一种基于大数据的慢病患者健康状态数据监测系统及方法与流程

1.本发明涉及慢病患者健康状态数据监测技术领域，具体为一种基于大数据的慢病患者健康状态数据监测系统及方法。


背景技术：

2.随着人民生活水平的提高，生活方式和饮食文化的改变，以心脑血管疾病、糖尿病、恶性肿瘤、慢性阻塞性肺部疾病、精神异常和精神病等为代表的各种慢性疾病患病率逐渐增加，慢性病已经成为我国居民死亡的主要原因；由于慢性病的特征，部分慢病疾病的产生不是一时诱发，很多情况下是由于人们不良的饮食习惯和不良的生活习惯在潜移默化中形成的，且在病症突显的前期，很多情况下是难以发现的，那么如何根据患者日常的就诊信息来进一步推断出患者是否存在潜在慢性疾病的可能，是目前针对慢病患者健康监测需要解决的首要问题，以及怎样数据化人们身体从健康状态时到慢性疾病产生时这一中间时段的空白监测。


技术实现要素：

3.本发明的目的在于提供一种基于大数据的慢病患者健康状态数据监测系统及方法，以解决上述背景技术中提出的问题。
4.为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的慢病患者健康状态数据监测方法，包括以下步骤：步骤s1：获取患者登录医疗平台进行挂号后记录的就诊信息，并将患者相关的就诊信息存储于医疗大数据库中；提取医疗大数据库中已经确诊慢病患者的病情相关数据作为目标数据库，病情相关数据包括慢病患者的病因、病症和病史，并根据目标数据库建立筛选模型；步骤s2：基于目标数据库和患者当前的就诊信息，输出患者的诊断结果为第一诊断结果，若第一诊断结果属于慢性疾病，则判断患者的诊断结果是否与目标数据库存在交集，若存在交集，不进行数据的存储；若不存在交集，则存储该患者的就诊信息于目标数据库中，更新目标数据库；步骤s3：若第一诊断结果不属于慢性疾病，提取患者存储于医疗大数据库中的病史数据，病史数据是指患者在第一诊断结果得出前的所有历史就诊记录，并将历史就诊记录与目标数据库的筛选模型进行匹配，得到第一匹配结果；步骤s4：基于第一匹配结果和患者当前的就诊信息，综合分析患者针对慢病健康状态的综合评估指数，根据综合评估指数对患者在得到第一诊断结果前进行预警，提示诊断方向，输出预警提示后的诊断结果为第二诊断结果，并将第二诊断结果存储于目标数据库中。
5.进一步的，步骤s1中根据目标数据库建立筛选模型，包括以下步骤：提取医疗大数据库中的病因作为第一常规筛选因子u1，提取医疗大数据库中的病
症作为第二常规筛选因子v1，提取医疗大数据库中的病史作为第三常规筛选因子q1；获取目标数据库中的病因作为第一目标筛选因子u2，提取目标数据库中的病症作为第二目标筛选因子v2，提取目标数据库中的病史作为第三常目标选因子q2；建立医疗大数据库中的常规筛选因子游离集{u1,v1,q1}，利用公式：计算常规筛选因子游离集{u1,v1,q1}在对医疗大数据库进行筛选后的对应常规游离比例{wu1,wv1,wq1}；其中{max[u1],max[v1],max[q1]}分别为第一常规筛选因子u1、第二常规筛选因子v1和第三常规筛选因子q1筛选出医疗大数据库中相同病情数据对应患者个数的最大值；m为医疗大数据库中患者就诊信息的总数值；建立目标数据库中的目标筛选因子游离集{u2,v2,q2}，并提取目标筛选因子游离集{u2,v2,q2}在对目标数据库进行筛选后的对应目标游离比例{gu2,gv2,gq2}，目标游离比例的计算方式同上述常规游离比例的计算方式；依次比较常规游离比例{wu1,wv1,wq1}和目标游离比例{gu2,gv2,gq2}中对应患者的重叠度r(u,v,q)，重叠度r(u,v,q)=m0(u,v,q)/max{[u1,u2],[v1,v2],[q1,q2]}，其中m0(u,v,q)表示医疗大数据库和目标数据库中相同病情数据对应患者的重复个数，相同病情数据包括相同病因、病症和病史；max{[u1,u2],[v1,v2],[q1,q2]}表示在针对相同病情数据对应的医疗大数据库中对应患者的总数和目标数据库中对应患者总数的最大值；设置重叠度阈值，当重叠度大于等于重叠度阈值时，保留对应的常规游离比例和目标游离比例，当重叠度小于重叠度阈值时，设置对应因子的游离比例与最小值的游离比例保持一致，构成新的常规游离比例{wu1',wv1',wq1'}和新的目标游离比例{gu2',gv2',gq2'}；利用公式构建筛选因子优先级：其中t为筛选因子优先级矩阵，比较矩阵t中数值的大小，进行由大到小的排序且对应生成筛选因子的优先级；根据筛选因子的优先级对目标数据库进行筛选，构建第一筛选模型和第二筛选模型。
[0006]
将医疗大数据库和单独提出的目标数据库进行分析，并确定筛选因子的优先级，是为了分析在慢病患者记录的就诊数据中，哪种特征是与大数据库中存在重合率较高的，重合率高说明慢性病的这种特征隐秘性强不易被发现，所以要将这种特征作为筛查因子的第一优先级，防止漏差，且根据分析得到的优先级进行筛选，提高目标数据筛选的精确度以及筛选的效率。
[0007]
进一步的，根据筛选因子的优先级对目标数据库进行筛选，构建第一筛选模型和第二筛选模型，包括以下具体步骤：以第一优先级的筛选因子对应目标数据库中的患者就诊信息为初始靶点，提取初始靶点中的关键词信息作为第一关键词集，遍历第一关键词集中各关键词的相似度，获取相似度小于第一相似度阈值时对应的关键词对{关键词a1
→
关键词b1}，
提取关键词对{关键词a1
→
关键词b1}中第二优先级的筛选因子对应的关键词信息作为第二关键词集，遍历第二关键词集中各关键词的相似度，获取相似度小于第二相似度阈值时对应的关键词对{关键词a2
→
关键词b2}；提取关键词对{关键词a2
→
关键词b2}中第三优先级的筛选因子对应的关键词信息作为第三关键词集，遍历第三关键词集中各关键词的相似度，获取相似度小于第三相似度阈值时对应的关键词对{关键词a3
→
关键词b3}；以第一筛选模型和第二筛选模型的信息区别为依据，构建以{关键词a1
→
关键词关键词a2
→
关键词a3}和{关键词b1
→
关键词b2
→
关键词b3}的第一筛选模型和第二筛选模型。
[0008]
进一步的，将历史就诊记录与目标数据库的筛选模型进行匹配，得到第一匹配结果，包括以下具体步骤：获取患者的历史就诊记录，并依据筛选因子的优先级对历史就诊记录进行分类，分别得到历史就诊记录中的各筛选因子的子关键词{fuj,fvj,fqj}；fuj表示病因筛选因子对应的第j个子关键词，fvj表示病症筛选因子对应的第j个子关键词，fqj表示病史筛选因子对应的第j个子关键词；将筛选因子的子关键词与先天筛选模型和后天筛选模型进行分别匹配，得到第一匹配结果h：其中d表示筛选因子对应子关键词的总个数；g(fuj)表示病因筛选因子对应第j个子关键词与第一筛选模型和第二筛选模型匹配度的最大值，并标记筛选模型；g(fvj)表示病症筛选因子对应j个子关键词与第一筛选模型和第二筛选模型匹配度的最大值，g(fqj)表示病史筛选因子对应j个子关键词与第一筛选模型和第二筛选模型匹配度的最大值；α、β、γ分别对应病因筛选因子、病症筛选因子和病史筛选因子的参考系数，α+β+γ=1，且α、β和γ的大小对应筛选因子优先级的顺序。
[0009]
进一步的，步骤s4包括以下步骤：获取患者当前就诊信息的筛选因子对应的关键词集，并匹配患者历史就诊记录中相似度大于阈值的关键词集对应的就诊信息为关键就诊信息，提取关键就诊信息对应的匹配度g，匹配度g为关键就诊信息筛选因子中所有子关键词匹配度之和；利用公式：计算当前就诊信息的匹配关联度y，其中g0表示筛选因子对应子关键词与第一筛选模型和第二筛选模型的平均匹配度；分析当前就诊的情况是为了判断当前就诊是否与历史就诊存在关联，因为当历史就诊中与当前就诊情况存在关联时且对应的筛选模型的匹配度也很高，这种情况下表示筛选模型对应的病情存在势态增强的可能，增加了对慢性疾病分析的数据有效性和针对性；并建立综合评估指数d=r*h+(e/e0)*y，其中r为第一匹配结果的参考系数，0＜r＜1；e表示患者当前就诊信息中相似度大于阈值的关键词集对应的就诊记录的个数，e0表示患者历史就诊记录与当前就诊记录的总个数；
设置综合评估指数阈值d0，当d＜d0时，保留第一诊断结果；当d≥d0时，对患者在得到第一诊断结果前进行预警，并根据标记得到筛选模型类型，提示诊断方向为筛选模型方向，输出第二诊断结果。
[0010]
一种基于大户数据的慢病患者健康状态监测系统，包括数据库获取模块、筛选模型建立模块、诊断结果确定模块、数据库更新模块、筛选模型匹配模块和综合评估指数分析模块；数据库获取模块用于获取患者登录医疗平台进行挂号后记录的就诊信息，并将数据库分为医疗大数据库和目标数据库，目标数据库为提取医疗大数据库中已经确诊慢病患者的病情相关数据，病情相关数据包括慢病患者的病因、病症和病史；筛选模型建立模块用于建立目标数据库中的筛选模型；诊断结果确定模块用于记录患者就诊后的诊断结果并根据诊断结果选择存储；数据库更新模块用于根据诊断结果确定模块以更新数据库；筛选模型匹配模块用于匹配患者历史就诊信息与目标数据库并确定匹配结果；综合评估指数分析模块用于综合第一匹配结果和患者当前的就诊信息得到综合评估指数。
[0011]
进一步的，筛选模型建立模块包括筛选因子选取单元、游离比例计算单元、游离比例比较单元、筛选因子优先级构建单元和筛选模型构建单元；筛选因子选取单元用于选取医疗大数据库和目标数据库中的筛选因子；游离比例计算单元用于根据筛选因子对应的游离集计算游离比例；游离比例比较单元用于比较常规游离比例和目标游离比例的重叠度；筛选因子优先级构建单元根据游离比例比较单元构建筛选因子优先级；筛选模型构建单元根据筛选因子的优先级对目标数据库进行筛选，构建第一筛选模型和第二筛选模型。
[0012]
进一步的，筛选模型构建单元包括关键词提取单元、相似度比较单元和筛选模型分类单元；关键词提取单元用于遍历目标数据库中的患者就诊信息并提取关键词集中的关键词；相似度比较单元用于依次以第一优先级的筛选因子、第二优先级的筛选因子和第三优先级的筛选因子的筛选出的关键词进行相似度比较；筛选模型分类单元用于构建对应不同优先级筛选因子的筛选模型。
[0013]
进一步的，筛选模型匹配模块包括匹配度获取单元和第一匹配结果计算单元；匹配度获取单元用于获取患者的历史就诊记录，并依据筛选因子的优先级对历史就诊记录进行分类，分别得到历史就诊记录中的各筛选因子的子关键词与第一筛选模型和第二筛选模型匹配度的最大值；第一匹配结果计算单元用于根据匹配度计算第一匹配结果。
[0014]
进一步的，综合评估指数分析模块包括匹配关联度计算单元、综合评估指数计算单元和结果预警单元；匹配关联度计算单元用于根据患者当前就诊信息和匹配度计算匹配关联度；综合评估指数计算单元用于根据匹配关联度和第一匹配结果计算综合评估指数；
结果预警单元用于设置综合评估指数阈值，并根据比较结果判断是否保留第一诊断结果；若不保留，结果预警单元进行预警，并根据标记得到筛选模型类型，提示诊断方向为筛选模型方向，输出第二诊断结果。
[0015]
与现有技术相比，本发明所达到的有益效果是：本发明通过对患者在日常就诊过程中记录的就诊信息分析，建立慢性疾病相关的目标数据库，并分析慢性疾病与普通疾病在病症、病因和病史上的区别建立筛选因子的优先级，从而提高了慢性疾病因素的筛选效率且使得筛选更加具有针对性，同时建立慢性疾病的筛选模型，使得系统分析患者过往就诊信息更具方向性；本发明结合患者就诊时的情况，根据系统分析对患者存在潜在慢性疾病的风险进行评估，增加了医护人员的工作效率，同时也减少了医护人员对非当前就诊信息判断的资源劳动力。
附图说明
[0016]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：图1是本发明一种基于大数据的慢病患者健康状态数据监测系统的结构示意图。
具体实施方式
[0017]
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，都属于本发明保护的范围。
[0018]
请参阅图1，本发明提供技术方案：一种基于大数据的慢病患者健康状态数据监测方法，包括以下步骤：步骤s1：获取患者登录医疗平台进行挂号后记录的就诊信息，并将患者相关的就诊信息存储于医疗大数据库中；提取医疗大数据库中已经确诊慢病患者的病情相关数据作为目标数据库，病情相关数据包括慢病患者的病因、病症和病史，并根据目标数据库建立筛选模型；步骤s2：基于目标数据库和患者当前的就诊信息，输出患者的诊断结果为第一诊断结果，若第一诊断结果属于慢性疾病，则判断患者的诊断结果是否与目标数据库存在交集，若存在交集，不进行数据的存储；若不存在交集，则存储该患者的就诊信息于目标数据库中，更新目标数据库；步骤s3：若第一诊断结果不属于慢性疾病，提取患者存储于医疗大数据库中的病史数据，病史数据是指患者在第一诊断结果得出前的所有历史就诊记录，并将历史就诊记录与目标数据库的筛选模型进行匹配，得到第一匹配结果；步骤s4：基于第一匹配结果和患者当前的就诊信息，综合分析患者针对慢病健康状态的综合评估指数，根据综合评估指数对患者在得到第一诊断结果前进行预警，提示诊断方向，输出预警提示后的诊断结果为第二诊断结果，并将第二诊断结果存储于目标数据库中。
[0019]
步骤s1中根据目标数据库建立筛选模型，包括以下步骤：
提取医疗大数据库中的病因作为第一常规筛选因子u1，提取医疗大数据库中的病症作为第二常规筛选因子v1，提取医疗大数据库中的病史作为第三常规筛选因子q1；获取目标数据库中的病因作为第一目标筛选因子u2，提取目标数据库中的病症作为第二目标筛选因子v2，提取目标数据库中的病史作为第三常目标选因子q2；建立医疗大数据库中的常规筛选因子游离集{u1,v1,q1}，利用公式：计算常规筛选因子游离集{u1,v1,q1}在对医疗大数据库进行筛选后的对应常规游离比例{wu1,wv1,wq1}；其中{max[u1],max[v1],max[q1]}分别为第一常规筛选因子u1、第二常规筛选因子v1和第三常规筛选因子q1筛选出医疗大数据库中相同病情数据对应患者个数的最大值；m为医疗大数据库中患者就诊信息的总数值；建立目标数据库中的目标筛选因子游离集{u2,v2,q2}，并提取目标筛选因子游离集{u2,v2,q2}在对目标数据库进行筛选后的对应目标游离比例{gu2,gv2,gq2}，目标游离比例的计算方式同上述常规游离比例的计算方式；如：{gu2,gv2,gq2}={max[u2]/n,max[v2]/n,max[q2]/n}，n为目标数据库中患者就诊信息的总数值；{max[u2],max[v2],max[q2]}分别为第一目标筛选因子u2、第二目标筛选因子v2和第三目标筛选因子q2筛选出目标数据库中相同病症数据对应患者个数的最大值；依次比较常规游离比例{wu1,wv1,wq1}和目标游离比例{gu2,gv2,gq2}中对应患者的重叠度r(u,v,q)，重叠度r(u,v,q)=m0(u,v,q)/max{[u1,u2],[v1,v2],[q1,q2]}，其中m0(u,v,q)表示医疗大数据库和目标数据库中相同病情数据对应患者的重复个数，相同病情数据包括相同病因、病症和病史；max{[u1,u2],[v1,v2],[q1,q2]}表示在针对相同病情数据对应的医疗大数据库中对应患者的总数和目标数据库中对应患者总数的最大值；如计算病因重叠度r(u)=m0(u)/max{[u1,u2]，病症重叠度r(v)=m0(v)/max{[v1,v2]；设置重叠度阈值，当重叠度大于等于重叠度阈值时，保留对应的常规游离比例和目标游离比例，当重叠度小于重叠度阈值时，设置对应因子的游离比例与最小值的游离比例保持一致，构成新的常规游离比例{wu1',wv1',wq1'}和新的目标游离比例{gu2',gv2',gq2'}；利用公式构建筛选因子优先级：其中t为筛选因子优先级矩阵，比较矩阵t中数值的大小，进行由大到小的排序且对应生成筛选因子的优先级；例如：，，则，将5/8、5/12和1/2进行由大到小的排序，5/8＞1/2＞5/12，则对应筛选因子的优先级为病因＞病史＞病症。
[0020]
根据筛选因子的优先级对目标数据库进行筛选，构建第一筛选模型和第二筛选模型。
[0021]
将医疗大数据库和单独提出的目标数据库进行分析，并确定筛选因子的优先级，是为了分析在慢病患者记录的就诊数据中，哪种特征是与大数据库中存在重合率较高的，重合率高说明慢性病的这种特征隐秘性强不易被发现，所以要将这种特征作为筛查因子的第一优先级，防止漏差，且根据分析得到的优先级进行筛选，提高目标数据筛选的精确度以及筛选的效率。
[0022]
根据筛选因子的优先级对目标数据库进行筛选，构建第一筛选模型和第二筛选模型，包括以下具体步骤：以第一优先级的筛选因子对应目标数据库中的患者就诊信息为初始靶点，提取初始靶点中的关键词信息作为第一关键词集，遍历第一关键词集中各关键词的相似度，获取相似度小于第一相似度阈值时对应的关键词对{关键词a1
→
关键词b1}，提取关键词对{关键词a1
→
关键词b1}中第二优先级的筛选因子对应的关键词信息作为第二关键词集，遍历第二关键词集中各关键词的相似度，获取相似度小于第二相似度阈值时对应的关键词对{关键词a2
→
关键词b2}；提取关键词对{关键词a2
→
关键词b2}中第三优先级的筛选因子对应的关键词信息作为第三关键词集，遍历第三关键词集中各关键词的相似度，获取相似度小于第三相似度阈值时对应的关键词对{关键词a3
→
关键词b3}；以第一筛选模型和第二筛选模型的信息区别为依据，构建以{关键词a1
→
关键词关键词a2
→
关键词a3}和{关键词b1
→
关键词b2
→
关键词b3}的第一筛选模型和第二筛选模型。
[0023]
如在慢性疾病中，可以分类为先天性慢性疾病和后天性慢性疾病，则对应第一筛选模型和第二筛选模型的信息区别就是先天性慢性疾病和后天性慢性疾病的区别。
[0024]
将历史就诊记录与目标数据库的筛选模型进行匹配，得到第一匹配结果，包括以下具体步骤：获取患者的历史就诊记录，并依据筛选因子的优先级对历史就诊记录进行分类，分别得到历史就诊记录中的各筛选因子的子关键词{fuj,fvj,fqj}；fuj表示病因筛选因子对应的第j个子关键词，fvj表示病症筛选因子对应的第j个子关键词，fqj表示病史筛选因子对应的第j个子关键词；将筛选因子的子关键词与先天筛选模型和后天筛选模型进行分别匹配，得到第一匹配结果h：其中d表示筛选因子对应子关键词的总个数；g(fuj)表示病因筛选因子对应第j个子关键词与第一筛选模型和第二筛选模型匹配度的最大值，并标记筛选模型；g(fvj)表示病症筛选因子对应j个子关键词与第一筛选模型和第二筛选模型匹配度的最大值，g(fqj)表示病史筛选因子对应j个子关键词与第一筛选模型和第二筛选模型匹配度的最大值；α、β、γ分别对应病因筛选因子、病症筛选因子和病史筛选因子的参考系数，α+β+γ=1，且α、β和γ的大小对应筛选因子优先级的顺序。
[0025]
如筛选因子优先级中：v＞u＞q，则α、β、γ对应的大小为β＞α＞γ。
[0026]
步骤s4包括以下步骤：获取患者当前就诊信息的筛选因子对应的关键词集，并匹配患者历史就诊记录中相似度大于阈值的关键词集对应的就诊信息为关键就诊信息，提取关键就诊信息对应的匹配度g，匹配度g为关键就诊信息筛选因子中所有子关键词匹配度之和；利用公式：计算当前就诊信息的匹配关联度y，其中g0表示筛选因子对应子关键词与第一筛选模型和第二筛选模型的平均匹配度；分析当前就诊的情况是为了判断当前就诊是否与历史就诊存在关联，因为当历史就诊中与当前就诊情况存在关联时且对应的筛选模型的匹配度也很高，这种情况下表示筛选模型对应的病情存在势态增强的可能，增加了对慢性疾病分析的数据有效性和针对性；并建立综合评估指数d=r*h+(e/e0)*y，其中r为第一匹配结果的参考系数，0＜r＜1；e表示患者当前就诊信息中相似度大于阈值的关键词集对应的就诊记录的个数，e0表示患者历史就诊记录与当前就诊记录的总个数；设置综合评估指数阈值d0，当d＜d0时，保留第一诊断结果；当d≥d0时，对患者在得到第一诊断结果前进行预警，并根据标记得到筛选模型类型，提示诊断方向为筛选模型方向，输出第二诊断结果。
[0027]
一种基于大户数据的慢病患者健康状态监测系统，包括数据库获取模块、筛选模型建立模块、诊断结果确定模块、数据库更新模块、筛选模型匹配模块和综合评估指数分析模块；数据库获取模块用于获取患者登录医疗平台进行挂号后记录的就诊信息，并将数据库分为医疗大数据库和目标数据库，目标数据库为提取医疗大数据库中已经确诊慢病患者的病情相关数据，病情相关数据包括慢病患者的病因、病症和病史；筛选模型建立模块用于建立目标数据库中的筛选模型；诊断结果确定模块用于记录患者就诊后的诊断结果并根据诊断结果选择存储；数据库更新模块用于根据诊断结果确定模块以更新数据库；筛选模型匹配模块用于匹配患者历史就诊信息与目标数据库并确定匹配结果；综合评估指数分析模块用于综合第一匹配结果和患者当前的就诊信息得到综合评估指数。
[0028]
筛选模型建立模块包括筛选因子选取单元、游离比例计算单元、游离比例比较单元、筛选因子优先级构建单元和筛选模型构建单元；筛选因子选取单元用于选取医疗大数据库和目标数据库中的筛选因子；游离比例计算单元用于根据筛选因子对应的游离集计算游离比例；游离比例比较单元用于比较常规游离比例和目标游离比例的重叠度；筛选因子优先级构建单元根据游离比例比较单元构建筛选因子优先级；筛选模型构建单元根据筛选因子的优先级对目标数据库进行筛选，构建第一筛选模型和第二筛选模型。
[0029]
筛选模型构建单元包括关键词提取单元、相似度比较单元和筛选模型分类单元；
关键词提取单元用于遍历目标数据库中的患者就诊信息并提取关键词集中的关键词；相似度比较单元用于依次以第一优先级的筛选因子、第二优先级的筛选因子和第三优先级的筛选因子的筛选出的关键词进行相似度比较；筛选模型分类单元用于构建对应不同优先级筛选因子的筛选模型。
[0030]
筛选模型匹配模块包括匹配度获取单元和第一匹配结果计算单元；匹配度获取单元用于获取患者的历史就诊记录，并依据筛选因子的优先级对历史就诊记录进行分类，分别得到历史就诊记录中的各筛选因子的子关键词与第一筛选模型和第二筛选模型匹配度的最大值；第一匹配结果计算单元用于根据匹配度计算第一匹配结果。
[0031]
综合评估指数分析模块包括匹配关联度计算单元、综合评估指数计算单元和结果预警单元；匹配关联度计算单元用于根据患者当前就诊信息和匹配度计算匹配关联度；综合评估指数计算单元用于根据匹配关联度和第一匹配结果计算综合评估指数；结果预警单元用于设置综合评估指数阈值，并根据比较结果判断是否保留第一诊断结果；若不保留，结果预警单元进行预警，并根据标记得到筛选模型类型，提示诊断方向为筛选模型方向，输出第二诊断结果。
[0032]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。
[0033]
最后应说明的是：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，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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。