本发明属于医疗健康服务数据处理,具体是基于人工智能的医疗健康服务数据处理分析系统。
背景技术:
1、随着科技的快速发展,传统的医疗检测方式,如生理信息监测,已经广泛普及,使得用户能够实时获取自己的心率、血压、血糖等生理参数。然而,尽管这些检测技术日益成熟,但用户往往只能获得简单的数值展示,而无法深入理解这些数据背后的健康含义或潜在风险;而对于具有智能分析功能的设备,如智能穿戴设备等,往往因为价格、精准度等而不被一些用户接受,上述用户一般会购买单一功能的血压、体温、心率等检测设备进行检测,导致其仅能通过自身经验进行判断,具有极大的不确定性;基于此,为了解决上述问题,本发明提供了基于人工智能的医疗健康服务数据处理分析系统。
技术实现思路
1、为了解决上述方案存在的问题,本发明提供了基于人工智能的医疗健康服务数据处理分析系统。
2、本发明的目的可以通过以下技术方案实现:
3、基于人工智能的医疗健康服务数据处理分析系统,包括用户模块、用户分析模块和监测分析模块;
4、所述用户模块用于用户上传相应的生理数据,并储存用户的疾病记录数据。
5、所述用户分析模块用于对用户的疾病记录数据进行分析,确定用户范围;根据用户范围进行合并分类,获得各状态分类,并标记各状态分类对应的匹配范围;为各状态分类设置对应的状态标准和调整模型;建立状态匹配库,将各状态分类以及各状态分类对应的状态标准和匹配范围储存到状态匹配库中;获取用户的疾病记录数据,将疾病记录数据输入到状态匹配库中进行匹配,确定用户的状态分类,识别状态分类对应的状态标准;获取用户的生理数据以及对应的检测设备信息;通过调整模型进行分析,获得对应的监测优化数据。
6、进一步地,根据用户范围进行合并分类的方法包括:
7、设置疾病分类图,通过疾病分类图对用户范围进行分割,获得各单元类;各单元类打上相应的疾病标签,根据各单元类对应的疾病标签设置若干个合并集合;
8、为各合并集合设置相应的测试集,通过测试集对合并集合内的各单元类进行合并分析,获得各状态分类。
9、进一步地,通过测试集对合并集合内的各单元类进行合并分析的方法包括:
10、步骤sa1:从测试集中选择若干个测试数据对各单元类进行测试,获得各单元类对应的测试结果;
11、步骤sa2:计算各单元类之间测试结果的差异值,根据差异值判断是否满足合并要求;
12、当判定不满足合并要求时,将相应的单元类归类到不同的初始分类中;
13、当判定满足合并要求时,将相应的单元类归类到同一初始分类中;
14、依此类推,直到各单元类全部分配到相应的初始分类中;
15、步骤sa3:从测试集中选择若干个新的测试数据对各初始分类内的各单元类进行测试,判断各单元类是否满足合并要求;
16、当判定不满足合并要求时,将相应不符合合并要求的单元类归类到新的初始分类中;
17、当判定满足合并要求时,不进行相应操作;
18、依此类推,直到各初始分类内各单元类之间均满足合并要求为止;
19、步骤sa4:循环步骤sa3,直到训练集全部测试完成为止,将各初始分类标记为状态分类。
20、进一步地,差异值的计算方法包括:
21、将两个单元类分别假定为a和b,获取单元类a和单元类b对应的测试结果,根据测试结果设置对应的差异项,根据各差异项对两个测试结果进行调整,获得单元类a和单元类b分别对应的差异分析数据;
22、将差异分析数据中各差异项数据分别标记为cyai和cybi,i表示相应的差异项,i=1、2、……、n,n为正整数;
23、根据公式计算各差异项的单一值;
24、式中:dyi为单一值;ψ为预设代表值;
25、根据公式计算对应的差异值;式中:ph为差异值。
26、所述监测分析模块用于对用户进行身体状态评估,获取用户的监测优化数据以及对应的状态标准;根据监测优化数据和状态标准对用户进行身体状态评估,获得对应的评估结果,将评估结果发送给用户模块。
27、进一步地,根据监测优化数据和状态标准对用户进行身体状态评估的方法包括:
28、识别监测优化数据中的各监测项数据,将监测项数据标记为gtj,j=1、2、……、m,m为正整数;识别状态标准中各标准项数据,将标准项数据标记为bgj;
29、根据公式计算对应的身体评估值;
30、式中:gpr为身体评估值;βj为比例系数,取值范围为0<βj≤1;px(*)为自定义函数,*为自定义函数的输入数据;
31、当身体评估值大于阈值x1时,评估状态异常;
32、当身体评估值不大于阈值x1时,评估状态正常。
33、进一步地,自定义函数的表达式为:
34、
35、进一步地,还包括用药监测模块,所述用药监测模块用于对用户的用药进行监测,建立平台素材库,所述平台素材库用于储存各备选目标、待选药品、影响采集项和服药判断标准;
36、确定监测目标和对应的用药信息,根据监测目标对应的用药信息从平台素材库匹配对应的影响采集项和服药判断标准;
37、根据影响采集项数据采集对应的服药状态监测数据;根据服药状态监测数据生成对应的服药状态监测曲线;
38、根据服药判断标准建立服药判断模型,通过服药判断模型对服药状态监测曲线进行实时分析,获得对应的服药判断值;
39、当在预设时间内没有获得等于1的服药判断值时,进行相应的预警提示。
40、进一步地,服药判断模型的表达式为:
41、
42、式中:s为服药状态监测曲线,输出数据为服药判断值1或0。
43、与现有技术相比,本发明的有益效果是:
44、通过用户模块、用户分析模块和监测分析模块之间的相互配合,实现对用户生理数据的智能分析,解决用户难以基于自身经验精准的对生理数据进行分析的问题;通过设置用药监测模块,实现辅助用户的监测人员对用户的服药情况进行监测,督促用户按时服药。
1.基于人工智能的医疗健康服务数据处理分析系统,其特征在于,包括用户模块、用户分析模块和监测分析模块;
2.根据权利要求1所述的基于人工智能的医疗健康服务数据处理分析系统,其特征在于,根据用户范围进行合并分类的方法包括:
3.根据权利要求2所述的基于人工智能的医疗健康服务数据处理分析系统,其特征在于,通过测试集对合并集合内的各单元类进行合并分析的方法包括:
4.根据权利要求3所述的基于人工智能的医疗健康服务数据处理分析系统,其特征在于,差异值的计算方法包括:
5.根据权利要求1所述的基于人工智能的医疗健康服务数据处理分析系统,其特征在于,根据监测优化数据和状态标准对用户进行身体状态评估的方法包括:
6.根据权利要求5所述的基于人工智能的医疗健康服务数据处理分析系统,其特征在于,自定义函数的表达式为:
7.根据权利要求1所述的基于人工智能的医疗健康服务数据处理分析系统,其特征在于,还包括用药监测模块,所述用药监测模块用于对用户的用药进行监测,建立平台素材库,所述平台素材库用于储存各备选目标、待选药品、影响采集项和服药判断标准;
8.根据权利要求7所述的基于人工智能的医疗健康服务数据处理分析系统,其特征在于,服药判断模型的表达式为: