CN118039178A - 一种基于健康监测数据的健康管理方法及*** - Google Patents
一种基于健康监测数据的健康管理方法及*** Download PDFInfo
- Publication number
- CN118039178A CN118039178A CN202410337015.0A CN202410337015A CN118039178A CN 118039178 A CN118039178 A CN 118039178A CN 202410337015 A CN202410337015 A CN 202410337015A CN 118039178 A CN118039178 A CN 118039178A
- Authority
- CN
- China
- Prior art keywords
- data
- processing
- collection
- preset
- collecting
- 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.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 75
- 238000012544 monitoring process Methods 0.000 title claims abstract description 29
- 238000007726 management method Methods 0.000 title claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 189
- 238000013480 data collection Methods 0.000 claims abstract description 53
- 238000007405 data analysis Methods 0.000 claims abstract description 43
- 238000013500 data storage Methods 0.000 claims abstract description 36
- 230000035935 pregnancy Effects 0.000 description 6
- 238000000034 method Methods 0.000 description 5
- 230000010349 pulsation Effects 0.000 description 5
- 210000004204 blood vessel Anatomy 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000017531 blood circulation Effects 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 206010047139 Vasoconstriction Diseases 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000003169 placental effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000025033 vasoconstriction Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及数据处理领域，尤其涉及一种基于健康监测数据的健康管理方法及***，***包括：数据采集单元，其包括若干数据储存端，各数据储存端用以储存用户输入的数据信息；数据分析单元，用以根据数据收集状态确定数据处理模式，不同的数据处理模式下进行组合处理或单一处理，根据数据丰富收集端与数据贫乏收集端的分布状态确定组合处理子方式；组合处理单元，用以根据数据分析单元确定的数据处理模式针对数据丰富收集端和/或数据贫乏收集端的数据进行组合处理；单一处理单元，用以针对单个数据丰富收集端的数据量以及数据冗余度对冗余数据进行剔除；本发明提高了健康监测数据的处理效率以及安全性。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种基于健康监测数据的健康管理***。
背景技术
中国专利公开号CN113870994A公布了一种基于边缘计算和联邦学***均算法对模型梯度进行聚合处理并返回新的模型梯度，各医疗机构根据新的模型梯度进行本地模型更新。通过不断迭代，使得医疗模型效果不断提升。由此可见，所述基于边缘计算和联邦学习的智慧医疗***存在以下问题：
1、无法针对采集得到的医疗健康数据进行预处理，易存在医疗健康数据冗余导致数据泄露风险大的问题；
2、未考虑到医疗健康数据的有效性，易导致模型学习效率差的问题。
发明内容
为此，本发明提供一种基于健康监测数据的健康管理方法及***，用以克服现有技术中针对健康数据进行学习中，采集数据的预处理效率差导致无效数据冗余从而使得数据学习效率差以及泄露风险大的问题。
为实现上述目的，本发明提供一种基于健康监测数据的健康管理***，包括：
数据采集单元，包括若干数据采集装置以及若干数据储存端，其中，数据采集装置用以采集用户的患者医疗健康数据，数据储存端用以储存用户的患者医疗健康数据以及储存预先输入的患者身体健康数据；
数据分析单元，其与所述数据采集单元相连，用以根据数据收集状态确定数据处理模式，不同的数据处理模式下对应选择组合处理或单一处理，
且数据分析单元设有组合处理规则，根据数据丰富收集端与数据贫乏收集端的分布状确定组合处理子方式；
组合处理单元，其与所述数据采集单元以及所述数据分析单元相连，用以根据数据分析单元确定的数据处理模式针对数据丰富收集端和/或数据贫乏收集端的数据进行组合处理，
组合处理中，组合处理单元根据数据丰富度确定各数据丰富收集端对应的标号以及各数据贫乏收集端对应的标号，并且按照预设组合顺序进行组合，或，根据不同的数据贫乏收集端之间的匹配度确定匹配处理方式；
单一处理单元，其与所述数据采集单元以及所述数据分析单元相连，用以针对单个数据丰富收集端的数据量以及数据冗余度对冗余数据进行剔除。
进一步地，数据分析单元周期性针对各数据储存端的数据收集状态进行检测，根据数据收集状态确定数据处理模式，包括针对不同数据储存端的储存数据进行组合处理的第一数据处理模式，以及，依次针对各数据储存端的储存数据进行单一处理的第二数据处理模式；
其中，将单个数据储存端对应的患者医疗健康数据以及患者身体健康数据记为该数据储存端对应的储存数据。
进一步地，数据分析单元设有第一预设数据收集状态以及第二预设数据收集状态，其中，第一预设数据收集状态为数据丰富收集端的数量小于预设数据丰富收集端数量，第二预设数据收集状态为数据丰富收集端的数量大于或等于预设数据丰富收集端数量；
数据丰富收集端为对应的数据收集丰富度大于预设数据收集丰富度的数据储存端。
进一步地，数据分析单元设有组合处理规则，组合处理规则为，数据分析单元检测数据丰富收集端与数据贫乏收集端的分布状态，并根据分布状态确定组合处理子方式，包括数据丰富收集端与数据贫乏收集端进行组合的第一组合处理子方式，以及，根据数据匹配度进行组合的第二组合处理子方式；
其中，所述数据贫乏收集端为对应的数据收集丰富度小于或等于预设数据收集丰富度的数据储存端。
进一步地，组合处理单元在第一数据组合处理条件下，按照数据收集丰富度由大到小的顺序依次确定各数据丰富收集端对应的标号Ni，Ni依次记为N1，N2，……，Nc，按照数据收集丰富度由小到大的顺序依次确定各数据贫乏收集端对应的标号My，依次记为M1，M2,……，Mx，数据贫乏收集端按照y由小到大的顺序进行分组记为数据贫乏收集端集合，每组包括(x/c)个数据贫乏收集端，其中，x/c向下取整，将各数据丰富收集端对应的储存数据与数据贫乏收集端集合对应的储存数据按照预设组合顺序进行组合；
其中，i＝1,2,3，……，c，c为数据丰富收集端的总数，y＝1,2,3，……，x，x为数据贫乏收集端的总数；
其中，所述第一数据组合处理条件为数据分析单元判定组合处理子方式为第一组合处理子方式。
进一步地，组合处理单元在第二数据组合处理条件下，按照数据量由小至大的顺序依次计算数据贫乏收集端与其他数据贫乏收集端的匹配度，并根据匹配状态确定匹配处理方式，包括匹配状态处于第一预设匹配状态时，判定匹配成功且停止匹配的第一匹配处理方式，以及，匹配状态处于第二预设匹配状态时，判定匹配成功且继续匹配的第二匹配处理方式；
其中，所述第二数据组合处理条件为数据分析单元判定组合处理子方式为第二组合处理子方式。
进一步地，组合处理单元设有第一预设匹配状态以及第二预设匹配状态，其中，第一预设匹配状态为两数据贫乏收集端的匹配度大于预设匹配度，且两数据贫乏收集端对应的数据量的和大于或等于预设参考数据量，第二预设匹配状态为两数据贫乏收集端的匹配度大于预设匹配度，且两数据贫乏收集端对应的数据量的和小于预设参考数据量。
进一步地，两数据贫乏收集端的匹配度的数值与患者身体健康数据有关。
进一步地，单一处理单元在第一单一处理条件下依次针对单个数据丰富收集端的数据量进行统计，若单个数据丰富收集端的数据量大于预设最大数据量，单一处理单元针对该数据丰富收集端的数据冗余度进行检测，若数据冗余度大于预设数据冗余度，单一处理单元将冗余数据进行剔除；
其中，所述第一单一处理条件为数据分析单元判定数据处理模式为单一处理的第二数据处理模式。
进一步地，数据冗余度与相似数据数量为正相关关系，若两条数据信息对应的数据相似度小于预设数据相似度，则判定两条数据信息为相似数据。
本发明还提供一种应用于所述***的基于健康监测数据的健康管理方法，包括：
各数据储存端储存用户输入的数据信息；
根据数据收集状态确定数据处理模式，不同的数据处理模式下进行组合处理或单一处理；
根据数据丰富收集端与数据贫乏收集端的分布状确定组合处理子方式；
根据数据分析单元确定的数据处理模式针对数据丰富收集端和/或数据贫乏收集端的数据进行组合处理；
单一处理中，针对单个数据丰富收集端的数据量以及数据冗余度对冗余数据进行剔除；
组合处理中，根据数据丰富度确定各数据丰富收集端对应的标号以及各数据贫乏收集端对应的标号，并且数据按照预设组合顺序进行组合，或，依次计算并根据数据贫乏收集端与其他数据贫乏收集端的匹配度确定匹配处理方式。
与现有技术相比，本发明的有益效果在于，本发明技术方案中根据数据收集状态确定数据处理模式，以针对不同收集端的数据进行组合处理或针对各单个收集端对应的数据进行单一处理，相比于未经预处理的数据采集方式，使得数据的组合更加符合实际工作场景，并且，本发明中通过数据收集丰富度反映数据的有效性，保证采集的数据能够满足实际模型学习需求，进而提高模型学习速度，数据分析单元设有组合处理规则，根据实际采集到的数据的状况，进行不同的组合，以根据实际数据自适应获得更加有益于模型学习的数据集，值得注意的是，本发明中组合处理单元在第二数据组合处理条件下，按照数据量由小至大的顺序依次计算数据贫乏收集端与其他数据贫乏收集端的匹配度，并根据匹配状态确定匹配处理方式，在采集到的数据无法满足模型学习时，对不同数据采集情况的数据进行组合，不仅避免了全部数据统一发送学习导致的数据泄露风险大的问题，同时还提高了健康数据处理效率。
附图说明
图1为本发明实施例基于健康监测数据的健康管理***的单元连接图；
图2为本发明实施例基于健康监测数据的健康管理方法的示意图；
图3为本发明实施例根据数据收集状态确定数据处理模式的流程图；
图4为本发明实施例根据分布状态确定组合处理子方式的流程图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1至图4所示，本发明提供一种基于健康监测数据的健康管理***，包括：
数据采集单元，包括若干数据采集装置以及若干数据储存端，其中，数据采集装置用以采集用户的患者医疗健康数据，数据储存端用以储存用户的患者医疗健康数据以及储存预先输入的患者身体健康数据；
数据分析单元，其与所述数据采集单元相连，用以根据数据收集状态确定数据处理模式，不同的数据处理模式下对应选择组合处理或单一处理，
且数据分析单元设有组合处理规则，根据数据丰富收集端与数据贫乏收集端的分布状确定组合处理子方式；
组合处理单元，其与所述数据采集单元以及所述数据分析单元相连，用以根据数据分析单元确定的数据处理模式针对数据丰富收集端和/或数据贫乏收集端的数据进行组合处理，
组合处理中，组合处理单元根据数据丰富度确定各数据丰富收集端对应的标号以及各数据贫乏收集端对应的标号，并且按照预设组合顺序进行组合，或，根据不同的数据贫乏收集端之间的匹配度确定匹配处理方式；
单一处理单元，其与所述数据采集单元以及所述数据分析单元相连，用以针对单个数据丰富收集端的数据量以及数据冗余度对冗余数据进行剔除。
本发明应用场景为医疗健康数据联邦学习，针对妊娠孕妇患者的身体健康数据以及医疗健康数据进行采集并传送至模型生成端进行模型学习，本发明用以针对采集的数据进行检测分析以将最终组合或剔除完成的数据授权发送至模型生成端，所述模型生成端的数量大于1，组合完成的数据随机发送任一模型生成端进行模型学习，本领域技术人员可以理解的是，通过采集患者身体健康数据以及患者医疗健康数据以进行神经网络自学习从而获取血压数据与妊娠孕妇的相关联特征表征虚拟模型是常规技术手段，在此不做赘述。
数据采集装置包括用以采集人体的血压数据的智能手环，以及用以采集彩色多普勒超声图像的超声检测装置。
具体而言，用户输入的数据信息包括患者身体健康数据以及患者医疗健康数据，患者身体健康数据包括患者年龄、患者体重以及患者孕期时长，患者医疗健康数据包括血压数据，阻力指数RI、搏动指数PI以及S/D比值，所述孕期时长为妊娠孕妇患者的怀孕时长，所述阻力指数、搏动指数以及S/D比值都是与血管血流状态相关的评估指标，其中，阻力指数为彩色多普勒超声常用评价血管的指标之一，用以反映血管收缩状况及下游血管阻力的情况；搏动指数为弹力指数，用以反映血管的顺应性和血管弹性；S/D比值，即收缩末期峰值(S)与舒张末期峰值(D)的比值，用以反映血流量和胎盘血管阻力，此为本领域易理解的内容，在此不做赘述。
具体而言，数据分析单元周期性针对各数据储存端的数据收集状态进行检测，根据数据收集状态确定数据处理模式，包括针对不同数据储存端的储存数据进行组合处理的第一数据处理模式，以及，依次针对各数据储存端的储存数据进行单一处理的第二数据处理模式；
其中，将单个数据储存端对应的患者医疗健康数据以及患者身体健康数据记为该数据储存端对应的储存数据。
具体而言，数据分析单元设有监测周期，每个监测周期结束时针对数据收集状态进行检测，监测周期的时长与各数据储存端的收集能力有关，若数据储存端单位时间内收集的数据量越大，则监测周期的时长越小，提供一种监测周期的取值，监测周期为15天。
具体而言，数据分析单元设有第一预设数据收集状态以及第二预设数据收集状态，其中，第一预设数据收集状态为数据丰富收集端的数量小于预设数据丰富收集端数量，第二预设数据收集状态为数据丰富收集端的数量大于或等于预设数据丰富收集端数量；
数据丰富收集端为对应的数据收集丰富度大于预设数据收集丰富度的数据储存端。
第一预设数据收集状态下选择第一数据处理模式，第二预设数据收集状态下选择第二数据处理模式。
具体而言，数据收集丰富度S的计算公式为：
S0＝(S1+S2+S3)/3)
其中，S0为平均值，S1为处于第一阈值范围内的参考值数量，S2为处于第二阈值范围内的参考值数量，S3为处于第三阈值范围内的参考值数量，参考值＝患者年龄×α1+患者体重×α2+患者孕期时长×α3，α1为第一权重系数，α2为第二权重系数，α3为第三权重系数，权重系数的取值与患者年龄、患者体重以及患者孕期时长的影响程度有关，影响程度越大，提供一种权重系数取值，α1＝0.2，α2＝0.3，α3＝5；提取数值最大的参考值记为最大阈值以及数值最小的参考值记为最小阈值，将最大阈值以及最小阈值之间的均匀划分为第一阈值范围、第二阈值范围以及第三阈值范围，第一阈值范围内的数值均大于最小阈值且小于最大阈值的30％，第二阈值范围内的数值均大于或等于最大阈值的30％且小于最大阈值的60％，第三阈值范围内的数值均大于或等于最大阈值的60％；预设数据收集丰富度取值为1/(S0×0.2)。
具体而言，数据分析单元设有组合处理规则，组合处理规则为，在第一数据处理模式中，数据分析单元检测数据丰富收集端与数据贫乏收集端的分布状态，并根据分布状态确定组合处理子方式，包括数据丰富收集端与数据贫乏收集端进行组合的第一组合处理子方式，以及，根据数据匹配度进行组合的第二组合处理子方式；
其中，所述数据贫乏收集端为对应的数据收集丰富度小于或等于预设数据收集丰富度的数据储存端。
具体而言，数据丰富收集端与数据贫乏收集端的分布状态包括第一预设分布状态以及第二预设分布状态，其中，第一预设分布状态为数据丰富收集端的数量/数据贫乏收集端的数量大于30％，第二预设分布状态为数据丰富收集端的数量/数据贫乏收集端的数量小于或等于30％。
第一预设分布状态下选择第一组合处理子方式，第二预设分布状态下选择第二组合处理子方式。
具体而言，组合处理单元在第一数据组合处理条件下，按照数据收集丰富度由大到小的顺序依次确定各数据丰富收集端对应的标号Ni，Ni依次记为N1，N2，……，Nc，按照数据收集丰富度由小到大的顺序依次确定各数据贫乏收集端对应的标号My，依次记为M1，M2,……，Mx，数据贫乏收集端按照y由小到大的顺序进行分组记为数据贫乏收集端集合，每组包括(x/c)个数据贫乏收集端，其中，x/c向下取整，将各数据丰富收集端对应的储存数据与数据贫乏收集端集合对应的储存数据按照预设组合顺序进行组合；
其中，i＝1,2,3，……，c，c为数据丰富收集端的总数，y＝1,2,3，……，x，x为数据贫乏收集端的总数；
其中，所述第一数据组合处理条件为数据分析单元判定组合处理子方式为第一组合处理子方式。
具体而言，预设组合顺序为将数据贫乏收集端集合按照数据收集丰富度由小到大进行排序并依次与按照数据收集丰富度由大到小的顺序的数据丰富收集端对应的数据进行组合，组合即将对应的数据储存端的数据整合发送至模型生成端。
具体而言，组合处理单元在第二数据组合处理条件下，按照数据量由小至大的顺序依次计算单个数据贫乏收集端与其他数据贫乏收集端的匹配度，并根据匹配状态确定匹配处理方式，包括匹配状态处于第一预设匹配状态时，判定匹配成功且停止匹配的第一匹配处理方式，以及，匹配状态处于第二预设匹配状态时，判定匹配成功且继续匹配的第二匹配处理方式；
其中，所述第二数据组合处理条件为数据分析单元判定组合处理子方式为第二组合处理子方式。
第一匹配处理方式中，将匹配成功的数据贫乏收集端数据进行组合，即将对应的数据储存端的数据整合发送至模型生成端。
具体而言，组合处理单元设有第一预设匹配状态以及第二预设匹配状态，其中，第一预设匹配状态为两数据贫乏收集端的匹配度大于预设匹配度，且两数据贫乏收集端对应的数据量的和大于或等于预设参考数据量，第二预设匹配状态为两数据贫乏收集端的匹配度大于预设匹配度，且两数据贫乏收集端对应的数据量的和小于预设参考数据量。
具体而言，两数据贫乏收集端的匹配度的数值与患者身体健康数据有关，将两个数据贫乏收集端分别记为第一数据贫乏收集端以及第二数据贫乏收集端，匹配度＝∣(RIa-RI b)∣/RI a+∣(PI a-PI b)∣/PI a+∣(S/Da-S/Db)∣/S/Da，其中，RI a为第一数据贫乏收集端对应的阻力指数，RI b为第二数据贫乏收集端对应的阻力指数，PI a为第一数据贫乏收集端对应的搏动指数，PI b为第二数据贫乏收集端对应的搏动指数，S/Da为第一数据贫乏收集端对应的S/D比值，S/Db为第二数据贫乏收集端对应的S/D比值，预设匹配度的取值，用户能够根据实际工作场景进行设定，两数据贫乏收集端的匹配度越大，证明数据贫乏收集端的数据的多样性程度越大，对于模型学习的精度越高，提供一种预设匹配度，预设匹配度为30％。
两数据贫乏收集端对应的处于第一阈值范围内的参考值数量的差值的绝对值+两数据贫乏收集端对应的处于第二阈值范围内的参考值数量的差值的绝对值+两数据贫乏收集端对应的处于第三阈值范围内的参考值数量的差值的绝对值。
具体而言，单一处理单元在第一单一处理条件下依次针对单个数据丰富收集端的数据量进行统计，若单个数据丰富收集端的数据量大于预设最大数据量，单一处理单元针对该数据丰富收集端的数据冗余度进行检测，若数据冗余度大于预设数据冗余度，单一处理单元将冗余数据中随机选取一半数量进行剔除；
其中，所述第一单一处理条件为数据分析单元判定数据处理模式为单一处理的第二数据处理模式。
具体而言，第一单一处理条件下数据贫乏收集端的数据作为无效数据剔除，预设最大数据量由用户自行设置，用户对于模型精度的需求越高，预设最大数据量的取值越大，提供一种预设最大数据量，预设最大数据量为30条，其中，数据量为数据信息的数量，一条数据信息包括一个患者的患者身体健康数据以及患者医疗健康数据。
具体而言，数据冗余度与相似数据数量为正相关关系，若两条数据信息对应的数据相似度小于预设数据相似度，则判定两条数据信息为相似数据。
具体而言，相似度即两条数据信息对应的患者身体健康数据的相似度，提供一种相似度的计算公式，相似度＝(两条数据信息对应的患者年龄的差值的绝对值+两条数据信息对应的患者体重的差值的绝对值+两条数据信息对应的孕期时长的差值的绝对值)，预设相似度的取值由用户自行设置，用户对于数据的冗余抑制需求越大，则预设相似度越大，预设相似度的取值最小为0。
本发明还提供一种应用于所述***的基于健康监测数据的健康管理方法，包括：
各数据储存端储存用户输入的数据信息；
根据数据收集状态确定数据处理模式，不同的数据处理模式下进行组合处理或单一处理；
根据数据丰富收集端与数据贫乏收集端的分布状确定组合处理子方式；
根据数据分析单元确定的数据处理模式针对数据丰富收集端和/或数据贫乏收集端的数据进行组合处理；
单一处理中，针对单个数据丰富收集端的数据量以及数据冗余度对冗余数据进行剔除；
组合处理中，根据数据丰富度确定各数据丰富收集端对应的标号以及各数据贫乏收集端对应的标号，并且数据按照预设组合顺序进行组合，或，依次计算并根据数据贫乏收集端与其他数据贫乏收集端的匹配度确定匹配处理方式。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于健康监测数据的健康管理***，其特征在于，包括：
数据采集单元，包括若干数据采集装置以及若干数据储存端，其中，数据采集装置用以采集用户的患者医疗健康数据，数据储存端用以储存用户的患者医疗健康数据以及储存预先输入的患者身体健康数据；
数据分析单元，其与所述数据采集单元相连，用以根据数据收集状态确定数据处理模式，不同的数据处理模式下对应选择组合处理或单一处理，
且数据分析单元设有组合处理规则，根据数据丰富收集端与数据贫乏收集端的分布状确定组合处理子方式；
组合处理单元，其与所述数据采集单元以及所述数据分析单元相连，用以根据数据分析单元确定的数据处理模式针对数据丰富收集端和/或数据贫乏收集端的数据进行组合处理，
组合处理中，组合处理单元根据数据丰富度确定各数据丰富收集端对应的标号以及各数据贫乏收集端对应的标号，并且按照预设组合顺序进行组合，或，根据不同的数据贫乏收集端之间的匹配度确定匹配处理方式；
单一处理单元，其与所述数据采集单元以及所述数据分析单元相连，用以针对单个数据丰富收集端的数据量以及数据冗余度对冗余数据进行剔除。
2.根据权利要求1所述的基于健康监测数据的健康管理***，其特征在于，数据分析单元周期性针对各数据储存端的数据收集状态进行检测，根据数据收集状态确定数据处理模式，包括针对不同数据储存端的储存数据进行组合处理的第一数据处理模式，以及，依次针对各数据储存端的储存数据进行单一处理的第二数据处理模式；
其中，将单个数据储存端对应的患者医疗健康数据以及患者身体健康数据记为该数据储存端对应的储存数据。
3.根据权利要求2所述的基于健康监测数据的健康管理***，其特征在于，数据分析单元设有第一预设数据收集状态以及第二预设数据收集状态，其中，第一预设数据收集状态为数据丰富收集端的数量小于预设数据丰富收集端数量，第二预设数据收集状态为数据丰富收集端的数量大于或等于预设数据丰富收集端数量；
数据丰富收集端为对应的数据收集丰富度大于预设数据收集丰富度的数据储存端。
4.根据权利要求3所述的基于健康监测数据的健康管理***，其特征在于，数据分析单元设有组合处理规则，组合处理规则为，数据分析单元检测数据丰富收集端与数据贫乏收集端的分布状态，并根据分布状态确定组合处理子方式，包括数据丰富收集端与数据贫乏收集端进行组合的第一组合处理子方式，以及，根据数据匹配度进行组合的第二组合处理子方式；
其中，所述数据贫乏收集端为对应的数据收集丰富度小于或等于预设数据收集丰富度的数据储存端。
5.根据权利要求4所述的基于健康监测数据的健康管理***，其特征在于，组合处理单元在第一数据组合处理条件下，按照数据收集丰富度由大到小的顺序依次确定各数据丰富收集端对应的标号Ni，Ni依次记为N1，N2，……，Nc，按照数据收集丰富度由小到大的顺序依次确定各数据贫乏收集端对应的标号My，依次记为M1，M2,……，Mx，数据贫乏收集端按照y由小到大的顺序进行分组记为数据贫乏收集端集合，每组包括(x/c)个数据贫乏收集端，其中，x/c向下取整，将各数据丰富收集端对应的储存数据与数据贫乏收集端集合对应的储存数据按照预设组合顺序进行组合；
其中，i＝1,2,3，……，c，c为数据丰富收集端的总数，y＝1,2,3，……，x，x为数据贫乏收集端的总数；
其中，所述第一数据组合处理条件为数据分析单元判定组合处理子方式为第一组合处理子方式。
6.根据权利要求5所述的基于健康监测数据的健康管理***，其特征在于，组合处理单元在第二数据组合处理条件下，按照数据量由小至大的顺序依次计算数据贫乏收集端与其他数据贫乏收集端的匹配度，并根据匹配状态确定匹配处理方式，包括匹配状态处于第一预设匹配状态时，判定匹配成功且停止匹配的第一匹配处理方式，以及，匹配状态处于第二预设匹配状态时，判定匹配成功且继续匹配的第二匹配处理方式；
其中，所述第二数据组合处理条件为数据分析单元判定组合处理子方式为第二组合处理子方式。
7.根据权利要求6所述的基于健康监测数据的健康管理***，其特征在于，组合处理单元设有第一预设匹配状态以及第二预设匹配状态，其中，第一预设匹配状态为两数据贫乏收集端的匹配度大于预设匹配度，且两数据贫乏收集端对应的数据量的和大于或等于预设参考数据量，第二预设匹配状态为两数据贫乏收集端的匹配度大于预设匹配度，且两数据贫乏收集端对应的数据量的和小于预设参考数据量；
其中，两数据贫乏收集端的匹配度的数值与患者身体健康数据有关。
8.根据权利要求7所述的基于健康监测数据的健康管理***，其特征在于，单一处理单元在第一单一处理条件下依次针对单个数据丰富收集端的数据量进行统计，若单个数据丰富收集端的数据量大于预设最大数据量，单一处理单元针对该数据丰富收集端的数据冗余度进行检测，若数据冗余度大于预设数据冗余度，单一处理单元将冗余数据进行剔除；
其中，所述第一单一处理条件为数据分析单元判定数据处理模式为单一处理的第二数据处理模式。
9.根据权利要求8所述的基于健康监测数据的健康管理***，其特征在于，数据冗余度与相似数据数量为正相关关系，若两条数据信息对应的数据相似度小于预设数据相似度，则判定两条数据信息为相似数据。
10.一种应用于权利要求1至9任一权利要求所述***的基于健康监测数据的健康管理方法，其特征在于，包括：
各数据储存端储存用户输入的数据信息；
根据数据收集状态确定数据处理模式，不同的数据处理模式下进行组合处理或单一处理；
根据数据丰富收集端与数据贫乏收集端的分布状确定组合处理子方式；
根据数据分析单元确定的数据处理模式针对数据丰富收集端和/或数据贫乏收集端的数据进行组合处理；
单一处理中，针对单个数据丰富收集端的数据量以及数据冗余度对冗余数据进行剔除；
组合处理中，根据数据丰富度确定各数据丰富收集端对应的标号以及各数据贫乏收集端对应的标号，并且数据按照预设组合顺序进行组合，或，依次计算并根据数据贫乏收集端与其他数据贫乏收集端的匹配度确定匹配处理方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410337015.0A CN118039178A (zh) | 2024-03-22 | 2024-03-22 | 一种基于健康监测数据的健康管理方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410337015.0A CN118039178A (zh) | 2024-03-22 | 2024-03-22 | 一种基于健康监测数据的健康管理方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118039178A true CN118039178A (zh) | 2024-05-14 |
Family
ID=91004310
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410337015.0A Pending CN118039178A (zh) | 2024-03-22 | 2024-03-22 | 一种基于健康监测数据的健康管理方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118039178A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110321349A (zh) * | 2019-06-13 | 2019-10-11 | 暨南大学 | 一种面向数据起源***的自适应数据合并存储方法 |
| KR20190136913A (ko) * | 2018-05-30 | 2019-12-10 | 경희대학교 산학협력단 | 사용자 건강 상태 제공 방법 및 장치 |
| CN113761103A (zh) * | 2020-12-29 | 2021-12-07 | 京东城市(北京)数字科技有限公司 | 批量数据的处理方法、装置及电子设备 |
| CN114547077A (zh) * | 2022-02-22 | 2022-05-27 | 贵州惠智电子技术有限责任公司 | 基层政务表格数据智能处理***及方法 |
-
2024
- 2024-03-22 CN CN202410337015.0A patent/CN118039178A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190136913A (ko) * | 2018-05-30 | 2019-12-10 | 경희대학교 산학협력단 | 사용자 건강 상태 제공 방법 및 장치 |
| CN110321349A (zh) * | 2019-06-13 | 2019-10-11 | 暨南大学 | 一种面向数据起源***的自适应数据合并存储方法 |
| CN113761103A (zh) * | 2020-12-29 | 2021-12-07 | 京东城市(北京)数字科技有限公司 | 批量数据的处理方法、装置及电子设备 |
| CN114547077A (zh) * | 2022-02-22 | 2022-05-27 | 贵州惠智电子技术有限责任公司 | 基层政务表格数据智能处理***及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 梁杨: "大数据背景下关联规则挖掘算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 March 2020 (2020-03-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108717668A (zh) | 一种奶牛行为与生理特征物联网***及其工作方法 | |
| CN108304887A (zh) | 基于少数类样本合成的朴素贝叶斯数据处理***及方法 | |
| CN104398254A (zh) | 一种心电图分析***、分析设备及预测模型采集设备 | |
| CN111951965B (zh) | 基于时序知识图谱的全景式健康动态监测与预测*** | |
| CN110520935A (zh) | 从无线电信号学习睡眠阶段 | |
| CN106407699A (zh) | 一种基于增量式神经网络模型的冠心病预测方法和预测*** | |
| CN106446560A (zh) | 一种基于增量式神经网络模型的高血脂症预测方法和预测*** | |
| CN112786185B (zh) | 血压健康状态获取方法、装置和*** | |
| CN114403847A (zh) | 基于腹部和肺部数据相关性的呼吸状态检测方法及*** | |
| CN116631558B (zh) | 一种基于互联网的医学检测项目的构建方法 | |
| Wang et al. | A comparative study of feature-salience ranking techniques | |
| CN118039178A (zh) | 一种基于健康监测数据的健康管理方法及*** | |
| CN115099275B (zh) | 一种基于人工神经网络的心律失常诊断模型的训练方法 | |
| CN115336977B (zh) | 一种精准icu警报分级评估方法 | |
| CN106295238A (zh) | 一种基于增量式神经网络模型的高血压肾病预测方法和预测*** | |
| CN115440363A (zh) | 一种用于老年人的居家危险识别*** | |
| CN109192315B (zh) | 基于加权核回归和封装式偏差搜索的综合年龄检测*** | |
| CN107928652B (zh) | 一种基于脉率变异性的心脏监测方法 | |
| CN106407694A (zh) | 一种基于增量式神经网络模型的神经衰弱预测方法和预测*** | |
| CN113903470A (zh) | 一种血液透析后患者的生活智能提醒方法及*** | |
| CN109961090B (zh) | 一种基于智能穿戴设备的行为分类方法及*** | |
| CN106202986A (zh) | 一种基于增量式神经网络模型的扁桃体炎预测方法和预测*** | |
| CN113793662A (zh) | 相关性识别方法、装置、电子设备和计算机可读存储介质 | |
| CN106407693A (zh) | 一种基于增量式神经网络模型的乙肝预测方法和预测*** | |
| CN106250715A (zh) | 一种基于增量式神经网络模型的慢性咽喉炎预测方法和预测*** |
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 |