WO2021036305A1 - 数据处理方法、装置、设备及存储介质 - Google Patents
数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- WO2021036305A1 WO2021036305A1 PCT/CN2020/086609 CN2020086609W WO2021036305A1 WO 2021036305 A1 WO2021036305 A1 WO 2021036305A1 CN 2020086609 W CN2020086609 W CN 2020086609W WO 2021036305 A1 WO2021036305 A1 WO 2021036305A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- information
- feature information
- health data
- health
- preset
- Prior art date
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
- 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
- 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
Definitions
- This application relates to the field of artificial intelligence, and in particular to a data processing method, device, equipment, and storage medium.
- auxiliary devices such as blood pressure monitors, body fat scales, ear thermometers, and blood glucose meters. These devices can record health data in a single field.
- the inventor found that there is a lack of correlation between them. The user often forgets after viewing the health data, so the actual meaning of the medical auxiliary instrument to the user's health cannot be realized, and the effective management of the health data is lacking.
- Various embodiments disclosed in the present application provide a data processing method, device, equipment, and storage medium.
- a data processing method includes the following steps:
- Extract the original feature information of the initial health data put the original feature information into a preset health data association model for association prediction, and obtain the association degree information of the original feature information;
- Obtain preset medical atlas template information fill in the interrelated target health feature information into the preset medical atlas template information, obtain a user health data atlas, and display the user health data atlas.
- a data processing device includes:
- the acquisition module is used to acquire the initial health data collected by the medical auxiliary equipment of the current user;
- the extraction module is used to extract the original feature information of the initial health data, put the original feature information into a preset health data association model for association prediction, and obtain the association degree information of the original feature information;
- An adjustment module configured to judge the original characteristic information according to the degree of association information, adjust the original characteristic information according to the judgment result, and obtain mutually related target health characteristic information
- the display module is used to obtain preset medical atlas template information, fill the interrelated target health characteristic information into the preset medical atlas template information, obtain a user health data atlas, and display the user health data atlas .
- a data processing device comprising: a memory, a processor, and a data processing program stored on the memory and running on the processor, the data processing program being configured to implement the steps of the following method :
- Extract the original feature information of the initial health data put the original feature information into a preset health data association model for association prediction, and obtain the association degree information of the original feature information;
- Obtain preset medical atlas template information fill in the interrelated target health feature information into the preset medical atlas template information, obtain a user health data atlas, and display the user health data atlas.
- Extract the original feature information of the initial health data put the original feature information into a preset health data association model for association prediction, and obtain the association degree information of the original feature information;
- Obtain preset medical atlas template information fill in the interrelated target health feature information into the preset medical atlas template information, obtain a user health data atlas, and display the user health data atlas.
- FIG. 1 is a schematic diagram of a device structure of a hardware operating environment involved in a solution of an embodiment of the present application
- FIG. 3 is a schematic flowchart of a second embodiment of the data processing method of this application.
- FIG. 4 is a schematic flowchart of a third embodiment of a data processing method according to this application.
- FIG. 5 is a schematic diagram of the functional modules of the first embodiment of the data processing device of this application.
- FIG. 1 is a schematic diagram of the device structure of the hardware operating environment involved in the solution of the embodiment of the application.
- the device may include: a processor 1001, such as a CPU, a communication bus 1002, a user interface 1003, a network interface 1004, and a memory 1005.
- the communication bus 1002 is used to implement connection and communication between these components.
- the user interface 1003 may include a display screen (Display) and input units such as keys.
- the optional user interface 1003 may also include a standard wired interface and a wireless interface.
- the network interface 1004 may optionally include a standard wired interface and a wireless interface (such as a WI-FI interface).
- the memory 1005 may be a high-speed RAM memory, or a non-volatile memory (non-volatile memory), such as a magnetic disk memory.
- the memory 1005 may also be a storage device independent of the aforementioned processor 1001.
- FIG. 1 does not constitute a limitation on the device, and may include more or fewer components than those shown in the figure, or a combination of certain components, or different component arrangements.
- the memory 1005 as a storage medium may include an operating system, a network communication module, a user interface module, and a data processing program.
- the network interface 1004 is mainly used to connect to the external network and perform data communication with other network devices;
- the user interface 1003 is mainly used to connect user equipment and perform data communication with the device;
- the device of this application uses the processor 1001
- the data processing program stored in the memory 1005 is called, and the data processing implementation method provided in the embodiment of the present application is executed.
- FIG. 2 is a schematic flowchart of a first embodiment of a data processing method according to this application.
- the data processing method includes the following steps:
- Step S10 Obtain the initial health data collected by the medical auxiliary equipment of the current user.
- the medical auxiliary equipment includes a sphygmomanometer, a body fat scale, an ear thermometer, a blood glucose meter, and a computer tomography (Computed Tomography, CT), etc., and may also include other medical auxiliary equipment. No restrictions.
- the execution subject of this embodiment is a data processing device, and the data processing device is provided with a wireless signal receiving and sending device, and the wireless signal receiving device is interconnected with the medical auxiliary equipment to obtain Various types of medical auxiliary equipment may also obtain physiological data collected by the current user in other ways, which is not limited in this embodiment.
- the medical auxiliary device collects the physiological information of the user, it generates corresponding physiological data, such as blood pressure index and blood glucose index, according to the physiological information, and compares the blood pressure index and blood glucose index with a preset threshold. Compare, get preliminary physiological data based on the comparison result.
- physiological data such as blood pressure index and blood glucose index
- an image recognition model is also provided in advance, and the recognition of CT slices is realized through the image recognition model, so as to improve the recognition accuracy of the CT slices taken.
- the image data is divided into a training set and a verification set according to the division ratio, a convolutional layer of the convolutional neural network is established, and the feature information in the training set is extracted , Put the feature information into the convolutional layer for training to obtain the image recognition model, and put the verification set into the image recognition model for verification, and obtain the image recognition model according to the verification result accuracy.
- the acquired physiological data can be effectively managed according to the collected time information and the collected device information, and the statistical data can be stored in the form of electronic files. In this way, the obtained data is not messy and single, and a comprehensive evaluation of the user's health indicators is achieved.
- Step S20 Extract the original feature information of the initial health data, put the original feature information into a preset health data association model for association prediction, and obtain the association degree information of the original feature information.
- a preset health data association model is established in advance, and the association of the user's original characteristic information is judged through the preset health data association model.
- the physiological data information is acquired, and the physiological characteristic information in the physiological data information is extracted, where the physiological characteristic information includes blood pressure information and blood lipid information, etc., and the physiological characteristic information is put into the preset health Prediction is made in the data association model to obtain the correlation information of the original feature information, such as the correlation information between blood pressure information collected by a blood pressure meter and blood glucose information collected by a blood glucose meter.
- Step S30 Judging the original feature information according to the degree of association information, and adjusting the original feature information according to the judgment result to obtain mutually related target health feature information.
- the relevance information is the relevance ratio, such as 80%, etc., and may also be in the form of other parameters, which is not limited in this embodiment. In this embodiment, the description is in the form of relevance percentage.
- the relevance information adjusts the original feature information to obtain target health feature information with a high degree of relevance.
- blood pressure information collected by a blood pressure meter and blood glucose information collected by a blood glucose meter are input into preset health data to be associated Correlation prediction is performed in the model, and the correlation degree is 80%, then the blood pressure information collected by the blood pressure meter can be correlated with the blood sugar information collected by the blood glucose meter to obtain mutually related target health feature information.
- Step S40 Obtain preset medical atlas template information, fill the interrelated target health feature information into the preset medical atlas template information to obtain a user health data atlas, and display the user health data atlas.
- preset medical atlas template information can be obtained in advance, and the interrelated target health feature information is filled in the preset medical atlas template information, thereby Realize the user's health data graph display, and it is more convenient for the user to remember when viewing the health data displayed by the graph.
- the initial health data collected by the medical auxiliary device for the current user is obtained; the original feature information of the initial health data is extracted, and the original feature information is put into a preset health data association model for association prediction , Obtain the relevance information of the original feature information; judge the original feature information according to the relevance information, adjust the original feature information according to the judgment result, and obtain mutually related target health feature information; obtain preset medical treatment Atlas template information, the interrelated target health feature information is filled into the preset medical atlas template information to obtain a user health data atlas, and the user health data atlas is displayed, so that the user’s health data atlas will be displayed through more intuitive atlas information.
- the user's health data is displayed in association, which is convenient for the user to view, and realizes more effective management of the user's health data.
- the medical auxiliary equipment includes a blood pressure meter, a body fat scale, and an ear thermometer.
- Step S101 Send a request instruction for detecting the connection state to the medical auxiliary device.
- Step S102 judging whether the feedback information of the medical auxiliary device for the connection state request instruction is received within a preset time period
- Step S103 When the feedback information of the medical auxiliary equipment is received, step S10 is executed. Correspondingly, when the feedback information of the medical auxiliary equipment is not received, it indicates that the data processing device is not properly connected to various auxiliary equipment. In this case, abnormal reminders can be made to improve the intelligence of data processing.
- the solution provided in this embodiment performs comprehensive analysis on various medical auxiliary equipment by acquiring the initial health data collected by the medical auxiliary equipment of the current user, thereby improving the intelligence of data processing.
- a third embodiment of the data processing method of the present application is proposed based on the first embodiment or the second embodiment.
- the description is based on the first embodiment.
- the method before the step S20, the method further includes:
- in order to establish a preset health data association model first obtain historical physiological data. Due to the limited material of historical physiological data, in order to improve the accuracy of the preset health data association model, obtain historical physiological data, such as high Blood pressure information, searching for related low blood pressure or high blood lipid information based on the hypertension information, and expanding historical physiological data based on the low blood pressure or high blood lipid information.
- historical physiological data such as high Blood pressure information, searching for related low blood pressure or high blood lipid information based on the hypertension information, and expanding historical physiological data based on the low blood pressure or high blood lipid information.
- the preset keywords can be systolic blood pressure parameter information and diastolic blood pressure parameter information, and can also be other parameter information, which is not limited in this embodiment.
- the historical health data and the associated health data are respectively compared with the preset keyword information, and corresponding characteristic information is obtained according to the comparison result, thereby realizing more detailed processing of the data.
- the multi-dimensional feature vector generated from the historical health feature information and the corresponding associated health feature information is put into a convolutional neural network for training, and the preset health data association model is obtained.
- step S30 includes:
- Step S301 Judging the original feature information according to whether the association degree information reaches a preset threshold.
- the preset threshold may be 50%, or other parameters, which is not limited in this embodiment. In this embodiment, 50% is taken as an example for description.
- Step S302 Extract original feature information corresponding to the degree of relevance information that reaches a preset threshold from the original feature information according to the judgment result.
- the original feature information corresponding to 50% of the relevance information is extracted, the original feature information is simplified, and the simplified original feature information is effectively processed to achieve the purpose of improving data processing efficiency.
- Step S303 Obtain preset medical rule information, and adjust the extracted original feature information according to the preset medical rule information to obtain interrelated target health feature information.
- the preset medical rule information is the current medical policy information.
- the connection status of the current medical policy server can be obtained.
- the connection status can be obtained.
- the preset medical rule information can also be updated in real time according to the medical policy information recorded in the current medical policy server.
- step S40 includes:
- the template tag information of the preset medical atlas template information is obtained, and the corresponding template feature information is searched in the preset relationship mapping table according to the template tag information, and the mutually associated targets In the health feature information, the target health feature information that meets the template feature information is filled in the preset medical atlas template information to obtain the user health data atlas, and display the user health data atlas, so as to realize the user health data Effective processing.
- the preset medical atlas template information is managed through label information, and a preset relationship mapping table is established between the set historical label information and the corresponding historical characteristic information, so as to realize the query of the characteristic information.
- the method further includes:
- Extract the atlas editing information in the atlas editing instructions and update the displayed user health data atlas according to the atlas editing information.
- the atlas editing instructions can be input through the health risk platform, and the instructions can also be input through the serial port.
- This embodiment is not limited, and the generated health atlas information can be adjusted through the atlas editing instructions. Thereby improving the flexibility of the displayed map information.
- the solution provided in this embodiment displays user health data through map information, thereby more comprehensively and scientifically processing user health data, and improving the effectiveness of data processing.
- the application further provides a data processing device.
- FIG. 5 is a schematic diagram of the functional modules of the first embodiment of the data processing device according to the present application.
- the data processing device includes:
- the obtaining module 10 is used to obtain the initial health data collected by the medical auxiliary equipment of the current user.
- the medical auxiliary equipment includes a sphygmomanometer, a body fat scale, an ear thermometer, a blood glucose meter, and a computer tomography (Computed Tomography, CT), etc., and may also include other medical auxiliary equipment. No restrictions.
- the execution subject of this embodiment is a data processing device, and the data processing device is provided with a wireless signal receiving and sending device, and the wireless signal receiving device is interconnected with the medical auxiliary equipment to obtain Various types of medical auxiliary equipment may also obtain physiological data collected by the current user in other ways, which is not limited in this embodiment.
- the medical auxiliary device collects the physiological information of the user, it generates corresponding physiological data, such as blood pressure index and blood glucose index, according to the physiological information, and compares the blood pressure index and blood glucose index with a preset threshold. Compare, get preliminary physiological data based on the comparison result.
- physiological data such as blood pressure index and blood glucose index
- an image recognition model is also provided in advance, and the recognition of CT slices is realized through the image recognition model, so as to improve the recognition accuracy of the CT slices taken.
- the image data is divided into a training set and a verification set according to the division ratio, a convolutional layer of the convolutional neural network is established, and the feature information in the training set is extracted , Put the feature information into the convolutional layer for training to obtain the image recognition model, and put the verification set into the image recognition model for verification, and obtain the image recognition model according to the verification result accuracy.
- the acquired physiological data can be effectively managed according to the collected time information and the collected device information, and the statistical data can be stored in the form of electronic files. In this way, the obtained data is not messy and single, and a comprehensive evaluation of the user's health indicators is achieved.
- Step S20 Extract the original feature information of the initial health data, put the original feature information into a preset health data association model for association prediction, and obtain the association degree information of the original feature information.
- a preset health data association model is established in advance, and the association of the user's original characteristic information is judged through the preset health data association model.
- the physiological data information is acquired, and the physiological characteristic information in the physiological data information is extracted, where the physiological characteristic information includes blood pressure information and blood lipid information, etc., and the physiological characteristic information is put into the preset health Prediction is made in the data association model to obtain the correlation information of the original feature information, such as the correlation information between blood pressure information collected by a blood pressure meter and blood glucose information collected by a blood glucose meter.
- Step S30 Judging the original feature information according to the degree of association information, and adjusting the original feature information according to the judgment result to obtain mutually related target health feature information.
- the relevance information is the relevance ratio, such as 80%, etc., and may also be in the form of other parameters, which is not limited in this embodiment. In this embodiment, the description is in the form of relevance percentage.
- the relevance information adjusts the original feature information to obtain target health feature information with a high degree of relevance.
- blood pressure information collected by a blood pressure meter and blood glucose information collected by a blood glucose meter are input into preset health data to be associated Correlation prediction is performed in the model, and the correlation degree is 80%, then the blood pressure information collected by the blood pressure meter can be correlated with the blood sugar information collected by the blood glucose meter to obtain mutually related target health feature information.
- Step S40 Obtain preset medical atlas template information, fill the interrelated target health feature information into the preset medical atlas template information to obtain a user health data atlas, and display the user health data atlas.
- preset medical atlas template information can be obtained in advance, and the interrelated target health feature information is filled in the preset medical atlas template information, thereby Realize the user's health data graph display, and it is more convenient for the user to remember when viewing the health data displayed by the graph.
- the initial health data collected by the medical auxiliary device for the current user is obtained; the original feature information of the initial health data is extracted, and the original feature information is put into a preset health data association model for association prediction , Obtain the relevance information of the original feature information; judge the original feature information according to the relevance information, adjust the original feature information according to the judgment result, and obtain mutually related target health feature information; obtain preset medical treatment Atlas template information, the interrelated target health feature information is filled into the preset medical atlas template information to obtain a user health data atlas, and the user health data atlas is displayed, so that the user’s health data atlas will be displayed through more intuitive atlas information.
- the user's health data is displayed in association, which is convenient for the user to view, and realizes more effective management of the user's health data.
- this application also proposes a data processing device, the data processing device comprising: a memory, a processor, and a data processing program stored on the memory and running on the processor, so The data processing program is configured to implement the steps of the data processing method as described above.
- an embodiment of the present application also proposes a storage medium with a data processing program stored on the storage medium, and the data processing program is executed by a processor to execute the steps of the data processing method described above.
- the storage medium provided in the embodiment of the present application may be a non-volatile storage medium or a volatile storage medium.
Abstract
一种数据处理方法、装置、设备及存储介质，所述方法包括：获取医疗辅助设备对当前用户采集的初始健康数据（S10）；提取所述初始健康数据的原始特征信息，将所述原始特征信息放入预设健康数据关联模型中进行关联预测，得到所述原始特征信息的关联度信息（S20）；根据所述关联度信息对所述原始特征信息进行判断，根据判断结果调整所述原始特征信息，得到相互关联的目标健康特征信息（S30）；获取预设医疗图谱模板信息，将所述相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示，从而通过更直观的图谱信息将用户的健康数据进行关联展示（S40）。
Description
本申请要求于2019年8月30日提交中国专利局，申请号为201910821802.1、发明名称为“数据处理方法、装置、设备及存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
本申请涉及人工智能领域，尤其涉及一种数据处理方法、装置、设备及存储介质。
目前，市面上有的医疗辅助仪器，例如血压计、体脂秤、耳温枪以及血糖仪等，这些设备都能记录单一领域的健康数据，但是，发明人发现，它们之间缺乏关联性，用户在查看健康数据后常常忘记，因此无法实现医疗辅助仪器对用户健康的实际意义，从而缺乏对健康数据有效管理。
发明概述
问题的解决方案
本申请公开的各种实施例，提供一种数据处理方法、装置、设备及存储介质。
一种数据处理方法，所述数据处理方法包括以下步骤：
获取医疗辅助设备对当前用户采集的初始健康数据；
提取所述初始健康数据的原始特征信息，将所述原始特征信息放入预设健康数据关联模型中进行关联预测，得到所述原始特征信息的关联度信息；
根据所述关联度信息对所述原始特征信息进行判断，根据判断结果调整所述原始特征信息，得到相互关联的目标健康特征信息；
获取预设医疗图谱模板信息，将所述相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示。
一种数据处理装置，所述数据处理装置包括：
获取模块，用于获取医疗辅助设备对当前用户采集的初始健康数据；
提取模块，用于提取所述初始健康数据的原始特征信息，将所述原始特征信息放入预设健康数据关联模型中进行关联预测，得到所述原始特征信息的关联度信息；
调整模块，用于根据所述关联度信息对所述原始特征信息进行判断，根据判断结果调整所述原始特征信息，得到相互关联的目标健康特征信息；
展示模块，用于获取预设医疗图谱模板信息，将所述相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示。
一种数据处理设备，所述数据处理设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的数据处理程序，所述数据处理程序配置为实现以下方法的步骤：
获取医疗辅助设备对当前用户采集的初始健康数据；
提取所述初始健康数据的原始特征信息，将所述原始特征信息放入预设健康数据关联模型中进行关联预测，得到所述原始特征信息的关联度信息；
根据所述关联度信息对所述原始特征信息进行判断，根据判断结果调整所述原始特征信息，得到相互关联的目标健康特征信息；
获取预设医疗图谱模板信息，将所述相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示。
一种存储介质，所述存储介质上存储有数据处理程序，所述数据处理程序被处理器执行时实现以下方法步骤：
获取医疗辅助设备对当前用户采集的初始健康数据；
提取所述初始健康数据的原始特征信息，将所述原始特征信息放入预设健康数据关联模型中进行关联预测，得到所述原始特征信息的关联度信息；
根据所述关联度信息对所述原始特征信息进行判断，根据判断结果调整所述原始特征信息，得到相互关联的目标健康特征信息；
获取预设医疗图谱模板信息，将所述相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示。
本申请的一个或多个实施例的细节在下面的附图和描述中提出。本申请的其它特征和优点将从说明书、附图以及权利要求书变得明显。
发明的有益效果
对附图的简要说明
图1是本申请实施例方案涉及的硬件运行环境的设备结构示意图；
图2为本申请数据处理方法第一实施例的流程示意图；
图3为本申请数据处理方法第二实施例的流程示意图；
图4为本申请数据处理方法第三实施例的流程示意图；
图5为本申请数据处理装置第一实施例的功能模块示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
发明实施例
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
参照图1，图1为本申请实施例方案涉及的硬件运行环境的设备结构示意图。
如图1所示，该设备可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如按键，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的设备结构并不构成对设备的限定，可 以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及数据处理程序。
在图1所示的设备中，网络接口1004主要用于连接外网，与其他网络设备进行数据通信；用户接口1003主要用于连接用户设备，与设备进行数据通信；本申请设备通过处理器1001调用存储器1005中存储的数据处理程序，并执行本申请实施例提供的数据处理的实施方法。
基于上述硬件结构，提出本申请数据处理方法实施例。
参照图2，图2为本申请数据处理方法第一实施例的流程示意图。
在第一实施例中，所述数据处理方法包括以下步骤：
步骤S10，获取医疗辅助设备对当前用户采集的初始健康数据。
需要说明的是，所述医疗辅助设备包括血压计、体脂秤、耳温枪、血糖仪以及电子计算机断层扫描(Computed Tomography，CT)等，还可包括其他医疗辅助设备，本实施例对此不作限制。
在具体实现中，本实施例的执行主体为数据处理装置，所述数据处理装置上设有无线信号接收和发送装置，通过所述无线信号接收装置与所述医疗辅助设备进行互连，从而获取各类医疗辅助设备对当前用户采集的生理数据，还可通过其他方式进行生理数据的获取，本实施例对此不作限制。
在本实施例中，在医疗辅助设备采集完用户的生理信息时，根据所述生理信息生成对应的生理数据，例如血压指数以及血糖指数等，将所述血压指数以及血糖指数与预设阈值进行比较，根据比较结果得到初步的生理数据。
可以理解的是，在本实施例中，还预先设有影像识别模型，通过所述影像识别模型实现对CT片的识别，从而提高拍摄出的CT片的识别准确性。
在具体实现中，通过获取历史正确CT片的图像数据，将所述图像数据按照划分比例分为训练集和验证集，建立卷积神经网络的个卷积层，提取所述训练集中的特征信息，将所述特征信息放入所述卷积层进行训练，得到所述影像识别模型，并将所述验证集放入所述影像识别模型中进行验证，根据验证结果得到所述影像识别模型的准确性。
在本实施例中，由于可获取各个医疗辅助设备的数据信息，可根据采集的时间信息以及采集设备信息对获取的生理数据进行有效的管理，并将统计的数据采用电子档案的形式进行保存，从而避免获得的数据凌乱而单一，实现全面综合的评估用户的健康指标。
步骤S20，提取所述初始健康数据的原始特征信息，将所述原始特征信息放入预设健康数据关联模型中进行关联预测，得到所述原始特征信息的关联度信息。
可以理解的是，为了实现对生理数据的判断，在本实施例中，预先建立预设健康数据关联模型，通过所述预设健康数据关联模型实现对用户的原始特征信息的关联性进行判断。
在具体实现中，获取生理数据信息，提取所述生理数据信息中的生理特征信息，其中，所述生理特征信息包括血压信息以及血脂信息等，将所述生理特征信息放入所述预设健康数据关联模型中进行预测，得到原始特征信息的关联度信息，例如血压计采集的血压信息与血糖仪采集的血糖信息的关联信息。
步骤S30，根据所述关联度信息对所述原始特征信息进行判断，根据判断结果调整所述原始特征信息，得到相互关联的目标健康特征信息。
需要说明的是，所述关联度信息为关联比例，例如80％等，还可为其他参数形式，本实施例对此不作限制，在本实施例中，以关联度百分比的形式进行说明。
在具体实现中，所述关联度信息对所述原始特征信息进行调整，得到关联度高的目标健康特征信息，例如将血压计采集的血压信息与血糖仪采集的血糖信息输入预设健康数据关联模型中进行关联预测，得到关联度为80％，则可将血压计采集的血压信息与血糖仪采集的血糖信息进行关联，得到相互关联的目标健康特征信息。
步骤S40，获取预设医疗图谱模板信息，将所述相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示。
在本实施例中，为了更直观的实现对用户健康数据的展示，可预先获取预设医 疗图谱模板信息，将所述相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，从而实现用户健康数据图谱展示，用户在查看经过图谱展示的健康数据时，更方便用户进行记忆。
本实施例通过上述方案，通过获取医疗辅助设备对当前用户采集的初始健康数据；提取所述初始健康数据的原始特征信息，将所述原始特征信息放入预设健康数据关联模型中进行关联预测，得到所述原始特征信息的关联度信息；根据所述关联度信息对所述原始特征信息进行判断，根据判断结果调整所述原始特征信息，得到相互关联的目标健康特征信息；获取预设医疗图谱模板信息，将所述相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示，从而通过更直观的图谱信息将用户的健康数据进行关联展示，方便用户进行查看，实现对用户健康数据的更有效的管理。
在一实施例中，如图3所示，基于第一实施例提出本申请数据处理方法第二实施例，在本实施例中，所述医疗辅助设备包括血压计、体脂秤、耳温枪、血糖仪以及电子计算机断层扫描设备中至少一项，所述步骤S10之前，所述方法还包括：
步骤S101，向所述医疗辅助设备发送检测连接状态请求指令。
需要说明的是，为了获取各类辅助设备的信息，首先需要与各类辅助设备进行连接，在本实施例中，通过向所述医疗辅助设备发送检测连接状态请求指令，判断是否接收到各类医疗辅助设备的反馈信息，在接收到所述医疗辅助设备的反馈信息时，则表明连接正常。
步骤S102，判断在预设时间段内是否接收到所述医疗辅助设备对所述连接状态请求指令的反馈信息；
步骤S103，在接收到所述医疗辅助设备的反馈信息时，执行步骤S10，相应的，在未接收到医疗辅助设备的反馈信息时，表明数据处理装置与各类辅助设备连接不正常，在这种情况下，可进行异常提醒，从而提高数据处理的智能化。
本实施例提供的方案，通过获取医疗辅助设备对当前用户采集的初始健康数据，对各类医疗辅助设备进行综合分析，从而提高数据处理的智能化。
在一实施例中，如图4所示，基于第一实施例或第二实施例提出本申请数据处理方法第三实施例，在本实施例中，基于第一实施例进行说明，
在一实施例中，所述步骤S20之前，所述方法还包括：
获取历史健康数据，根据所述历史健康数据查找相关的关联健康数据。
在本实施例中，为了建立预设健康数据关联模型，首先通过获取历史生理数据，由于历史生理数据的素材有限，为了提高预设健康数据关联模型的准确性，通过获取历史生理数据，例如高血压信息，根据所述高血压信息查找相关的低血压或者高血脂信息，根据所述低血压或者高血脂信息扩展历史生理数据。
获取预设关键字信息，分别将所述历史健康数据以及所述关联健康数据与所述预设关键字信息进行比较。
需要说明的是，所述预设关键字可为收缩压参数信息以及舒张压参数信息，还可为其他参数信息，本实施例对此不作限制。
根据比较结果从所述历史健康数据中提取历史健康特征信息，从所述关联健康数据中提取关联健康特征信息。
可以理解的是，分别将所述历史健康数据以及所述关联健康数据与所述预设关键字信息进行比较，根据比较结果分别得到相应的特征信息，从而实现对数据更细化的处理。
将所述历史健康特征信息以及对应的关联健康特征信息生成多维特征向量放入卷积神经网络中进行训练，得到所述预设健康数据关联模型。
进一步地，所述步骤步骤S30，包括：
步骤S301，根据所述关联度信息是否达到预设阈值对所述原始特征信息进行判断。
需要说明的是，所述预设阈值可为50％，还可为其他参数，本实施例对此不作限制，在本实施例中，以50％为例进行说明。
步骤S302，根据判断结果从所述原始特征信息中提取出达到预设阈值的关联度信息对应的原始特征信息。
在具体实现中，将关联度信息达到50％对应的原始特征信息进行提取，对所述原始特征信息进行精简，通过精简后的原始特征信息进行有效处理，达到提高 数据处理效率的目的。
步骤S303，获取预设医疗规则信息，根据所述预设医疗规则信息对提取出的原始特征信息进行调整，得到相互关联的目标健康特征信息。
可以理解的是，所述预设医疗规则信息为当前医疗政策信息，例如保留当前用户的隐私健康数据信息，可通过获取当前医疗政策服务器的连接状态，在所述连接状态为连接正常时，获取预设医疗规则信息，所述预设医疗规则信息还可根据当前医疗政策服务器中记录的医疗政策信息进行实时更新。
在一实施例中，所述步骤S40，包括：
为了实现特征信息的填入，通过获取所述预设医疗图谱模板信息的模板标签信息，根据所述模板标签信息在预设关系映射表中查找对应的模板特征信息，将所述相互关联的目标健康特征信息中符合所述模板特征信息的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示，从而实现对用户健康数据的有效处理。
在具体实现中，通过标签信息对预设医疗图谱模板信息进行管理，并将设置的历史标签信息与对应的历史特征信息建立预设关系映射表，从而实现对特征信息的查询。
在一实施例中，所述步骤S40之后，所述方法还包括：
获取所述当前用户通过对应的终端设备输入的图谱编辑指令。
提取所述图谱编辑指令中的图谱编辑信息，根据所述图谱编辑信息对展示的用户健康数据图谱进行更新。
需要说明的是，所述图谱编辑指令可通过健康风险平台输入编辑指令，还可通过串口进行指令的输入，本实施例对此不作限制，通过图谱编辑指令实现对生成的健康图谱信息的调整，从而提高展示的图谱信息的灵活性。
本实施例提供的方案，通过图谱信息将用户健康数据进行展示，从而更全面以及科学的实现对用户健康数据的处理，提高数据处理的有效性。
本申请进一步提供一种数据处理装置。
参照图5，图5为本申请数据处理装置第一实施例的功能模块示意图。
本申请数据处理装置第一实施例中，该数据处理装置包括：
获取模块10，用于获取医疗辅助设备对当前用户采集的初始健康数据。
需要说明的是，所述医疗辅助设备包括血压计、体脂秤、耳温枪、血糖仪以及电子计算机断层扫描(Computed Tomography，CT)等，还可包括其他医疗辅助设备，本实施例对此不作限制。
在具体实现中，本实施例的执行主体为数据处理装置，所述数据处理装置上设有无线信号接收和发送装置，通过所述无线信号接收装置与所述医疗辅助设备进行互连，从而获取各类医疗辅助设备对当前用户采集的生理数据，还可通过其他方式进行生理数据的获取，本实施例对此不作限制。
在本实施例中，在医疗辅助设备采集完用户的生理信息时，根据所述生理信息生成对应的生理数据，例如血压指数以及血糖指数等，将所述血压指数以及血糖指数与预设阈值进行比较，根据比较结果得到初步的生理数据。
可以理解的是，在本实施例中，还预先设有影像识别模型，通过所述影像识别模型实现对CT片的识别，从而提高拍摄出的CT片的识别准确性。
在具体实现中，通过获取历史正确CT片的图像数据，将所述图像数据按照划分比例分为训练集和验证集，建立卷积神经网络的个卷积层，提取所述训练集中的特征信息，将所述特征信息放入所述卷积层进行训练，得到所述影像识别模型，并将所述验证集放入所述影像识别模型中进行验证，根据验证结果得到所述影像识别模型的准确性。
在本实施例中，由于可获取各个医疗辅助设备的数据信息，可根据采集的时间信息以及采集设备信息对获取的生理数据进行有效的管理，并将统计的数据采用电子档案的形式进行保存，从而避免获得的数据凌乱而单一，实现全面综合的评估用户的健康指标。
步骤S20，提取所述初始健康数据的原始特征信息，将所述原始特征信息放入预设健康数据关联模型中进行关联预测，得到所述原始特征信息的关联度信息。
可以理解的是，为了实现对生理数据的判断，在本实施例中，预先建立预设健康数据关联模型，通过所述预设健康数据关联模型实现对用户的原始特征信息的关联性进行判断。
在具体实现中，获取生理数据信息，提取所述生理数据信息中的生理特征信息，其中，所述生理特征信息包括血压信息以及血脂信息等，将所述生理特征信息放入所述预设健康数据关联模型中进行预测，得到原始特征信息的关联度信息，例如血压计采集的血压信息与血糖仪采集的血糖信息的关联信息。
步骤S30，根据所述关联度信息对所述原始特征信息进行判断，根据判断结果调整所述原始特征信息，得到相互关联的目标健康特征信息。
需要说明的是，所述关联度信息为关联比例，例如80％等，还可为其他参数形式，本实施例对此不作限制，在本实施例中，以关联度百分比的形式进行说明。
在具体实现中，所述关联度信息对所述原始特征信息进行调整，得到关联度高的目标健康特征信息，例如将血压计采集的血压信息与血糖仪采集的血糖信息输入预设健康数据关联模型中进行关联预测，得到关联度为80％，则可将血压计采集的血压信息与血糖仪采集的血糖信息进行关联，得到相互关联的目标健康特征信息。
步骤S40，获取预设医疗图谱模板信息，将所述相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示。
在本实施例中，为了更直观的实现对用户健康数据的展示，可预先获取预设医疗图谱模板信息，将所述相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，从而实现用户健康数据图谱展示，用户在查看经过图谱展示的健康数据时，更方便用户进行记忆。
本实施例通过上述方案，通过获取医疗辅助设备对当前用户采集的初始健康数据；提取所述初始健康数据的原始特征信息，将所述原始特征信息放入预设健康数据关联模型中进行关联预测，得到所述原始特征信息的关联度信息；根据所述关联度信息对所述原始特征信息进行判断，根据判断结果调整所述原始特征信息，得到相互关联的目标健康特征信息；获取预设医疗图谱模板信息，将所述相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示，从而通过更直观的图谱 信息将用户的健康数据进行关联展示，方便用户进行查看，实现对用户健康数据的更有效的管理。
此外，为实现上述目的，本申请还提出一种数据处理设备，所述数据处理设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的数据处理程序，所述数据处理程序配置为实现如上文所述的数据处理方法的步骤。
此外，本申请实施例还提出一种存储介质，所述存储介质上存储有数据处理程序，所述数据处理程序被处理器执行如上文所述的数据处理方法的步骤。
本申请实施例提供的存储介质可以是非易失性存储介质，也可以是易失性存储介质。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献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如上所述的一个计算机可读存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台智能终端设备(可以是手机，计算机，终端设备，空调器，或者网络终端设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (20)
- 一种数据处理方法，所述数据处理方法包括：获取医疗辅助设备对当前用户采集的初始健康数据；提取所述初始健康数据的原始特征信息，将所述原始特征信息放入预设健康数据关联模型中进行关联预测，得到所述原始特征信息的关联度信息；根据所述关联度信息对所述原始特征信息进行判断，根据判断结果调整所述原始特征信息，得到相互关联的目标健康特征信息；获取预设医疗图谱模板信息，将所述相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示。
- 如权利要求1所述的数据处理方法，其中，所述医疗辅助设备包括血压计、体脂秤、耳温枪、血糖仪以及电子计算机断层扫描设备中至少一项。
- 如权利要求1所述的数据处理方法，其中，所述获取医疗辅助设备对当前用户采集的初始健康数据之前，所述方法还包括：向所述医疗辅助设备发送检测连接状态请求指令；判断在预设时间段内是否接收到所述医疗辅助设备对所述连接状态请求指令的反馈信息；在接收到所述医疗辅助设备的反馈信息时，执行获取医疗辅助设备对当前用户采集的初始健康数据步骤。
- 如权利要求1至3中任一项所述的数据处理方法，其中，所述提取所述初始健康数据的原始特征信息，将所述原始特征信息放入预设健康数据关联模型中进行关联预测，得到所述原始特征信息的关联度信息之前，所述方法还包括：获取历史健康数据，根据所述历史健康数据查找相关的关联健康数据；获取预设关键字信息，分别将所述历史健康数据以及所述关联健 康数据与所述预设关键字信息进行比较；根据比较结果从所述历史健康数据中提取历史健康特征信息，从所述关联健康数据中提取关联健康特征信息；将所述历史健康特征信息以及对应的关联健康特征信息生成多维特征向量放入卷积神经网络中进行训练，得到所述预设健康数据关联模型。
- 如权利要求1至3中任一项所述的数据处理方法，其中，所述根据所述关联度信息对所述原始特征信息进行判断，根据判断结果调整所述原始特征信息，得到相互关联的目标健康特征信息，包括：根据所述关联度信息是否达到预设阈值对所述原始特征信息进行判断；根据判断结果从所述原始特征信息中提取出达到预设阈值的关联度信息对应的原始特征信息；获取预设医疗规则信息，根据所述预设医疗规则信息对提取出的原始特征信息进行调整，得到相互关联的目标健康特征信息。
- 如权利要求1至3中任一项所述的数据处理方法，其中，所述获取预设医疗图谱模板信息，将相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示，包括：获取所述预设医疗图谱模板信息的模板标签信息；根据所述模板标签信息在预设关系映射表中查找对应的模板特征信息；将所述相互关联的目标健康特征信息中符合所述模板特征信息的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示。
- 如权利要求5所述的数据处理方法，其中，所述获取预设医疗图谱模板信息，将相互关联的目标健康特征信息填入所述预设医疗图 谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示之后，所述方法还包括：获取所述当前用户通过对应的终端设备输入的图谱编辑指令；提取所述图谱编辑指令中的图谱编辑信息，根据所述图谱编辑信息对展示的用户健康数据图谱进行更新。
- 一种数据处理装置，所述数据处理装置包括：获取模块，用于获取医疗辅助设备对当前用户采集的初始健康数据；提取模块，用于提取所述初始健康数据的原始特征信息，将所述原始特征信息放入预设健康数据关联模型中进行关联预测，得到所述原始特征信息的关联度信息；调整模块，用于根据所述关联度信息对所述原始特征信息进行判断，根据判断结果调整所述原始特征信息，得到相互关联的目标健康特征信息；展示模块，用于获取预设医疗图谱模板信息，将所述相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示。
- 一种数据处理设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的数据处理程序，所述数据处理程序配置为实现以下方法的步骤：获取医疗辅助设备对当前用户采集的初始健康数据；提取所述初始健康数据的原始特征信息，将所述原始特征信息放入预设健康数据关联模型中进行关联预测，得到所述原始特征信息的关联度信息；根据所述关联度信息对所述原始特征信息进行判断，根据判断结果调整所述原始特征信息，得到相互关联的目标健康特征信息；获取预设医疗图谱模板信息，将所述相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并 将所述用户健康数据图谱进行展示。
- 如权利要求9所述的数据处理设备，其中，所述医疗辅助设备包括血压计、体脂秤、耳温枪、血糖仪以及电子计算机断层扫描设备中至少一项。
- 如权利要求9所述的数据处理设备，其中，所述获取医疗辅助设备对当前用户采集的初始健康数据之前，所述方法还包括：向所述医疗辅助设备发送检测连接状态请求指令；判断在预设时间段内是否接收到所述医疗辅助设备对所述连接状态请求指令的反馈信息；在接收到所述医疗辅助设备的反馈信息时，执行获取医疗辅助设备对当前用户采集的初始健康数据步骤。
- 如权利要求9至11中任一项所述的数据处理设备，其中，所述提取所述初始健康数据的原始特征信息，将所述原始特征信息放入预设健康数据关联模型中进行关联预测，得到所述原始特征信息的关联度信息之前，所述方法还包括：获取历史健康数据，根据所述历史健康数据查找相关的关联健康数据；获取预设关键字信息，分别将所述历史健康数据以及所述关联健康数据与所述预设关键字信息进行比较；根据比较结果从所述历史健康数据中提取历史健康特征信息，从所述关联健康数据中提取关联健康特征信息；将所述历史健康特征信息以及对应的关联健康特征信息生成多维特征向量放入卷积神经网络中进行训练，得到所述预设健康数据关联模型。
- 如权利要求9至11中任一项所述的数据处理设备，其中，所述根据所述关联度信息对所述原始特征信息进行判断，根据判断结果调整所述原始特征信息，得到相互关联的目标健康特征信息，包括：根据所述关联度信息是否达到预设阈值对所述原始特征信息进行判断；根据判断结果从所述原始特征信息中提取出达到预设阈值的关联度信息对应的原始特征信息；获取预设医疗规则信息，根据所述预设医疗规则信息对提取出的原始特征信息进行调整，得到相互关联的目标健康特征信息。
- 如权利要求9至11中任一项所述的数据处理设备，其中，所述获取预设医疗图谱模板信息，将相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示，包括：获取所述预设医疗图谱模板信息的模板标签信息；根据所述模板标签信息在预设关系映射表中查找对应的模板特征信息；将所述相互关联的目标健康特征信息中符合所述模板特征信息的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示。
- 一种存储介质，所述存储介质上存储有数据处理程序，所述数据处理程序被处理器执行时实现以下方法的步骤：获取医疗辅助设备对当前用户采集的初始健康数据；提取所述初始健康数据的原始特征信息，将所述原始特征信息放入预设健康数据关联模型中进行关联预测，得到所述原始特征信息的关联度信息；根据所述关联度信息对所述原始特征信息进行判断，根据判断结果调整所述原始特征信息，得到相互关联的目标健康特征信息；获取预设医疗图谱模板信息，将所述相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示。
- 如权利要求15所述的存储介质，其中，所述医疗辅助设备包括血 压计、体脂秤、耳温枪、血糖仪以及电子计算机断层扫描设备中至少一项。
- 如权利要求15所述的存储介质，其中，所述获取医疗辅助设备对当前用户采集的初始健康数据之前，所述方法还包括：向所述医疗辅助设备发送检测连接状态请求指令；判断在预设时间段内是否接收到所述医疗辅助设备对所述连接状态请求指令的反馈信息；在接收到所述医疗辅助设备的反馈信息时，执行获取医疗辅助设备对当前用户采集的初始健康数据步骤。
- 如权利要求15至17中任一项所述的存储介质，其中，所述提取所述初始健康数据的原始特征信息，将所述原始特征信息放入预设健康数据关联模型中进行关联预测，得到所述原始特征信息的关联度信息之前，所述方法还包括：获取历史健康数据，根据所述历史健康数据查找相关的关联健康数据；获取预设关键字信息，分别将所述历史健康数据以及所述关联健康数据与所述预设关键字信息进行比较；根据比较结果从所述历史健康数据中提取历史健康特征信息，从所述关联健康数据中提取关联健康特征信息；将所述历史健康特征信息以及对应的关联健康特征信息生成多维特征向量放入卷积神经网络中进行训练，得到所述预设健康数据关联模型。
- 如权利要求15至17中任一项所述的存储介质，其中，所述根据所述关联度信息对所述原始特征信息进行判断，根据判断结果调整所述原始特征信息，得到相互关联的目标健康特征信息，包括：根据所述关联度信息是否达到预设阈值对所述原始特征信息进行判断；根据判断结果从所述原始特征信息中提取出达到预设阈值的关联 度信息对应的原始特征信息；获取预设医疗规则信息，根据所述预设医疗规则信息对提取出的原始特征信息进行调整，得到相互关联的目标健康特征信息。
- 如权利要求15至17中任一项所述的存储介质，其中，所述获取预设医疗图谱模板信息，将相互关联的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示，包括：获取所述预设医疗图谱模板信息的模板标签信息；根据所述模板标签信息在预设关系映射表中查找对应的模板特征信息；将所述相互关联的目标健康特征信息中符合所述模板特征信息的目标健康特征信息填入所述预设医疗图谱模板信息，得到用户健康数据图谱，并将所述用户健康数据图谱进行展示。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910821802.1 | 2019-08-30 | ||
| CN201910821802.1A CN110706767A (zh) | 2019-08-30 | 2019-08-30 | 数据处理方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2021036305A1 true WO2021036305A1 (zh) | 2021-03-04 |
Family
ID=69194259
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2020/086609 WO2021036305A1 (zh) | 2019-08-30 | 2020-04-24 | 数据处理方法、装置、设备及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110706767A (zh) |
| WO (1) | WO2021036305A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110706767A (zh) * | 2019-08-30 | 2020-01-17 | 深圳壹账通智能科技有限公司 | 数据处理方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103186707A (zh) * | 2011-12-30 | 2013-07-03 | 中国移动通信集团公司 | 一种诊疗信息处理方法、服务器及系统 |
| CN107145704A (zh) * | 2017-03-27 | 2017-09-08 | 西安电子科技大学 | 一种面向社区的健康医疗监护、评测系统及其方法 |
| CN107194174A (zh) * | 2017-05-19 | 2017-09-22 | 白胜西 | 一种健康状况监测方法、系统和存储介质 |
| CN108766569A (zh) * | 2018-05-07 | 2018-11-06 | 苏州超云生命智能产业研究院有限公司 | 健康数据处理方法及健康数据处理系统 |
| CN109003670A (zh) * | 2018-06-29 | 2018-12-14 | 武汉圣大东高科技有限公司 | 大数据医疗信息处理方法、系统、终端设备及存储介质 |
| CN110706767A (zh) * | 2019-08-30 | 2020-01-17 | 深圳壹账通智能科技有限公司 | 数据处理方法、装置、设备及存储介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201434008A (zh) * | 2013-02-27 | 2014-09-01 | 萬國商業機器公司 | 健康狀態的個人化地視覺化呈現 |
| CN106021960A (zh) * | 2016-06-16 | 2016-10-12 | 山东诺安诺泰信息系统有限公司 | 一种健康管理方法 |
| CN108324260A (zh) * | 2018-02-28 | 2018-07-27 | 湖南可孚医疗科技发展有限公司 | 一种基于大数据的血压监控系统 |
| CN108492854A (zh) * | 2018-04-19 | 2018-09-04 | 成都有客科技有限公司 | 一种基于大数据的智慧医疗服务系统 |
| CN108766512B (zh) * | 2018-05-31 | 2023-04-07 | 康键信息技术（深圳）有限公司 | 健康数据管理方法、装置、计算机设备和存储介质 |
| CN110059196A (zh) * | 2019-04-12 | 2019-07-26 | 张晓红 | 一种医学健康领域知识图谱的关系抽取方法及系统 |
-
2019
- 2019-08-30 CN CN201910821802.1A patent/CN110706767A/zh active Pending
-
2020
- 2020-04-24 WO PCT/CN2020/086609 patent/WO2021036305A1/zh active Application Filing
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103186707A (zh) * | 2011-12-30 | 2013-07-03 | 中国移动通信集团公司 | 一种诊疗信息处理方法、服务器及系统 |
| CN107145704A (zh) * | 2017-03-27 | 2017-09-08 | 西安电子科技大学 | 一种面向社区的健康医疗监护、评测系统及其方法 |
| CN107194174A (zh) * | 2017-05-19 | 2017-09-22 | 白胜西 | 一种健康状况监测方法、系统和存储介质 |
| CN108766569A (zh) * | 2018-05-07 | 2018-11-06 | 苏州超云生命智能产业研究院有限公司 | 健康数据处理方法及健康数据处理系统 |
| CN109003670A (zh) * | 2018-06-29 | 2018-12-14 | 武汉圣大东高科技有限公司 | 大数据医疗信息处理方法、系统、终端设备及存储介质 |
| CN110706767A (zh) * | 2019-08-30 | 2020-01-17 | 深圳壹账通智能科技有限公司 | 数据处理方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110706767A (zh) | 2020-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112071425B (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
| WO2021052156A1 (zh) | 数据分析方法、装置、设备及计算机可读存储介质 | |
| CN109658999B (zh) | 慢病检查报告生成方法、装置、设备及存储介质 | |
| US10103947B2 (en) | Processing of portable device data | |
| CN109887596A (zh) | 基于知识图谱的慢阻肺疾病诊断方法、装置和计算机设备 | |
| US20190237192A1 (en) | Personal health operating system | |
| WO2020151312A1 (zh) | 心脑血管疾病展示方法、装置、设备及存储介质 | |
| WO2021151302A1 (zh) | 基于机器学习的药品质控分析方法、装置、设备及介质 | |
| US20170061077A1 (en) | Medical visual referral tool and remote portal | |
| US10811138B1 (en) | Parameter selection model using image analysis | |
| WO2021036305A1 (zh) | 数据处理方法、装置、设备及存储介质 | |
| RU2703959C2 (ru) | Способ и устройство для иерархического анализа данных на основе взаимной корреляции | |
| US10133444B2 (en) | Preferred view generation on structure level based on user preferences | |
| US20180189360A1 (en) | Methods and apparatus to present information from different information systems in a local record | |
| CN111128329B (zh) | 个性化健康摘要的动态生成方法、装置、介质及电子设备 | |
| CN109935289B (zh) | 病历显示方法、装置、电子设备及计算机可读存储介质 | |
| US20160078066A1 (en) | Method and apparatus for processing clinical data | |
| JP2020095518A (ja) | 情報処理装置、情報処理方法及びプログラム | |
| CN112863682B (zh) | 信息分析方法、装置、系统、电子设备和存储介质 | |
| US20220367017A1 (en) | Health data management methods, health data management device and background device | |
| EP4165646A1 (en) | Methods and systems for searching an ecg database | |
| US20160371457A1 (en) | System and Method for Data Analyzing of Health-Related Data | |
| WO2021097595A1 (zh) | 图像的病变区域分割方法、装置及服务器 | |
| US20170316365A1 (en) | Estimation device, estimation method, and estimation program | |
| CN116469532B (zh) | 智慧医院管理方法、系统、计算机设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 20857922 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 32PN | Ep: public notification in the ep bulletin as address of the adressee cannot be established |
Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 01/07/2022) |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 20857922 Country of ref document: EP Kind code of ref document: A1 |