CN117174280A - 基于人工智能技术自动化匹配患者健康方案的方法及系统 - Google Patents

Abstract

本发明涉及人工智能技术领域，且公开了基于人工智能技术自动化匹配患者健康方案的方法及系统，包括用户单元、识别单元、诊断单元、方案库以及复诊单元，用户单元用于患者登录系统，从而进行健康方案匹配，识别单元用于将患者的患病信息进行上传以及识别，诊断单元对识别单元内的数据进行分析，并从方案库中调取合适的健康方案，方案库用于储存健康方案，复诊单元将诊断单元所调取方案进行审核；患者可以通过识别单元上传自身病患处的图像信息、语言信息以及动作信息，诊断单元内的分析模块进行识别，并通过诊断单元内的匹配模块从方案库中调取合适的健康方案，从而自动进行患者健康方案匹配，且匹配速度快，无需较多的医疗资源。

Description

基于人工智能技术自动化匹配患者健康方案的方法及系统

技术领域

本发明涉及人工智能技术领域，更具体地涉及基于人工智能技术自动化匹配患者健康方案的方法及系统。

背景技术

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统，人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，人工智能在制造、金融、医疗、交通、教育和物流等多领域广泛应用；

患者在进行就医看病时，需要到医院内挂号，并与医生进行当面问诊，而现有的医疗资源较为紧张，因此患病人群在就医前后，出现了疾病管理、疾病诊疗需求，基于此，存在大批线上诊疗、诊后疾病管理等平台，从而帮助患者实现快速看病，保证患者的身体健康，但是传统的就医诊前诊后管理平台存在以下问题：

患者在通过疾病管理平台进行就医，想要一个监控方案时，此时患者会拍下病患处的照片，之后等待医生观察照片后进行回复，而医生的工作较忙，且有过多的患者进行询问，从而无法及时进行恢复，且患者自身进行照片拍摄，所拍摄出的照片清晰的会对医生的判断带来影响，并且会出现拍照不够全面，而无法进行判断的问题；

患者仅是将病患处的图片信息发送给医生进行观察，无法进行清楚的判断，且通过医生进行检查，需要大量的医疗资源，因此亟须一种系统，实现自动对病患进行健康方案匹配。

发明内容

为了克服现有技术的上述缺陷，本发明的实施条例提供基于人工智能技术自动化匹配患者健康方案的方法及系统，以解决背景技术中所提出的技术问题。

为实现上述目的，本发明提供如下技术方案：基于人工智能技术自动化匹配患者健康方案的方法，包括以下步骤：

步骤S1、患者通过用户单元进行登录，且用户单元会对患者信息进行识别，并对患者的个人信息进行了解；

步骤S2、登录后的患者通过识别单元内的外形模块、刷卡模块以及病史模块自动进行相应信息的上传，上传后，识别单元将所上传的数据发送给诊断单元的分析模块内；

步骤S3、分析模块对上传的数据进行分析，语言模块内的数据需进行量化噪声补偿，量化噪声补偿函数为式中B为量化分辨率，X_max为语音信号的峰值，δ_x为语音信号序列的方差，匹配模块依据分析模块内的数据从数据库中调取相应的方案；

步骤S4、复诊单元由管理人员在周期内对诊断单元从数据库中所调取的健康方案进行审核。

基于人工智能技术自动化匹配患者健康方案的系统，包括用户单元、识别单元、诊断单元、方案库以及复诊单元，所述用户单元用于患者登录系统，从而进行健康方案匹配，所述识别单元用于将患者的患病信息进行上传以及识别，所述诊断单元对识别单元内的数据进行分析，并从方案库中调取合适的健康方案，所述方案库用于储存健康方案，所述复诊单元将诊断单元所调取方案进行审核。

在一个优选的实施方式中，所述用户单元包括外形模块、刷卡模块以及病史模块，所述外形模块采集患者的身高以及体重数据，所述刷卡模块通过刷取身份证的方式，获取患者的年龄信息以及性别信息，且采用身份证认证的方式进行系统登录，所述病史模块将患者的病史信息进行调取，所述用户单元将全部的信息发送给诊断单元；本申请实施例中。

在一个优选的实施方式中，所述识别单元包括图像模块、语音模块以及动作模块，所述图像模块采集患者患病处的图像信息，所述语音模块采集患者对身体患病处的描述语音数据，所述动作模块为患者根据要求所做出的动作，所述识别单元包括图像模块、语音模块以及动作模块所采集的数据发送到诊断单元内进行识别。

在一个优选的实施方式中，所述诊断单元包括分析模块以及匹配模块，所述分析模块对图像模块所采集的数据采用图像拼接技术进行处理，所述图像拼接技术的处理过程为：图像预处理、图像配准以及图像融合，图像预处理时，对图像模块内的图像数据进行邻域平均法进行去燥，并采用拉普拉斯算子进行图像边缘处理，邻域平均法的计算公式为式中f(i,j)为图像信号，f(i,j)为噪声信号，N为像素点的数量，拉普拉斯算子公式为/>式中Δf为变化后的灰度值，f为f(x,y)，表示像素(x,y)点的灰度值。

图像配准的步骤为：

步骤1、将数据图像转化为积分图像，将图像点转化为坐标点，将积分图像采用多尺度的表达方式，并在不同尺度下分别进行处理；

步骤2、不同尺度的尺度空间采用高斯卷积进行获得，高斯卷积函数为 (x,y)为图像点的坐标点，σ为卷积尺度；

步骤3、将像素点选定为特征点，以特征点为圆心，6σ为半径的圆形邻域内，用尺寸为4σ的小波模板对图像进行处理；

步骤4、将积分图像的坐标轴旋转至特征点的主方向，以特征点为中心选取边长为20σ的正方形窗口区域，将不同图像进行特征点匹配，实现图像配准。

在一个优选的实施方式中，所述图像融合将预处理后的图像选择，将不同图像进行像素融合、特征融合以及决策融合，像素融合将不同图像内相同位置的像素点进行融合，可根据积分图像，将图像进行旋转后进行融合，特征融合将不同图像的原始信息中提取特征信息数据，将特征信息数据进行融合，特征信息数据为患病处数据信息，决策融合提取多个图像数据内的特征信息进行筛选，将其合成最终的图像。

在一个优选的实施方式中，所述匹配模块依据分析模块内的数据从数据库中调取相应的方案，实现二者之间的匹配，所述匹配模块包括匹配产生器、匹配检索器、相似度评估器，匹配产生器提取分析模块内所分析数据的关键字，所述匹配检索器根据关键字在数据库内进行健康方案检索，相似度评估器评估所检索出的健康方案与关键字之间的相似度，其相似度的计算公式为式中N1为关键字在文章名称中的字数，M为文章名称的总字数，N2为关键字在文章标题中的字数，M为文章标题的总字数，N3为关键字在文章正文中的字数，M为文章正文的总字数，S在1.6及以上，此时进行健康方案调取。

在一个优选的实施方式中，所述复诊单元由管理人员在周期内对诊断单元从数据库中所调取的健康方案进行审核，采用人工的方式观察患者通过识别单元所上传的患病处图片信息、语言描述信息以及动作信息，并判断健康方案与患者的患病信息是否符合，周期初始设置为一周，但是可通管理人员手动对周期时间进行调整。

本发明的技术效果和优点：

1、本发明通过设有用户单元、识别单元、诊断单元、方案库，患者可以通过识别单元上传自身病患处的图像信息、语言信息以及动作信息，诊断单元内的分析模块对图像信息、语言信息以及动作信息进行识别，并通过诊断单元内的匹配模块从方案库中调取合适的健康方案，从而自动进行患者健康方案匹配，且匹配速度快，无需较多的医疗资源；

2、本发明通过分析模块将数据图像转化为积分图像，图像点转化为坐标点，将积分图像的坐标轴旋转至特征点的主方向，从而能够了解不同方位的图像所转动的角度，使得多角度的图像在最终进行拼接后，可以转化为一个全方位的图像，可以获得更宽广的视野，避免患病处观察出现死角，而无法对并且进行清楚的判断；

3、本发明通过设有匹配模块，匹配模块内具有匹配产生器、匹配检索器、相似度评估器，匹配产生器可以提取患者患病的主要信息，如发热、皮肤破碎、发烧等关键字，此时匹配检索器依据关键字进行检索，可以过滤掉无用信息，从而实现健康方案的快速选取。

附图说明

图1为本发明的整体流程示意图。

图2为本发明的整体结构组成示意图。

具体实施方式

下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，另外，在以下的实施方式中记载的各结构的形态只不过是例示，本发明所涉及的基于人工智能技术自动化匹配患者健康方案的方法及系统并不限定于在以下的实施方式中记载的各结构，在本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施方式都属于本发明保护的范围。

参照图1，本发明提供了基于人工智能技术自动化匹配患者健康方案的方法，包括以下步骤：

步骤S1、患者通过用户单元进行登录，且用户单元会对患者信息进行识别，并对患者的个人信息进行了解；

步骤S2、登录后的患者通过识别单元内的外形模块、刷卡模块以及病史模块自动进行相应信息的上传，上传后，识别单元将所上传的数据发送给诊断单元的分析模块内；

步骤S3、分析模块对上传的数据进行分析，语言模块内的数据需进行量化噪声补偿，量化噪声补偿函数为式中B为量化分辨率，X_max为语音信号的峰值，δ_x为语音信号序列的方差，匹配模块依据分析模块内的数据从数据库中调取相应的方案；

步骤S4、复诊单元由管理人员在周期内对诊断单元从数据库中所调取的健康方案进行审核。

参照图2，基于人工智能技术自动化匹配患者健康方案的系统，包括用户单元、识别单元、诊断单元、方案库以及复诊单元，所述用户单元用于患者登录系统，从而进行健康方案匹配，所述识别单元用于将患者的患病信息进行上传以及识别，所述诊断单元对识别单元内的数据进行分析，并从方案库中调取合适的健康方案，所述方案库用于储存健康方案，所述复诊单元将诊断单元所调取方案进行审核。

参照图2，所述用户单元包括外形模块、刷卡模块以及病史模块，所述外形模块采集患者的身高以及体重数据，所述刷卡模块通过刷取身份证的方式，获取患者的年龄信息以及性别信息，且采用身份证认证的方式进行系统登录，所述病史模块将患者的病史信息进行调取，所述用户单元将全部的信息发送给诊断单元；本申请实施例中，用户单元内设置有外形模块、刷卡模块以及病史模块，刷卡模块的数据依据为患者的身份证信息，从而可以提高数据采集的准确性，且采用身份证信息进行登录，从而可以避免顶替的行为出现，且身份证信息可以快速获取患者的年纪以及性别信息，采集患者的身高与体重数据，可以对患者当前的身体情况做出预估，从而提高方案分配的准确程度，病史模块内可以调取患者的病史，可以诊断当前的身体情况是否为旧病复发或者并发症，从而便于进行快速诊断，提高后续监控方案的分配速度。

进一步的，所述识别单元包括图像模块、语音模块以及动作模块，所述图像模块采集患者患病处的图像信息，所述语音模块采集患者对身体患病处的描述语音数据，所述动作模块为患者根据要求所做出的动作，所述识别单元包括图像模块、语音模块以及动作模块所采集的数据发送到诊断单元内进行识别；图像模块采集患者病患处的图像信息，从而可以推断患者的患病情况，以及是否出现其余病变，从而对患者所得的疾病类型以及患病程度进行判断，患者能够通过语音模块对所得疾病进行描述，从而能够辅助进行病情推论，提高对病情判断的准确程度，进而在后续能够给以一个更加准确的健康方案，动作模块对患者的完成度进行考核，从而能够了解患者此时的身体情况，是否由于疾病而无法正常的进行运动，辅助判断患者的患病程度。

进一步的，所述诊断单元包括分析模块以及匹配模块，所述分析模块对图像模块所采集的数据采用图像拼接技术进行处理，所述图像拼接技术的处理过程为：图像预处理、图像配准以及图像融合，图像预处理时，对图像模块内的图像数据进行邻域平均法进行去燥，并采用拉普拉斯算子进行图像边缘处理，邻域平均法的计算公式为式中f(i,j)为图像信号，f(i,j)为噪声信号，N为像素点的数量，拉普拉斯算子公式为/>式中Δf为变化后的灰度值，f为f(x,y)，表示像素(x,y)点的灰度值；本申请实施例中，通过对图像进行预处理，首先进行图像去噪，进而可以提高图像整体的清晰度，并进行边缘处理，此时能够更加清楚地观察到病患处所产生的问题，进而提高健康方案匹配的准确程度，采用图像拼接技术进行图像数据处理，此时所采集的图像为不同方向上的图像信息，最终进行拼接后，可以从不同的角度对病患处进行观察，可以避免由于患者未拍摄到主要位置时，造成诊断错误的问题。

进一步的，图像配准的步骤为：

步骤1、将数据图像转化为积分图像，将图像点转化为坐标点，将积分图像采用多尺度的表达方式，并在不同尺度下分别进行处理；

步骤2、不同尺度的尺度空间采用高斯卷积进行获得，高斯卷积函数为(x,y)为图像点的坐标点，σ为卷积尺度；

步骤3、将像素点选定为特征点，以特征点为圆心，6σ为半径的圆形邻域内，用尺寸为4σ的小波模板对图像进行处理；

步骤4、将积分图像的坐标轴旋转至特征点的主方向，以特征点为中心选取边长为20σ的正方形窗口区域，将不同图像进行特征点匹配，实现图像配准。

本申请实施例中，将数据图像转化为积分图像，图像点转化为坐标点，将积分图像的坐标轴旋转至特征点的主方向，从而能够了解不同方位的图像所转动的角度，并且自由的将其转动任意的角度，从而使得多角度的图像在最终进行拼接后，可以转化为一个全方位的图像，可以获得更宽广的视野，进而提高诊断的准确程度，可以避免患病处观察出现死角，而无法对并且进行清楚的判断。

进一步的，所述图像融合将预处理后的图像选择，将不同图像进行像素融合、特征融合以及决策融合，像素融合将不同图像内相同位置的像素点进行融合，可根据积分图像，将图像进行旋转后进行融合，特征融合将不同图像的原始信息中提取特征信息数据，将特征信息数据进行融合，特征信息数据为患病处数据信息，决策融合提取多个图像数据内的特征信息进行筛选，将其合成最终的图像；首先进行像素融合，可以将图像中的像素进行加深，从而增加整体的像素点数，进而提高图像的分辨率，使其更加清晰，特征融合可以将不同图像内的信息进行融合，从而可以去掉多余信息，减少图像分析整体的计算强度，最终进行决策融合，不同图像内的特征信息进行筛选，选择又有的图像信息，可以去掉非病患处的图像信息，此时可以清楚的观察到患者身体上，得病处的清晰图像，进而能够根据图像进行健康方案匹配。

进一步的，所述匹配模块依据分析模块内的数据从数据库中调取相应的方案，实现二者之间的匹配，所述匹配模块包括匹配产生器、匹配检索器、相似度评估器，匹配产生器提取分析模块内所分析数据的关键字，所述匹配检索器根据关键字在数据库内进行健康方案检索，相似度评估器评估所检索出的健康方案与关键字之间的相似度，其相似度的计算公式为式中N1为关键字在文章名称中的字数，M为文章名称的总字数，N2为关键字在文章标题中的字数，M为文章标题的总字数，N3为关键字在文章正文中的字数，M为文章正文的总字数，S在1.6及以上，此时进行健康方案调取；本申请实施例中，匹配模块内具有匹配产生器、匹配检索器、相似度评估器，匹配产生器可以提取患者患病的主要信息，如发热、皮肤破碎、发烧等关键字，此时匹配检索器依据关键字进行检索，可以过滤掉无用信息，从而实现健康方案的快速选取。

进一步的，所述复诊单元由管理人员在周期内对诊断单元从数据库中所调取的健康方案进行审核，采用人工的方式观察患者通过识别单元所上传的患病处图片信息、语言描述信息以及动作信息，并判断健康方案与患者的患病信息是否符合，周期初始设置为一周，但是可通管理人员手动对周期时间进行调整；通过设有复诊单元，可以对系统内自动匹配的健康方案进行检测，当系统所匹配的健康方案存在问题时，可以及时进行更换，并且可人工开出新的健康方案，且审核的周期可以自动进行设置，当近一阶段较忙时，可以将周期进行增加，使其在进行使用时更加灵活。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行计算机指令或计算机程序时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以为通用计算机、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、服务器或数据中心通过有线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用介质集合的服务器、数据中心等数据存储设备。可用介质可以是磁性介质、光介质或者半导体介质。半导体介质可以是固态硬盘。

本领域普通技术人员可以意识到，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，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，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。

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、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其他的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.基于人工智能技术自动化匹配患者健康方案的方法，其特征在于，包括以下步骤：

步骤S1、患者通过用户单元进行登录，且用户单元会对患者信息进行识别，并对患者的个人信息进行了解；

步骤S2、登录后的患者通过识别单元内的外形模块、刷卡模块以及病史模块自动进行相应信息的上传，识别单元将所上传的数据发送给诊断单元的分析模块内；

步骤S3、分析模块对上传的数据进行分析，语言模块内的数据需进行量化噪声补偿，量化噪声补偿函数为式中B为量化分辨率，X_max为语音信号的峰值，δ_x为语音信号序列的方差，匹配模块依据分析模块内的数据从数据库中调取相应的方案；

步骤S4、复诊单元由管理人员在周期内对诊断单元从数据库中所调取的健康方案进行审核。

2.基于人工智能技术自动化匹配患者健康方案的系统，其特征在于：包括用户单元、识别单元、诊断单元、方案库以及复诊单元，所述用户单元用于患者登录系统，从而进行健康方案匹配，所述识别单元用于将患者的患病信息进行上传以及识别，所述诊断单元对识别单元内的数据进行分析，并从方案库中调取合适的健康方案，所述方案库用于储存健康方案，所述复诊单元将诊断单元所调取方案进行审核。

3.根据权利要求2所述的基于人工智能技术自动化匹配患者健康方案的系统，其特征在于：所述用户单元包括外形模块、刷卡模块以及病史模块，所述外形模块采集患者的身高以及体重数据，所述刷卡模块通过刷取身份证的方式，获取患者的年龄信息以及性别信息，且采用身份证认证的方式进行系统登录，所述病史模块将患者的病史信息进行调取，所述用户单元将全部的信息发送给诊断单元。

4.根据权利要求2所述的基于人工智能技术自动化匹配患者健康方案的系统，其特征在于：所述识别单元包括图像模块、语音模块以及动作模块，所述图像模块采集患者患病处的图像信息，所述语音模块采集患者对身体患病处的描述语音数据，所述动作模块为患者根据要求所做出的动作，所述识别单元包括图像模块、语音模块以及动作模块所采集的数据发送到诊断单元内进行识别。

5.根据权利要求4所述的基于人工智能技术自动化匹配患者健康方案的系统，其特征在于：所述诊断单元包括分析模块以及匹配模块，所述分析模块对图像模块所采集的数据采用图像拼接技术进行处理，所述图像拼接技术的处理过程为：图像预处理、图像配准以及图像融合，图像预处理时，对图像模块内的图像数据进行邻域平均法进行去燥，并采用拉普拉斯算子进行图像边缘处理，邻域平均法的计算公式为式中f(i,j)为图像信号，f(i,j)为噪声信号，N为像素点的数量，拉普拉斯算子公式为/>式中Δf为变化后的灰度值，f为f(x,y)，表示像素(x,y)点的灰度值。

6.根据权利要求5所述的基于人工智能技术自动化匹配患者健康方案的系统，其特征在于：图像配准的步骤为：

步骤1、将数据图像转化为积分图像，将图像点转化为坐标点，将积分图像采用多尺度的表达方式，并在不同尺度下分别进行处理；

步骤2、不同尺度的尺度空间采用高斯卷积进行获得，高斯卷积函数为(x,y)为图像点的坐标点，σ为卷积尺度；

步骤3、将像素点选定为特征点，以特征点为圆心，6σ为半径的圆形邻域内，用尺寸为4σ的小波模板对图像进行处理；

步骤4、将积分图像的坐标轴旋转至特征点的主方向，以特征点为中心选取边长为20σ的正方形窗口区域，将不同图像进行特征点匹配，实现图像配准。

7.根据权利要求5所述的基于人工智能技术自动化匹配患者健康方案的系统，其特征在于：所述图像融合将预处理后的图像选择，将不同图像进行像素融合、特征融合以及决策融合，像素融合将不同图像内相同位置的像素点进行融合，可根据积分图像，将图像进行旋转后进行融合，特征融合将不同图像的原始信息中提取特征信息数据，将特征信息数据进行融合，特征信息数据为患病处数据信息，决策融合提取多个图像数据内的特征信息进行筛选，将其合成最终的图像。

8.根据权利要求4所述的基于人工智能技术自动化匹配患者健康方案的系统，其特征在于：所述匹配模块依据分析模块内的数据从数据库中调取相应的方案，实现二者之间的匹配，所述匹配模块包括匹配产生器、匹配检索器、相似度评估器，匹配产生器提取分析模块内所分析数据的关键字，所述匹配检索器根据关键字在数据库内进行健康方案检索，相似度评估器评估所检索出的健康方案与关键字之间的相似度，其相似度的计算公式为式中N1为关键字在文章名称中的字数，M为文章名称的总字数，N2为关键字在文章标题中的字数，M为文章标题的总字数，N3为关键字在文章正文中的字数，M为文章正文的总字数，S在1.6及以上，此时进行健康方案调取。

9.根据权利要求2所述的基于人工智能技术自动化匹配患者健康方案的系统，其特征在于：所述复诊单元由管理人员在周期内对诊断单元从数据库中所调取的健康方案进行审核，采用人工的方式观察患者通过识别单元所上传的患病处图片信息、语言描述信息以及动作信息，并判断健康方案与患者的患病信息是否符合，周期初始设置为一周，但是可通管理人员手动对周期时间进行调整。