一种基于大数据的智慧健康监测方法及系统与流程

1.本发明涉及健康监测技术领域，具体为一种基于大数据的智慧健康监测方法及系统。


背景技术：

2.随着生理检测技术和互联网的迅速发展，血压计、血糖仪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，提高了疾病的治疗效果和治疗周期，有效减少了疾病拖延造成的病情加重问题的发生。
3.现有的健康监测系统通过对人体各项生理数据的监测，并将各项数据与对应的标准范围进行比对，进而对人体的健康状况进行判断，具体的，当数据在对应的标准范围时，提示被监测人员身体状况正常，而当数据不在对应的标准范围时，系统会及时提醒被监测人员注意此项异常，进而帮助监测人员及时发现身体状况并及时采取对应治疗，实现对人体健康参数的监测过程。
4.然而，很多疾病的初期，人体的各项生理参数变化并非特别明显，同时，由于不同人的体质不同，因此各项生理参数的标准设定会存在一个较大的范围；因此，在采用现有的健康监测系统进行监测时，通过将生理参数与标准范围一一比对，会存在以下问题，首先，生理参数的微小波动在大的参数标准范围内很难被及时发现，因此对于疾病的发现存在敏感度不够的问题，其次，不同体质的人其生理参数存在差别，因此，虽然被监测人的生理参数属于标准范围内且被判断此项生理参数数据为正常，但对于该类体质人员，其生理参数可能不属于此类体质人员对应的正常范围，因此，固定的标准范围会影响对于被监测人员的健康判断的准确性，进而导致不能提前发现人体存在的健康隐患。


技术实现要素：

5.本发明的目的在于提供一种基于大数据的智慧健康监测方法及系统，解决以下技术问题：
6.如何提高人体健康监测的敏感度及准确度。
7.本发明的目的可以通过以下技术方案实现：
8.一种基于大数据的智慧健康监测系统，所述系统包括：
9.生理指标采集模块，用于采集人体的各项生理指标数据；
10.数据库，用于记录人体的各项生理指标数据；
11.分析模块，用于根据数据库中的人体生理指标数据按预设判断标准判断人体的健康状况；
12.大数据分组模块，用于将数据库中的参数分别与大数据中各个组的对应参数范围进行比对并确定所在组，根据所在组的参数范围调整分析模块的判断标准。
13.显然，采用分组后对应该种体质下适用的判断标准来对生理指标数据进行分析，
能够更加准确且敏感的判断出人体的健康状况，进而帮助被监测人员及时发现身体存在的疾病或疾病风险。
14.在一些实施例中，所述系统还包括环境数据采集模块，用于采集人体所处的环境数据及人体的生活习惯数据；
15.所述数据库还用于记录人体所处的环境数据及人体的生活习惯数据。
16.通过人体所处的环境数据及人体的生活习惯数据，能够在分组的过程中进一步细化，进而进一步提高监测的敏感度。
17.在一些实施例中，所述分析模块工作的步骤如下：
18.将生理指标分别标记为m1、m2、
…
mi，i＝1、2、
…
、n，n表示身体指标的总项数；
19.将各项身体指标分别与对应的预设范围区间[m
1x
，m
1y
]、[m
2x
，m
2y
]、
…
[m
ix
，m
iy
]进行比对：
[0020]
当时，则将mi对应的生理指标项进行标记；
[0021]
根据所有标记的生理指标项与不同疾病对应的生理指标异常项进行比对，根据重合的状况判断疾病的种类。
[0022]
在一些实施例中，所述大数据分组模块的工作步骤如下：
[0023]
根据环境数据采集模块采集的数据与大数据进行比对，确定确定出与用户匹配的初分组；
[0024]
获取至少两组生理指标正常状态下的数据，并分别将各项生理指标与初分组中各组的对应的生理指标作比对，选取接近程度最高的一组作为选择组；
[0025]
根据选择组对应的生理指标范围区间来缩小预设范围区间[m
ix
，m
iy
]。
[0026]
在一些实施例中，所述系统还包括疾病风险预测模块；
[0027]
所述疾病风险预测模块预测的步骤为：
[0028]
获取至少两个相隔特定时间段的人体生理指标；
[0029]
分别计算各项人体生理指标的变化量，将变化量与各项指标对应的阈值进行比对：
[0030]
当变化量大于阈值时，对变化量对应的生理指标项进行标记；
[0031]
根据所有标记的生理指标项与不同疾病对应的生理指标异常项进行比对，根据重合的状况预测疾病的种类。
[0032]
通过生理指标数据的异常与不同疾病对应的生理指标异常项比对，根据重合的状况即能大致判断疾病的种类。
[0033]
进一步地，根据预测的疾病种类推荐对应的体检项目。
[0034]
在一些实施例中，所述系统还包括线上诊断模块；
[0035]
所述线上诊断模块根据疾病的种类选择与病症重合度最高的医生进行预约。
[0036]
进一步地，所述线上诊断模块选择医生的步骤为：
[0037]
根据标记生理指标项与不同疾病对应生理指标异常项的重合度，确定出一个主要病症标签a、一个次要病症标签b及若干个其它病症标签c；
[0038]
建立每个医生所对应的主治病症标签库l，通过公式co＝γ1a+γ2b+γ3(c1+c2+
…
+cn)计算每个医生与用户的病症重合度co；
[0039]
其中，a表示主要病症标签，若a∈l，则a＝1，否则a＝0，b表示次要病症标签，若b∈
l，则b＝1，否则b＝0，cn表示其它病症标签，n表示所有其它病症标签数量，若cn∈l，则cn＝1，否则cn＝0，γ1、γ2和γ3为预设比例系数，且γ1＞γ2＞γ3；
[0040]
选择与用户的病症重合度co最大的医生进行预约。
[0041]
通过病症重合度对诊断医生进行选择，能够选择出于对应疾病最为相近契合的医生，保证了医生诊断的专业性和准确度。
[0042]
一种基于大数据的智慧健康监测，所述方法包括：
[0043]
s1、采集人体的生理指标数据、所处的环境数据及人体的生活习惯数据；
[0044]
s2、根据人体生理指标数据按预设判断标准判断人体的健康状况；
[0045]
s3、将生理指标数据、所处的环境数据及人体的生活习惯数据与大数据比对，对人体体质进行分组，根据分组状况调整分析模块的判断标准。
[0046]
本发明的有益效果：
[0047]
(1)本发明通过将人体的生理数据与大数据进行比对，进而将被监测人员划分到与其体质相近的组中，然后再采用该种体质下适用的判断标准来对生理指标数据进行分析，能够更加准确且敏感的判断出人体的健康状况。
[0048]
(2)本发明根据采集的环境数据及人体生活习惯进行进一步划分，能够提高分组的细化程度，进而进一步提高监测的敏感度。
[0049]
(3)本发明通过生理指标的变化，能够对人体存在的患病风险进行初步预测，在生理指标超出标准范围前即能对患病的风险进行判断，进而能够利于被检测人员的及时诊断治疗。
[0050]
(4)本发明能够能够减少人体全身体检所带来的不便，还能够针对性的对患病风险进行进一步判断，保证了人体的健康。
[0051]
(5)本发明通过病症重合度来选择诊断医生，当重合度越高时，说明该医生的专业领域与被诊断人员的病症越相近，因此选择与用户的病症重合度最大的医生进行预约，能够对疾病做出较为准确的诊断。
附图说明
[0052]
下面结合附图对本发明作进一步的说明。
[0053]
图1是本发明一种基于大数据的智慧健康监测系统模块连接示意图；
[0054]
图2是本发明一种基于大数据的智慧健康监测方法的步骤流程图。
具体实施方式
[0055]
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0056]
请参阅图1所示，在一个实施例中，提供了一种基于大数据的智慧健康监测系统，该系统包括用于采集人体的各项生理指标数据生理指标采集模块，采集方式可通过用户主动输入的方式获得，也能够通过相关生理检测仪器同步而来，采集的生理指标数据包括但不限于人体的基础生理数据，例如血压、血糖、心率、体温等，还可以包括体检过程中获得的
血液的各项参数；通过数据库将人体的各项生理指标数据进行记录，同时通过分析模块对人体的健康进行及时的分析，具体的，当首次使用本实施例系统是，会将人体生理指标数据按预设判断标准来判断人体的健康状况，预设判断标准是针对适用所有人的一套判断标准，而当多次使用本实施例系统后，数据库中会储存同一人不同时间点的数据，因此本实施例系统中的大数据分组模块会将人体的生理数据与大数据进行比对，进而将被监测人员划分到与其体质相近的组中，然后，再采用该种体质下适用的判断标准来对生理指标数据进行分析，能够更加准确且敏感的判断出人体的健康状况，进而尽早的进行治疗，避免了病情加重带来的各种问题。
[0057]
另外，请参阅图1所示，本实施例中的系统还包括环境数据采集模块，环境数据采集模块能够对人体所处的环境数据及人体的生活习惯数据进行采集，具体的，环境数据包括但不限于平均气温、污染物状况等，生活习惯包括但不限于是否抽烟、是否饮酒等，因此根据采集的环境数据及人体生活习惯进行进一步划分，能够提高分组的细化程度，进而进一步提高监测的敏感度。
[0058]
需要说明的是，本实施例中的大数据记录着根据不同体质、不同地区、不同年龄、不同习惯等约束条件划分的组，且每个组都有与其对应的检测标准。
[0059]
作为本发明的一种实施方式，本实施例提供了一种分析模块具体的工作方式，具体的，首先将生理指标分别标记为m1、m2、
…
mi，i表示任一项，i＝1、2、
…
、n，n表示身体指标的总项数；再将各项身体指标分别与对应的预设范围区间[m
1x
，m
1y
]、[m
2x
，m
2y
]、
…
[m
ix
，m
iy
]进行比对：当时，则说明该项生理指标存在问题，因此将mi对应的生理指标项进行标记；其中，m
ix
表示第i项生理指标对应的范围的最小值，m
iy
表示第i项生理指标对应的范围的最大值。
[0060]
最后，对所有标记的生理指标项进行统计，并将其与大数据中不同疾病对应的生理指标异常项进行比对，不同疾病的发作过程会使得人体的基础生理指标参数发生不同对应性的变化，因此，通过生理指标数据的异常与不同疾病对应的生理指标异常项比对，根据重合的状况即能大致判断疾病的种类，显然，重合程度最高的疾病即为判断出的疾病种类，当重合程度最高的疾病不止一种时，则将其全部作为判断出的疾病种类，显然，本实施例的方法能够初步判断出被监测人员的病情种类，为后续进一步诊断、治疗提供便利和帮助。
[0061]
需要说明的是，本实施例中的大数据记录了常见的各种疾病及各种疾病对应的基础生理参数异常状况。
[0062]
作为本发明的一种实施方式，本实施例提供了一种大数据分组模块具体的工作方式，具体的，首先根据环境数据采集模块采集的数据与大数据进行比对，初步将被检测人员限定在与其生活环境、生活习惯相匹配的若干组初分组，其次，在获取两组生理指标正常状态下的数据，由于单组数据存在数据误差的影响，因此通过至少两组生理指标数据与初分组中各组的对应的生理指标作比对，进而能够根据数据接近程度准确选择出与被监测人员体质最为接近的一组作为选择组，最后，再根据选择组对应的生理指标范围区间来缩小调整预设范围区间[m
ix
，m
iy
]，显然，缩小后的范围区间能够更加精确且更为敏感的判断出生理指标是否出现偏差，进而判断出人体的健康状况。
[0063]
需要说明的是，因为预设的范围区间需要适应不同人的需求，因此调整过程为进一步限定范围区间。
[0064]
进一步说明，上述接近程度指的是各项指标分别与各组对应指标范围区间重合的数量，显然，指标重合的数量越多，接近程度越高。
[0065]
作为本发明的一种实施方式，该系统还包括疾病风险预测模块，疾病风险预测模块能够给根据生理参数的变化对疾病对其进行预判，具体的，疾病风险预测模块预测的步骤为：首先获取至少两个相隔特定时间段的人体生理指标；再分别计算各项人体生理指标的变化量，将变化量与各项指标对应的阈值进行比对，显然，当变化量大于阈值时，说明此生理指标存在异常，因此对变化量对应的生理指标项进行标记，最后再根据所有标记的生理指标项与不同疾病对应的生理指标异常项进行比对，根据重合的状况预测疾病的种类，显然，通过生理指标的变化，能够对人体存在的患病风险进行初步预测，在生理指标超出标准范围前即能对患病的风险进行判断，进而能够利于被检测人员的及时诊断治疗。
[0066]
需要说明的是，本实施例中的生理指标变化量判断是在两个时间段生理指标数据都正常的状态下判断的，显然，当生理指标异常时，已经说明身体存在问题，也没有预测的必要，而本实施例生理指标变化量判断的目的在于，当两个时间点的数据都在标准范围内时，但两者又存在较大的差别，因此，根据差别量对存在的患病风险进行预判。
[0067]
进一步说明，上述接近程度指的是各项指标分别与不同疾病对应的生理指标异常项重合的数量，显然，指标重合的数量越多，接近程度越高。
[0068]
进一步地，可以根据预测的疾病种类推荐对应的体检项目，周期性的体检能够及时发现人体的患病风险，然而全面性的体检过程需要较高的时间成本及金钱成本，因此很难经常性的作全身检查，而本实施例根据可以经常进行检测的基础生理数据对人体的患病类型进行预测，根据预测的结果向被监测人推荐体检的侧重项目，显然，此种设置能够减少人体全身体检所带来的不便，还能够针对性的对患病风险进行进一步判断，保证了人体的健康。
[0069]
作为本发明的一种实施方式，本实施例中的系统还包括线上诊断模块，在对人体健康进行监测时，当监测出人体存在疾病但疾病种类难以明确时，需要专业的医生进行具体的诊断，而线上诊断系统能够方便医生对患者的诊断，本实施例的线上诊断模块根据疾病的种类选择与病症重合度最高的医生进行预约，显然，重合度越高，说明该医生对对应的疾病种类越专业，因此能够更加准确的进行诊断。
[0070]
进一步地，本实施例提供了线上诊断模块选择医生的具体步骤：首先根据标记生理指标项与不同疾病对应生理指标异常项的重合度，确定出一个主要病症标签a、一个次要病症标签b及若干个其它病症标签c；再建立每个医生所对应的主治病症标签库l，通过公式co＝γ1a+γ2b+γ3(c1+c2+
…
+cn)计算每个医生与用户的病症重合度co；显然，重合度越高，说明该医生的专业领域与被诊断人员的病症越相近，因此选择与用户的病症重合度co最大的医生进行预约，能够对疾病做出较为准确的诊断。
[0071]
需要说明的是，主要病症标签a、次要病症标签b及其它病症标签c的设置，能够针对性的根据病症相似度去采用不同的权重，进而进一步提高对于医生选择的契合度，保证了用户健康状况的准确判断与监测。
[0072]
其中，a表示主要病症标签，若a∈l，则a＝1，否则a＝0，b表示次要病症标签，若b∈l，则b＝1，否则b＝0，cn表示其它病症标签，n表示所有其它病症标签数量，若cn∈l，则cn＝1，否则cn＝0，γ1、γ2和γ3为预设比例系数，且γ1＞γ2＞γ3。
[0073]
请参阅附图2所示，在本发明的一种实施例中，提供了一种基于大数据的智慧健康监测，该方法包括：s1、采集人体的生理指标数据、所处的环境数据及人体的生活习惯数据；s2、根据人体生理指标数据按预设判断标准判断人体的健康状况；s3、将生理指标数据、所处的环境数据及人体的生活习惯数据与大数据比对，对人体体质进行分组，根据分组状况调整分析模块的判断标准；通过将人体的生理数据与大数据进行比对，进而将被监测人员划分到与其体质相近的组中，然后，再采用该种体质下适用的判断标准来对生理指标数据进行分析，能够更加准确且敏感的判断出人体的健康状况；同时，根据采集的环境数据及人体生活习惯进行进一步划分，能够提高分组的细化程度，进而进一步提高监测的敏感度。
[0074]
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。