CN117951190B - 一种基于人工智能的人体指标异常数据处理方法及*** - Google Patents
一种基于人工智能的人体指标异常数据处理方法及*** Download PDFInfo
- Publication number
- CN117951190B CN117951190B CN202410303318.0A CN202410303318A CN117951190B CN 117951190 B CN117951190 B CN 117951190B CN 202410303318 A CN202410303318 A CN 202410303318A CN 117951190 B CN117951190 B CN 117951190B
- Authority
- CN
- China
- Prior art keywords
- requester
- physical examination
- information
- data
- application program
- 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.)
- Active
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 44
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 28
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 82
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 230000007246 mechanism Effects 0.000 claims description 64
- 230000001815 facial effect Effects 0.000 claims description 21
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 7
- 230000008520 organization Effects 0.000 claims description 6
- 238000007726 management method Methods 0.000 abstract description 29
- 238000013523 data management Methods 0.000 abstract description 9
- 230000036541 health Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000036772 blood pressure Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 201000004384 Alopecia Diseases 0.000 description 2
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 2
- 206010047513 Vision blurred Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000005802 health problem Effects 0.000 description 2
- 206010022437 insomnia Diseases 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 231100000360 alopecia Toxicity 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002554 disease preventive effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 208000024963 hair loss Diseases 0.000 description 1
- 230000003676 hair loss Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 208000014221 sudden cardiac arrest Diseases 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请公开了一种基于人工智能的人体指标异常数据处理方法及***,该方法包括:获取用户端应用程序在监测模式下拍摄的请求视频,请求视频包括请求者的图像信息和请求者对自身情况的描述语音信息;对请求者的图像信息进行识别,提取存储于管理平台数据库的请求者的历史体检信息;基于获取到的当前信息,对历史体检信息的对应数据进行更新,得到当前数据信息;对请求者的描述语音信息进行处理,得到关键语义;基于当前数据信息和关键语义,生成请求者数据表;对请求者数据表进行处理,得到请求者的异常数据;基于请求者的异常数据,向请求者推荐体检套餐。本申请旨在解决体检数据管理不具有灵活性和便利性的技术问题。
Description
技术领域
本申请涉及智能监测技术领域,尤其涉及一种基于人工智能的人体指标异常数据处理方法及***。
背景技术
体检是指对身体进行一系列的检查和测试,以评估个人的健康状况和发现潜在的健康问题。因此,定期前往医院或者专业的体检场所进行体检,对于维护个人健康至关重要。
然而,现有的体检数据的管理和追踪往往存在一定的局限性。比如,对于那些因工作或其他原因频繁更换城市或居住地的人来说,由于数据管理不具有灵活性和便利性,导致他们无法及时获取自己的身体异常数据,从而错过了早期干预和治疗的最佳时机。
上述内容仅用于辅助理解本申请的技术方案,并不代表承认上述内容是现有技术。
发明内容
本申请的主要目的在于提供一种基于人工智能的人体指标异常数据处理方法及***,旨在解决体检数据管理不具有灵活性和便利性的技术问题。
为实现上述目的,本申请提供一种基于人工智能的人体指标异常数据处理方法,所述方法包括:获取用户端应用程序在监测模式下拍摄的请求视频,所述请求视频包括请求者的图像信息和所述请求者对自身情况的描述语音信息;对所述请求者的图像信息进行识别,提取存储于管理平台数据库的所述请求者的历史体检信息;基于获取到的当前信息,对所述历史体检信息的对应数据进行更新,得到当前数据信息;所述当前信息为可佩带终端设备提供的所述请求者的身体数据信息;对所述请求者的描述语音信息进行处理,得到关键语义;基于所述当前数据信息和所述关键语义,生成请求者数据表;对所述请求者数据表进行处理,得到所述请求者的异常数据;基于所述请求者的异常数据,向所述请求者推荐体检套餐。
可选地,所述对所述请求者的图像信息进行识别,提取存储于管理平台数据库的所述请求者的历史体检信息,包括:将所述请求视频的图像帧提取出来并保存为图片格式,以生成所述请求者的图像信息;从所述请求者的图像信息中确定所述请求者的识别区域;利用神经网络对所述请求者的识别区域进行特征提取,得到所述请求者的面部图像;对所述请求者的面部图像与存储于管理平台数据库的用户面部图像进行匹配,得到匹配结果;基于所述匹配结果,提取所述请求者的历史体检信息。
可选地,所述对所述请求者的描述语音信息进行处理,得到关键语义,包括:将所述请求视频中的描述语音信息提取出来,并保存为音频文件;对所述音频文件进行预处理,得到目标音频文件;利用神经网络对所述目标音频文件进行特征提取,生成可编辑文本;将所述可编辑文本反馈至所述用户端应用程序,以使所述用户端应用程序显示和/或播放所述可编辑文本;获取所述请求者对所述可编辑文本的校对和编辑信息,得到所述关键语义。
可选地,所述对所述请求者数据表进行处理,得到所述请求者的异常数据,包括:对所述请求者的当前数据信息进行预处理,得到目标数据信息;对所述目标数据信息进行特征识别,得到所述请求者的各项身体指标;基于预设的各项参数阈值,对对应的所述请求者的各项身体指标进行对比,得到所述请求者的异常数据。
可选地,所述基于所述请求者的异常数据,向所述请求者推荐体检套餐,包括:向上传所述请求视频的第一用户端应用程序发送所述体检套餐,以使所述第一用户端应用程序的用户界面向所述请求者显示所述体检套餐;和/或,向所述第一用户端应用程序以及与所述第一用户端应用程序关联的第二用户端应用程序发送所述体检套餐,以使所述第一用户端应用程序的用户界面向所述请求者显示所述体检套餐、所述第二用户端应用程序的用户界面向所述请求者的关联人显示所述体检套餐。
可选地,所述基于所述请求者的异常数据,向所述请求者推荐体检套餐之后,所述方法还包括:获取所述用户端应用程序发送的用户反馈信息;若所述用户反馈信息为“已采纳”,则获取所述请求者的体检报告,并将所述体检报告归档至所述请求者的历史体检信息;若所述用户反馈信息为“未采纳”,则基于预设条件,向所述请求者推荐体检机构。
可选地,所述基于预设条件,向所述请求者推荐体检机构,包括:基于所述体检套餐对注册目录中的体检机构进行打分,将等于第一阈值的体检机构确定为第一目标体检机构;基于预先创建的用户打分规则对所述第一目标体检机构进行打分,将高于第二预设阈值的所述第一目标体检机构确定为第二目标体检机构;基于所述请求者预设的地址信息对所述第二目标体检机构进行打分,将小于第三预设阈值的所述第二目标体检机构确定为第三目标体检机构;向所述请求者推荐所述第三目标体检机构。
可选地,所述方法还包括:对所述请求者的当前信息进行识别;若所述请求者的当前信息大于对应的第二参数阈值,提示所述请求者前往医院检查。
此外,为实现上述目的,本申请还提供一种基于人工智能的人体指标异常数据处理***,所述***包括:用户端应用程序,搭载于请求者的移动终端上,所述用户端应用程序用于在监测模式下拍摄请求视频,所述请求视频包括请求者的图像信息和所述请求者对自身情况的描述语音信息;数据处理平台,与所述用户端应用程序通信连接;所述数据处理平台用于获取用户端应用程序在监测模式下拍摄的请求视频;对所述请求视频中所述请求者的图像信息进行识别,提取存储于管理平台数据库的所述请求者的历史体检信息;基于获取到的当前信息,对所述历史体检信息的对应数据进行更新,得到当前数据信息;所述当前信息为可佩带终端设备提供的所述请求者的身体数据信息;对所述请求视频中所述请求者的描述语音信息进行处理,得到关键语义;基于所述当前数据信息和所述关键语义,生成请求者数据表;对所述请求者数据表进行处理,得到所述请求者的异常数据;基于所述请求者的异常数据,向所述请求者推荐体检套餐。
可选地,所述用户端应用程序包括第一用户端应用程序和第二用户端应用程序,所述第一用户端应用程序与所述第一用户端应用程序关联,所述第一用户端应用程序用于在监测模式下拍摄所述请求视频并将向所述管理平台发送所述请求视频、接收所述管理平台发送的体检套餐、向所述管理平台发送获取到的用户反馈信息和/或接收所述管理平台推荐的体检机构;所述第二用户端应用程序用于接收所述管理平台发送的所述请求者的体检套餐和/或接收所述管理平台推荐的体检机构。
此外,为实现上述目的,本申请还提供一种基于人工智能的人体指标异常数据处理装置,所述装置包括:
视频获取模块,用于获取用户端应用程序在监测模式下拍摄的请求视频,所述请求视频包括请求者的图像信息和所述请求者对自身情况的描述语音信息;
识别提取模块,用于对所述请求者的图像信息进行识别,提取存储于管理平台数据库的所述请求者的历史体检信息;
数据更新模块,用于基于获取到的当前信息,对所述历史体检信息的对应数据进行更新,得到当前数据信息;所述当前信息为可佩带终端设备提供的所述请求者的身体数据信息;
第一处理模块,用于对所述请求者的描述语音信息进行处理,得到关键语义;
数据生成模块,用于基于所述当前数据信息和所述关键语义,生成请求者数据表;
第二处理模块,用于对所述请求者数据表进行处理,得到所述请求者的异常数据;
推荐发送模块,用于基于所述请求者的异常数据,向所述请求者推荐体检套餐。
此外,本申请还提供了一种计算设备,所述计算设备包括:至少一个处理器、存储器和输入输出单元;其中,所述存储器用于存储计算机程序,所述处理器用于调用所述存储器中存储的计算机程序来执行上述任一项所述的方法。
此外,本申请还提供了一种计算机可读存储介质,其包括指令,当其在计算机上运行时,使得计算机执行上述任一项所述的方法。
本申请实施例提出的一种基于人工智能的人体指标异常数据处理方法及***,通过对请求视频的图像信息进行识别得到请求者的历史体检信息;通过对历史体检信息进行更新得到当前数据信息;通过对请求视频的描述语音信息进行处理得到关键语义;通过当前数据信息和关键语义得到请求者数据表;通过对请求者数据表进行处理得到请求者的异常数据;通过得到请求者的异常数据向请求者推荐体检套餐;如此在请求者因为工作或其他原因更换城市或居住地无法定期前往体检机构时,可以实现请求者不受地域、体检机构以及时间限制就能跟踪自己的健康状况,不仅在一定程度上满足了请求者的健康需求,而且提高了体检数据管理的灵活性和便捷性。
附图说明
图1为本申请一实施例提供的一种基于人工智能的人体指标异常数据处理***的结构示意图;
图2为本申请一实施例提供的一种基于人工智能的人体指标异常数据处理方法的流程示意图;
图3为本申请一实施例提供的一种基于人工智能的人体指标异常数据处理装置的功能模块示意图;
图4为本申请一实施例提供的一种介质的结构示意图;
图5为本申请一实施例提供的一种计算设备的结构示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本申请的实施方式可以实现为一种***、装置、设备、方法或计算机程序产品。因此,本申请可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
体检是指对身体进行一系列的检查和测试,以评估个人的健康状况和发现潜在的健康问题。因此,定期前往医院或者专业的体检场所进行体检,对于维护个人健康至关重要。然而,现有的体检模式往往存在一些局限性。比如,人们通常只能前往常住地的医院或体检中心进行体检,这在一定程度上限制了体检的灵活性和便利性。特别是对于那些因工作或其他原因频繁更换城市或居住地的人来说,这种限制尤为明显。他们可能无法及时在新的城市找到合适的体检机构,或者因为时间紧迫而错过重要的体检。此外,即使进行了体检,由于数据管理和追踪的不足,他们也可能无法及时获取自己的身体异常数据,从而错过了早期干预和治疗的最佳时机。
本申请实施例的主要解决方案是:获取用户端应用程序在监测模式下拍摄的请求视频,请求视频包括请求者的图像信息和请求者对自身情况的描述语音信息;对请求者的图像信息进行识别,提取存储于管理平台数据库的请求者的历史体检信息;基于获取到的当前信息,对历史体检信息的对应数据进行更新,得到当前数据信息;当前信息为可佩带终端设备提供的请求者的身体数据信息;对请求者的描述语音信息进行处理,得到关键语义;基于当前数据信息和关键语义,生成请求者数据表;对请求者数据表进行处理,得到请求者的异常数据;基于请求者的异常数据,向请求者推荐体检套餐。
本申请提供一种解决方案,通过对请求视频的图像信息进行识别得到请求者的历史体检信息;通过对历史体检信息进行更新得到当前数据信息;通过对请求视频的描述语音信息进行处理得到关键语义;通过当前数据信息和关键语义得到请求者数据表;通过对请求者数据表进行处理得到请求者的异常数据;通过得到请求者的异常数据向请求者推荐体检套餐;如此在请求者因为工作或其他原因更换城市或居住地无法定期前往体检机构时,可以实现请求者不受地域、体检机构以及时间限制就能跟踪自己的健康状况,不仅在一定程度上满足了请求者的健康需求,而且提高了体检数据管理的灵活性和便捷性。
需要说明的是,附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
下面参考本申请的若干代表性实施方式,详细阐释本申请的原理。
参照图1,本申请一实施例提供的一种基于人工智能的人体指标异常数据处理***的结构示意图。一种基于人工智能的人体指标异常数据处理***包括用户端应用程序以及数据处理平台120,数据处理平台120与用户端应用程序通信连接。
其中,用户端应用程序搭载于请求者的移动终端110上,用户端应用程序在监测模式下拍摄请求视频,并将请求视频发送给数据处理平台120,请求视频包括请求者的图像信息和请求者对自身情况的描述语音信息。
数据处理平台120获取用户端应用程序在监测模式下拍摄的请求视频;对请求视频中请求者的图像信息进行识别,提取请求者的历史体检信息;基于获取到的当前信息,对历史体检信息的对应数据进行更新,得到当前数据信息;当前信息为可佩带终端设备提供的请求者的身体数据信息;对请求视频中请求者的描述语音信息进行处理,得到关键语义;基于当前数据信息和关键语义,生成请求者数据表;对请求者数据表进行处理,得到请求者的异常数据;基于请求者的异常数据,向请求者推荐体检套餐。
结合图2可理解的,用户端应用程序搭载在请求者的移动终端110上,在请求者因为工作或其他原因更换城市或居住地无法定期前往固定的体检机构时,请求者可以在用户端应用程序的监测模式下拍摄请求视频,在该请求视频中可详细描述自己的身体情况;数据处理平台120对请求者的用户端应用程序上传的拍摄请求视频进行处理,最终得到请求者的异常数据,并基于请求者的异常数据向请求者推荐体检套餐,如此可以实现请求者不受地域、体检机构以及时间限制就能跟踪自己的健康状况,不仅在一定程度上满足了请求者的健康需求,而且提高了体检数据管理的灵活性和便捷性。
在一些方式中,用户端应用程序包括第一用户端应用程序和第二用户端应用程序,第一用户端应用程序与第一用户端应用程序关联,第一用户端应用程序用于在监测模式下拍摄请求视频并将向管理平台发送请求视频、接收管理平台发送的体检套餐、向管理平台发送获取到的用户反馈信息和/或接收管理平台推荐的体检机构;第二用户端应用程序用于接收管理平台发送的请求者的体检套餐和/或接收管理平台推荐的体检机构。
在其他方式中,数据处理平台可开设有多个用户端接口,多个用户端接口可对应连接有搭载有用户端应用程序的移动终端,与一个用户端接口对应的搭载有用户端应用程序的移动终端可关联多个移动终端,该多个移动终端可分别对应请求者的关联人,在请求者与请求者的关联人都接收到体检套餐后,请求者的关联人可在请求者无法独立体检机构时,陪同请求者前往。
需要说明的是,本申请实施例中涉及到的请求者的个人隐私、历史体检信息、当前信息以及请求者的关联人个人信息均需要在请求者以及请求者的关联人的同意下进行获取,并对上述信息负有保密责任,不会对请求者以及请求者的关联人的隐私造成侵权。
以及,本申请实施例中所涉及的移动终端包括手机、平板电脑、手提电脑以及台式电脑等,为对一种基于人工智能的人体指标异常数据处理***的结构进行说明,图1采用手机对搭载有用户端应用程序的移动终端进行举例说明,但上述说明不对本申请实施例进行限定。
参照图2,本申请一实施例提供的一种基于人工智能的人体指标异常数据处理方法,所述方法应用于上述数据处理平台120,所述方法包括:
步骤S210,获取用户端应用程序在监测模式下拍摄的请求视频。
在示例实施例,请求视频为上述实施例的移动终端的110在监测模式下拍摄的视频。该请求视频包括请求者的图像信息和请求者对自身情况的描述语音信息。请求者的图像信息包括请求者的背景图像和面部图像。描述语音信息包括请求者的对自身身体情况的描述,例如连续一周熬夜脱发严重、失眠两三天、看东西模糊等。
在请求者因为工作或其他原因更换城市或居住地无法定期前往固定的体检机构时,对搭载在移动终端上的用户端应用程序进行操作,用户端应用程序在监测模式下启动移动终端的相机对请求者进行拍摄,拍摄完成后对视频进行打包处理以得到请求视频,将请求视频发送给数据处理平台。
需要说明的是,本示例实施例中用户端应用程序包括常规模式和监测模式,常规模式下用户端应用程序的用户界面上会显示一些健康生活建议、疾病预防措施等信息。在监测模式下用户端应用程序的用户界面为相机界面,在拍摄完成后,用户端应用程序会自动退出监测模式切换至常规模式。
通过拍摄请求视频,可以使得请求者无需进行手动输入就可实现在对自身情况进行说明,极大的简化了用户操作。
步骤S220,对请求者的图像信息进行识别,提取存储于管理平台数据库的请求者的历史体检信息。
在示例实施例,历史体检信息为请求者在数据处理平台的注册体检机构的体检记录的汇总。历史体检信息可以包括请求者的历史体检机构、体检科室、体检时间、检查报告、诊断结果、医疗费用、体检计划、其他相关信息等。其中,体检时间包括每次体检的日期和时间;检查报告包括各种医学检查(如X光、CT、MRI、超声波等)和实验室检查(如血常规、尿常规、生化检查等)的结果以及手术记录,手术记录包括手术的过程、结果、术后注意事项等;诊断结果包括医生的诊断意见、用药目录等;体检计划包括医生会为体检用户制定的定期体检计划,例如,间隔多久前往体检机构进行体检以及体检的项目等。其他相关信息例如过敏史、家族病史等。
在一具体的实施例中,上述步骤S220可以包括:将请求视频的图像帧提取出来并保存为图片格式,以生成请求者的图像信息;从请求者的图像信息中确定请求者的识别区域;利用神经网络对请求者的识别区域进行特征提取,得到请求者的面部图像;对请求者的面部图像与存储于管理平台数据库的体检用户面部图像进行匹配,得到匹配结果;基于匹配结果,提取请求者的历史体检信息。
可理解的,利用OCR(Optical Character Recognition,光学字符识别)技术将请求视频中的每一帧图像都提取出来,并保存为图片格式,如JPG或PNG;之后,对每一帧图像信息进行预处理,例如对图像信息进行图像的几何调整、颜色矫正等,之后,对预处理后得到的预处理图像进行识别,具体的,利用神经网络的选择框对预处理图像的识别区域进行选定,主要截取具有请求者的头部图像以生成目标图像,之后利用神经网络对截取出来的目标图像进行特征提取,得到请求者的面部图像;之后,利用神经网络将请求者的面部图像与存储于管理平台数据库的体检用户面部图像进行比对,确定请求者的身份。若请求者的面部图像与存储于管理平台数据库的体检用户面部图像匹配成功,则证明请求者在数据处理平台注册的体检机构体检过,此时,调取请求者的历史体检信息;若请求者的面部图像与存储于管理平台数据库的体检用户面部图像匹配不成功,则证明请求者在数据处理平台注册的体检机构未体检过,此时,建议请求者前往数据处理平台注册的体检机构进行体检,方便后续建立历史体检信息。
步骤S230,基于获取到的当前信息,对历史体检信息的对应数据进行更新,得到当前数据信息。
在示例实施例,当前信息为可佩带终端设备提供的请求者的身体数据信息。可佩带终端设备例如血压计、血糖仪、体温计、体重秤、听诊器、家用脉搏血氧仪以及能够测量上述数据的智能手环等其他智能设备。
通过获取到的当前信息对请求者的历史体检信息进行更新,使得请求者的当前身体情况更加准确,能够有效提高推荐体检套餐的准确性。
步骤S240,对请求者的描述语音信息进行处理,得到关键语义。
结合上述示例实施例,关键语义例如:“熬夜”、“失眠”、“脱发”、“视力模糊”等。
在一具体的实施例中,上述步骤S240可以包括:将请求视频中的描述语音信息提取出来,并保存为音频文件;对音频文件进行预处理,得到目标音频文件;利用神经网络对目标音频文件进行特征提取,生成可编辑文本;将可编辑文本反馈至用户端应用程序,以使用户端应用程序显示和/或播放可编辑文本;获取请求者对可编辑文本的校对和编辑信息,得到关键语义。
可理解的,使用音频处理软件将请求视频中的语音信息提取出来,并保存为音频格式,如MP3或WAV。之后,对音频文件进行预处理得到目标音频文件,例如对音频文件进行降噪、标准化(如归一化)、分帧等操作。之后,利用神经网络对目标音频文件进行特征提取,例如去掉除语气助词,形成音频文件的关键语义,基于音频文件的关键语义生成可编辑文本,之后,将可编辑文本反馈至用户端应用程序,用户端应用程序显示并播放可编辑文本,方便请求者对可编辑文本进行校对和编辑,以确认可编辑文本中描述的可编辑文本的身体异常现状准确,之后,用户端应用程序获取请求者的校对和编辑信息,得到关键语义。
需要说明的是,上述步骤S220和步骤S240中所涉及的神经网络为深度学***台无法准确提取出关键语义,此时可采用AIGC(ArtificialIntelligence Generated Content)人工智能技术的数据检索及学习能力,参考请求者的历史体检信息以得到关键语义。
步骤S250,基于当前数据信息和关键语义,生成请求者数据表。
步骤S260,对请求者数据表进行处理,得到请求者的异常数据。
在一具体的实施例中,上述步骤S260可以包括:对请求者的当前数据信息进行预处理,得到目标数据信息;对目标数据信息进行特征识别,得到请求者的各项身体指标;基于预设的各项参数阈值,对对应的请求者的各项身体指标进行对比,得到请求者的异常数据。
结合上述实施例可理解的,例如,对历史体检信息进行清洗、格式化、删除和标准化处理得到目标信息;目标信息可以包括:请求者的检查报告等;对目标数据信息中的检查报告进行特征识别,得到请求者的各项身体指标;例如得到请求者的心率值、血压值;预设的各项参数阈值例如包括心率正常范围值、血压的正常范围值,则将请求者的心率与心率范围值、血压与血压正常范围值进行比较,得到请求者的心率超出心率正常范围值,则请求者的心率为异常数据。
需要说明的是,上述各项参数阈值可以根据不同的请求者的身体情况进行设置,或者根据医疗常识有后台程序开发人员进行设定,本示例实施例不做具体的限定。
通过得到请求者的异常数据,可以提高推荐体检套餐的准确性,使得推荐的体检套餐更符合请求者当下的身体情况,进一步方便请求者对自身健康进行监管。
步骤S270,基于请求者的异常数据,向请求者推荐体检套餐。
在示例实施例中,向用户端应用程序发送体检套餐可以包括向上传请求视频的用户端应用程序发送体检套餐,也可以包括向与上传请求视频的用户端应用程序关联的其他用户端应用程序发送体检套餐,也可以包括同时向上传请求视频的用户端应用程序发送体检套餐以及向与上传请求视频的用户端应用程序关联的其他用户端应用程序发送体检套餐。
在一具体的实施例中,上述步骤S270可以包括:向上传请求视频的第一用户端应用程序发送体检套餐,以使第一用户端应用程序的用户界面向请求者显示体检套餐。
在另一具体实施例中,上述步骤S270可以包括:向第一用户端应用程序以及与第一用户端应用程序关联的第二用户端应用程序发送体检套餐,以使第一用户端应用程序的用户界面向请求者显示体检套餐、第二用户端应用程序的用户界面向请求者的关联人显示体检套餐。
通过向请求者的关联人发送体检套餐,可以实现在请求者无法独立前往体检机构时,请求者的关联人可以陪同请求者前往体检机构。
实施上述的步骤S210~步骤S70,通过对请求视频的图像信息进行识别得到请求者的历史体检信息;通过对历史体检信息进行更新得到当前数据信息;通过对请求视频的描述语音信息进行处理得到关键语义;通过当前数据信息和关键语义得到请求者数据表;通过对请求者数据表进行处理得到请求者的异常数据;通过得到请求者的异常数据向请求者推荐体检套餐;如此在请求者因为工作或其他原因更换城市或居住地无法定期前往固定的体检机构时,可以实现请求者不受地域、体检机构以及时间限制就能跟踪自己的健康状况,不仅在一定程度上满足了请求者的健康需求,而且提高了体检数据管理的灵活性和便捷性。
本申请另一实施例中,在上述步骤S270之后,方法还包括:获取用户端应用程序发送的用户反馈信息;若用户反馈信息为“已采纳”,则获取请求者的体检报告,并将体检报告归档至请求者的历史体检信息;若用户反馈信息为“未采纳”,则基于预设条件,向请求者推荐体检机构。
在示例实施例,体检机构包括医院以及专业的体检场所。
可理解的,例如,在数据处理平台将体检套餐发送给用户端应用程序,用户端应用程序提示请求者对体检套餐是否采纳,若请求者点击用户端应用程序的用户界面的“已采纳”按钮,则获取请求者的体检报告,该体检报告可以是请求者体检的体检机构上传的,也可以是请求者自己上传的;若请求者点击用户端应用程序的用户界面的“未采纳”按钮,则基于基于预设条件,向请求者推荐体检机构。
通过获取请求者的反馈信息,可以实现在请求者未采纳推荐体检套餐的情况下,向请求者推荐体检机构。如此可以实现请求者在无法及时在新的城市找到合适的体检机构,或者因为时间紧迫而错过重要的体检的情况下,找到合适的体检机构进行体检,进一步满足了请求者的健康需求。
进一步的,基于预设条件,向请求者推荐体检机构可以包括:基于体检套餐对注册目录中的体检机构进行打分,将等于第一阈值的体检机构确定为第一目标体检机构;基于预先创建的用户打分规则对第一目标体检机构进行打分,将高于第二预设阈值的第一目标体检机构确定为第二目标体检机构;基于请求者预设的地址信息对第二目标体检机构进行打分,将小于第三预设阈值的第二目标体检机构确定为第三目标体检机构;向请求者推荐第三目标体检机构。
可理解的,数据管理平台收录有注册的体检机构目录,每个体检机构的目录下罗列有体检项目,根据推荐的体检套餐中的项目,对注册的体检机构进行打分,其中包括体检套餐中所有体检项目的体检机构可以是10分,之后在具有全部体检套餐项目的体检机构中选择用户评分大于第二预设阈值的体检机构,之后在用户评分大于第二预设阈值的体检机构中选择距离请求者住址小于第三预设阈值的体检机构,最后将小于第三预设阈值的体检机构推荐给请求者。
需要说明的是,第二预设阈值和第三预设阈值由请求者根据自身实际情况进行设置,本示例实施例中不做限制。
通过对体检机构进行多次打分,可以提高向请求者推荐体检机构的准确性,方便请求者前往体检机构并获取好的体验感。
本申请另一实施例中,在上述步骤S250之后,该方法还包括:对请求者的当前信息进行识别;若请求者的当前信息大于对应的第二参数阈值,提示请求者前往医院检查。
可理解的,例如,数据处理平台对请求者的当前信息进行识别,得到该请求者的心率超过150次/分钟或低于50次/分钟,该心率异常情况会导致请求者的心脏骤停或心力衰竭,此时,数据处理平台可提示请求者前往医院检查。在特殊情况下,例如请求者授权拨打急救电话的情况下,数据处理平台根据请求者的当前位置信息选择距离最近的医院拨打急救电话,保证请求者的生命安全。
在介绍了本申请示例性实施方式的方法之后,接下来,参考图3对本申请示例性实施方式的一种基于人工智能的人体指标异常数据处理装置进行说明,该基于人工智能的人体指标异常数据处理装置300包括:视频获取模块310、识别提取模块320、数据更新模块330、第一处理模块340、数据生成模块350、第二处理模块360、推荐发送模块370;其中,
视频获取模块310用于获取用户端应用程序在监测模式下拍摄的请求视频,请求视频包括请求者的图像信息和请求者对自身情况的描述语音信息;
识别提取模块320用于对请求者的图像信息进行识别,提取存储于管理平台数据库的请求者的历史体检信息;
数据更新模块330用于基于获取到的当前信息,对历史体检信息的对应数据进行更新,得到当前数据信息;当前信息为可佩带终端设备提供的请求者的身体数据信息;
第一处理模块340用于对请求者的描述语音信息进行处理,得到关键语义;
数据生成模块350用于基于当前数据信息和关键语义,生成请求者数据表;
第二处理模块360用于对请求者数据表进行处理,得到请求者的异常数据;
推荐发送模块370用于基于请求者的异常数据,向请求者推荐体检套餐。
作为一种可选的实施方式,上述识别提取模块320还用于,将请求视频的图像帧提取出来并保存为图片格式,以生成请求者的图像信息;从请求者的图像信息中确定请求者的识别区域;利用神经网络对请求者的识别区域进行特征提取,得到请求者的面部图像;对请求者的面部图像与存储于管理平台数据库的体检用户面部图像进行匹配,得到匹配结果;基于匹配结果,提取请求者的历史体检信息。
作为一种可选的实施方式,上述第一处理模块340还用于,将请求视频中的描述语音信息提取出来,并保存为音频文件;对音频文件进行预处理,得到目标音频文件;利用神经网络对目标音频文件进行特征提取,生成可编辑文本;将可编辑文本反馈至用户端应用程序,以使用户端应用程序显示和/或播放可编辑文本;获取请求者对可编辑文本的校对和编辑信息,得到关键语义。
作为一种可选的实施方式,上述数据生成模块350还用于,对请求者的当前数据信息进行预处理,得到目标数据信息;对目标数据信息进行特征识别,得到请求者的各项身体指标;基于预设的各项参数阈值,对对应的请求者的各项身体指标进行对比,得到请求者的异常数据。
作为一种可选的实施方式,上述推荐发送模块370还用于,向上传请求视频的第一用户端应用程序发送体检套餐,以使第一用户端应用程序的用户界面向请求者显示体检套餐;和/或,向第一用户端应用程序以及与第一用户端应用程序关联的第二用户端应用程序发送体检套餐,以使第一用户端应用程序的用户界面向请求者显示体检套餐、第二用户端应用程序的用户界面向请求者的关联人显示体检套餐。
作为一种可选的实施方式,上述基于人工智能的人体指标异常数据处理装置300还用于,获取用户端应用程序发送的用户反馈信息;若用户反馈信息为“已采纳”,则获取请求者的体检报告,并将体检报告归档至请求者的历史体检信息;若用户反馈信息为“未采纳”,则基于预设条件,向请求者推荐体检机构。
作为一种可选的实施方式,上述基于人工智能的人体指标异常数据处理装置300还用于,基于体检套餐对注册目录中的体检机构进行打分,将等于第一阈值的体检机构确定为第一目标体检机构;基于预先创建的用户打分规则对第一目标体检机构进行打分,将高于第二预设阈值的第一目标体检机构确定为第二目标体检机构;基于请求者预设的地址信息对第二目标体检机构进行打分,将小于第三预设阈值的第二目标体检机构确定为第三目标体检机构;向请求者推荐第三目标体检机构。
作为一种可选的实施方式,上述基于人工智能的人体指标异常数据处理装置300还用于,对请求者的当前信息进行识别;若请求者的当前信息大于对应的第二参数阈值,提示请求者前往医院检查。
需要说明的是,上述基于人工智能的人体指标异常数据处理装置300的有益效果与上述基于人工智能的人体指标异常数据处理方法的有效效果相同,本实施例中不再赘述。
在介绍了本申请示例性实施方式的方法和装置之后,接下来,参考图4对本申请示例性实施方式的计算机可读存储介质进行说明,请参考图4,其示出的计算机可读存储介质为光盘40,其上存储有计算机程序(即程序产品),计算机程序在被处理器运行时,会实现上述方法实施方式中所记载的各步骤,例如,获取用户端应用程序在监测模式下拍摄的请求视频,请求视频包括请求者的图像信息和请求者对自身情况的描述语音信息;对请求者的图像信息进行识别,提取存储于管理平台数据库的请求者的历史体检信息;基于获取到的当前信息,对历史体检信息的对应数据进行更新,得到当前数据信息;当前信息为可佩带终端设备提供的请求者的身体数据信息;对请求者的描述语音信息进行处理,得到关键语义;基于当前数据信息和关键语义,生成请求者数据表;对请求者数据表进行处理,得到请求者的异常数据;基于请求者的异常数据,向请求者推荐体检套餐;各步骤的具体实现方式在此不再重复说明。
需要说明的是,所述计算机可读存储介质的例子还可以包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
在介绍了本申请示例性实施方式的方法、装置和介质之后,接下来,参考图5对本申请示例性实施方式的用于模型处理的计算设备。
图5示出了适于用来实现本申请实施方式的示例性计算设备50的框图,该计算设备50可以是计算机***或服务器。图5显示的计算设备50仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,计算设备50的组件可以包括但不限于:一个或者多个处理器或者处理单元501,***存储器502,连接不同***组件(包括***存储器502和处理单元501)的总线503。
计算设备50典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算设备50访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器502可以包括易失性存储器形式的计算机***可读介质,例如RAM5021和/或高速缓存存储器5022,其中,RAM为随机存取存储器。计算设备50可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,ROM 5023可以用于读写不可移动的、非易失性磁介质(图5中未显示,通常称为“硬盘驱动器”)。尽管未在图5中示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线503相连。***存储器502中可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块5024的程序/实用工具5025,可以存储在例如***存储器502中,且这样的程序模块5024包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块5024通常执行本申请所描述的实施例中的功能和/或方法。
计算设备50也可以与一个或多个外部设备504(如键盘、指向设备、显示器等)通信。这种通信可以通过I/O接口505进行,其中I/O接口为输入/输出接口。并且,计算设备50还可以通过网络适配器506与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图5所示,网络适配器506通过总线503与计算设备50的其它模块(如处理单元501等)通信。应当明白,尽管图5中未示出,可以结合计算设备50使用其它硬件和/或软件模块。
处理单元501通过运行存储在***存储器502中的程序,从而执行各种功能应用以及数据处理,例如,获取用户端应用程序在监测模式下拍摄的请求视频,请求视频包括请求者的图像信息和请求者对自身情况的描述语音信息;对请求者的图像信息进行识别,提取存储于管理平台数据库的请求者的历史体检信息;基于获取到的当前信息,对历史体检信息的对应数据进行更新,得到当前数据信息;当前信息为可佩带终端设备提供的请求者的身体数据信息;对请求者的描述语音信息进行处理,得到关键语义;基于当前数据信息和关键语义,生成请求者数据表;对请求者数据表进行处理,得到请求者的异常数据;基于请求者的异常数据,向请求者推荐体检套餐。各步骤的具体实现方式在此不再重复说明。应当注意,尽管在上文详细描述中提及了基于人工智能的人体指标异常数据处理装置的若干单元/模块或子单元/子模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
在本申请的描述中,需要说明的是,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置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,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、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。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
Claims (9)
1.一种基于人工智能的人体指标异常数据处理方法,其特征在于,所述方法包括:
获取用户端应用程序在监测模式下拍摄的请求视频,所述请求视频包括请求者的图像信息和所述请求者对自身情况的描述语音信息;所述请求者的图像信息包括请求者的面部图像;
对所述请求者的图像信息中的面部图像进行识别,提取存储于管理平台数据库的所述请求者的历史体检信息;
基于获取到的当前信息,对所述历史体检信息的对应数据进行更新,得到当前数据信息;所述当前信息为可佩带终端设备提供的所述请求者的身体数据信息;
对所述请求者的描述语音信息进行处理,生成可编辑文本;
将所述可编辑文本反馈至所述用户端应用程序,以使所述用户端应用程序显示和/或播放所述可编辑文本;
获取所述请求者对所述可编辑文本的校对和编辑信息,得到关键语义;
基于所述当前数据信息和所述关键语义,生成请求者数据表;
对所述请求者数据表进行处理,得到所述请求者的异常数据;
基于所述请求者的异常数据,向所述请求者推荐体检套餐;
获取所述用户端应用程序发送的用户反馈信息;
若所述用户反馈信息为“已采纳”,则获取所述请求者的体检报告,并将所述体检报告归档至所述请求者的历史体检信息;
若所述用户反馈信息为“未采纳”,则基于预设条件,向所述请求者推荐体检机构。
2.根据权利要求1所述的方法,其特征在于,所述对所述请求者的图像信息中的面部图像进行识别,提取存储于管理平台数据库的所述请求者的历史体检信息,包括:
将所述请求视频的图像帧提取出来并保存为图片格式,以生成所述请求者的图像信息;
从所述请求者的图像信息中确定所述请求者的识别区域;
利用神经网络对所述请求者的识别区域进行特征提取,得到所述请求者的面部图像;
对所述请求者的面部图像与存储于管理平台数据库的用户面部图像进行匹配,得到匹配结果;
基于所述匹配结果,提取所述请求者的历史体检信息。
3.根据权利要求1所述的方法,其特征在于,所述对所述请求者的描述语音信息进行处理,生成可编辑文本,包括:
将所述请求视频中的描述语音信息提取出来,并保存为音频文件;
对所述音频文件进行预处理,得到目标音频文件;
利用神经网络对所述目标音频文件进行特征提取,生成所述可编辑文本。
4.根据权利要求1所述的方法,其特征在于,所述对所述请求者数据表进行处理,得到所述请求者的异常数据,包括:
对所述请求者的当前数据信息进行预处理,得到目标数据信息;
对所述目标数据信息进行特征识别,得到所述请求者的各项身体指标;
基于预设的各项参数阈值,对对应的所述请求者的各项身体指标进行对比,得到所述请求者的异常数据。
5.根据权利要求1所述的方法,其特征在于,所述基于所述请求者的异常数据,向所述请求者推荐体检套餐,包括:
向上传所述请求视频的第一用户端应用程序发送所述体检套餐,以使所述第一用户端应用程序的用户界面向所述请求者显示所述体检套餐;和/或,
向所述第一用户端应用程序以及与所述第一用户端应用程序关联的第二用户端应用程序发送所述体检套餐,以使所述第一用户端应用程序的用户界面向所述请求者显示所述体检套餐、所述第二用户端应用程序的用户界面向所述请求者的关联人显示所述体检套餐。
6.根据权利要求1所述的方法,其特征在于,所述基于预设条件,向所述请求者推荐体检机构,包括:
基于所述体检套餐对注册目录中的体检机构进行打分,将等于第一阈值的体检机构确定为第一目标体检机构;
基于预先创建的用户打分规则对所述第一目标体检机构进行打分,将高于第二预设阈值的所述第一目标体检机构确定为第二目标体检机构;
基于所述请求者预设的地址信息对所述第二目标体检机构进行打分,将小于第三预设阈值的所述第二目标体检机构确定为第三目标体检机构;
向所述请求者推荐所述第三目标体检机构。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述请求者的当前信息进行识别;
若所述请求者的当前信息大于对应的第二参数阈值,提示所述请求者前往医院检查。
8.一种基于人工智能的人体指标异常数据处理***,其特征在于,所述***包括:
用户端应用程序,搭载于请求者的移动终端上,所述用户端应用程序用于在监测模式下拍摄请求视频,所述请求视频包括请求者的图像信息和所述请求者对自身情况的描述语音信息;
数据处理平台,与所述用户端应用程序通信连接;所述数据处理平台用于获取用户端应用程序在监测模式下拍摄的请求视频;所述请求视频包括请求者的图像信息和所述请求者对自身情况的描述语音信息;所述请求者的图像信息包括请求者的面部图像;对所述请求者的图像信息中的面部图像进行识别,提取存储于管理平台数据库的所述请求者的历史体检信息;基于获取到的当前信息,对所述历史体检信息的对应数据进行更新,得到当前数据信息;所述当前信息为可佩带终端设备提供的所述请求者的身体数据信息;对所述请求视频中所述请求者的描述语音信息进行处理,生成可编辑文本;将所述可编辑文本反馈至所述用户端应用程序,以使所述用户端应用程序显示和/或播放所述可编辑文本;获取所述请求者对所述可编辑文本的校对和编辑信息,得到关键语义;基于所述当前数据信息和所述关键语义,生成请求者数据表;对所述请求者数据表进行处理,得到所述请求者的异常数据;基于所述请求者的异常数据,向所述请求者推荐体检套餐;获取所述用户端应用程序发送的用户反馈信息;若所述用户反馈信息为“已采纳”,则获取所述请求者的体检报告,并将所述体检报告归档至所述请求者的历史体检信息;若所述用户反馈信息为“未采纳”,则基于预设条件,向所述请求者推荐体检机构。
9.根据权利要求8所述的***,其特征在于,所述用户端应用程序包括第一用户端应用程序和第二用户端应用程序,所述第一用户端应用程序与所述第一用户端应用程序关联,所述第一用户端应用程序用于在监测模式下拍摄所述请求视频并将向所述管理平台发送所述请求视频、接收所述管理平台发送的体检套餐、向所述管理平台发送获取到的用户反馈信息和/或接收所述管理平台推荐的体检机构;
所述第二用户端应用程序用于接收所述管理平台发送的所述请求者的体检套餐和/或接收所述管理平台推荐的体检机构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410303318.0A CN117951190B (zh) | 2024-03-18 | 2024-03-18 | 一种基于人工智能的人体指标异常数据处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410303318.0A CN117951190B (zh) | 2024-03-18 | 2024-03-18 | 一种基于人工智能的人体指标异常数据处理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117951190A CN117951190A (zh) | 2024-04-30 |
CN117951190B true CN117951190B (zh) | 2024-07-09 |
Family
ID=90805392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410303318.0A Active CN117951190B (zh) | 2024-03-18 | 2024-03-18 | 一种基于人工智能的人体指标异常数据处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117951190B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110797115A (zh) * | 2019-10-26 | 2020-02-14 | 曹庆恒 | 一种智能推荐医疗检查及检验的方法、***和设备 |
CN114372201A (zh) * | 2022-01-11 | 2022-04-19 | 平安科技(深圳)有限公司 | 体检信息智能推荐方法及***、存储介质、计算设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112768019B (zh) * | 2020-12-29 | 2022-08-12 | 深圳市华宇讯科技有限公司 | 体检项目推荐的方法、装置、设备和存储介质 |
CN113611405A (zh) * | 2021-08-10 | 2021-11-05 | 平安科技(深圳)有限公司 | 一种体检项目推荐方法、装置、设备及介质 |
CN116030984B (zh) * | 2023-03-31 | 2023-06-09 | 武汉携康智能健康设备有限公司 | 一种基于智能健康站的用户体检***及体检方法 |
-
2024
- 2024-03-18 CN CN202410303318.0A patent/CN117951190B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110797115A (zh) * | 2019-10-26 | 2020-02-14 | 曹庆恒 | 一种智能推荐医疗检查及检验的方法、***和设备 |
CN114372201A (zh) * | 2022-01-11 | 2022-04-19 | 平安科技(深圳)有限公司 | 体检信息智能推荐方法及***、存储介质、计算设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117951190A (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210118534A1 (en) | Automated electrocardiogram interpretation system and methods for use therewith | |
US20200388385A1 (en) | Efficient diagnosis confirmation of a suspect condition for certification and/or re-certification by a clinician | |
US9254092B2 (en) | Systems and methods for processing and analyzing medical data | |
US8388529B2 (en) | Differential diagnosis of neuropsychiatric conditions | |
US20220061746A1 (en) | Risk assessment system and methods for use therewith | |
US11923094B2 (en) | Monitoring predictive models | |
JP4866576B2 (ja) | 診療支援システム | |
JP2019016235A (ja) | 疾病発症予測装置、疾病発症予測方法およびプログラム | |
US11529105B2 (en) | Digital twin updating | |
US11200967B1 (en) | Medical patient synergistic treatment application | |
CN111008269A (zh) | 数据处理方法及装置、存储介质及电子终端 | |
Chong et al. | Development of automated triage system for emergency medical service | |
US8428965B2 (en) | System for clinical research and clinical management of cardiovascular risk using ambulatory blood pressure monitoring and actigraphy | |
Nerella et al. | Pain action unit detection in critically ill patients | |
CN117951190B (zh) | 一种基于人工智能的人体指标异常数据处理方法及*** | |
CN111755089A (zh) | 眼科手术安全核查*** | |
CN111279424B (zh) | 用于优化图像采集工作流的设备、***和方法 | |
US20220254502A1 (en) | System, method and apparatus for non-invasive & non-contact monitoring of health racterstics using artificial intelligence (ai) | |
US20230118299A1 (en) | Radiologist fingerprinting | |
US20230293103A1 (en) | Analysis device | |
WO2022141929A1 (zh) | 一种健康自测***、服务器及健康检测*** | |
Dey et al. | Patient Health Observation and Analysis with Machine Learning and IoT Based in Realtime Environment | |
KR20210157444A (ko) | 머신러닝 기반 조현병 진단 방법 및 그 시스템 | |
CN110910980A (zh) | 一种脓毒血症的预警装置、设备及存储介质 | |
CN117322896A (zh) | 医学影像扫描方案的生成方法和存储介质 |
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 |