CN115588509A - 一种多模态乳腺健康检测*** - Google Patents

Abstract

本发明公开了一种多模态乳腺健康检测***，属于医疗领域，用于解决乳腺健康检测通常采用统一的检测标准，且检测准确性也欠佳的问题，包括实时监测模块、等级设定模块、检测比对模块和模型构建模块，所述实时监测数据用于对检测人员的乳腺健康状况进行实时监测，等级设定模块结合状态偏差值用于将检测人员的检测等级进行设定，得到检测人员的检测等级，所述模型构建模块用于对不同人群的乳腺检测模型进行构建，得到乳腺检测模型反馈至服务器，检测比对模块依据检测次数用于对检测人员乳腺健康进行比对，生成乳腺异常信号反馈至服务器或者不进行任何操作，本发明基于实际因素对检测人员的乳腺检测力度进行设定，从而提高乳腺健康检测的准确性。

Description

一种多模态乳腺健康检测***

技术领域

本发明属于医疗领域，涉及乳腺健康检测技术，具体是一种多模态乳腺健康检测***。

背景技术

乳腺是皮肤的附属腺，为复管泡状腺。男性乳腺在一岁半左右逐渐退变，腺体有导管，但无腺泡且不分叶。女性乳腺在***增生，月经开始后，乳腺发育已近成熟。

现有技术中，乳腺健康检测通常采用统一的检测标准，检测力度几乎相同，没有结合实际身体状况将检测人员的检测力度进行差异化设置，检测准确性也欠佳，为此，我们提出一种多模态乳腺健康检测***。

发明内容

针对现有技术存在的不足，本发明目的是提供一种多模态乳腺健康检测***。

本发明所要解决的技术问题为：

如何基于实际因素对检测人员的乳腺检测力度进行设定，从而提高乳腺健康检测的准确性。

本发明的目的可以通过以下技术方案实现：

一种多模态乳腺健康检测***，包括数据采集模块、用户终端、实时监测模块、等级设定模块、检测比对模块、模型构建模块、大数据模块、特征匹配模块以及服务器，所述数据采集模块用于采集检测人员的乳腺实时监测数据并发送至服务器，所述服务器将乳腺实时监测数据发送至实时监测模块；

所述实时监测数据用于对检测人员的乳腺健康状况进行实时监测，得到检测人员的状态偏差值反馈至服务器，所述服务器将检测人员的状态偏差值发送至等级设定模块；

等级设定模块结合状态偏差值用于将检测人员的检测等级进行设定，得到检测人员的检测等级反馈至服务器，服务器依据检测等级为检测人员设定对应的检测力度并发送至检测比对模块；

所述大数据模块用于获取不同人群的实时监测数据；所述模型构建模块用于对不同人群的乳腺检测模型进行构建，得到乳腺检测模型反馈至服务器，所述服务器将乳腺检测模型发送至检测比对模块；

检测比对模块依据检测次数用于对检测人员乳腺健康进行比对，生成乳腺异常信号反馈至服务器或者不进行任何操作；

若服务器接收到乳腺异常信号，则生成乳腺就诊信号发送至用户终端，用户终端处的检测人员接收到乳腺就诊信号后前往乳腺检测点进行检测。

进一步地，所述数据采集模块用于采集患者的多模态实时生物数据并发送至服务器，所述服务器将多模态实时生物数据发送至特征匹配模块；

所述特征匹配模块用于对检测人员的身份特征进行识别匹配，工作过程具体如下：

步骤S1：获取检测人员的多模态预设生物数据和多模态实时生物数据，将多模态实时生物数据与多模态预设生物数据进行比对；

步骤S2：将检测人员的两组脸部信息进行比对；

步骤S3：比对当前的两眼角外间距与预设的两眼角外间距，若两眼外间距相同则进入下一步骤，反之则继续比对直至失败生成匹配失败信号；

步骤S4：比对当前的头部的长度宽度与预设的头部长度宽度，若头部的长度宽度相同则进入下一步骤，反之则继续比对直至失败生成匹配失败信号；

步骤S5：比对当前的两耳间距与预设的两耳间距，若两耳间距相同则进入下一步骤，反之则继续比对直至失败生成匹配失败信号；

步骤S6：比对当前的嘴角间距与预设的嘴角间距，若嘴角间距相同则进入下一步骤，反之则继续比对直至失败生成匹配失败信号；

步骤S7：获取当前的指纹信息和预设的指纹信息，若指纹信息相同则进入下一步骤，反之则继续比对直至失败生成匹配失败信号；

步骤S7：获取当前的虹膜信息和预设的虹膜信息，若虹膜信息相同则生成匹配成功信号，反之则继续比对直至失败生成匹配失败信号；

所述特征匹配模块将匹配成功信号或匹配失败信号反馈至服务器；

若服务器接收到匹配成功信号，则用户终端登录成功；

若服务器接收到匹配失败信号，则用户终端登录失败。

进一步地，多模态实时生物数据包括检测人员的指纹信息、脸部信息和虹膜信息；

脸部信息包括两眼外间距、头部长度宽度、两耳间距、嘴角间距。

进一步地，实时监测数据为检测人员的乳腺实时规格、乳腺实时数以及单位时间内的实时疼痛次数。

进一步地，所述实时监测数据的工作过程具体如下：

依据检测人员的个人信息得到对应的乳腺预设监测数据；

其中，乳腺预设监测数据包括乳腺标准规格、乳腺标准数、以及单位时间内的疼痛次数上限值；

获取检测人员的乳腺实时规格，乳腺实时规格与乳腺预设规格进行比对，得到检测人员的乳腺规格差值；获取检测人员的乳腺实时数，乳腺实时数与乳腺标准数进行比对，得到检测人员的乳腺数量差值；获取检测人员在单位时间内的实时疼痛次数，计算实时疼痛次数与疼痛次数上限值的差值得到检测人员在单位时间内的疼痛次数差值；

计算得到检测人员的状态偏差值；

其中，乳腺标准数为区间范围，包含乳腺标准上限数和乳腺标准下限数，乳腺实时数分别与乳腺标准上限数、乳腺标准下限数计算差值，而后将两组相加求和取平均值，即可得到检测人员的乳腺数量差值。

进一步地，所述等级设定模块的设定过程具体如下：

状态偏差值比对状态偏差阈值，判定检测人员的检测等级为第三检测、第二检测等级或第一检测等级。

进一步地，服务器设定的检测力度具体如下：

若检测等级为第一检测等级，则为检测人员设定N1次检测次数；

若检测等级为第二检测等级，则为检测人员设定N2次检测次数；

若检测等级为第三检测等级，则为检测人员设定N3次的检测次数；其中，N1、N2和N3均为固定数值的正常数，且N3＜N2＜N1。

进一步地，所述模型构建模块的构建过程具体如下：

步骤S1：获取不同人群的实时监测数据，得到不同人群的乳腺实时规格、乳腺实时数以及单位时间内的实时疼痛次数；

步骤S2：依次遍历不同人群的乳腺实时规格、乳腺实时数以及单位时间内的实时疼痛次数，得到不同人群的乳腺实时最大规格、乳腺实时最小规格、乳腺实时上限数、乳腺实时下限数、单位时间内的实时疼痛上限次数和单位时间内的实时疼痛下限次数；

步骤S3：分别去掉乳腺实时规格、乳腺实时数中的最大值和最小值，若干个乳腺实时规格相加求和取平均值得到不同人群的最佳乳腺规格；

若干个乳腺实时数规格相加求和取平均值得到不同人群的最佳乳腺数；

若干个单位时间内的实时疼痛下限次数作为得到不同人群的单位时间内的最佳疼痛次数；

步骤S4：最佳乳腺规格、最佳乳腺数和单位时间内的最佳疼痛次数组成不同人群的乳腺检测模型。

进一步地，所述检测比对模块的比对过程具体如下：

步骤P1：依据检测次数将检测人员的乳腺实时监测数据代入乳腺检测模型；

步骤P2：将每次检测时的乳腺实时规格与最佳乳腺规格进行比对，将每次检测时的乳腺实时数与最佳乳腺数进行比对，将每次检测时的单位时间内的实时疼痛次数与单位时间内的最佳疼痛次数进行比对；

步骤P3：若乳腺实时规格在最佳乳腺规格的误差范围内，则不进行任何操作；

若乳腺实时规格不在最佳乳腺规格的误差范围内，则进入下一步骤；

步骤P4：若乳腺实时数在最佳乳腺数的误差范围内，则不进行任何操作；

若乳腺实时数在最佳乳腺数的误差范围内，则进入下一步骤；

步骤P5：若单位时间内的实时疼痛次数在单位时间内的最佳疼痛次数的误差范围内，则不进行任何操作；

若单位时间内的实时疼痛次数不在单位时间内的最佳疼痛次数的误差范围内，则生成乳腺异常信号。

与现有技术相比，本发明的有益效果是：

本发明首先利用特征匹配模块对检测人员的身份特征进行识别匹配，生成匹配成功信号或匹配失败信号，方便对检测人员的身份信息进行验证，验证通过后利用实时监测数据对检测人员的乳腺健康状况进行实时监测，得到检测人员的状态偏差值发送至等级设定模块，等级设定模块结合状态偏差值将检测人员的检测等级进行设定，得到检测人员的检测等级，服务器依据检测等级为检测人员设定对应的检测力度并发送至检测比对模块，检测比对模块依据检测次数对检测人员乳腺健康进行比对，依据检测次数将检测人员的乳腺实时监测数据代入乳腺检测模型，生成乳腺就诊信号或不进行任何操作，本发明基于实际因素对检测人员的乳腺检测力度进行设定，从而提高乳腺健康检测的准确性。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明的整体***框图。

具体实施方式

下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。

在本实施例中请参阅图1所示，现提供一种多模态乳腺健康检测***，包括数据采集模块、用户终端、实时监测模块、等级设定模块、检测比对模块、模型构建模块、大数据模块、特征匹配模块以及服务器；

所述用户终端用于使用人员输入个人信息后注册登录***，并将个人信息发送至服务器内存储；

其中，个人信息包括检测人员的姓名、性别、年龄、实名认证的手机号码、多模态预设生物数据等；

在一实施例中，所述数据采集模块用于采集患者的多模态实时生物数据，并将多模态实时生物数据发送至服务器，所述服务器将多模态实时生物数据发送至特征匹配模块；

需要进一步说明的是，多模态实时生物数据包括检测人员的指纹信息、脸部信息、虹膜信息等；其中，脸部信息可以包括两眼外间距、头部长度宽度、两耳间距、嘴角间距等；

所述特征匹配模块用于对检测人员的身份特征进行识别匹配，工作过程具体如下：

步骤S1：获取检测人员的多模态预设生物数据和多模态实时生物数据，将多模态实时生物数据与多模态预设生物数据进行比对；

步骤S2：将检测人员的两组脸部信息进行比对；

步骤S3：比对当前的两眼角外间距与预设的两眼角外间距，若两眼外间距相同则进入下一步骤，反之则继续比对直至失败生成匹配失败信号；

步骤S4：比对当前的头部的长度宽度与预设的头部长度宽度，若头部的长度宽度相同则进入下一步骤，反之则继续比对直至失败生成匹配失败信号；

步骤S5：比对当前的两耳间距与预设的两耳间距，若两耳间距相同则进入下一步骤，反之则继续比对直至失败生成匹配失败信号；

步骤S6：比对当前的嘴角间距与预设的嘴角间距，若嘴角间距相同则进入下一步骤，反之则继续比对直至失败生成匹配失败信号；

步骤S7：获取当前的指纹信息和预设的指纹信息，若指纹信息相同则进入下一步骤，反之则继续比对直至失败生成匹配失败信号；

步骤S7：获取当前的虹膜信息和预设的虹膜信息，若虹膜信息相同则生成匹配成功信号，反之则继续比对直至失败生成匹配失败信号；

所述特征匹配模块将匹配成功信号或匹配失败信号反馈至服务器；

若服务器接收到匹配成功信号，则用户终端登录成功；

若服务器接收到匹配失败信号，则用户终端登录失败；

在一实施例中，所述数据采集模块还用于采集检测人员的乳腺实时监测数据，并将乳腺实时监测数据发送至服务器，所述服务器将乳腺实时监测数据发送至实时监测模块；

需要具体说明的是，实时监测数据为检测人员的乳腺实时规格、乳腺实时数、以及单位时间内的实时疼痛次数等；

在具体实施时，数据采集模块为安装有患者调查问卷程序的智能手机、平板电脑，也可以是可输入患者病历信息、触诊结果、肿瘤标志物检查结果的电脑，还可以包括红外影像采集设备、超声影像采集设备、X光影像采集设备、热图像采集设备、电阻谱采集设备、CT影像设备、核磁影像设备等；

在本实施例中，所述实时监测数据用于对检测人员的乳腺健康状况进行实时监测，工作过程具体如下：

步骤一：将检测人员标记为u，u＝1，2，……，z，为正整数；依据检测人员的个人信息得到对应的乳腺预设监测数据；

其中，乳腺预设监测数据包括乳腺标准规格、乳腺标准数、以及单位时间内的疼痛次数上限值等；

步骤二：获取检测人员的乳腺实时规格，乳腺实时规格与乳腺预设规格进行比对，得到检测人员的乳腺规格差值GCu；

步骤三：获取检测人员的乳腺实时数，乳腺实时数与乳腺标准数进行比对，得到检测人员的乳腺数量差值LCu；

其中，乳腺标准数为区间范围，包含乳腺标准上限数和乳腺标准下限数，乳腺实时数分别与乳腺标准上限数、乳腺标准下限数计算差值，而后将两组相加求和取平均值，即可得到检测人员的乳腺数量差值；

步骤四：获取检测人员在单位时间内的实时疼痛次数，计算实时疼痛次数与疼痛次数上限值的差值得到检测人员在单位时间内的疼痛次数差值CCu；

步骤五：通过公式ZPu＝GCu×a1+LCu×a2+CCu×a3计算得到检测人员的状态偏差值ZPu；式中，a1、a2和a3均固定数值的权重系数，且a1、a2和a3的取值均大于零；

所述实时监测模块将检测人员的状态偏差值ZPu反馈至服务器，所述服务器将检测人员的状态偏差值ZPu发送至等级设定模块；

所述等级设定模块结合状态偏差值用于将检测人员的检测等级进行设定，设定过程具体如下：

若ZPu＜X1，检测人员的检测等级为第三检测等级；

若X1≤ZPu＜X2，则检测人员的检测等级为第二检测等级；

若X2≤ZPu，则检测人员的检测等级为第一检测等级；其中，X1和X2均为固定数值的状态偏差阈值，且X1＜X2；

所述等级设定模块将检测人员的检测等级反馈至服务器，服务器依据检测等级为检测人员设定对应的检测力度并发送至检测比对模块，具体为：

若检测等级为第一检测等级，则为检测人员设定N1次检测次数；

若检测等级为第二检测等级，则为检测人员设定N2次检测次数；

若检测等级为第三检测等级，则为检测人员设定N3次的检测次数；其中，N1、N2和N3均为固定数值的正常数，且N3＜N2＜N1；

所述模型构建模块连接有大数据模块，所述大数据模块用于获取不同人群的实时监测数据；所述模型构建模块用于对不同人群的乳腺检测模型进行构建，构建过程具体如下：

步骤S1：获取不同人群的实时监测数据，得到不同人群的乳腺实时规格、乳腺实时数以及单位时间内的实时疼痛次数；

步骤S2：依次遍历不同人群的乳腺实时规格、乳腺实时数以及单位时间内的实时疼痛次数，得到不同人群的乳腺实时最大规格、乳腺实时最小规格、乳腺实时上限数、乳腺实时下限数、单位时间内的实时疼痛上限次数和单位时间内的实时疼痛下限次数；

步骤S3：分别去掉乳腺实时规格、乳腺实时数中的最大值和最小值，若干个乳腺实时规格相加求和取平均值得到不同人群的最佳乳腺规格；

若干个乳腺实时数规格相加求和取平均值得到不同人群的最佳乳腺数；

若干个单位时间内的实时疼痛下限次数作为得到不同人群的单位时间内的最佳疼痛次数；

步骤S4：最佳乳腺规格、最佳乳腺数和单位时间内的最佳疼痛次数组成不同人群的乳腺检测模型；

所述模型构建模块将乳腺检测模型反馈至服务器，所述服务器将乳腺检测模型发送至检测比对模块；

所述检测比对模块依据检测次数用于对检测人员乳腺健康进行比对，比对过程具体如下；

步骤P1：依据检测次数将检测人员的乳腺实时监测数据代入乳腺检测模型；

步骤P2：将每次检测时的乳腺实时规格与最佳乳腺规格进行比对，将每次检测时的乳腺实时数与最佳乳腺数进行比对，将每次检测时的单位时间内的实时疼痛次数与单位时间内的最佳疼痛次数进行比对；

步骤P3：若乳腺实时规格在最佳乳腺规格的误差范围内，则不进行任何操作；

若乳腺实时规格不在最佳乳腺规格的误差范围内，则进入下一步骤；

步骤P4：若乳腺实时数在最佳乳腺数的误差范围内，则不进行任何操作；

若乳腺实时数在最佳乳腺数的误差范围内，则进入下一步骤；

步骤P5：若单位时间内的实时疼痛次数在单位时间内的最佳疼痛次数的误差范围内，则不进行任何操作；

若单位时间内的实时疼痛次数不在单位时间内的最佳疼痛次数的误差范围内，则生成乳腺异常信号；

所述检测比对模块将乳腺异常信号反馈至服务器或者不进行任何操作；

若服务器接收到乳腺异常信号，则生成乳腺就诊信号发送至用户终端，用户终端处的检测人员接收到乳腺就诊信号后前往乳腺检测点进行检测。

在一实施例中，基于同一发明的又一构思，现提出一种多模态乳腺健康检测***的工作方法，工作方法具体如下：

步骤S101，通过数据采集模块采集患者的多模态实时生物数据，并将多模态实时生物数据发送至服务器，服务器将多模态实时生物数据发送至特征匹配模块；

步骤S102，利用特征匹配模块对检测人员的身份特征进行识别匹配，获取检测人员的多模态预设生物数据和多模态实时生物数据，将多模态实时生物数据与多模态预设生物数据进行比对，将检测人员的两组脸部信息进行比对，比对当前的两眼角外间距与预设的两眼角外间距，若两眼外间距不相同则继续比对直至失败生成匹配失败信号，反之比对当前的头部的长度宽度与预设的头部长度宽度，若头部的长度宽度不相同则继续比对直至失败生成匹配失败信号，反之则比对当前的两耳间距与预设的两耳间距，若两耳间距不相同则继续比对直至失败生成匹配失败信号，反之则比对当前的嘴角间距与预设的嘴角间距，若嘴角间距不相同则继续比对直至失败生成匹配失败信号，反之则获取当前的指纹信息和预设的指纹信息，若指纹信息不相同则继续比对直至失败生成匹配失败信号，反之则获取当前的虹膜信息和预设的虹膜信息，若虹膜信息相同则生成匹配成功信号，反之则继续比对直至失败生成匹配失败信号，特征匹配模块将匹配成功信号或匹配失败信号反馈至服务器，若服务器接收到匹配成功信号，则用户终端登录成功，若服务器接收到匹配失败信号，则用户终端登录失败；

步骤S103，数据采集模块还采集检测人员的乳腺实时监测数据，并将乳腺实时监测数据发送至服务器，服务器将乳腺实时监测数据发送至实时监测模块；

步骤S104，利用实时监测数据对检测人员的乳腺健康状况进行实时监测，将检测人员标记为u，依据检测人员的个人信息得到对应的乳腺预设监测数据，而后获取检测人员的乳腺实时规格，乳腺实时规格与乳腺预设规格进行比对，得到检测人员的乳腺规格差值GCu，获取检测人员的乳腺实时数，乳腺实时数与乳腺标准数进行比对，得到检测人员的乳腺数量差值LCu，获取检测人员在单位时间内的实时疼痛次数，计算实时疼痛次数与疼痛次数上限值的差值得到检测人员在单位时间内的疼痛次数差值CCu，通过公式ZPu＝GCu×a1+LCu×a2+CCu×a3计算得到检测人员的状态偏差值ZPu，实时监测模块将检测人员的状态偏差值ZPu反馈至服务器，服务器将检测人员的状态偏差值ZPu发送至等级设定模块；

步骤S105，等级设定模块结合状态偏差值将检测人员的检测等级进行设定，若ZPu＜X1，检测人员的检测等级为第三检测等级，若X1≤ZPu＜X2，则检测人员的检测等级为第二检测等级，若X2≤ZPu，则检测人员的检测等级为第一检测等级，等级设定模块将检测人员的检测等级反馈至服务器，服务器依据检测等级为检测人员设定对应的检测力度并发送至检测比对模块，若检测等级为第一检测等级，则为检测人员设定N1次检测次数，若检测等级为第二检测等级，则为检测人员设定N2次检测次数，若检测等级为第三检测等级，则为检测人员设定N3次的检测次数；

步骤S106，大数据模块获取不同人群的实时监测数据，模型构建模块用于对不同人群的乳腺检测模型进行构建，获取不同人群的实时监测数据，得到不同人群的乳腺实时规格、乳腺实时数以及单位时间内的实时疼痛次数，依次遍历不同人群的乳腺实时规格、乳腺实时数以及单位时间内的实时疼痛次数，得到不同人群的乳腺实时最大规格、乳腺实时最小规格、乳腺实时上限数、乳腺实时下限数、单位时间内的实时疼痛上限次数和单位时间内的实时疼痛下限次数，分别去掉乳腺实时规格、乳腺实时数中的最大值和最小值，若干个乳腺实时规格相加求和取平均值得到不同人群的最佳乳腺规格，若干个乳腺实时数规格相加求和取平均值得到不同人群的最佳乳腺数，若干个单位时间内的实时疼痛下限次数作为得到不同人群的单位时间内的最佳疼痛次数，最佳乳腺规格、最佳乳腺数和单位时间内的最佳疼痛次数组成不同人群的乳腺检测模型，模型构建模块将乳腺检测模型反馈至服务器，服务器将乳腺检测模型发送至检测比对模块；

步骤S107，检测比对模块依据检测次数对检测人员乳腺健康进行比对，依据检测次数将检测人员的乳腺实时监测数据代入乳腺检测模型，将每次检测时的乳腺实时规格与最佳乳腺规格进行比对，将每次检测时的乳腺实时数与最佳乳腺数进行比对，将每次检测时的单位时间内的实时疼痛次数与单位时间内的最佳疼痛次数进行比对，若乳腺实时规格在最佳乳腺规格的误差范围内，则不进行任何操作，若乳腺实时规格不在最佳乳腺规格的误差范围内，则判定乳腺实时数是否在最佳乳腺数的误差范围内，若乳腺实时数在最佳乳腺数的误差范围内，则不进行任何操作，若乳腺实时数在最佳乳腺数的误差范围内，则判断单位时间内的实时疼痛次数是否在单位时间内的最佳疼痛次数的误差范围内，若单位时间内的实时疼痛次数在单位时间内的最佳疼痛次数的误差范围内，则不进行任何操作，若单位时间内的实时疼痛次数不在单位时间内的最佳疼痛次数的误差范围内，则生成乳腺异常信号，检测比对模块将乳腺异常信号反馈至服务器或者不进行任何操作，若服务器接收到乳腺异常信号，则生成乳腺就诊信号发送至用户终端，用户终端处的检测人员接收到乳腺就诊信号后前往乳腺检测点进行检测。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置，权重系数和比例系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于权重系数和比例系数的大小，只要不影响参数与量化后数值的比例关系即可。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (9)

1.一种多模态乳腺健康检测***，其特征在于，包括数据采集模块、用户终端、实时监测模块、等级设定模块、检测比对模块、模型构建模块、大数据模块、特征匹配模块以及服务器，所述数据采集模块用于采集检测人员的乳腺实时监测数据并发送至服务器，所述服务器将乳腺实时监测数据发送至实时监测模块；

所述实时监测数据用于对检测人员的乳腺健康状况进行实时监测，得到检测人员的状态偏差值反馈至服务器，所述服务器将检测人员的状态偏差值发送至等级设定模块；

等级设定模块结合状态偏差值用于将检测人员的检测等级进行设定，得到检测人员的检测等级反馈至服务器，服务器依据检测等级为检测人员设定对应的检测力度并发送至检测比对模块；

所述大数据模块用于获取不同人群的实时监测数据；所述模型构建模块用于对不同人群的乳腺检测模型进行构建，得到乳腺检测模型反馈至服务器，所述服务器将乳腺检测模型发送至检测比对模块；

检测比对模块依据检测次数用于对检测人员乳腺健康进行比对，生成乳腺异常信号反馈至服务器或者不进行任何操作；

若服务器接收到乳腺异常信号，则生成乳腺就诊信号发送至用户终端，用户终端处的检测人员接收到乳腺就诊信号后前往乳腺检测点进行检测。

2.根据权利要求1所述的一种多模态乳腺健康检测***，其特征在于，所述数据采集模块用于采集患者的多模态实时生物数据并发送至服务器，所述服务器将多模态实时生物数据发送至特征匹配模块；

所述特征匹配模块用于对检测人员的身份特征进行识别匹配，工作过程具体如下：

步骤S1：获取检测人员的多模态预设生物数据和多模态实时生物数据，将多模态实时生物数据与多模态预设生物数据进行比对；

步骤S2：将检测人员的两组脸部信息进行比对；

步骤S3：比对当前的两眼角外间距与预设的两眼角外间距，若两眼外间距相同则进入下一步骤，反之则继续比对直至失败生成匹配失败信号；

步骤S4：比对当前的头部的长度宽度与预设的头部长度宽度，若头部的长度宽度相同则进入下一步骤，反之则继续比对直至失败生成匹配失败信号；

步骤S5：比对当前的两耳间距与预设的两耳间距，若两耳间距相同则进入下一步骤，反之则继续比对直至失败生成匹配失败信号；

步骤S6：比对当前的嘴角间距与预设的嘴角间距，若嘴角间距相同则进入下一步骤，反之则继续比对直至失败生成匹配失败信号；

步骤S7：获取当前的指纹信息和预设的指纹信息，若指纹信息相同则进入下一步骤，反之则继续比对直至失败生成匹配失败信号；

步骤S7：获取当前的虹膜信息和预设的虹膜信息，若虹膜信息相同则生成匹配成功信号，反之则继续比对直至失败生成匹配失败信号；

所述特征匹配模块将匹配成功信号或匹配失败信号反馈至服务器；

若服务器接收到匹配成功信号，则用户终端登录成功；

若服务器接收到匹配失败信号，则用户终端登录失败。

3.根据权利要求2所述的一种多模态乳腺健康检测***，其特征在于，多模态实时生物数据包括检测人员的指纹信息、脸部信息和虹膜信息；

脸部信息包括两眼外间距、头部长度宽度、两耳间距、嘴角间距。

4.根据权利要求1所述的一种多模态乳腺健康检测***，其特征在于，实时监测数据为检测人员的乳腺实时规格、乳腺实时数以及单位时间内的实时疼痛次数。

5.根据权利要求1所述的一种多模态乳腺健康检测***，其特征在于，所述实时监测数据的工作过程具体如下：

依据检测人员的个人信息得到对应的乳腺预设监测数据；

其中，乳腺预设监测数据包括乳腺标准规格、乳腺标准数、以及单位时间内的疼痛次数上限值；

获取检测人员的乳腺实时规格，乳腺实时规格与乳腺预设规格进行比对，得到检测人员的乳腺规格差值；获取检测人员的乳腺实时数，乳腺实时数与乳腺标准数进行比对，得到检测人员的乳腺数量差值；获取检测人员在单位时间内的实时疼痛次数，计算实时疼痛次数与疼痛次数上限值的差值得到检测人员在单位时间内的疼痛次数差值；

计算得到检测人员的状态偏差值；

其中，乳腺标准数为区间范围，包含乳腺标准上限数和乳腺标准下限数，乳腺实时数分别与乳腺标准上限数、乳腺标准下限数计算差值，而后将两组相加求和取平均值，即可得到检测人员的乳腺数量差值。

6.根据权利要求1所述的一种多模态乳腺健康检测***，其特征在于，所述等级设定模块的设定过程具体如下：

状态偏差值比对状态偏差阈值，判定检测人员的检测等级为第三检测、第二检测等级或第一检测等级。

7.根据权利要求1所述的一种多模态乳腺健康检测***，其特征在于，服务器设定的检测力度具体如下：

若检测等级为第一检测等级，则为检测人员设定N1次检测次数；

若检测等级为第二检测等级，则为检测人员设定N2次检测次数；

若检测等级为第三检测等级，则为检测人员设定N3次的检测次数；其中，N1、N2和N3均为固定数值的正常数，且N3＜N2＜N1。

8.根据权利要求1所述的一种多模态乳腺健康检测***，其特征在于，所述模型构建模块的构建过程具体如下：

步骤S1：获取不同人群的实时监测数据，得到不同人群的乳腺实时规格、乳腺实时数以及单位时间内的实时疼痛次数；

步骤S2：依次遍历不同人群的乳腺实时规格、乳腺实时数以及单位时间内的实时疼痛次数，得到不同人群的乳腺实时最大规格、乳腺实时最小规格、乳腺实时上限数、乳腺实时下限数、单位时间内的实时疼痛上限次数和单位时间内的实时疼痛下限次数；

步骤S3：分别去掉乳腺实时规格、乳腺实时数中的最大值和最小值，若干个乳腺实时规格相加求和取平均值得到不同人群的最佳乳腺规格；

若干个乳腺实时数规格相加求和取平均值得到不同人群的最佳乳腺数；

若干个单位时间内的实时疼痛下限次数作为得到不同人群的单位时间内的最佳疼痛次数；

步骤S4：最佳乳腺规格、最佳乳腺数和单位时间内的最佳疼痛次数组成不同人群的乳腺检测模型。

9.根据权利要求1所述的一种多模态乳腺健康检测***，其特征在于，所述检测比对模块的比对过程具体如下：

步骤P1：依据检测次数将检测人员的乳腺实时监测数据代入乳腺检测模型；

步骤P2：将每次检测时的乳腺实时规格与最佳乳腺规格进行比对，将每次检测时的乳腺实时数与最佳乳腺数进行比对，将每次检测时的单位时间内的实时疼痛次数与单位时间内的最佳疼痛次数进行比对；

步骤P3：若乳腺实时规格在最佳乳腺规格的误差范围内，则不进行任何操作；

若乳腺实时规格不在最佳乳腺规格的误差范围内，则进入下一步骤；

步骤P4：若乳腺实时数在最佳乳腺数的误差范围内，则不进行任何操作；

若乳腺实时数在最佳乳腺数的误差范围内，则进入下一步骤；

步骤P5：若单位时间内的实时疼痛次数在单位时间内的最佳疼痛次数的误差范围内，则不进行任何操作；

若单位时间内的实时疼痛次数不在单位时间内的最佳疼痛次数的误差范围内，则生成乳腺异常信号。

Images