CN112133436A - 一种基于大数据分析的健康警示方法、***和可读存储介质 - Google Patents
一种基于大数据分析的健康警示方法、***和可读存储介质 Download PDFInfo
- Publication number
- CN112133436A CN112133436A CN202011092018.0A CN202011092018A CN112133436A CN 112133436 A CN112133436 A CN 112133436A CN 202011092018 A CN202011092018 A CN 202011092018A CN 112133436 A CN112133436 A CN 112133436A
- Authority
- CN
- China
- Prior art keywords
- information
- health
- warning
- identification information
- big data
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开的一种基于大数据分析的健康警示方法、***和可读存储介质,其中方法包括:接收移动终端发送的目标图像信息和标识信息;识别所述目标图像信息,得出健康信息;将所述健康信息和标识信息进行存储;将所述健康信息和标识信息进行分析,得到警示信息;根据所述警示信息生成健康报告,发送至预设的客户端进行显示。本发明通过移动终端进行图像和标识信息的收集,然后对数据进行分析,获取相关的健康报告以供用户查看。本申请还通过建立健康神经网络模型对数据进行处理和分析,使得分析的健康结果更加准确。另外,本申请还针对不同的地区的健康数据进行分析,通过对地区的环境信息等内容进行分析,获得更加准确的健康报告和建议。
Description
技术领域
本发明涉及数据分析和处理领域,更具体的,涉及一种基于大数据分析的健康警示方法、***和可读存储介质。
背景技术
随着经济社会的工业化、城镇化不断发展,生活方式、医疗条件不断改善,居民健康水平也不断提高。同时,随着工作压力加大、生态环境恶化和医疗资源短缺等因素影响,慢性疾病和急性传染病的发病率呈逐年上升趋势,已成为当前危害健康、影响生活质量的社会问题。比如中国的超重和肥胖人口已超过2.6亿,高血压人口超过1.6亿,血脂异常人口1.6亿。与庞大的患病人数形成对照的是极低的患病知晓率,居民缺乏合适的途径和设备来实现对自己健康状况的管理,更加无从对疾病进行预防。
健康是促进居民个体全面发展的必然要求,也是经济社会发展的基础条件;健康水平是民族昌盛和国家富强的重要标志。面对人口老龄化以及疾病谱变化等新挑战,亟需通过物联网、云计算、大数据等高科技手段,采用“互联网+”模式,普及健康生活、优化健康服务、完善健康保障、建设健康环境、发展健康产业,通过探索健康服务模式创新,统筹解决关系居民健康的重大和长远问题。本发明依托移动互联网、物联网、云计算、大数据等新一代信息通信技术,设计一种智慧健康服务***,打造智慧健康服务体系,提高居民的健康状况和生活质量,降低医疗保健成本。
目前存在多种试纸能够检测人体的各种疾病和身体状态,例如,通过试纸可以监测***、怀孕、卵巢功能、***质量,还可以检测HIV、幽门螺旋杆菌、轮状病毒、流感病毒等。检测的试纸还可以通过手机等移动终端进行图像识别,以帮助用户判断和识别自己的身体状态。通过移动终端获取的这些信息数据,结合个人生理数据,可以更好的进行大数据的分析,将分析结果进行呈现,以帮助相关人群注意自己的健康状况,同时通过大数据的统计和分析,还可以帮助当地的疾控部门更好了解疾病的发病情况,及时采取防控措施。而如何进行这些数据的分析是目前亟不可待要解决的。
发明内容
鉴于上述问题,本发明的目的是提供一种基于大数据分析的健康警示方法、***和可读存储介质,能够通过获取的大数据进行分析和判断,以帮助相关人群注意健康状况。
本发明第一方面提供了一种基于大数据分析的健康警示方法,包括以下步骤:
接收移动终端发送的目标图像信息和标识信息;
识别所述目标图像信息,得出健康信息;
将所述健康信息和标识信息进行存储;
将所述健康信息和标识信息进行分析,得到警示信息;
根据所述警示信息生成健康报告,发送至预设的客户端进行显示。
本方案中,所述将所述健康信息和标识信息进行分析,具体为:
获取第一预设时间段范围内的健康信息和标识信息,输入训练好的健康神经网络模型中,得到第一模拟结果;
获取第二预设时间段范围内的健康信息和标识信息,输入训练好的健康神经网络模型中,得到第二模拟结果;
计算第一模拟结果和第二模拟结果的特征值的绝对值;
判断所述绝对值是否大于预设的阈值;
若大于,则判断为异常状态,生成警示信息。
本方案中,所述健康神经网络模型训练方法为:
收集目标图像信息和标识信息;
对目标图像信息进行特征提取,得到特征区域图像;
将得到特征区域图像,进行自动化筛选,去除质量差的图像;
将筛选后的图像进行多分辨率的变化处理,得到多个分辨率的图像,然后随机选择一个分辨率的图像,进行模糊处理,再进行光滑处理;
将经过光滑处理之后的图像还原回原始分辨率的大小,得到健康神经网络模型的输入,进行健康神经网络的训练。
本方案中,所述标识信息为地理信息、用户信息、时间信息中的一种或几种。
本方案中,还包括:
获取预设区域信息;
将预设区域划分为不同的子区域;
获取每个子区域中的健康信息;
计算所述每个子区域中的健康信息的中位数特征值;
比较所述中位数特征值是否超过相邻的N个子区域的中位数特征值的平均值;
若超过,则判断子区域中的健康信息的中位数特征值与相邻的N个子区域的中位数特征值平均值的差值是否超过预设的差值阈值;
若超过,则生成警示信息。
本方案中,所述根据所述警示信息生成健康报告,具体为:
获取所述警示信息和所述警示信息所在的区域的环境信息;
根据所述警示信息和环境信息生成与所述用户对应的食物指引信息和运动指引信息;
将所述食物指引信息和运动指引信息生成健康报告。
本发明第二方面还提供一种基于大数据分析的健康警示***,包括存储器和处理器,所述存储器中包括基于大数据分析的健康警示方法程序,所述基于大数据分析的健康警示方法程序被所述处理器执行时实现如下步骤:
接收移动终端发送的目标图像信息和标识信息;
识别所述目标图像信息,得出健康信息;
将所述健康信息和标识信息进行存储;
将所述健康信息和标识信息进行分析,得到警示信息;
根据所述警示信息生成健康报告,发送至预设的客户端进行显示。
本方案中,所述将所述健康信息和标识信息进行分析,具体为:
获取第一预设时间段范围内的健康信息和标识信息,输入训练好的健康神经网络模型中,得到第一模拟结果;
获取第二预设时间段范围内的健康信息和标识信息,输入训练好的健康神经网络模型中,得到第二模拟结果;
计算第一模拟结果和第二模拟结果的特征值的绝对值;
判断所述绝对值是否大于预设的阈值;
若大于,则判断为异常状态,生成警示信息。
本方案中,所述健康神经网络模型训练方法为:
收集目标图像信息和标识信息;
对目标图像信息进行特征提取,得到特征区域图像;
将得到特征区域图像,进行自动化筛选,去除质量差的图像;
将筛选后的图像进行多分辨率的变化处理,得到多个分辨率的图像,然后随机选择一个分辨率的图像,进行模糊处理,再进行光滑处理;
将经过光滑处理之后的图像还原回原始分辨率的大小,得到健康神经网络模型的输入,进行健康神经网络的训练。
本方案中,所述标识信息为地理信息、用户信息、时间信息中的一种或几种。
本方案中,还包括:
获取预设区域信息;
将预设区域划分为不同的子区域;
获取每个子区域中的健康信息;
计算所述每个子区域中的健康信息的中位数特征值;
比较所述中位数特征值是否超过相邻的N个子区域的中位数特征值的平均值;
若超过,则判断子区域中的健康信息的中位数特征值与相邻的N个子区域的中位数特征值平均值的差值是否超过预设的差值阈值;
若超过,则生成警示信息。
本方案中,所述根据所述警示信息生成健康报告,具体为:
获取所述警示信息和所述警示信息所在的区域的环境信息;
根据所述警示信息和环境信息生成与所述用户对应的食物指引信息和运动指引信息;
将所述食物指引信息和运动指引信息生成健康报告。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括机器的一种基于大数据分析的健康警示方法程序,所述基于大数据分析的健康警示方法程序被处理器执行时,实现如上述任一项所述的一种基于大数据分析的健康警示方法的步骤。
本发明公开的一种基于大数据分析的健康警示方法和***,通过移动终端进行图像和标识信息的收集,然后对数据进行分析,获取相关的健康报告以供用户查看。本申请还通过建立健康神经网络模型对数据进行处理和分析,使得分析的健康结果更加准确。另外,本申请还针对不同的地区的健康数据进行分析,通过对地区的环境信息等内容进行分析,获得更加准确的健康报告和建议。
附图说明
图1示出了本申请一种基于大数据分析的健康警示方法的流程图;
图2示出了本申请移动终端获取图像信息的一实施例;
图3示出了本发明一种基于大数据分析的健康警示***的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本申请一种基于大数据分析的健康警示方法的流程图。
如图1所示,本申请公开了一种基于大数据分析的健康警示方法,包括以下步骤:
S102,接收移动终端发送的目标图像信息和标识信息;
S104,识别所述目标图像信息,得出健康信息;
S106,将所述健康信息和标识信息进行存储;
S108,将所述健康信息和标识信息进行分析,得到警示信息;
S110,根据所述警示信息生成健康报告,发送至预设的客户端进行显示。
需要说明的是,所述移动终端为手机、PAD等可以拍照的设备。
所述移动终端可以通过拍照的方式将用户已经使用过的试纸进行图像采集。目前存在多种试纸能够检测人体的各种疾病和身体状态,例如,通过试纸可以监测***、怀孕、卵巢功能、***质量,还可以检测HIV、幽门螺旋杆菌、轮状病毒、流感病毒等。试纸的形态存在多种,有的试纸为条形的卡片纸或笔型,有的为试纸盒方式,但均在可视化的显示区会显示结果。如图2所示,通过移动终端摄像头进行图像信息采集后,得到目标图像信息,可以直接通过图像识别技术将结果识别出来,具体可以识别试纸检测结果区中的线条的数量以及颜色的深浅进行结果的判断。
需要说明的是,所述标识信息为地理信息、用户信息、时间信息中的一种或几种。通过标识信息可以获取到用户的一些信息,然后将这些信息与目标图像信息进行存储。所述的存储为映射的存储,也就是说,将不同的目标图像信息与不同的标识信息对应。然后将所述健康信息和标识信息进行分析,得到警示信息;根据所述警示信息生成健康报告,发送至预设的客户端进行显示。
根据本发明实施例,所述将所述健康信息和标识信息进行分析,具体为:
获取第一预设时间段范围内的健康信息和标识信息,输入训练好的健康神经网络模型中,得到第一模拟结果;
获取第二预设时间段范围内的健康信息和标识信息,输入训练好的健康神经网络模型中,得到第二模拟结果;
计算第一模拟结果和第二模拟结果的特征值的绝对值;
判断所述绝对值是否大于预设的阈值;
若大于,则判断为异常状态,生成警示信息。
需要说明的是,第一预设时间可以为长周期的时间,第二预设时间可以为短周期的时间,第一预设时间的范围比第二预设时间的范围大。例如,第一预设时间为2个月的时间,第二预设时间为1个星期的时间。通过将长周期的结果与短周期的结果进行比较,可以更好的判断出短周期内的结果变化和波动,若波动较大,说明短周期内的结果可能存在异常,显示异常状态,便会生成警示信息。
值得一提的是,在获取了第一模拟结果和第二模拟结果之后,可以计算两个的特征值的绝对值,具体是将第一模拟结果和第二模拟结果进行特征值的提取,然后计算两者特征值的差值,取差值的绝对值。然后判断所述绝对值是否大于预设的阈值;若大于,说明短周期的结果可能存在一定的波动,则判断为异常状态,生成警示信息。
根据本发明实施例,所述健康神经网络模型训练方法为:
收集目标图像信息和标识信息;
对目标图像信息进行特征提取,得到特征区域图像;
将得到特征区域图像,进行自动化筛选,去除质量差的图像;
将筛选后的图像进行多分辨率的变化处理,得到多个分辨率的图像,然后随机选择一个分辨率的图像,进行模糊处理,再进行光滑处理;
将经过光滑处理之后的图像还原回原始分辨率的大小,得到健康神经网络模型的输入,进行健康神经网络的训练。
需要说明的是,健康神经网络模型需要大量的历史数据进行训练,数据量越大,则结果越准确。本申请中的健康神经网络模型可以通过图像处理之后的图片作为输入进行训练,当然,在进行神经网络模型训练时,不仅要通过图片进行训练,还需要结合标识信息以及对应的结果信息进行训练。本申请为了提高图片识别的结果准确率,会对图像进行相关的处理。首先,对目标图像信息进行特征提取,得到特征区域图像,然后将得到特征区域图像,进行自动化筛选,去除质量差的图像;将筛选后的图像进行多分辨率的变化处理,得到多个分辨率的图像,然后随机选择一个分辨率的图像,进行模糊处理,再进行光滑处理;将经过光滑处理之后的图像还原回原始分辨率的大小,得到健康神经网络模型的输入,进行健康神经网络的训练。通过一些列的分辨率变化处理和图像的光滑处理,可以使得输入的图像更加容易分辨,得到的结果也会更加准确,再结合其他的标识信息和结果信息,可以使得健康神经网络的输出结果更加准确。
根据本发明实施例,还包括:
获取预设区域信息;
将预设区域划分为不同的子区域;
获取每个子区域中的健康信息;
计算所述每个子区域中的健康信息的中位数特征值;
比较所述中位数特征值是否超过相邻的N个子区域的中位数特征值的平均值;
若超过,则判断子区域中的健康信息的中位数特征值与相邻的N个子区域的中位数特征值平均值的差值是否超过预设的差值阈值;
若超过,则生成警示信息。
需要说明的是,本申请还通过对不同的区域进行数据分析,进行健康信息的识别。在进行区域处理的过程中,首先获取预设区域信息,将预设区域划分为不同的子区域。例如,可以将一个大区域划分为N个不同的小区域,比如,一个城市作为一个大区域,每个区可以作为小区域。然后再获取每个子区域中的健康信息,计算所述每个子区域中的健康信息的中位数特征值。每个子区域的健康数据都获取到之后需要进行统计和计算,本申请中选择计算健康信息的中位数,中位数就是按顺序排列的一组数据中居于中间位置的数,代表一个样本、种群或概率分布中的一个数值,其可将数值集合划分为相等的上下两部分。通过中位数可以较快的得出此区域中的健康样本的一个平均的水平,然后获得此中位数的特征值。比较所述中位数特征值是否超过相邻的N个子区域的中位数特征值的平均值;若超过,则判断子区域中的健康信息的中位数特征值与相邻的N个子区域的中位数特征值平均值的差值是否超过预设的差值阈值;若超过,则生成警示信息。通过对N个子区域中的中位数特征值的平均值的比较,能够通过数值较快得到本区域中是否存在波动,若有波动,则差值会超过预设的差值阈值,则证明可能存在异常。
根据本发明实施例,所述根据所述警示信息生成健康报告,具体为:
获取所述警示信息和所述警示信息所在的区域的环境信息;
根据所述警示信息和环境信息生成与所述用户对应的食物指引信息和运动指引信息;
将所述食物指引信息和运动指引信息生成健康报告。
需要说明的是,本申请还可以通过服务器对所在的区域进行分析,具体分析所在区域的环境信息,所述环境信息包括天气信息、维度信息、地理信息、人员流动信息中的一种或多种。根据上述的信息可以分析出此区域目前的一些基本状况。通过所在区域的一些基本信息可以获取到现在最佳的饮食指导信息,或者是运动建议,以便提醒用户进行合理的饮食和保持运动。例如,若检测到此区域的幽门螺旋杆菌发病率较高,则会建议在此区域的人饮食需要注意哪些事项,以及运动的方式,或者是服药和检查的事项。
更具体的,本申请还可以通过对历史的成功案例信息进行分析,生成对应的食物指引信息和运动指引信息;将所述食物指引信息和运动指引信息生成健康报告。
图3示出了本发明一种基于大数据分析的健康警示***的框图。
如图3所示,本发明公开了一种基于大数据分析的健康警示***,包括存储器和处理器,所述存储器中包括基于大数据分析的健康警示方法程序,所述基于大数据分析的健康警示方法程序被所述处理器执行时实现如下步骤:
接收移动终端发送的目标图像信息和标识信息;
识别所述目标图像信息,得出健康信息;
将所述健康信息和标识信息进行存储;
将所述健康信息和标识信息进行分析,得到警示信息;
根据所述警示信息生成健康报告,发送至预设的客户端进行显示。
需要说明的是,所述移动终端为手机、PAD等可以拍照的设备。
所述移动终端可以通过拍照的方式将用户已经使用过的试纸进行图像采集。目前存在多种试纸能够检测人体的各种疾病和身体状态,例如,通过试纸可以监测***、怀孕,还可以检测HIV、幽门螺旋杆菌等。试纸的形态存在多种,有的试纸为条形的卡片纸,有的为试纸盒方式,但均在可视化的显示区会显示结果。如图2所示,通过移动终端摄像头进行图像信息采集后,得到目标图像信息,可以直接通过图像识别技术将结果识别出来,具体可以识别试纸检测结果区中的线条的数量以及颜色的深浅进行结果的判断。
需要说明的是,所述标识信息为地理信息、用户信息、时间信息中的一种或几种。通过标识信息可以获取到用户的一些信息,然后将这些信息与目标图像信息进行存储。所述的存储为映射的存储,也就是说,将不同的目标图像信息与不同的标识信息对应。然后将所述健康信息和标识信息进行分析,得到警示信息;根据所述警示信息生成健康报告,发送至预设的客户端进行显示。
根据本发明实施例,所述将所述健康信息和标识信息进行分析,具体为:
获取第一预设时间段范围内的健康信息和标识信息,输入训练好的健康神经网络模型中,得到第一模拟结果;
获取第二预设时间段范围内的健康信息和标识信息,输入训练好的健康神经网络模型中,得到第二模拟结果;
计算第一模拟结果和第二模拟结果的特征值的绝对值;
判断所述绝对值是否大于预设的阈值;
若大于,则判断为异常状态,生成警示信息。
需要说明的是,第一预设时间可以为长周期的时间,第二预设时间可以为短周期的时间,第一预设时间的范围比第二预设时间的范围大。例如,第一预设时间为2个月的时间,第二预设时间为1个星期的时间。通过将长周期的结果与短周期的结果进行比较,可以更好的判断出短周期内的结果变化和波动,若波动较大,说明短周期内的结果可能存在异常,显示异常状态,便会生成警示信息。
值得一提的是,在获取了第一模拟结果和第二模拟结果之后,可以计算两个的特征值的绝对值,具体是将第一模拟结果和第二模拟结果进行特征值的提取,然后计算两者特征值的差值,取差值的绝对值。然后判断所述绝对值是否大于预设的阈值;若大于,说明短周期的结果可能存在一定的波动,则判断为异常状态,生成警示信息。
根据本发明实施例,所述健康神经网络模型训练方法为:
收集目标图像信息和标识信息;
对目标图像信息进行特征提取,得到特征区域图像;
将得到特征区域图像,进行自动化筛选,去除质量差的图像;
将筛选后的图像进行多分辨率的变化处理,得到多个分辨率的图像,然后随机选择一个分辨率的图像,进行模糊处理,再进行光滑处理;
将经过光滑处理之后的图像还原回原始分辨率的大小,得到健康神经网络模型的输入,进行健康神经网络的训练。
需要说明的是,健康神经网络模型需要大量的历史数据进行训练,数据量越大,则结果越准确。本申请中的健康神经网络模型可以通过图像处理之后的图片作为输入进行训练,当然,在进行神经网络模型训练时,不仅要通过图片进行训练,还需要结合标识信息以及对应的结果信息进行训练。本申请为了提高图片识别的结果准确率,会对图像进行相关的处理。首先,对目标图像信息进行特征提取,得到特征区域图像,然后将得到特征区域图像,进行自动化筛选,去除质量差的图像;将筛选后的图像进行多分辨率的变化处理,得到多个分辨率的图像,然后随机选择一个分辨率的图像,进行模糊处理,再进行光滑处理;将经过光滑处理之后的图像还原回原始分辨率的大小,得到健康神经网络模型的输入,进行健康神经网络的训练。通过一些列的分辨率变化处理和图像的光滑处理,可以使得输入的图像更加容易分辨,得到的结果也会更加准确,再结合其他的标识信息和结果信息,可以使得健康神经网络的输出结果更加准确。
根据本发明实施例,还包括:
获取预设区域信息;
将预设区域划分为不同的子区域;
获取每个子区域中的健康信息;
计算所述每个子区域中的健康信息的中位数特征值;
比较所述中位数特征值是否超过相邻的N个子区域的中位数特征值的平均值;
若超过,则判断子区域中的健康信息的中位数特征值与相邻的N个子区域的中位数特征值平均值的差值是否超过预设的差值阈值;
若超过,则生成警示信息。
需要说明的是,本申请还通过对不同的区域进行数据分析,进行健康信息的识别。在进行区域处理的过程中,首先获取预设区域信息,将预设区域划分为不同的子区域。例如,可以将一个大区域划分为N个不同的小区域,比如,一个城市作为一个大区域,每个区可以作为小区域。然后再获取每个子区域中的健康信息,计算所述每个子区域中的健康信息的中位数特征值。每个子区域的健康数据都获取到之后需要进行统计和计算,本申请中选择计算健康信息的中位数,中位数就是按顺序排列的一组数据中居于中间位置的数,代表一个样本、种群或概率分布中的一个数值,其可将数值集合划分为相等的上下两部分。通过中位数可以较快的得出此区域中的健康样本的一个平均的水平,然后获得此中位数的特征值。比较所述中位数特征值是否超过相邻的N个子区域的中位数特征值的平均值;若超过,则判断子区域中的健康信息的中位数特征值与相邻的N个子区域的中位数特征值平均值的差值是否超过预设的差值阈值;若超过,则生成警示信息。通过对N个子区域中的中位数特征值的平均值的比较,能够通过数值较快得到本区域中是否存在波动,若有波动,则差值会超过预设的差值阈值,则证明可能存在异常。
根据本发明实施例,所述根据所述警示信息生成健康报告,具体为:
获取所述警示信息和所述警示信息所在的区域的环境信息;
根据所述警示信息和环境信息生成与所述用户对应的食物指引信息和运动指引信息;
将所述食物指引信息和运动指引信息生成健康报告。
需要说明的是,本申请还可以通过服务器对所在的区域进行分析,具体分析所在区域的环境信息,所述环境信息包括天气信息、维度信息、地理信息、人员流动信息中的一种或多种。根据上述的信息可以分析出此区域目前的一些基本状况。通过所在区域的一些基本信息可以获取到现在最佳的饮食指导信息,或者是运动建议,以便提醒用户进行合理的饮食和保持运动。例如,若检测到此区域的幽门螺旋杆菌发病率较高,则会建议在此区域的人饮食需要注意哪些事项,以及运动的方式,或者是服药和检查的事项。
更具体的,本申请还可以通过对历史的成功案例信息进行分析,生成对应的食物指引信息和运动指引信息;将所述食物指引信息和运动指引信息生成健康报告。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括机器的一种基于大数据分析的健康警示方法程序,所述基于大数据分析的健康警示方法程序被处理器执行时,实现如上述任一项所述的一种基于大数据分析的健康警示方法的步骤。
本发明公开的一种基于大数据分析的健康警示方法和***和可读存储介质,通过移动终端进行图像和标识信息的收集,然后对数据进行分析,获取相关的健康报告以供用户查看。本申请还通过建立健康神经网络模型对数据进行处理和分析,使得分析的健康结果更加准确。另外,本申请还针对不同的地区的健康数据进行分析,通过对地区的环境信息等内容进行分析,获得更加准确的健康报告和建议。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种基于大数据分析的健康警示方法,其特征在于,包括以下步骤:
接收移动终端发送的目标图像信息和标识信息;
识别所述目标图像信息,得出健康信息;
将所述健康信息和标识信息进行存储;
将所述健康信息和标识信息进行分析,得到警示信息;
根据所述警示信息生成健康报告,发送至预设的客户端进行显示。
2.根据所述权利要求1所述一种基于大数据分析的健康警示方法,其特征在于,所述将所述健康信息和标识信息进行分析,具体为:
获取第一预设时间段范围内的健康信息和标识信息,输入训练好的健康神经网络模型中,得到第一模拟结果;
获取第二预设时间段范围内的健康信息和标识信息,输入训练好的健康神经网络模型中,得到第二模拟结果;
计算第一模拟结果和第二模拟结果的特征值的绝对值;
判断所述绝对值是否大于预设的阈值;
若大于,则判断为异常状态,生成警示信息。
3.根据所述权利要求2所述一种基于大数据分析的健康警示方法,其特征在于,所述健康神经网络模型训练方法为:
收集目标图像信息和标识信息;
对目标图像信息进行特征提取,得到特征区域图像;
将得到特征区域图像,进行自动化筛选,去除质量差的图像;
将筛选后的图像进行多分辨率的变化处理,得到多个分辨率的图像,然后随机选择一个分辨率的图像,进行模糊处理,再进行光滑处理;
将经过光滑处理之后的图像还原回原始分辨率的大小,得到健康神经网络模型的输入,进行健康神经网络的训练。
4.根据所述权利要求1所述一种基于大数据分析的健康警示方法,其特征在于,所述标识信息为地理信息、用户信息、时间信息中的一种或几种。
5.根据所述权利要求1所述一种基于大数据分析的健康警示方法,其特征在于,还包括:
获取预设区域信息;
将预设区域划分为不同的子区域;
获取每个子区域中的健康信息;
计算所述每个子区域中的健康信息的中位数特征值;
比较所述中位数特征值是否超过相邻的N个子区域的中位数特征值的平均值;
若超过,则判断子区域中的健康信息的中位数特征值与相邻的N个子区域的中位数特征值平均值的差值是否超过预设的差值阈值;
若超过,则生成警示信息。
6.根据所述权利要求1所述一种基于大数据分析的健康警示方法,其特征在于,所述根据所述警示信息生成健康报告,具体为:
获取所述警示信息和所述警示信息所在的区域的环境信息;
根据所述警示信息和环境信息生成与所述用户对应的食物指引信息和运动指引信息;
将所述食物指引信息和运动指引信息生成健康报告。
7.一种基于大数据分析的健康警示***,其特征在于,包括存储器和处理器,所述存储器中包括基于大数据分析的健康警示方法程序,所述基于大数据分析的健康警示方法程序被所述处理器执行时实现如下步骤:
接收移动终端发送的目标图像信息和标识信息;
识别所述目标图像信息,得出健康信息;
将所述健康信息和标识信息进行存储;
将所述健康信息和标识信息进行分析,得到警示信息;
根据所述警示信息生成健康报告,发送至预设的客户端进行显示。
8.根据所述权利要求7所述一种基于大数据分析的健康警示***,其特征在于,所述将所述健康信息和标识信息进行分析,具体为:
获取第一预设时间段范围内的健康信息和标识信息,输入训练好的健康神经网络模型中,得到第一模拟结果;
获取第二预设时间段范围内的健康信息和标识信息,输入训练好的健康神经网络模型中,得到第二模拟结果;
计算第一模拟结果和第二模拟结果的特征值的绝对值;
判断所述绝对值是否大于预设的阈值;
若大于,则判断为异常状态,生成警示信息。
9.根据所述权利要求8所述一种基于大数据分析的健康警示***,其特征在于,所述健康神经网络模型训练方法为:
收集目标图像信息和标识信息;
对目标图像信息进行特征提取,得到特征区域图像;
将得到特征区域图像,进行自动化筛选,去除质量差的图像;
将筛选后的图像进行多分辨率的变化处理,得到多个分辨率的图像,然后随机选择一个分辨率的图像,进行模糊处理,再进行光滑处理;
将经过光滑处理之后的图像还原回原始分辨率的大小,得到健康神经网络模型的输入,进行健康神经网络的训练。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括机器的一种基于大数据分析的健康警示方法程序,所述基于大数据分析的健康警示方法程序被处理器执行时,实现如权利要求1至6中任一项所述的一种基于大数据分析的健康警示方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011092018.0A CN112133436B (zh) | 2020-10-13 | 2020-10-13 | 一种基于大数据分析的健康警示方法、***和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011092018.0A CN112133436B (zh) | 2020-10-13 | 2020-10-13 | 一种基于大数据分析的健康警示方法、***和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112133436A true CN112133436A (zh) | 2020-12-25 |
CN112133436B CN112133436B (zh) | 2021-06-29 |
Family
ID=73853771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011092018.0A Active CN112133436B (zh) | 2020-10-13 | 2020-10-13 | 一种基于大数据分析的健康警示方法、***和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112133436B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114052670A (zh) * | 2021-11-17 | 2022-02-18 | 深圳市盛景基因生物科技有限公司 | 一种健康风险评估方法及疾病预警*** |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105388147A (zh) * | 2015-10-21 | 2016-03-09 | 深圳市宝凯仑生物科技有限公司 | 一种基于专用试纸对体液的检测方法 |
CN106405118A (zh) * | 2016-09-27 | 2017-02-15 | 北京爱康泰科技有限责任公司 | 一种***试纸检测方法及*** |
CN108593643A (zh) * | 2018-03-13 | 2018-09-28 | 重庆交通大学 | 基于智能移动终端的尿液检测方法 |
CN208283401U (zh) * | 2018-03-05 | 2018-12-25 | 北京爱康泰科技有限责任公司 | 生理试纸及对该生理试纸进行检测的*** |
WO2019222081A1 (en) * | 2018-05-14 | 2019-11-21 | Reliant Immune Diagnostics, Inc. | System and method for image processing of medical test results using generalized curve field transform |
CN110569759A (zh) * | 2019-08-26 | 2019-12-13 | 王睿琪 | 一种获取个体进食数据的方法、***、服务端及前端 |
CN111166289A (zh) * | 2020-01-04 | 2020-05-19 | 山东大学齐鲁医院(青岛) | 一种远程内分泌紊乱检测设备 |
US20200191722A1 (en) * | 2018-06-28 | 2020-06-18 | International Business Machines Corporation | Accurate Colorimetric Based Test Strip Reader System |
CN111305338A (zh) * | 2020-02-14 | 2020-06-19 | 宁波五维检测科技有限公司 | 基于粪便生态评价的疾病预警***、健康监测环以及马桶 |
CN111403036A (zh) * | 2020-03-11 | 2020-07-10 | 苏州金羲智慧科技有限公司 | 一种晨检***以及晨检终端 |
CN111524093A (zh) * | 2020-03-23 | 2020-08-11 | 中润普达(十堰)大数据中心有限公司 | 一种异常舌象的智能筛查方法及其*** |
CN111679070A (zh) * | 2020-05-12 | 2020-09-18 | 中国计量科学研究院 | 一种新型冠状病毒抗体快速灵敏精准定量检测方法及定量检测仪 |
-
2020
- 2020-10-13 CN CN202011092018.0A patent/CN112133436B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105388147A (zh) * | 2015-10-21 | 2016-03-09 | 深圳市宝凯仑生物科技有限公司 | 一种基于专用试纸对体液的检测方法 |
CN106405118A (zh) * | 2016-09-27 | 2017-02-15 | 北京爱康泰科技有限责任公司 | 一种***试纸检测方法及*** |
CN208283401U (zh) * | 2018-03-05 | 2018-12-25 | 北京爱康泰科技有限责任公司 | 生理试纸及对该生理试纸进行检测的*** |
CN108593643A (zh) * | 2018-03-13 | 2018-09-28 | 重庆交通大学 | 基于智能移动终端的尿液检测方法 |
WO2019222081A1 (en) * | 2018-05-14 | 2019-11-21 | Reliant Immune Diagnostics, Inc. | System and method for image processing of medical test results using generalized curve field transform |
US20200191722A1 (en) * | 2018-06-28 | 2020-06-18 | International Business Machines Corporation | Accurate Colorimetric Based Test Strip Reader System |
CN110569759A (zh) * | 2019-08-26 | 2019-12-13 | 王睿琪 | 一种获取个体进食数据的方法、***、服务端及前端 |
CN111166289A (zh) * | 2020-01-04 | 2020-05-19 | 山东大学齐鲁医院(青岛) | 一种远程内分泌紊乱检测设备 |
CN111305338A (zh) * | 2020-02-14 | 2020-06-19 | 宁波五维检测科技有限公司 | 基于粪便生态评价的疾病预警***、健康监测环以及马桶 |
CN111403036A (zh) * | 2020-03-11 | 2020-07-10 | 苏州金羲智慧科技有限公司 | 一种晨检***以及晨检终端 |
CN111524093A (zh) * | 2020-03-23 | 2020-08-11 | 中润普达(十堰)大数据中心有限公司 | 一种异常舌象的智能筛查方法及其*** |
CN111679070A (zh) * | 2020-05-12 | 2020-09-18 | 中国计量科学研究院 | 一种新型冠状病毒抗体快速灵敏精准定量检测方法及定量检测仪 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114052670A (zh) * | 2021-11-17 | 2022-02-18 | 深圳市盛景基因生物科技有限公司 | 一种健康风险评估方法及疾病预警*** |
Also Published As
Publication number | Publication date |
---|---|
CN112133436B (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11355001B2 (en) | Hand sanitation compliance enforcement systems and methods | |
Rajashekar et al. | GAFFE: A gaze-attentive fixation finding engine | |
CN109919903B (zh) | 一种脊椎检测定位标记方法、***及电子设备 | |
CN108304816B (zh) | 身份识别方法、装置、存储介质及电子设备 | |
WO2021082433A1 (zh) | 一种数字病理图像质控的方法及装置 | |
WO2021068781A1 (zh) | 一种疲劳状态识别方法、装置和设备 | |
CN1804868A (zh) | 机器自动图像识别方法及装置 | |
Sadahiro | Cluster perception in the distribution of point objects | |
CN112133436B (zh) | 一种基于大数据分析的健康警示方法、***和可读存储介质 | |
CN111881901A (zh) | 截图内容检测方法、设备及计算机可读存储介质 | |
CN110163092A (zh) | 基于人脸识别的人数统计方法、装置、设备及存储介质 | |
CN114550076A (zh) | 区域异常行为监控方法、装置、设备及存储介质 | |
CN111832727B (zh) | 跨数据、信息、知识模态与量纲的本质识别方法及组件 | |
CN114021946A (zh) | 一种企业环保管家管理*** | |
CN112419294A (zh) | 一种细胞计数方法、装置、设备及存储介质 | |
CN112364918A (zh) | 异常识别方法、终端和计算机可读存储介质 | |
US20200065631A1 (en) | Produce Assessment System | |
Yeng et al. | K-cusum: Cluster detection mechanism in edmon | |
CN116469505A (zh) | 数据处理方法、装置、计算机设备及可读存储介质 | |
CN114049676A (zh) | 疲劳状态检测方法、装置、设备及存储介质 | |
CN113887275A (zh) | 基于远程阅片标注的病理判读方法、***和可读存储介质 | |
CN108765396B (zh) | 一种基于计算机视觉的出光设备的出光检测方法 | |
CN113362069A (zh) | 风控模型的动态调整方法、装置、设备及可读存储介质 | |
CN111860323A (zh) | 一种基于yolov3算法识别监控画面中初期火灾的方法 | |
JP5181060B2 (ja) | 計算機 |
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 | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: Room 301, R&D Building, essence Science Park, No. 19, Nanxiang Second Road, Huangpu District, Guangzhou, Guangdong 510000 Patentee after: Guangzhou Wanfu Health Technology Co.,Ltd. Address before: 510000 area B, Letian Creative Park, Wushan Kehua street, Tianhe District, Guangzhou City, Guangdong Province Patentee before: Guangzhou Wanfu Health Technology Co.,Ltd. |