一种对多种测量值统一量化及参数调整的方法及装置与流程

本发明涉及医疗、保健、美容领域的数据处理，特别是涉及一种对多种测量值统一量化及参数调整的方法及装置。

背景技术：

随着移动互联网和智能医疗设备的发展，出现了大量小型化、低价格的人体检测设备，原来只能在医院和专业机构才能进行的一些人体检测，现在已经可以很方便的在社区服务中心、药店、美容院，甚至在家庭内进行检测，比如血压、血糖、体脂肪率，以及皮肤的弹性、炎症、毛孔等指标。

为了给大量的用户提供有针对性的服务，需要对用户的人体数据进行有效的收集、整理、统计和分析，特别是对大量用户的检测数据进行汇总整合，以作为参照数据库，为后续的个体用户的健康维护方案的提出提供大数据支持。

但是，目前针对人体各参数的检测，均存在不同厂商生产的各种检测仪器。针对同一参数进行的相同检测项目，不同单位也可以采用不同的检测仪器。而这些检测仪器由于采用了不同检测方法，则可能在正常值范围、基本计量单位方面存在差别，则检测结果的差别也较大，检测结果的正常值范围也各不相同，这给用户数据的统计和分析造成了极大的困难，造成了数据之间的不兼容，无法将全部数据作为数据分析的基础。

举例来说，对皮肤水分测试可采用电容法或光学成像技术。电容法的测试是通过对电容值的测试来衡量皮肤水分含量的变化。将测试探头与皮肤接触，电容值的变化可以反映皮肤的含水量，皮肤含水量越高，其电容量也越高；反之亦然，其结果通过湿度测量值(Moisture Measurement Value,MMV)来表示，MMV为0至150的数值。光学成像技术测量水分含量，是使用特定光源检测皮肤反射和吸收情况测定皮肤水分的方法，使用此方式的皮肤测试仪检测的水分测试结果为0至10之间。同一用户使用电容法测量水分的数值是60，使用美皮肤测试仪检测水分值为5。两种测试数据不仅范围不同，也不能简单的用线性方式进行换算。

另外，对体脂肪率进行检测可采用CT法，也可以采用MRI法，但是，CT法的正常值范围是0-100，而MRI法的正常值范围是0-50。同一用户分别利用这两种方法进行检测，利用CT法进行检测的数值是50，而利用MRI法进行检测的数值是20，可见，即使正常值范围的最大值是两倍的关系，但是实际检测的数值并不一定就具备两倍的关系，则不同方法检测得到的数据无法相互参照。

由此可能导致大量原始数据的浪费，也可能需被迫针对不同的数据开发不同的分析软件，则增加了开发的费用，同时数据不兼容的问题也没有彻底得到解决。

可见，现有技术不存在对各种检测方法得到的测量值进行统一量化的技术方案，无法对数据进行整合利用。

技术实现要素：

本发明解决的技术问题在于：

将通过不同检测方法针对同一参数获得的多个原始测量值进行统一量化，转换为通用的统一量化值。

更进一步的，本发明解决的技术问题还在于，基于通过不同检测方法针对同一参数获得的多个原始测量值，为用户提供针对其原始检测值的参数调整方案。

为解决上述问题，本发明公开了一种对多种测量值统一量化的方法，其特征在于，包括：

步骤A，多个测量终端利用不同检测方法，针对同一参数对不同用户进行测量，获取多个原始测量值；

步骤B，服务器端将该多个原始测量值分别转换至一统一的数据范围，以获得多个中间测量值；

步骤C，在该多个原始测量值能够实现正态分布的前提下，该服务器端进行累积分布转换以获取每个该中间测量值的统一量化值。

该步骤B利用如下方式进行转换：

对于数值越大越优化的参数的转换公式F1(x)为：

F1(x)＝100*(x-A)/(B-A)

对于数值越小越优化的参数的转换公式F2(x)为：

F2(x)＝100*(B-x)/(B-A)

对于数值越靠近两边值越优化的参数的转换公式F3(x)为：

F3(x)＝100*ABS(2x-A-B)/(B-A)

对于数值越靠近中间值越优化的参数的转换公式F4(x)为：

F4(x)＝100-100*ABS(2x-A-B)/(B-A)

其中，A为该参数的正常值范围的最小值，B为该参数的正常值范围的最大值，x为该原始测量值。

步骤C利用累积分布函数P(x)进行累积分布转换；

$P\left(x\right)={\∫}_{-\mathrm{\∞}}^{x}f\left(x\right)dx$

$f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{{\left(FA\right(x)-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2})$

FA(x)为F1(x)、F2(x)、F3(x)或F4(x)，μ为该正态分布的位置参数、σ为该正态分布的尺度参数。

该方法还包括：在步骤C之后，根据获得的原始测量值定期更新该位置参数μ和该尺度参数σ，并继续执行步骤A。

该步骤B与步骤C之间还包括：根据用户信息对该不同用户进行聚类分组，判断每个组中的用户的原始测量值能否实现正态分布，如果能，对该组执行步骤C，如果否，以该中间测量值作为该统一量化值。

本发明还公开了一种根据多种测量方法的测量值的统一量化值进行参数调整的方法，包括：

步骤A，多个测量终端利用不同检测方法，针对同一参数对不同用户进行测量，获取多个原始测量值；

步骤B，服务器端将该多个原始测量值分别转换至一统一的数据范围，以获得多个中间测量值；

步骤C，在该多个原始测量值能够实现正态分布的前提下，该服务器端进行累积分布转换以获取每个该中间测量值的统一量化值；

步骤D，服务器端根据所有的该统一量化值，提供对应的参数调整方案。

该步骤B利用如下方式进行转换：

对于数值越大越优化的参数的转换公式F1(x)为：

F1(x)＝100*(x-A)/(B-A)

对于数值越小越优化的参数的转换公式F2(x)为：

F2(x)＝100*(B-x)/(B-A)

对于数值越靠近两边值越优化的参数的转换公式F3(x)为：

F3(x)＝100*ABS(2x-A-B)/(B-A)

对于数值越靠近中间值越优化的参数的转换公式F4(x)为：

F4(x)＝100-100*ABS(2x-A-B)/(B-A)

其中，A为该参数的正常值范围的最小值，B为该参数的正常值范围的最大值，x为该原始测量值。

步骤C利用累积分布函数P(x)进行累积分布转换；

$P\left(x\right)={\∫}_{-\mathrm{\∞}}^{x}f\left(x\right)dx$

$f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{{\left(FA\right(x)-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2})$

FA(x)为F1(x)、F2(x)、F3(x)或F4(x)，μ为该正态分布的位置参数、σ为该正态分布的尺度参数。

本发明公开了一种对多种测量值统一量化的装置，包括：

检测单元，用于使多个测量终端利用不同检测方法，针对同一参数对不同用户进行测量，获取多个原始测量值；

第一转换单元，用于使服务器端将该多个原始测量值分别转换至一统一的数据范围，以获得多个中间测量值；

第二转换单元，用于在该多个原始测量值能够实现正态分布的前提下，使该服务器端进行累积分布转换以获取每个该中间测量值的统一量化值。

本发明公开了一种根据多种测量方法的测量值的统一量化值进行参数调整的装置，包括：

检测单元，用于使多个测量终端利用不同检测方法，针对同一参数对不同用户进行测量，获取多个原始测量值；

第一转换单元，用于使服务器端将该多个原始测量值分别转换至一统一的数据范围，以获得多个中间测量值；

第二转换单元，用于在该多个原始测量值能够实现正态分布的前提下，使该服务器端进行累积分布转换以获取每个该中间测量值的统一量化值；

方案获取单元，用于使服务器端根据所有的该统一量化值，提供对应的参数调整方案。

本发明将通过不同检测方法针对同一参数获得的多个原始测量值进行统一量化，转换为通用的统一量化值。同时，还可基于通过不同检测方法针对同一参数获得的多个原始测量值，为用户提供针对其原始检测值的参数调整方案。

附图说明

图1所示为本发明的一种数据采集及处理的系统结构示意图。

图2、3所示为本发明的一种对多种测量值统一量化的方法的流程图。

具体实施方式

以下结合附图及实施例详细描述本发明的一种对多种测量值统一量化及参数调整的方法及装置的具体实现过程。

本发明解决的主要技术问题在于，将通过不同检测方法针对同一参数获得的多个原始测量值进行统一量化，转换为通用的统一量化值。并可基于此进一步为用户提供针对其原始检测值的参数调整方案。

为了解决以上问题，本发明公开了一种数据采集及处理的系统，如图1所示为本发明的该系统的结构示意图。

该系统100包括多个处理平台10以及一服务器端20。各个处理平台10分别通过网络与服务器端20连接。

每个处理平台10可以是具有独立的处理能力的终端。每个该处理平台10分别设置有一测量终端，或者与一测量终端连接。该测量终端用于对人体参数进行测量。测量终端1、2、3可将测量得到的原始测量值发送至该处理平台10。

该人体参数包括但不限于血压、血糖、体脂肪率、皮肤的弹性、炎症、毛孔等。该测量终端包括但不限于血压检测仪、血糖检测仪、体脂肪率测量仪、皮肤检测仪等。在检测同一种人体参数时，以检测体脂肪率为例，各个处理平台10均设置有体脂肪率测量仪，但是，各处理平台10所设置的体脂肪率测量仪采用的检测方法可以不同。

借助该处理平台10与服务器端20之间的网络，该测量终端1、2、3测量得到的原始测量值被实时或定期的传送至该服务器端20。

事实上，多个该处理平台10可以分别设置在不同的医疗、保健、美容机构，以大面积的为用户提供参数测量的数据采集服务，并将采集到的数据发送至服务器端20进行后续的处理。

如图2、3所示为本发明的一种对多种测量值统一量化的方法的流程图。

步骤1，多个测量终端1利用不同检测方法，针对同一参数对不同用户进行测量，获取多个原始测量值x。

不同的医疗、保健、美容机构可以各自测量用户的同一参数，例如体脂肪率，获取多个原始测量值x，并通过网络发送至服务器端20。不同的医疗、保健、美容机构所安装的测量终端可以不同，则所采取的检测方法也可以不同。

步骤2，服务器端20将该多个原始测量值x分别转换至一统一的数据范围，以获得多个中间测量值。

由于不同的参数的衡量标准不同，故而，转换的具体转换公式也不相同。

第一种情况，对于数值越大越优化的参数，此时的原始测量值的转换公式F1(x)为：

F1(x)＝100*(x-A)/(B-A)

第二种情况，对于数值越小越优化的参数，此时的原始测量值的转换公式F2(x)为：

F2(x)＝100*(B-x)/(B-A)

第三种情况，对于数值越靠近两边越优化的参数，此时的原始测量值的转换公式F3(x)为：

F3(x)＝100*ABS(2x-A-B)/(B-A)

第四种情况，对于数值越靠近中间越优化的参数，此时的原始测量值的转换公式F4(x)为：

F4(x)＝100-100*ABS(2x-A-B)/(B-A)

其中，A为该原始测量值的正常值范围的最小值，B为原始测量值的正常值范围的最大值。

由于每种参数的类型是固定的，则所对应的转换公式是固定的，故而服务器端20每接收到一个原始测量值，选择这一参数所对应的转换公式进行转换，以获得对应的中间测量值。

参见图3，在一优化的实施例中，在步骤2后，还包括：

步骤21，服务器端20根据用户信息对不同用户进行聚类分组，在每个组中的用户的原始测量值能否实现正态分布时，对该组执行步骤3。

具体来说，每个用户在任一一个处理平台10进行测量之前，都会进行用户注册，注册内容包括年龄、性别、人种、身高、体重、生活区域、工作性质、收入水平、消费能力等信息。处理平台10将这些注册内容发送汇总至服务器端20。故而服务器端20一侧汇总有所有处理平台10所服务的所有用户的全部注册信息。

同时，所有用户的原始测量值也汇总到该服务器端20，故而服务器端20还可获得同一用户在不同处理平台10分别获取的多个原始测量值。

服务器端20根据当前累积的用户信息对不同用户进行聚类分组，并判断每个分组中的当前的原始测量值的数量是否能够达到一定标准。

根据中心极限定理，大多数的人体检测数据应该趋向于正态分布，以数据符合正态分布的情况为例，当数据累积到服从正态分布时，即可认为检测数据的数量达到一定标准。

故而，服务器端20判断每个组中当前累积的原始测量值是否服从正态分布，如果是，对该组继续执行步骤3，如果否，直接将当前计算得到的中间测量值作为统一量化值，发送回对应的处理平台10。

步骤3，服务器端20进行累积分布转换以获取每个该中间测量值的统一量化值。

该步骤利用累积分布函数P(x)进行累积分布转换；

$P\left(x\right)={\∫}_{-\mathrm{\∞}}^{x}f\left(x\right)dx$

$f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{{\left(FA\right(x)-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2})$

FA(x)为F1(x)、F2(x)、F3(x)或F4(x)，μ为该正态分布的位置参数、σ为该正态分布的尺度参数。

累计分布函数P(x)的结果范围为0～1之间，为将检测结果规范为0～100之间的范围，故而将100*P(x)作为该统一量化值，当然直接将P(x)作为该统一量化值也无不可。

通过上述方法，即使通过不同检测方法得到的原始测量值，也可统一至相同的衡量标准中，实现了统一量化。

另外，由于在步骤21中已经确定了当前数据符合正态分布，故而μ和σ已经可以通过现有技术的方法确定。

由上述方案可知，在服务器端20累积的原始测量值的数据量符合正态分布之前，服务器端20每接收一个新的原始测量值，只能依照转换公式F1(x)、F2(x)、F3(x)或F4(x)进行初步的转换并以此作为统一量化值，而在服务器端20累积的原始测量值的数据量符合正态分布之后，服务器端20还依照正态分布调整中间测量值，以使得最终得到的统一量化值更加精确。

随着服务器端20所累积的原始测量值越来越多，则新接收到的原始测量值可能会对已经存在的正态分布的曲线产生影响，故而，需定期根据当前获得的全部原始测量值，重新计算位置参数μ和该尺度参数σ，并利用最新更新得到的位置参数μ和该尺度参数σ，执行步骤3的累积分布转换。

本发明还公开了一种根据多种测量方法的测量值的统一量化值进行参数调整的方法。可借助已经获得的统一量化值，提供对应的参数调整方案。

服务器端20的数据库中可预先存储经过研究实验而确定的参数调整方案。例如，对于体脂肪率，当低于15％时，参数调整方案可包括增加蛋白质摄入、执行A项保健项目或参加某个有针对性的健身套餐，当处于15％—20％时，参数调整方案可包括执行B项保健项目，等等。

则当服务器端20根据当前收到的原始测量值计算出对应的统一量化值后，可根据该统一量化值在数据库中进行搜索，选择对应的参数调整方案，返回给发送该原始测量值的处理平台。

更进一步的，服务器端20还可根据某一用户的多种参数的多个统一量化值，寻找同时符合该多个统一量化值的参数调整方案，以更加符合用户的实际需求。

以下借助一更加具体的实施例来对本发明的技术方案进行解释。

使用光学成像技术的皮肤水分测试设备，检测结果的正常值范围的最小值为0，检测结果的正常值范围的最大值为8，使用该设备获得300个皮肤样本原始测量值如下：

1.7,0.6,7.9,6.9,6.7,6.7,5.3,6.1,3.7,4.5,6.9,1.9,2.1,5.1,4.9,4.7,5.3,5.3,4.5,4.9,4.5,5.3,4.9,4.3,3.7,3.5,3.7,3.1,4.5,3.1,3.9,3.5,3.3,3.9,3.5,3.5,2.5,3.3,3.5,3.3,3.7,3.1,4.5,3.9,6.7,4.5,4.3,5.1,4.1,4.5,3.9,3.1,3.3,5.3,5.7,6.1,4.7,3.1,3.3,2.7,3.1,2.9,3.1,4.3,3.1,2.7,3.1,3.3,3.1,3.3,3.1,3.3,5.1,4.7,4.9,4.3,3.9,3.7,3.9,3.5,4.5,4.3,5.5,5.7,5.5,4.9,5.3,5.5,3.7,4.1,3.9,5.7,5.9,3.7,3.5,3.1,2.3,2.7,2.9,3.3,3.9,2.7,3.5,3.1,2.7,1.9,2.5,3.9,4.5,5.7,5.3,4.9,3.1,2.9,4.1,3.3,4.7,3.9,4.3,4.1,3.7,3.3,2.7,2.9,2.5,3.9,3.5,4.1,4.1,4.7,4.9,4.9,4.1,3.3,2.9,3.7,3.9,4.3,4.1,4.5,4.7,4.9,2.1,2.9,3.5,2.7,3.1,3.1,3.5,2.9,2.9,3.1,3.3,2.7,3.5,3.9,4.9,5.1,4.3,5.1,4.3,4.3,3.9,4.5,4.5,4.3,5.3,4.5,4.9,3.5,2.1,5.3,5.7,5.7,5.5,4.5,7.7,4.7,3.7,3.1,3.7,5.9,6.1,3.9,3.7,3.3,3.9,3.9,4.5,4.7,6.1,5.7,3.1,3.7,3.5,3.9,3.9,3.5,3.3,3.1,2.5,5.9,5.7,4.1,4.3,4.1,4.1,4.5,4.5,5.1,3.1,3.3,4.1,4.3,3.9,4.1,4.7,4.7,3.7,3.1,3.3,2.7,3.5,2.9,3.7,6.5,6.1,5.7,5.5,6.9,7.7,6.5,5.7,4.1,4.7,5.7,5.5,3.1,2.7,3.1,3.3,3.5,4.3,4.1,4.5,4.7,5.7,5.5,4.1,4.3,4.7,3.1,3.3,3.1,2.7,3.1,3.7,3.1,4.7,4.5,5.1,4.7,4.5,6.1,5.7,3.3,2.5,3.7,4.1,3.3,2.1,2.3,3.1,3.3,3.5,3.3,3.1,2.7,3.1,5.7,5.1,4.3,3.7,3.1,2.9,3.1,2.7,2.5,3.1,3.5,3.1,3.3,4.1,5.1,4.9,6.1,5.7,6.5,4.7,3.7。

因皮肤水分含量越大越好，所以使用公式F1(x)进行转换，所得中间测量值为：

21.25,7.5,98.75,86.25,83.75,83.75,66.25,76.25,46.25,56.25,86.25,23.75,26.25,63.75,61.25,58.75,66.25,66.25,56.25,61.25,56.25,66.25,61.25,53.75,46.25,43.75,46.25,38.75,56.25,38.75,48.75,43.75,41.25,48.75,43.75,43.75,31.25,41.25,43.75,41.25,46.25,38.75,56.25,48.75,83.75,56.25,53.75,63.75,51.25,56.25,48.75,38.75,41.25,66.25,71.25,76.25,58.75,38.75,41.25,33.75,38.75,36.25,38.75,53.75,38.75,33.75,38.75,41.25,38.75,41.25,38.75,41.25,63.75,58.75,61.25,53.75,48.75,46.25,48.75,43.75,56.25,53.75,68.75,71.25,68.75,61.25,66.25,68.75,46.25,51.25,48.75,71.25,73.75,46.25,43.75,38.75,28.75,33.75,36.25,41.25,48.75,33.75,43.75,38.75,33.75,23.75,31.25,48.75,56.25,71.25,66.25,61.25,38.75,36.25,51.25,41.25,58.75,48.75,53.75,51.25,46.25,41.25,33.75,36.25,31.25,48.75,43.75,51.25,51.25,58.75,61.25,61.25,51.25,41.25,36.25,46.25,48.75,53.75,51.25,56.25,58.75,61.25,26.25,36.25,43.75,33.75,38.75,38.75,43.75,36.25,36.25,38.75,41.25,33.75,43.75,48.75,61.25,63.75,53.75,63.75,53.75,53.75,48.75,56.25,56.25,53.75,66.25,56.25,61.25,43.75,26.25,66.25,71.25,71.25,68.75,56.25,96.25,58.75,46.25,38.75,46.25,73.75,76.25,48.75,46.25,41.25,48.75,48.75,56.25,58.75,76.25,71.25,38.75,46.25,43.75,48.75,48.75,43.75,41.25,38.75,31.25,73.75,71.25,51.25,53.75,51.25,51.25,56.25,56.25,63.75,38.75,41.25,51.25,53.75,48.75,51.25,58.75,58.75,46.25,38.75,41.25,33.75,43.75,36.25,46.25,81.25,76.25,71.25,68.75,86.25,96.25,81.25,71.25,51.25,58.75,71.25,68.75,38.75,33.75,38.75,41.25,43.75,53.75,51.25,56.25,58.75,71.25,68.75,51.25,53.75,58.75,38.75,41.25,38.75,33.75,38.75,46.25,38.75,58.75,56.25,63.75,58.75,56.25,76.25,71.25,41.25,31.25,46.25,51.25,41.25,26.25,28.75,38.75,41.25,43.75,41.25,38.75,33.75,38.75,71.25,63.75,53.75,46.25,38.75,36.25,38.75,33.75,31.25,38.75,43.75,38.75,41.25,51.25,63.75,61.25,76.25,71.25,81.25,58.75,46.25。

根据上述F1(x)后的结果，计算正态分布的位置参数，也就是算术平均值μ＝51.20417，正态分布的尺度参数，也就是标准偏差σ＝14.40294。

使用100*P(x)计算最后的统一量化值，仍以上述300个皮肤样本测试结果为例，其对应的统一量化值为：

1.88,0.12,99.95,99.25,98.81,98.81,85.19,95.9,36.54,63.7,99.25,2.83,4.16,80.81,75.73,69.98,85.19,85.19,63.7,75.73,63.7,85.19,75.73,57.02,36.54,30.24,36.54,19.36,63.7,19.36,43.24,30.24,24.47,43.24,30.24,30.24,8.3,24.47,30.24,24.47,36.54,19.36,63.7,43.24,98.81,63.7,57.02,80.81,50.13,63.7,43.24,19.36,24.47,85.19,91.8,95.9,69.98,19.36,24.47,11.28,19.36,14.96,19.36,57.02,19.36,11.28,19.36,24.47,19.36,24.47,19.36,24.47,80.81,69.98,75.73,57.02,43.24,36.54,43.24,30.24,63.7,57.02,88.84,91.8,88.84,75.73,85.19,88.84,36.54,50.13,43.24,91.8,94.13,36.54,30.24,19.36,5.95,11.28,14.96,24.47,43.24,11.28,30.24,19.36,11.28,2.83,8.3,43.24,63.7,91.8,85.19,75.73,19.36,14.96,50.13,24.47,69.98,43.24,57.02,50.13,36.54,24.47,11.28,14.96,8.3,43.24,30.24,50.13,50.13,69.98,75.73,75.73,50.13,24.47,14.96,36.54,43.24,57.02,50.13,63.7,69.98,75.73,4.16,14.96,30.24,11.28,19.36,19.36,30.24,14.96,14.96,19.36,24.47,11.28,30.24,43.24,75.73,80.81,57.02,80.81,57.02,57.02,43.24,63.7,63.7,57.02,85.19,63.7,75.73,30.24,4.16,85.19,91.8,91.8,88.84,63.7,99.91,69.98,36.54,19.36,36.54,94.13,95.9,43.24,36.54,24.47,43.24,43.24,63.7,69.98,95.9,91.8,19.36,36.54,30.24,43.24,43.24,30.24,24.47,19.36,8.3,94.13,91.8,50.13,57.02,50.13,50.13,63.7,63.7,80.81,19.36,24.47,50.13,57.02,43.24,50.13,69.98,69.98,36.54,19.36,24.47,11.28,30.24,14.96,36.54,98.15,95.9,91.8,88.84,99.25,99.91,98.15,91.8,50.13,69.98,91.8,88.84,19.36,11.28,19.36,24.47,30.24,57.02,50.13,63.7,69.98,91.8,88.84,50.13,57.02,69.98,19.36,24.47,19.36,11.28,19.36,36.54,19.36,69.98,63.7,80.81,69.98,63.7,95.9,91.8,24.47,8.3,36.54,50.13,24.47,4.16,5.95,19.36,24.47,30.24,24.47,19.36,11.28,19.36,91.8,80.81,57.02,36.54,19.36,14.96,19.36,11.28,8.3,19.36,30.24,19.36,24.47,50.13,80.81,75.73,95.9,91.8,98.15,69.98,36.54。

本发明将通过不同检测方法针对同一参数获得的多个原始测量值进行统一量化，转换为通用的统一量化值。同时，还可基于通过不同检测方法针对同一参数获得的多个原始测量值，为用户提供针对其原始检测值的参数调整方案。

虽然本发明以前述的实施例公开如上，但其并非用以限定本发明。在不脱离本发明的精神和范围内，所为的更动与修改，均属本发明的专利保护范围。关于本发明所界定的保护范围请参考所附的权利要求书。