获取目标用户的就诊数据库；
具体而言，上述的健康监测分析系统是用于对用户的健康状态进行分析、预警的系统平台，上述的门诊数据管理系统是可以对患者每次就诊的诊断结果、治疗情况、处方、病历、化验结果等记录实时存储并管理的系统平台，健康监测分析系统与门诊数据管理系统通信连接，可以实现数据信息互联互通。目标用户为要进行健康监测分析的任一用户，连接门诊数据管理系统，可以获取目标用户的就诊数据库，就诊数据库包含目标用户在进行健康分析之前的门诊、体检中的诊断结果、检测结果和治疗情况等信息，通过获取目标用户的就诊数据库，为后续的健康检测分析提供数据支持。
步骤S200:获取所述目标用户的多个电子穿戴设备；
具体而言，电子穿戴设备为可以随身佩戴且能实现人体特征数据测量的电子设备，电子穿戴设备包括但不限于电子手表、手机自带的健康监测软件、或者家庭交互的健康监测管家等，每个用户对应的电子穿戴设备情况不尽相同，一个用户可能对应多个电子穿戴设备，通过获取目标用户的多个电子穿戴设备，为后续健康指标记录项进行相关性分析夯实了基础。
步骤S300:对所述多个电子穿戴设备的指标记录项进行相关性分析，获取所述多个电子穿戴设备分别对应的健康指标记录项；
其中，所述对所述多个电子穿戴设备的指标记录项进行相关性分析，如图2所示，本申请实施例步骤S300包括：
步骤S310：获取所述多个电子穿戴设备的指标记录项集合；
步骤S320：对所述指标记录项集合中的各个项进行健康记录相关性分析，获取多个相关性；
步骤S330：以所述多个相关性进行判断，得到大于等于预设相关性的多个指标记录项，其中，所述多个电子穿戴设备中的任一电子穿戴设备均包括多个相关指标；
步骤S340：基于所述多个电子穿戴设备，获取所述健康指标记录项。
具体而言，对多个电子穿戴设备的指标记录项进行相关性分析，简单来说，就是从多个电子穿戴设备的所有指标记录项中，找出与健康相关的监测指标，比如，睡眠、运动、心率、饮食等，进而获取多个电子穿戴设备分别对应的健康指标记录项，通过获取健康指标记录项，判断目标用户的健康状况，对用户进行健康监测。
具体地，获取多个电子穿戴设备的指标记录项集合，指标记录项集合包括多个电子穿戴设备的所有指标记录项，对指标记录项集合中的各个项进行健康记录相关性分析，就是说，分析指标记录项集合中的每一个指标与健康的相关程度，有的指标与健康的相关程度较高，有的指标与健康的相关程度就比较弱，进而获取多个相关性，进一步地，可以根据实际情况，预设一个相关性，然后根据预设相关性，对多个相关性进行判断，从而得到大于等于预设相关性的多个指标记录项，也就是说，找出与健康相关性比较强的监测指标，比如睡眠、运行、心率、饮食等，其中，多个电子穿戴设备中的任一电子穿戴设备均包括多个相关指标，根据多个电子穿戴设备，获取健康指标记录项。通过获取指标记录项，为后续对用户进行健康监测提供数据支持。
步骤S400:将所述健康指标记录项输入监测预处理模块，根据所述监测预处理模块，输出指标预处理结果；
其中，所述将所述健康指标记录项输入监测预处理模块，根据所述监测预处理模块，输出指标预处理结果，如图3所示，本申请实施例步骤S400包括：
步骤S410：将所述健康指标记录项输入所述监测预处理模块，其中，所述监测预处理模块包括重合项识别子模块、重合项处理子模块和重合项输出子模块；
步骤S420：根据所述重合项识别子模块对所述健康指标记录项中存在重合的记录项进行标识，输出标识记录项；
步骤S430：根据所述重合项处理子模块，对所述标识记录项的数据进行数据处理，输出重合项数据；
步骤S440：通过所述重合项输出子模块将所述重合项数据进行输出。
其中，所述根据所述重合项处理子模块，对所述标识记录项的数据进行数据处理，输出重合项数据，本申请实施例步骤S430还包括：
步骤S431：获取所述标识记录项的记录类型、记录时长和记录精度；
步骤S432：将所述记录类型、记录时长和记录精度作为分析变量，获取所述标识记录项对应的记录质量系数；
步骤S433：根据所述记录质量系数，获取质量离散度；
步骤S434：判断所述质量离散度是否大于预设质量离散度，若所述质量离散度大于预设质量离散度，获取第一质量系数对应的第一标识记录项的数据；
步骤S435：将所述第一标识记录项的数据作为所述重合项数据进行输出。
其中，所述判断所述质量离散度是否大于预设质量离散度，本申请实施例步骤S434还包括：
步骤S4341：若所述质量离散度小于所述预设质量离散度，对所述标识记录项进行标准化处理，输出标准化数据；
步骤S4342：对所述标准化数据进行均值计算，输出均值数据，以所述均值数据作为所述重合项数据进行输出。
具体而言，监测预处理模块为机器学习中的，可以不断进行自我迭代优化的神经网络模型，可以对健康指标记录项进行分析处理，将健康指标记录项输入监测预处理模块，根据监测预处理模块，可以输出指标预处理结果。
具体地，监测预处理模块包括重合项识别子模块、重合项处理子模块和重合项输出子模块，每一个电子穿戴设备对应多个健康指标记录项，不同的电子穿戴设备对应的健康指标记录项可能会有重复的部分，比如，手环和手机都可以监测睡眠状态，因此，对于不同电子穿戴设备记录的同一个健康指标进行处理，重合项即为不同电子穿戴设备对应的将健康指标记录项中重复的健康指标记录项。
具体地，重合项识别子模块是通过以健康指标记录项作为训练数据得到的对重合记录项进行标识的网络层，将健康指标记录项作为输入信息，通过对重合记录项进行标识，输出标识记录项。重合项处理子模块是通过以标识记录项作为训练数据得到的对标识记录项进行数据处理的网络层，将标识记录项作为输入信息，通过对标识记录项的数据进行数据处理，输出重合项数据。重合项输出子模块作为监测预处理模块的输出层，将所述重合项数据进行输出。通过监测预处理模块，输出重合项数据，为后续生成健康监测数据库奠定了基础。
具体地，获取标识记录项的记录类型、记录时长和记录精度，记录类型指标识记录项记录的数据类型，比如睡眠、饮食或者心率，记录时长即为佩戴时间，记录精度代表电子穿戴设备采集的数据的准确性，根据记录类型、记录时长和记录精度进行分析，从获取标识记录项对应的记录质量系数，记录质量系数就可以表示对应的标识记录项的数据准确性的高低，示例如，手环和手机都可以记录睡眠，但由于手环的记录精度比较高，佩戴时间与用户更紧密，其记录质量系数会更高，进而根据记录质量系数，获取质量离散度，质量离散度代表标识记录项对应的多个电子穿戴设备的记录质量系数的差异程度，如果多个电子穿戴设备的记录质量系数差异较大，质量离散度就较大，如果多个电子穿戴设备的记录质量系数大约处于同一水平，质量离散度就比较小，进一步地，可以根据实际情况，预设一个质量离散度，对质量离散度和质量离散度进行比较，如果质量离散度大于预设质量离散度，即多个电子穿戴设备的记录质量系数不处于同一水平，对最优质量系数的数据进行分析，从而获取第一质量系数对应的第一标识记录项的数据，第一质量系数即为最优质量系数，第一标识记录项为第一质量系数对应的标识记录项，将第一标识记录项的数据作为重合项数据进行输出。
进一步地，对质量离散度和质量离散度进行比较，如果质量离散度小于预设质量离散度，即个电子穿戴设备的记录质量系数大约处于同一水平，说明多个电子穿戴设备记录的数据相差不大，对标识记录项进行标准化处理，输出标准化数据，对标准化数据进行均值计算，输出均值数据，以均值数据作为重合项数据进行输出，示例性的，如果一个电子穿戴设备是手环、一个电子穿戴设备是智能手表，两个设备采集到的数据差异不大，可以对两个数据计算均值，得到均值数据，以均值数据作为重合项数据进行输出。通过监测预处理模块，输出重合项数据，便于后续生成健康监测数据库，为后续的状态偏离度分析提供数据支持。
步骤S500:根据所述指标预处理结果，生成健康监测数据库；
具体而言，根据指标预处理结果，生成健康监测数据库，健康监测数据库包含监测预处理模块输出的所有数据。
步骤S600:连接所述健康监测数据库和所述就诊数据库，输入健康监测模型，根据所述健康监测模型，获取状态偏离度；
其中，所述根据所述健康监测模型，获取状态偏离度，本申请实施例步骤S600还包括：
步骤S610：连接所述健康监测数据库和所述就诊数据库，通过调用所述就诊数据库的就诊数据对所述目标用户进行状态预测，获取状态预测结果；
步骤S620：以所述状态预测结果，生成健康监测曲线；
步骤S630：调用所述健康监测数据库中的实时监测数据，生成健康实时曲线；
步骤S640：通过比对所述健康监测曲线和所述健康实时曲线，获取所述状态偏离度。
具体而言，连接健康监测数据库和就诊数据库，输入健康监测模型，根据健康监测模型，获取状态偏离度，健康监测模型是对对健康监测数据和就诊数据进行分析，输出状态偏离度的功能模型，状态偏离度指健康监测数据和就诊数据的差异程度，即健康监测数据相对于就诊数据的偏离程度。
具体的，连接所述健康监测数据库和所述就诊数据库，通过调用就诊数据库的就诊数据，就诊数据即目标用户在此前的门诊、体检中的诊断结果、检查结果等，进而对目标用户进行状态预测，即预测目标用户当前的健康状态，进而获取状态预测结果，状态预测结果包括睡眠、心率、饮食等状态，根据状态预测结果，生成健康监测曲线，相应的，健康监测曲线也包含睡眠、心率、饮食等状态的健康监测曲线。调用健康监测数据库中的实时监测数据，实时监测数据即目标用户当前的健康监测数据，进而生成健康实时曲线，健康实时曲线也包含睡眠、心率、饮食等状态的健康曲线，通过比对健康监测曲线和健康实时曲线，判断健康实时曲线相对于健康监测曲线的偏离度，状态可能处于上升的偏离和下降的偏离，进而获取状态偏离度，将状态偏离度输出，通过获取状态偏度，判断目标用户的健康状态，为后续的健康预警提供数据支持。
步骤S700:以所述状态偏离度，生成预警信息，用于对所述目标用户进行健康预警提醒。
其中，所述以所述状态偏离度，生成预警信息，本申请实施例步骤S700还包括：
步骤S710：判断所述状态偏离度是否处于预设状态偏离度中，若所述状态偏离度不处于所述预设状态偏离度中，得到曲线截取指令；
步骤S720：根据所述曲线截取指令对所述健康实时曲线进行曲线截取，得到截取曲线；
步骤S730：判断所述截取曲线的导数是否为负向量，若所述截取曲线的导数为负向量，生成所述预警信息。
具体而言，根据状态偏离度，生成预警信息，用于对目标用户进行健康预警提醒，便于目标用户根据预警信息进行体检，及时发现身体健康状况，进行治疗。
具体地，需要根据实际情况，预设一个状态偏离度区间作为预设偏离度，判断状态偏离度是否处于预设状态偏离度中，如果状态偏离度不处于预设状态偏离度中，得到曲线截取指令，曲线截取指令是用于对健康实时曲线进行截取的指令，根据曲线截取指令对健康实时曲线进行曲线截取，得到截取曲线，判断截取曲线的导数是否为负向量，若所述截取曲线的导数为负向量，生成所述预警信息，也就是说，状态可能处于上升的偏离和下降的偏离，截取曲线的导数为负向量就是状态处于下降的偏离，只有状态偏离度是下降的偏离才生成预警信息，进行预警，通过根据状态偏离度，生成预警信息，使得目标用户可以根据预警信息及时进行体检、就诊，防止病情延误。
基于上述分析可知，本公开提供了一种基于大数据的健康监测分析方法，基于大数据，采集获取用户在此前的门诊、体检中的诊断结果、检测结果和治疗情况等信息，并基于用户的电子穿戴设备分析用户的身体健康发展情况，分析可能出现不同幅度、不同内容的不健康状态，达到对用户进行健康预警提醒的技术效果。
实施例二
基于与前述实施例中一种基于大数据的健康监测分析方法同样的发明构思，如图4所示，本申请还提供了一种基于大数据的健康监测分析系统，所述系统包括：
就诊数据获取模块11，所述就诊数据获取模块11用于基于所述门诊数据管理系统，获取目标用户的就诊数据库；
电子穿戴设备获取模块12，所述电子穿戴设备获取模块12用于获取所述目标用户的多个电子穿戴设备；
指标相关性分析模块13，所述指标相关性分析模块13用于对所述多个电子穿戴设备的指标记录项进行相关性分析，获取所述多个电子穿戴设备分别对应的健康指标记录项；
指标预处理模块14，所述指标预处理模块14用于将所述健康指标记录项输入监测预处理模块，根据所述监测预处理模块，输出指标预处理结果；
健康监测数据生成模块15，所述健康监测数据生成模块15用于根据所述指标预处理结果，生成健康监测数据库；
健康监测模块16，所述健康监测模块16用于连接所述健康监测数据库和所述就诊数据库，输入健康监测模型，根据所述健康监测模型，获取状态偏离度；
健康预警模块17，所述健康预警模块17用于以所述状态偏离度，生成预警信息，用于对所述目标用户进行健康预警提醒。
进一步的，所述系统还包括：
指标记录项集合获取模块，所述指标记录项集合获取模块用于获取所述多个电子穿戴设备的指标记录项集合；
相关性获取模块，所述相关性获取模块用于对所述指标记录项集合中的各个项进行健康记录相关性分析，获取多个相关性；
相关性判断模块，所述相关性判断模块用于以所述多个相关性进行判断，得到大于等于预设相关性的多个指标记录项，其中，所述多个电子穿戴设备中的任一电子穿戴设备均包括多个相关指标；
健康指标记录项获取模块，所述健康指标记录项获取模块用于基于所述多个电子穿戴设备，获取所述健康指标记录项。
进一步的，所述系统还包括：
健康指标记录项输入模块，所述健康指标记录项输入模块用于将所述健康指标记录项输入所述监测预处理模块，其中，所述监测预处理模块包括重合项识别子模块、重合项处理子模块和重合项输出子模块；
健康指标记录项标识模块，所述健康指标记录项标识模块用于根据所述重合项识别子模块对所述健康指标记录项中存在重合的记录项进行标识，输出标识记录项；
数据处理模块，所述数据处理模块用于根据所述重合项处理子模块，对所述标识记录项的数据进行数据处理，输出重合项数据；
重合项数据输出模块，所述重合项数据输出模块用于通过所述重合项输出子模块将所述重合项数据进行输出。
进一步的，所述系统还包括：
标识记录项数据获取模块，所述标识记录项数据获取模块用于获取所述标识记录项的记录类型、记录时长和记录精度；
记录质量系数获取模块，所述记录质量系数获取模块用于将所述记录类型、记录时长和记录精度作为分析变量，获取所述标识记录项对应的记录质量系数；
质量离散度获取模块，所述质量离散度获取模块用于根据所述记录质量系数，获取质量离散度；
质量离散度判断模块，所述质量离散度判断模块用于判断所述质量离散度是否大于预设质量离散度，若所述质量离散度大于预设质量离散度，获取第一质量系数对应的第一标识记录项的数据；
重合项数据获取模块，所述重合项数据获取模块用于将所述第一标识记录项的数据作为所述重合项数据进行输出。
进一步的，所述系统还包括：
标准化处理模块，所述标准化处理模块用于若所述质量离散度小于所述预设质量离散度，对所述标识记录项进行标准化处理，输出标准化数据；
均值计算模块，所述均值计算模块用于对所述标准化数据进行均值计算，输出均值数据，以所述均值数据作为所述重合项数据进行输出。
进一步的，所述系统还包括：
状态预测模块，所述状态预测模块用于连接所述健康监测数据库和所述就诊数据库，通过调用所述就诊数据库的就诊数据对所述目标用户进行状态预测，获取状态预测结果；
健康监测曲线生成模块，所述健康监测曲线生成模块用于以所述状态预测结果，生成健康监测曲线；
健康实时曲线生成模块，所述健康实时曲线生成模块用于调用所述健康监测数据库中的实时监测数据，生成健康实时曲线；
健康偏离度获取模块，所述健康偏离度获取模块用于通过比对所述健康监测曲线和所述健康实时曲线，获取所述状态偏离度。
进一步的，所述系统还包括：
状态偏离度判断模块，所述状态偏离度判断模块用于判断所述状态偏离度是否处于预设状态偏离度中，若所述状态偏离度不处于所述预设状态偏离度中，得到曲线截取指令；
曲线截取模块，所述曲线截取模块用于根据所述曲线截取指令对所述健康实时曲线进行曲线截取，得到截取曲线；
预警信息生成模块，所述预警信息生成模块用于判断所述截取曲线的导数是否为负向量，若所述截取曲线的导数为负向量，生成所述预警信息。
前述实施例一中的一种基于大数据的健康监测分析方法具体实例同样适用于本实施例的一种基于大数据的健康监测分析系统，通过前述对一种基于大数据的健康监测分析方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于大数据的健康监测分析系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
实施例三
图5是根据本公开第三实施例的示意图，如图5所示，本公开中的电子设备800可以包括：处理器801和存储器802。
存储器802，用于存储程序；存储器802，可以包括易失性存储器(英文：volatilememory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)，如静态随机存取存储器(英文：static random-access memory，缩写：SRAM)，双倍数据率同步动态随机存取存储器(英文：Double Data Rate Synchronous Dynamic Random AccessMemory，缩写：DDR SDRAM)等；存储器也可以包括非易失性存储器(英文：non-volatilememory)，例如快闪存储器(英文：flash memory)。存储器802用于存储计算机程序(如实现上述方法的应用程序、功能模块等)、计算机指令等，上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指令、数据等可以被处理器801调用。
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器802中。并且上述的计算机程序、计算机指据等可以被处理器801调用。
处理器801，用于执行存储器802存储的计算机程序，以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器801和存储器802可以是独立结构，也可以是集成在一起的集成结构。当处理器801和存储器802是独立结构时，存储器802、处理器801可以通过总线803耦合连接。
本实施例的电子设备可以执行上述方法中的技术方案，其具体实现过程和技术原理相同，此处不再赘述。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例，本公开还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行，也可以顺序地执行也可以不同的次序执行，
只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (9)
1.一种基于大数据的健康监测分析方法，其特征在于，所述方法应用于健康监测分析系统，所述健康监测分析系统与门诊数据管理系统通信连接，所述方法包括：
基于所述门诊数据管理系统，获取目标用户的就诊数据库；
获取所述目标用户的多个电子穿戴设备；
对所述多个电子穿戴设备的指标记录项进行相关性分析，获取所述多个电子穿戴设备分别对应的健康指标记录项；
将所述健康指标记录项输入监测预处理模块，根据所述监测预处理模块，输出指标预处理结果；
根据所述指标预处理结果，生成健康监测数据库；
连接所述健康监测数据库和所述就诊数据库，输入健康监测模型，根据所述健康监测模型，获取状态偏离度；
以所述状态偏离度，生成预警信息，用于对所述目标用户进行健康预警提醒。
2.如权利要求1所述的方法，其特征在于，所述对所述多个电子穿戴设备的指标记录项进行相关性分析，包括：
获取所述多个电子穿戴设备的指标记录项集合；
对所述指标记录项集合中的各个项进行健康记录相关性分析，获取多个相关性；
以所述多个相关性进行判断，得到大于等于预设相关性的多个指标记录项，其中，所述多个电子穿戴设备中的任一电子穿戴设备均包括多个相关指标；
基于所述多个电子穿戴设备，获取所述健康指标记录项。
3.如权利要求1所述的方法，其特征在于，所述将所述健康指标记录项输入监测预处理模块，根据所述监测预处理模块，输出指标预处理结果，包括：
将所述健康指标记录项输入所述监测预处理模块，其中，所述监测预处理模块包括重合项识别子模块、重合项处理子模块和重合项输出子模块；
根据所述重合项识别子模块对所述健康指标记录项中存在重合的记录项进行标识，输出标识记录项；
根据所述重合项处理子模块，对所述标识记录项的数据进行数据处理，输出重合项数据；
通过所述重合项输出子模块将所述重合项数据进行输出。
4.如权利要求3所述的方法，其特征在于，所述根据所述重合项处理子模块，对所述标识记录项的数据进行数据处理，输出重合项数据，方法还包括：
获取所述标识记录项的记录类型、记录时长和记录精度；
将所述记录类型、记录时长和记录精度作为分析变量，获取所述标识记录项对应的记录质量系数；
根据所述记录质量系数，获取质量离散度；
判断所述质量离散度是否大于预设质量离散度，若所述质量离散度大于预设质量离散度，获取第一质量系数对应的第一标识记录项的数据；
将所述第一标识记录项的数据作为所述重合项数据进行输出。
5.如权利要求4所述的方法，其特征在于，所述判断所述质量离散度是否大于预设质量离散度，还包括：
若所述质量离散度小于所述预设质量离散度，对所述标识记录项进行标准化处理，输出标准化数据；
对所述标准化数据进行均值计算，输出均值数据，以所述均值数据作为所述重合项数据进行输出。
6.如权利要求1所述的方法，其特征在于，根据所述健康监测模型，获取状态偏离度，包括：
连接所述健康监测数据库和所述就诊数据库，通过调用所述就诊数据库的就诊数据对所述目标用户进行状态预测，获取状态预测结果；
以所述状态预测结果，生成健康监测曲线；
调用所述健康监测数据库中的实时监测数据，生成健康实时曲线；
通过比对所述健康监测曲线和所述健康实时曲线，获取所述状态偏离度。
7.如权利要求1所述的方法，其特征在于，所述以所述状态偏离度，生成预警信息，包括：
判断所述状态偏离度是否处于预设状态偏离度中，若所述状态偏离度不处于所述预设状态偏离度中，得到曲线截取指令；
根据所述曲线截取指令对所述健康实时曲线进行曲线截取，得到截取曲线；
判断所述截取曲线的导数是否为负向量，若所述截取曲线的导数为负向量，生成所述预警信息。
8.一种基于大数据的健康监测分析系统，所述系统包括：
就诊数据获取模块，所述就诊数据获取模块用于基于所述门诊数据管理系统，获取目标用户的就诊数据库；
电子穿戴设备获取模块，所述电子穿戴设备获取模块用于获取所述目标用户的多个电子穿戴设备；
指标相关性分析模块，所述指标相关性分析模块用于对所述多个电子穿戴设备的指标记录项进行相关性分析，获取所述多个电子穿戴设备分别对应的健康指标记录项；
指标预处理模块，所述指标预处理模块用于将所述健康指标记录项输入监测预处理模块，根据所述监测预处理模块，输出指标预处理结果；
健康监测数据生成模块，所述健康监测数据生成模块用于根据所述指标预处理结果，生成健康监测数据库；
健康监测模块，所述健康监测模块用于连接所述健康监测数据库和所述就诊数据库，输入健康监测模型，根据所述健康监测模型，获取状态偏离度；
健康预警模块，所述健康预警模块用于以所述状态偏离度，生成预警信息，用于对所述目标用户进行健康预警提醒。
9.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211433607.XA CN116110577B (zh) | 2022-11-16 | 2022-11-16 | 一种基于大数据的健康监测分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211433607.XA CN116110577B (zh) | 2022-11-16 | 2022-11-16 | 一种基于大数据的健康监测分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116110577A true CN116110577A (zh) | 2023-05-12 |
| CN116110577B CN116110577B (zh) | 2024-04-30 |
Family
ID=86262779
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211433607.XA Active CN116110577B (zh) | 2022-11-16 | 2022-11-16 | 一种基于大数据的健康监测分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116110577B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116612892A (zh) * | 2023-07-17 | 2023-08-18 | 天津市疾病预防控制中心 | 一种可穿戴装置的健康监测方法及系统 |
| CN117409976A (zh) * | 2023-12-15 | 2024-01-16 | 深圳市微克科技有限公司 | 一种基于智能穿戴设备的用户健康监测方法、系统及介质 |
| CN117577334A (zh) * | 2024-01-18 | 2024-02-20 | 深圳第一健康医疗管理有限公司 | 一种基于医疗器械设备的健康监测系统 |
| CN117594227A (zh) * | 2024-01-18 | 2024-02-23 | 微脉技术有限公司 | 基于穿戴设备的健康状态监控方法、装置、介质及设备 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106777862A (zh) * | 2016-11-02 | 2017-05-31 | 深圳市元征科技股份有限公司 | 一种基于体域网的数据处理方法和装置 |
| CN106772195A (zh) * | 2017-01-04 | 2017-05-31 | 国网江苏省电力公司电力科学研究院 | 一种计量系统电流互感器长期误差稳定性可靠性评价方法 |
| EP3403572A1 (en) * | 2017-05-17 | 2018-11-21 | My-Vitality SàRL | Pulse wave diagnostic device and method of calculating and determining fatigue |
| CN110807135A (zh) * | 2019-10-14 | 2020-02-18 | 车智互联（北京）科技有限公司 | 数据处理方法、热力图生成方法及装置 |
| CN110808103A (zh) * | 2019-11-11 | 2020-02-18 | 黑龙江科技大学 | 5g网络下企业员工身体健康数据实时监测系统及方法 |
| US20200335211A1 (en) * | 2017-09-11 | 2020-10-22 | Muralidharan Gopalakrishnan | Non-invasive multifunctional telemetry apparatus and real-time system for monitoring clinical signals and health parameters |
| CN111820879A (zh) * | 2020-06-23 | 2020-10-27 | 浙江清华长三角研究院 | 一种适用于慢性疾病患者的健康评价管理方法 |
| CN112117008A (zh) * | 2020-09-29 | 2020-12-22 | 苏州立楚信息技术有限公司 | 一种基于大数据的健康监测方法及系统 |
| CN113095708A (zh) * | 2021-04-23 | 2021-07-09 | 国网内蒙古东部电力有限公司通辽供电公司 | 一种基于大数据的电能质量分析系统及方法 |
| CN113270197A (zh) * | 2021-06-03 | 2021-08-17 | 苏州立威新谱生物科技有限公司 | 一种基于人工智能的健康预测方法、系统及存储介质 |
| CN113707308A (zh) * | 2021-08-31 | 2021-11-26 | 平安国际智慧城市科技股份有限公司 | 一种医疗数据的分析装置及计算机可读存储介质 |
| CN114242253A (zh) * | 2022-02-21 | 2022-03-25 | 深圳大学 | 一种用于糖尿病酮症酸中毒预警的健康管理方法及系统 |
| CN115148355A (zh) * | 2022-05-31 | 2022-10-04 | 湖北智奥物联网科技有限公司 | 基于生理参数偏离提前发现脏腑病变的监测装置及系统 |
| CN115240861A (zh) * | 2022-07-21 | 2022-10-25 | 中国平安人寿保险股份有限公司 | 慢性病患者数据处理方法、装置、设备及存储介质 |
-
2022
- 2022-11-16 CN CN202211433607.XA patent/CN116110577B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106777862A (zh) * | 2016-11-02 | 2017-05-31 | 深圳市元征科技股份有限公司 | 一种基于体域网的数据处理方法和装置 |
| CN106772195A (zh) * | 2017-01-04 | 2017-05-31 | 国网江苏省电力公司电力科学研究院 | 一种计量系统电流互感器长期误差稳定性可靠性评价方法 |
| EP3403572A1 (en) * | 2017-05-17 | 2018-11-21 | My-Vitality SàRL | Pulse wave diagnostic device and method of calculating and determining fatigue |
| US20200335211A1 (en) * | 2017-09-11 | 2020-10-22 | Muralidharan Gopalakrishnan | Non-invasive multifunctional telemetry apparatus and real-time system for monitoring clinical signals and health parameters |
| CN110807135A (zh) * | 2019-10-14 | 2020-02-18 | 车智互联（北京）科技有限公司 | 数据处理方法、热力图生成方法及装置 |
| CN110808103A (zh) * | 2019-11-11 | 2020-02-18 | 黑龙江科技大学 | 5g网络下企业员工身体健康数据实时监测系统及方法 |
| CN111820879A (zh) * | 2020-06-23 | 2020-10-27 | 浙江清华长三角研究院 | 一种适用于慢性疾病患者的健康评价管理方法 |
| CN112117008A (zh) * | 2020-09-29 | 2020-12-22 | 苏州立楚信息技术有限公司 | 一种基于大数据的健康监测方法及系统 |
| CN113095708A (zh) * | 2021-04-23 | 2021-07-09 | 国网内蒙古东部电力有限公司通辽供电公司 | 一种基于大数据的电能质量分析系统及方法 |
| CN113270197A (zh) * | 2021-06-03 | 2021-08-17 | 苏州立威新谱生物科技有限公司 | 一种基于人工智能的健康预测方法、系统及存储介质 |
| CN113707308A (zh) * | 2021-08-31 | 2021-11-26 | 平安国际智慧城市科技股份有限公司 | 一种医疗数据的分析装置及计算机可读存储介质 |
| CN114242253A (zh) * | 2022-02-21 | 2022-03-25 | 深圳大学 | 一种用于糖尿病酮症酸中毒预警的健康管理方法及系统 |
| CN115148355A (zh) * | 2022-05-31 | 2022-10-04 | 湖北智奥物联网科技有限公司 | 基于生理参数偏离提前发现脏腑病变的监测装置及系统 |
| CN115240861A (zh) * | 2022-07-21 | 2022-10-25 | 中国平安人寿保险股份有限公司 | 慢性病患者数据处理方法、装置、设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 何龙龙;黄国志;: "可穿戴设备在脑卒中患者康复评定中的应用进展", 中国康复医学杂志, no. 02, 15 February 2020 (2020-02-15) * |
| 施建平;沈志宏;苏贤明;宋歌;: "基于知识规则的数据质量检验方法在农田土壤监测中的应用", 科研信息化技术与应用, no. 02, 20 March 2012 (2012-03-20) * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116612892A (zh) * | 2023-07-17 | 2023-08-18 | 天津市疾病预防控制中心 | 一种可穿戴装置的健康监测方法及系统 |
| CN116612892B (zh) * | 2023-07-17 | 2023-09-26 | 天津市疾病预防控制中心 | 一种可穿戴装置的健康监测方法及系统 |
| CN117409976A (zh) * | 2023-12-15 | 2024-01-16 | 深圳市微克科技有限公司 | 一种基于智能穿戴设备的用户健康监测方法、系统及介质 |
| CN117577334A (zh) * | 2024-01-18 | 2024-02-20 | 深圳第一健康医疗管理有限公司 | 一种基于医疗器械设备的健康监测系统 |
| CN117594227A (zh) * | 2024-01-18 | 2024-02-23 | 微脉技术有限公司 | 基于穿戴设备的健康状态监控方法、装置、介质及设备 |
| CN117594227B (zh) * | 2024-01-18 | 2024-04-30 | 微脉技术有限公司 | 基于穿戴设备的健康状态监控方法、装置、介质及设备 |
| CN117577334B (zh) * | 2024-01-18 | 2024-05-03 | 深圳第一健康医疗管理有限公司 | 一种基于医疗器械设备的健康监测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116110577B (zh) | 2024-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116110577B (zh) | 一种基于大数据的健康监测分析方法及系统 | |
| Chakradar et al. | A non-invasive approach to identify insulin resistance with triglycerides and HDL-c ratio using machine learning | |
| US20190365332A1 (en) | Determining wellness using activity data | |
| US9898513B2 (en) | System, method and computer program for multi-dimensional temporal and relative data mining framework, analysis and sub-grouping | |
| US10791978B2 (en) | Classifying individuals using finite mixture markov modelling and test trials with accounting for item position | |
| Hall et al. | Effectiveness of a single lead AliveCor electrocardiogram application for the screening of atrial fibrillation: a systematic review | |
| US20140006044A1 (en) | System and method for preparing healthcare service bundles | |
| US12087444B2 (en) | Population-level gaussian processes for clinical time series forecasting | |
| CN116864139A (zh) | 疾病风险评估方法、装置、计算机设备及可读存储介质 | |
| CN113990482A (zh) | 健康数据处理系统及方法 | |
| EP4449441A1 (en) | A computer implemented method and a system | |
| CN117524401A (zh) | 医学报告的生成方法及相关装置 | |
| CN117577296A (zh) | 认知障碍风险识别系统 | |
| CN110192872B (zh) | 压力评估校准方法、装置及存储介质 | |
| Ihor et al. | Exploring multimodal data approach in natural language processing based on speech recognition algorithms | |
| CN117112729B (zh) | 基于人工智能的医疗资源对接方法及系统 | |
| CN110910980A (zh) | 一种脓毒血症的预警装置、设备及存储介质 | |
| Akan et al. | ViViEchoformer: Deep Video Regressor Predicting Ejection Fraction | |
| Bell et al. | Ambulatory blood pressure status in children: comparing alternate limit sources | |
| CN118245810B (zh) | 训练大语言模型的方法、装置、电子设备 | |
| US20230106257A1 (en) | Automated health monitoring system and method | |
| Chen et al. | Process Mining to Discover and Preserve Infrequent Relations in Event Logs: An Application to Understand the Laboratory Test Ordering Process Using the MIMIC-III Dataset | |
| CN117594240A (zh) | 健康建议生成方法、装置、计算机设备及存储介质 | |
| Ashcroft | The consistency of a variety of machine learning and statistical models in predicting clinical risks of individual patients: A Longitudinal cohort study using cardiovascular disease as exemplar | |
| CN118734978A (zh) | 一种可解释健康评估工具的构建方法、装置、电子设备和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |