CN111885181A - 监控数据上报方法、装置、计算机设备及存储介质 - Google Patents
监控数据上报方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111885181A CN111885181A CN202010738668.1A CN202010738668A CN111885181A CN 111885181 A CN111885181 A CN 111885181A CN 202010738668 A CN202010738668 A CN 202010738668A CN 111885181 A CN111885181 A CN 111885181A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- preset
- information
- characteristic information
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及人工智能技术领域,应用于智慧医疗领域中,以便推动智慧城市的建设,揭露了一种监控数据上报方法、装置、计算机设备及存储介质。该方法通过在对与待监控对象对应的各监控群体进行时空检测之后,获取的至少一个目标观测值大于或等于与其对应的预设目标估计值时,将第一监控特征信息***与监控群体对应的信息列表中;自预设的监测数据库中调取与***后的信息列表中的各监控特征对应的时空监测***;通过时空监测***确定第一监控特征信息中存在预设特征信息,对待监控对象进行调查检测得到调查检测结果为第一结果时,将第一监控特征信息与第一结果关联并上报至预设接收方。本发明解决信息监控部门对于信息的监控无法达到预设目标的问题。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种监控数据上报方法、装置、计算机设备及存储介质。
背景技术
随着科学技术的发展,对于信息监控的需求越来越高。比如,在医疗行业中,医疗行为质量监控是规范医疗行为的有效手段之一,目前,自动化进行医疗行为质量监控已被普遍使用,例如病情数据上报***、传染病直报***等。但在现有技术中,信息监控部门对于信息的监控往往无法达到预设目标,比如,对于传染病的病情上报***来说,常由医疗机构直接上报国家疾控中心,由国家进行统一的疫情爆发监测。但是这样的机制存在不足之处:首先,对于一些确诊周期长的疾病,在疾病确诊之前可能由于疾病的传染性导致出现了局部区域症状暴发,因此不利于在疾病暴发早期控制疾病的传播;其次,病情上报***中存储的是已知的疾病数据,对于新的疾病无法快速确诊上报。
发明内容
本发明实施例提供一种监控数据上报方法、装置、计算机设备及存储介质,以解决信息监控部门对于信息的监控往往无法达到预设目标的问题。
一种监控数据上报方法,包括:
获取待监控对象的第一监控特征信息,并将所述第一监控特征信息输入至预设的数据监测***,从所述预设的数据监测***中抽取与所述第一监控特征信息对应的所有监控群体;所述第一监控特征信息中包含至少一个监控特征,一个所述监控特征对应一个所述监控群体;
在对各所述监控群体进行时空检测之后,获取与各所述监控群体分别对应的目标观测值;
若至少一个所述目标观测值大于或等于与该目标观测值对应的预设目标估计值,则根据预设的特征***规则将所述第一监控特征信息***与所述监控群体对应的信息列表中;
自预设的监测数据库中调取与***所述信息列表中的所述第一监控特征信息中的各监控特征分别对应的时空监测***;
通过调取的所述时空监测***确定所述第一监控特征信息中存在预设特征信息之后,对所述待监控对象进行调查检测,得到调查检测结果;所述预设特征信息为处于预设预警状态的所述检测特征信息;
在所述调查检测结果为第一结果时,将所述第一监控特征信息与所述第一结果关联并上报至预设接收方。
一种监控数据上报装置,其特征在于,包括:
第一监控特征信息获取模块,用于获取待监控对象的第一监控特征信息,并将所述第一监控特征信息输入至预设的数据监测***,从所述预设的数据监测***中抽取与所述第一监控特征信息对应的所有监控群体;所述第一监控特征信息中包含至少一个监控特征,一个所述监控特征对应一个所述监控群体;
目标观测值获取模块,用于在对各所述监控群体进行时空检测之后,获取与各所述监控群体分别对应的目标观测值;
信息***模块,用于在至少一个所述目标观测值大于或等于与该目标观测值对应的预设目标估计值,则根据预设的特征***规则将所述第一监控特征信息***与所述监控群体对应的信息列表中;
时空监测***调取模块,用于自预设的监测数据库中调取与***所述信息列表中的所述第一监控特征信息中的各监控特征分别对应的时空监测***;
调查检测模块,用于通过调取的所述时空监测***确定所述第一监控特征信息中存在预设特征信息之后,对所述待监控对象进行调查检测,得到调查检测结果;所述预设特征信息为处于预设预警状态的所述特征信息;
数据上报模块,用于在所述调查检测结果为第一结果时,将所述第一监控特征信息与所述第一结果关联并上报至预设接收方。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述监控数据上报方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述监控数据上报方法。
上述监控数据上报方法、装置、计算机设备及存储介质,通过基于时空检测的方法获取目标观测值,确定该目标观测值是否超过历史同期水平数据,也即通过目标观测值与历史同期水平数据进行比较,从时空检测中的时间维度以及空间维度,确定该监控群体是否存在空间聚集现象或者时间范围内的骤增,进而认定当前第一监控特征信息中超过历史同期水平的监控特征出现了异常状况,进而对该待监控对象进行调查检测,以在检测完毕之后,将待监控对象的第一监控特征信息与调查结果关联上报至预设接收方,进而使得接收方快速了解在局部区域范围和预设时间内,出现某一信息数据的异常,进而可以提前控制异常状况,在避免该异常状况持续发生的同时,确保提前推出应对方案,使得对各待监控对象的信息监控达到预设目标。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中监控数据上报方法的一应用环境示意图;
图2是本发明一实施例中监控数据上报方法的一流程图;
图3是本发明一实施例中监控数据上报方法中步骤S12的一流程图;
图4是本发明一实施例中监控数据上报方法的另一流程图;
图5是本发明一实施例中监控数据上报装置的一原理框图;
图6是本发明一实施例中监控数据上报装置中目标观测值获取模块的一原理框图;
图7是本发明一实施例中监控数据上报装置的另一原理框图;
图8是本发明一实施例中计算机设备的一示意图。
具体实施方式
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他实施例,都属于本发明保护的范围。
本发明实施例提供的监控数据上报方法,该监控数据上报方法可应用如图1所示的应用环境中。具体地,该监控数据上报方法应用在数据上报***中,该数据上报***包括如图1所示的客户端和服务器,客户端与服务器通过网络进行通信,用于解决信息监控部门对于信息的监控往往无法达到预设目标的问题。其中,客户端又称为用户端,是指与服务器相对应,为客户提供本地服务的程序。客户端可安装在但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备上。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中,如图2所示,提供一种监控数据上报方法,以该方法应用在图1中的服务器为例进行说明,包括如下步骤:
S11:获取待监控对象的第一监控特征信息,并将所述第一监控特征信息输入至预设的数据监测***,从所述预设的数据监测***中抽取与所述第一监控特征信息对应的所有监控群体;所述第一监控特征信息中包含至少一个监控特征,一个所述监控特征对应一个所述监控群体。
其中,待监控对象可以根据应用场景设定为不同的对象。比如,在待监控对象为患者时,该第一监控特征信息可以包括但不限于待监控对象的基本信息(如性别、年龄等)、疾病史、用药史、症状主诉或者检验检查信息等;又比如,在待监控对象为***访问者时,该第一监控特征信息可以为用户信息(如ID,手机号等)、下载数据、需求提交数据或者购买数据等。预设的数据监测***可以为CDSS***(Clinical Decision Support System,临床辅助决策***),该预设的数据监测***中包含多组检测群体。监控群体为与第一监控特征信息对应的群体,第一监控特征信息中一个监控特征对应一个监控群体,示例性地,假若第一监控特征信息中的一个监控特征为感冒和发热,则对应的监控群体可以为流感检测群体;假设第一监控特征信息中的一个监控特征为音乐,则对应的监控群体可以为音乐人或者歌手。
S12:在对各所述监控群体进行时空检测之后,获取与各所述监控群体分别对应的目标观测值。
其中,时空检测指的是对监控群体进行基于时间(如一段时间内)以及空间(如与待监控对象相近或者关联的区域)的检测。目标观测值指的是对监控群体进行时空检测后,该监控群体中触发变化的值(如监控群体在时间和/或空间上特征发生变化的值)。
具体地,在获取待监控对象的第一监控特征信息,并将所述第一监控特征信息输入至预设的数据监测***,从所述预设的数据监测***中抽取与所述第一监控特征信息对应的所有监控群体之后,对各监控群体进行时间检测以及空间检测,以观测每一监控群体在预设时间以及预设空间内的变化值,也即与每一监控群体对应的目标观测值。示例性地,如上述实施例中提到的流感检测群体的目标观测值;或者音乐人检测群体的目标观测值。
S13:若至少一个所述目标观测值大于或等于与该目标观测值对应的预设目标估计值,则根据预设的特征***规则将所述第一监控特征信息***与所述监控群体对应的信息列表中。
其中,预设目标估计值是根据与监控群体对应的历史数据值来确定的,示例性地,在与上述时空检测对应的时间段以及空间内,监控群体历史发生变化的值可以作为预设目标估计值。预设的特征***规则可以为随机***。信息列表指的是由历史检测数据构成的信息列表,示例性地,该信息列表可以为包含已知传染病的信息列表。
具体地,具体地,在对各所述监控群体进行时空检测之后,获取与各所述监控群体分别对应的目标观测值之后,对每一目标观测值与该目标观测值对应的预设目标估计值进行比较,若存在目标观测值大于或等于与其对应的预设目标观测值,则认为出现了与该目标观测值对应的监控群体的数据发生异常(如疾病暴发、导致***崩溃的骤增访问量等),则根据预设的特征***规则,将第一监控特征信息***与监控群体对应的信息列表中,也即考虑到虽然样本检测群体是与第二监控特征信息相对应的,但是对于一个突然发生异常的数据来说,可能为新的一类检测群体,故应该将第二监控特征信息加入已知的信息列表中,以对该***后的信息列表进行校验。
S14:自预设的监测数据库中调取与***所述信息列表中的所述第一监控特征信息中的各监控特征分别对应的时空监测***。
其中,时空监测***指的是对各监控特征进行实时监控的***,可以理解地,如监控特征为流感特征时,对应的时空监测***会对流感人群进行监测,期间流感人群可能增多,也可能减少。
具体地,在根据预设的特征***规则将所述第一监控特征信息***与所述监控群体对应的信息列表中之后,自预设的监测数据库中调取与***所述信息列表中的所述第一监控特征信息中的各监控特征分别对应的时空监测***,以通过各时空监测***确定第一监控特征信息中是否存在处于预设预警状态的特征信息,也即处于预设预警状态的监控特征对应的信息。
S15:通过调取的所述时空监测***确定所述第一监控特征信息中存在预设特征信息之后,对所述待监控对象进行调查检测,得到调查检测结果;所述预设特征信息为处于预设预警状态的所述特征信息。
其中,调查检测结果指的是对待监控对象进行如流行病学调查或者访问数据调查之后得到的结果。预设预警状态可以指的是第一监控特征信息中处于暴发或者疫情期间的监控特征对应的状态,预设预警状态还可以指的是第一监控特征信息中处于访问量骤增的监控特征对应的状态。
具体地,在自预设的监测数据库中调取与***所述信息列表中的所述第一监控特征信息中的各监控特征分别对应的时空监测***之后,通过调取的所述时空监测***确定所述第一监控特征信息中存在预设特征信息之后,对所述所述待监控对象进行调查检测,得到调查检测结果。示例性地,假设第一监控特征信息中的一个监控特征为流感特征,调取流感特征对应的时空监测***为流感监测***,该流感监测***实时监测内确定流感症状处于暴发期(也即流感人群逐渐增多且增长速度很快),也即确定第一监控特征信息中存在预设特征信息,对待监控对象进行流感病状检测,得到调查检测结果。
S16:在所述调查检测结果为第一结果时,将所述第一监控特征信息与所述第一结果关联并上报至预设接收方。
其中,第一结果指的是确定第一监控特征信息中为预设特征信息的监控特征为真实的结果。预设接收方可以为存储各类监控特征的数据库,也可以为上述实施例中的预设的监测数据库。
具体地,在通过调取的所述时空监测***确定所述第一监控特征信息中存在预设特征信息之后,对所述待监控对象进行调查检测,得到调查检测结果之后,若判定该第一监控特征信息中为预设特征信息的监控特征为真实的,则将第一监控特征信息与第一结果关联并上报至预设接收方。示例性地,假设对待监控对象进行流感病状检测之后,判定该待监控对象确实为流感病例,或者该待监控对象存在与流感病例相关联的新的病例,则将第一监控特征信息与第一结果关联上报至预设接收方。
进一步地,在获取到待监控对象的第一监控特征信息之后,可以根据预设的数据监测***中的信息填写模板,自动从第一监控特征信息中抽取出需要上传的信息,并将该需要上传的信息自动填入信息填写模板中相对应的位置,从而减少人工上报手动填写数据的繁琐。
在本实施例中,通过基于时空检测的方法,确定是否存在超过历史同期水平的监控群体,以通过时间维度以及空间维度,确定该监控群体是否存在空间聚集现象或者时间范围内的骤增,进而认定当前第一监控特征信息中超过历史同期水平的监控特征出现了异常状况,进而对该待监控对象进行调查检测,以在检测完毕之后,将待监控对象的第一监控特征信息与调查结果关联上报至预设接收方,进而使得接收方快速了解在局部区域范围和预设时间内,出现某一信息数据的异常,进而可以提前控制异常状况,在避免该异常状况持续发生的同时,确保提前推出应对方案,使得对各待监控对象的信息监控达到预设目标。
在另一具体实施例中,为了保证上述实施例中的第一监控特征信息的私密以及安全性,可以将第一监控特征信息存储在区块链中。其中,区块链(Blockchain),是由区块(Block)形成的加密的、链式的交易的存储结构。
例如,每个区块的头部既可以包括区块中所有交易的哈希值,同时也包含前一个区块中所有交易的哈希值,从而基于哈希值实现区块中交易的防篡改和防伪造;新产生的交易被填充到区块并经过区块链网络中节点的共识后,会被追加到区块链的尾部从而形成链式的增长。
在一实施例中,步骤S12之后,也即在获取与各所述监控群体对应的至少一个目标观测值之后,还包括
若所有所述目标观测值均小于与该目标观测值对应的所述预设目标估计值,则自所述预设的数据监测***获取与所述第一监控特征信息对应的常规推荐信息并推送至所述待监控对象。
其中,常规推荐信息指的是历史数据中,针对于第一监控特征信息中的监控特征常规给出的推荐信息。
具体地,在获取与各监控群体对应的至少一个目标观测值之后,若所有目标观测值均小于与该目标观测值对应的预设目标估计值,则从预设的数据监测***获取与第一监控特征信息对应的常规推荐信息并推送至待监控对象。
示例性地,假设第一监控特征信息中一个监控特征为咳嗽,对应的监控群体为呼吸道群体;在对呼吸道群体进行时空检测之后,该呼吸道群体在时空检测过程中的变化值(也即目标观测值)均小于预设目标估计值(也即该呼吸道群体的历史同期水平),则表征与历史同期水平比较该呼吸道群体的变化为正常现象,不需要启动防范预警,进而从预设的数据监测***中,获取历史数据中对呼吸道群体给出的对应的常规推荐信息,并将常规推荐信息推送至待监控对象。其中,将常规推荐信息推送至待监控对象的方法可以为:将常规推荐信息发送至与待监控对象关联的移动终端中。
在一实施例中,在根据预设的特征***规则将所述第一监控特征信息***与所述监控群体对应的信息列表中之后,还包括:
通过调取的所述时空监测***确定所述第一监控特征信息中不存在预设特征信息之后,自所述预设的数据监测***获取与所述第一监控特征信息对应的常规推荐信息并推送至所述待监控对象。
具体地,在根据预设的特征***规则将所述第一监控特征信息***与所述监控群体对应的信息列表中之后,通过调取的时空监测***确定第一监控特征信息中是否存在预设特征信息;在确定第一监控特征信息中不存在预设特征信息之后,表征第一监控特征信息的监控特征均没有处于预设预警状态,则从预设的数据监测***获取与第一监控特征信息对应的常规推荐信息,并将该常规推荐信息推送至待监控对象。
在一实施例中,如图3所示,步骤S12中,也即在对各所述监控群体进行时空检测之后,获取与各所述监控群体对应的至少一个目标观测值,包括如下步骤:
S121:获取第一监控特征信息的检测时间。
其中,检测时间可以为获取到第一监控特征信息的时间点,或者获取到第一监控特征信息当前所处的月份,亦或者是获取到第一监控特征信息当前所处的季节等。优选地,该检测时间为获取第一监控特征信息的具体时间点,以提高后续对第一监控特征信息对应的监控群体进行时间检测的准确性。
S122:根据检测时间以及预设的季节性预测方法,确定与监控群体对应的时间预测观测值。
其中,预设的季节性预测方法为季节自回归整合移动平均值方法,该方法整合了自回归预测(也即利用与监控群体对应的历史数据预测当前监控群体的时间观测值)以及移动平均值预测(也即利用与监控群体对应的历史数据残差预测当前监控群体的时间观测值)。时间预测观测值为对监控群体进行基于时间检测得到的。
具体地,在获取第一监控特征信息的检测时间之后,根据检测时间确定预设的季节性预测方法,确定与监控群体对应的时间预测观测值。进一步地,在R语言中存在一个SARIMA模型可表示为(e,d,q)(E,D,Q)m;其中,(e,d,q)表示为非季节相关部分,e表示非季节相关部分的自回归的阶数;d表示非季节相关部分的差分的阶数;q表示非季部分移动平均的阶数。(E,D,Q)m表示为季节相关部分,m=4(四个季节);E表示季节相关部分的自回归的阶数;D表示季节相关部分的差分的阶数;Q表示季节部分移动平均的阶数。该模型具体的表达式为:
其中,yt为t时刻所预测时间的发生数(在本实施例中指的是利用与监控群体对应的历史数据预测当前监控群体的时间观测值)。εt为t时刻估计的残差(也即对监控群体的预测数据与实际数据的差值)。B为一种操作符,可以返回上一步的值(如)。在该表达式中,为非季节相关部分的e阶自回归函数;(1-ω1Bm-…-ωPBmE)为季节数为m的E阶自回归函数;(1-B)d(1-Bm)Dyt表示对于原始的yt进行d阶差分后在以季节数为m进行D阶差分;(1+θ1B+…+θqBq)(1+σ1Bm+…+σQBmQ)εt表示考虑季节性q阶残差和季节数为m的Q阶残差预测当前监控群体的时间观测值。参数m表示季节数,一般为4;d和D可以根据用户需求进行设定,表示差分的阶数;e、q、E以及Q可以通过AIC(Akaike’sInformation Criterion,赤池信息准则)确定;ω1,…,ωP,θ1,…,θq,σ1,…,σQ等可以通过最大似然估计得到。上述模型建立过程都可以通过R语言或者Python语言中封装好的软件包直接实现。
S123:采用扫描统计方法,在预设搜索窗内对监控群体进行统计校验,得到与监控群体对应的空间预测观测值。
其中,扫描统计方法指的是对一定时空范围内监控群体发生变化的数量进行统计校验的方法。预设搜索窗指的是预设的时空检测范围,该预设搜索窗可以为历史数据中与监控群体对应所处的区域范围,该预设搜索窗可以视为一个圆柱体,其底面为空间区域,高为时间,可选地,预设搜索窗可以采用如Kulldorff搜索窗。空间预测观测值指的是对监控群体进行基于空间检测得到的。
具体地,在对监控群体进行统计校验之前,可以获取第一监控特征信息对应的检测区域位置(如待监控对象所处检测点的区域位置),根据该检测区域位置,通过采用扫描统计方法在预设搜索窗内(该搜索窗设置的位置区域可以与上述检测区域位置相同或者更大的范围)对监控群体进行统计校验,得到与监控群体对应的空间预测观测值。
进一步地,在任意一个预设搜索窗内,可以通过LR(Likelihood ratio,似然比)判断监控群体是否发生异常增高的数据,具体地,该LR表达式如下:
其中,L0指的是基线发生率的最大似然值;L(z)指的是扫描区域范围z之内观测的发生率。采用LR可以更加灵敏判断监控群体是否发生数据的异常增高,并能够实现对罕见事件的监测,此外还可以选择不同的扫描粒度,以提高对监控群体进行空间检测的准确率。
S124:根据时间预测观测值以及空间预测观测值,生成目标观测值。
具体地,在根据所述检测时间以及预设的季节性预测方法,确定与所述监控群体对应的时间预测观测值,以及采用扫描统计方法,在预设搜索窗内对所述监控群体进行统计校验,得到与所述监控群体对应的空间预测观测值之后,根据时间预测观测值以及空间预测观测值生成目标观测值。
在本实施例中,通过结合时间检测以及空间检测,对监控群体进行时空检测,以得到目标观测值。在时间检测方面,考虑到了季节性的周期和趋势,根据历史同期的信息预测当前的时间观测值,可以较好的规避了由于季节性带来的数据骤增的现象(如冬季流感人群会出现增多的现象,或者处于寒暑假假期,访问数据量会出现增多的现象),进而提高基于时间检测的准确率;在空间检测方面,通过似然比可以更加灵敏判断监控群体是否发生数据的异常增高,并能够实现对罕见事件的监测,此外还可以选择不同的扫描粒度,以提高对监控群体进行空间检测的准确率。
在一实施例中,如图4所示,在步骤S11之前,还包括如下步骤:
S21:获取待监控对象的第二监控特征信息以及预设的标准向量集;所述预设的标准向量集包括至少一个标准向量。
其中,第二监控特征信息为待监控对象的特征信息,比如,在待监控对象为患者时,该第二监控特征信息可以包括但不限于基本信息(如性别、年龄)、疾病史、用药史、症状主诉、检验检查信息等;在待监控对象为***访问者时,该第一监控特征信息可以为用户信息(如ID,手机号等)、下载数据、需求提交数据或者购买数据等。预设的标准向量集中包含至少一个标准向量,该标准向量指的是基于历史数据生成的诊断标准,可以通过对第二监控特征信息与各标准向量进行相似度比较,从而确定任意待监控对象的第二监控特征信息中是否达到符合与标准向量关联的标准(也即第二监控特征信息中的特征是否与任意一个标准向量中的特征相匹配)。
S22:获取第二监控特征信息与各标准向量之间的目标相似度,在所有目标相似度均小于预设相似度阈值时,将第二监控特征信息记录为第一监控特征信息。
具体地,在获取待监控对象的第二监控特征信息以及预设的标准向量集之后,对第二监控特征信息进行特征识别得到监控特征向量后,将监控特征向量与各标准向量进行相似度比较,并获取第二监控特征信息与各标准向量之间的目标相似度,在所有目标相似度均小于预设相似度阈值时,表征不存在与第二监控特征信息匹配的标准向量,则将第二监控特征信息记录为第一监控特征信息。
在一实施例中,步骤S22中,也即获取所述第二监控特征信息与各所述标准向量之间的目标相似度之前,包括如下步骤:
对所述第二监控特征信息进行特征识别,得到与所述第二监控特征信息对应的监控特征向量。
其中,特征识别指的是通过卷积神经网络提取第二监控特征信息中的特征向量的处理方法。
具体地,在获取待监控对象的第二监控特征信息之后,对第二监控特征信息进行特征识别,进一步地,可以通过将第二监控特征信息输入至预设的卷积神经网络中,对第二监控特征信息进行特征识别,以得到与第二监控特征信息对应的监控特征向量。
对所述监控特征向量与每一所述标准向量进行相似度比较,得到所述监控特征向量与各所述标准向量之间的目标相似度。
其中,相似度比较指的是确定监控特征向量中的特征与每一标准向量的特征是否相似的过程。目标相似度指的是监控特征向量与个标准向量之间的相似度值。
具体地,在对第二监控特征信息进行特征识别,得到与第二监控特征信息对应的监控特征向量之后,将监控特征向量与每一标准向量进行相似度比较,得到监控特征向量与各标准向量之间的目标相似度,以在监控特征向量与任意一个标准向量之间的目标相似度大于预设相似度阈值时,将监控特征向量确定为与该标准向量具有关联关系。
在一实施例中,在获取所述第二监控特征信息与各所述标准向量之间的目标相似度之后,还包括:
在任一所述目标相似度值大于或等于预设相似阈值时,将所述第二监控特征信息以及与该目标相似度对应的所述标准向量关联,并将关联后的所述第二监控特征信息以及所述标准向量上报至预设接收方。
具体地,在获取第二监控特征信息与各标准向量之间的目标相似度之后,若任意一个目标相似度大于或等于预设相似度阈值,表征该第二监控特征信息符合其中一个标准向量对应的关联规则,则将第二监控特征信息以及该目标相似度对应的标准向量关联,并将关联后的第二监控特征信息以及标准向量上报至预设接收方。
示例性地,假设第二监控特征信息为感冒以及发热,而标准向量中存在流感标准向量,该流感标准向量的特征信息即为感冒以及发热,因此在对第二监控特征信息与各标准向量进行相似度比较的过程中,会出现第二监控特征信息与流感标准向量之间的目标相似度大于预设相似度阈值的情况,则表征第二监控特征信息符合于流感标准向量对应的关联规则(也即认定该第二监控特征信息对应的待监控对象为流感患者),则将第二监控特征信息与流感标准向量关联,同时上报至预设接收方,以对第二监控特征信息进行进一步的校验。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种监控数据上报装置,该监控数据上报装置与上述实施例中监控数据上报方法一一对应。如图5所示,该监控数据上报装置包括第一监控特征信息获取模块11、目标观测值获取模块12、信息***模块13、时空监测***调取模块14、调查检测模块15和数据上报模块16。各功能模块详细说明如下:
第一监控特征信息获取模块11,用于获取待监控对象的第一监控特征信息,并将所述第一监控特征信息输入至预设的数据监测***,从所述预设的数据监测***中抽取与所述第一监控特征信息对应的所有监控群体;所述第一监控特征信息中包含至少一个监控特征,一个所述监控特征对应一个所述监控群体。
目标观测值获取模块12,用于在对各所述监控群体进行时空检测之后,获取与各所述监控群体分别对应的目标观测值。
信息***模块13,用于在至少一个所述目标观测值大于或等于与该目标观测值对应的预设目标估计值时,根据预设的特征***规则将所述第一监控特征信息***与所述监控群体对应的信息列表中。
时空监测***调取模块14,用于自预设的监测数据库中调取与***所述信息列表中的所述第一监控特征信息中的各监控特征分别对应的时空监测***。
调查检测模块15,用于通过调取的所述时空监测***确定所述第一监控特征信息中存在预设特征信息之后,对所述所述待监控对象进行调查检测,得到调查检测结果;所述预设特征信息为处于预设预警状态的所述检测特征信息;
数据上报模块16,用于在所述调查检测结果为第一结果时,将所述第一监控特征信息与所述第一结果关联并上报至预设接收方。
优选地,监控数据上报装置还包括:
第一推荐模块,用于在所有所述目标观测值均小于与该目标观测值对应的所述预设目标估计值时,自所述预设的数据监测***获取与所述第一监控特征信息对应的常规推荐信息并推送至所述待监控对象。
优选地,监控数据上报装置还包括:
第二推荐模块,用于通过调取的所述时空监测***确定所述第一监控特征信息中不存在预设特征信息之后,自所述预设的数据监测***获取与所述第一监控特征信息对应的常规推荐信息并推送至所述待监控对象。
优选地,如图6所示,目标观测值获取模块12包括如下单元:
检测时间获取单元121,用于获取所述第一监控特征信息的检测时间;
时间预测单元122,用于根据所述检测时间以及预设的季节性预测方法,确定与所述监控群体对应的时间预测观测值;
空间预测单元123,用于采用扫描统计方法,在预设搜索窗内对所述监控群体进行统计校验,得到与所述监控群体对应的空间预测观测值;
目标观测值生成单元124,用于根据所述时间预测观测值以及所述空间预测观测值,生成所述目标观测值。
优选地,该监控数据上报装置包括:
数据获取模块21,用于获取待监控对象的第二监控特征信息以及预设的标准向量集;所述预设的标准向量集包括至少一个标准向量。
检测群体提取模块22,用于获取所述第二监控特征信息与各所属标准向量之间的目标相似度,在所述目标相似度小于预设相似度阈值时,将所述第二监控特征信息记录为第一监控特征信息。
优选地,该监控数据上报装置还包括:
特征识别模块,用于对所述第二监控特征信息进行特征识别,得到与所述第二监控特征信息对应的监控特征向量。
相似度比较模块,用于对所述监控特征向量与每一所述标准向量进行相似度比较,得到所述监控特征向量与各所述标准向量之间的目标相似度。
优选地,监控数据上报装置还包括:
数据上报模块,用于在任一所述目标相似度大于或等于预设相似度阈值时,将所述第二监控特征信息以及与该目标相似度对应的所述标准向量关联,并将关联后的所述第二监控特征信息以及所述标准向量上报至预设接收方。
关于监控数据上报装置的具体限定可以参见上文中对于监控数据上报方法的限定,在此不再赘述。上述监控数据上报装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储上述实施例中监控数据上报方法中所使用到的数据,或者,存储上述实施例中监控数据上报方法所使用到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述实施例中监控数据上报方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例中监控数据上报方法。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中监控数据上报方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种监控数据上报方法,其特征在于,包括:
获取待监控对象的第一监控特征信息,并将所述第一监控特征信息输入至预设的数据监测***,从所述预设的数据监测***中抽取与所述第一监控特征信息对应的所有监控群体;所述第一监控特征信息中包含至少一个监控特征,一个所述监控特征对应一个所述监控群体;
在对各所述监控群体进行时空检测之后,获取与各所述监控群体分别对应的目标观测值;
若至少一个所述目标观测值大于或等于与该目标观测值对应的预设目标估计值,则根据预设的特征***规则将所述第一监控特征信息***与所述监控群体对应的信息列表中;
自预设的监测数据库中调取与***后的所述信息列表中的所述第一监控特征信息中的各监控特征分别对应的时空监测***;
通过调取的所述时空监测***确定所述第一监控特征信息中存在预设特征信息之后,对所述待监控对象进行调查检测,得到调查检测结果;所述预设特征信息为处于预设预警状态的所述特征信息;
在所述调查检测结果为第一结果时,将所述第一监控特征信息与所述第一结果关联并上报至预设接收方。
2.如权利要求1所述的监控数据上报方法,其特征在于,所述获取与各所述监控群体对应的至少一个目标观测值之后,还包括:
若所有所述目标观测值均小于与该目标观测值对应的所述预设目标估计值,则自所述预设的数据监测***获取与所述第一监控特征信息对应的常规推荐信息并推送至所述待监控对象。
3.如权利要求1所述的监控数据上报方法,其特征在于,所述根据预设的特征***规则将所述第一监控特征信息***与所述监控群体对应的信息列表中之后,还包括:
通过调取的所述时空监测***确定所述第一监控特征信息中不存在预设特征信息之后,自所述预设的数据监测***获取与所述第一监控特征信息对应的常规推荐信息并推送至所述待监控对象。
4.如权利要求1所述的监控数据上报方法,其特征在于,所述在对各所述监控群体进行时空检测之后,获取与各所述监控群体对应的至少一个目标观测值,包括:
获取所述第一监控特征信息的检测时间;
根据所述检测时间以及预设的季节性预测方法,确定与所述监控群体对应的时间预测观测值;
采用扫描统计方法,在预设搜索窗内对所述监控群体进行统计校验,得到与所述监控群体对应的空间预测观测值;
根据所述时间预测观测值以及所述空间预测观测值,生成所述目标观测值。
5.如权利要求1所述的监控数据上报方法,其特征在于,所述获取待监控对象的第一监控特征信息之后,还包括:
获取待监控对象的第二监控特征信息以及预设的标准向量集;所述预设的标准向量集包括至少一个标准向量;
获取所述第二监控特征信息与各所述标准向量之间的目标相似度;
在所有所述目标相似度均小于预设相似度阈值时,将所述第二监控特征信息记录为第一监控特征信息。
6.如权利要求5所述的监控数据上报方法,其特征在于,在获取所述第二监控特征信息与各所述标准向量之间的目标相似度之后,还包括:
在任一所述目标相似度值大于或等于预设相似阈值时,将所述第二监控特征信息以及与该目标相似度对应的所述标准向量关联,并将关联后的所述第二监控特征信息以及所述标准向量上报至预设接收方。
7.如权利要求5所述的监控数据上报方法,其特征在于,所述获取所述第二监控特征信息与各所述标准向量之间的目标相似度之前,包括:
对所述第二监控特征信息进行特征识别,得到与所述第二监控特征信息中的所有所述样本特征对应的监控特征向量;
对所述监控特征向量与每一所述标准向量进行相似度比较,得到所述监控特征向量与各所述标准向量之间的目标相似度。
8.一种监控数据上报装置,其特征在于,包括:
第一监控特征信息获取模块,用于获取待监控对象的第一监控特征信息,并将所述第一监控特征信息输入至预设的数据监测***,从所述预设的数据监测***中抽取与所述第一监控特征信息对应的所有监控群体;所述第一监控特征信息中包含至少一个监控特征,一个所述监控特征对应一个所述监控群体;
目标观测值获取模块,用于在对各所述监控群体进行时空检测之后,获取与各所述监控群体分别对应的目标观测值;
信息***模块,用于在至少一个所述目标观测值大于或等于与该目标观测值对应的预设目标估计值,则根据预设的特征***规则将所述第一监控特征信息***与所述监控群体对应的信息列表中;
时空监测***调取模块,用于自预设的监测数据库中调取与***所述信息列表中的所述第一监控特征信息中的各监控特征分别对应的时空监测***;
调查检测模块,用于通过调取的所述时空监测***确定所述第一监控特征信息中存在预设特征信息之后,对所述待监控对象进行调查检测,得到调查检测结果;所述预设特征信息为处于预设预警状态的所述特征信息;
数据上报模块,用于在所述调查检测结果为第一结果时,将所述第一监控特征信息与所述第一结果关联并上报至预设接收方。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述监控数据上报方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述监控数据上报方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010738668.1A CN111885181B (zh) | 2020-07-28 | 2020-07-28 | 监控数据上报方法、装置、计算机设备及存储介质 |
PCT/CN2021/096701 WO2022022042A1 (zh) | 2020-07-28 | 2021-05-28 | 监控数据上报方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010738668.1A CN111885181B (zh) | 2020-07-28 | 2020-07-28 | 监控数据上报方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111885181A true CN111885181A (zh) | 2020-11-03 |
CN111885181B CN111885181B (zh) | 2023-02-28 |
Family
ID=73200893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010738668.1A Active CN111885181B (zh) | 2020-07-28 | 2020-07-28 | 监控数据上报方法、装置、计算机设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111885181B (zh) |
WO (1) | WO2022022042A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022022042A1 (zh) * | 2020-07-28 | 2022-02-03 | 平安科技(深圳)有限公司 | 监控数据上报方法、装置、计算机设备及存储介质 |
CN115515184A (zh) * | 2022-11-04 | 2022-12-23 | 北京众森信和科技有限公司 | 一种业务数据的发送方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515344A (zh) * | 2009-04-03 | 2009-08-26 | 陈忠 | 动物疫病监测管理及预警工作站 |
CN103093106A (zh) * | 2013-01-25 | 2013-05-08 | 上海市浦东新区疾病预防控制中心 | 大型活动中多源数据的传染病症状监测与预警方法 |
CN109166630A (zh) * | 2018-08-03 | 2019-01-08 | 杜占玮 | 一种传染病数据监控处理方法和*** |
CN109767842A (zh) * | 2018-12-13 | 2019-05-17 | 平安科技(深圳)有限公司 | 一种疾病预警方法、疾病预警装置及计算机可读存储介质 |
CN110929648A (zh) * | 2019-11-22 | 2020-03-27 | 广东睿盟计算机科技有限公司 | 监控数据处理方法、装置、计算机设备以及存储介质 |
CN111081383A (zh) * | 2020-01-20 | 2020-04-28 | 罗晖 | 一种基于云计算的流行病监控*** |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326635A (zh) * | 2016-08-08 | 2017-01-11 | 捷开通讯(深圳)有限公司 | 一种信息监测方法及*** |
US11244764B2 (en) * | 2016-12-21 | 2022-02-08 | Cerner Innovation, Inc. | Monitoring predictive models |
CN108565023A (zh) * | 2018-03-16 | 2018-09-21 | 夏伟 | 一种儿童疾病防控监测方法、装置和*** |
CN109935338A (zh) * | 2019-03-07 | 2019-06-25 | 平安科技(深圳)有限公司 | 基于机器学习的数据预测处理方法、装置和计算机设备 |
CN111885181B (zh) * | 2020-07-28 | 2023-02-28 | 平安科技(深圳)有限公司 | 监控数据上报方法、装置、计算机设备及存储介质 |
-
2020
- 2020-07-28 CN CN202010738668.1A patent/CN111885181B/zh active Active
-
2021
- 2021-05-28 WO PCT/CN2021/096701 patent/WO2022022042A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515344A (zh) * | 2009-04-03 | 2009-08-26 | 陈忠 | 动物疫病监测管理及预警工作站 |
CN103093106A (zh) * | 2013-01-25 | 2013-05-08 | 上海市浦东新区疾病预防控制中心 | 大型活动中多源数据的传染病症状监测与预警方法 |
CN109166630A (zh) * | 2018-08-03 | 2019-01-08 | 杜占玮 | 一种传染病数据监控处理方法和*** |
CN109767842A (zh) * | 2018-12-13 | 2019-05-17 | 平安科技(深圳)有限公司 | 一种疾病预警方法、疾病预警装置及计算机可读存储介质 |
CN110929648A (zh) * | 2019-11-22 | 2020-03-27 | 广东睿盟计算机科技有限公司 | 监控数据处理方法、装置、计算机设备以及存储介质 |
CN111081383A (zh) * | 2020-01-20 | 2020-04-28 | 罗晖 | 一种基于云计算的流行病监控*** |
Non-Patent Citations (1)
Title |
---|
温丽等: "基于搜索引擎数据的流感监测预警", 《分子影像学杂志》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022022042A1 (zh) * | 2020-07-28 | 2022-02-03 | 平安科技(深圳)有限公司 | 监控数据上报方法、装置、计算机设备及存储介质 |
CN115515184A (zh) * | 2022-11-04 | 2022-12-23 | 北京众森信和科技有限公司 | 一种业务数据的发送方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111885181B (zh) | 2023-02-28 |
WO2022022042A1 (zh) | 2022-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876133B (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
CN109345374B (zh) | 风险控制方法、装置、计算机设备和存储介质 | |
CN111145910A (zh) | 基于人工智能的异常案例识别方法、装置、计算机设备 | |
CN110752035A (zh) | 健康数据处理方法、装置、计算机设备及存储介质 | |
CN110490594B (zh) | 业务数据处理方法、装置、计算机设备和存储介质 | |
CN109816200B (zh) | 任务推送方法、装置、计算机设备和存储介质 | |
CN109949154B (zh) | 客户信息分类方法、装置、计算机设备和存储介质 | |
CN112131277B (zh) | 基于大数据的医疗数据异常分析方法、装置和计算机设备 | |
CN111885181B (zh) | 监控数据上报方法、装置、计算机设备及存储介质 | |
CN115174231B (zh) | 一种基于AI Knowledge Base的网络欺诈分析方法及服务器 | |
CN112151141A (zh) | 医疗数据处理方法、装置、计算机设备和存储介质 | |
CN112016318A (zh) | 基于解释模型的分诊信息推荐方法、装置、设备及介质 | |
WO2019200738A1 (zh) | 数据特征提取的方法、装置、计算机设备和存储介质 | |
US11227684B2 (en) | Systems and methods for processing electronic images for health monitoring and forecasting | |
CN110912908A (zh) | 网络协议异常检测方法、装置、计算机设备和存储介质 | |
CN114693192A (zh) | 风控决策方法、装置、计算机设备和存储介质 | |
CN113723956A (zh) | 异常监控方法、装置、设备及存储介质 | |
CN113705685A (zh) | 疾病特征识别模型训练、疾病特征识别方法、装置及设备 | |
CN111767192A (zh) | 基于人工智能的业务数据检测方法、装置、设备和介质 | |
CN114598514A (zh) | 工控威胁检测方法及装置 | |
CN113344376A (zh) | 商户风险监测方法、装置、计算机设备和存储介质 | |
CN110852384A (zh) | 医学影像质量检测方法、装置和存储介质 | |
CN110781222A (zh) | 异常医保申请检测方法、装置、计算机设备和存储介质 | |
US20220414262A1 (en) | Rule-based anonymization of datasets | |
CN116151369A (zh) | 一种公共审计的拜占庭鲁棒联邦学习***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |