一种基于体检数据分析人体健康预警系统的制作方法

1.本发明属于医疗管理技术领域，具体涉及一种基于体检数据分析人体健康预警系统。


背景技术：

2.随着公众对于身体健康越来越重视，体检成为日常必需品，例如企业会为员工安排入职体检和年度体检。由于用户在医学方面专业知识的匮乏，体检报告逐渐被闲置。
3.目前体检数据的分析无法基于用户的需求，对人体的监控进行预警；例如用户一直感觉自己某个器官出现问题，想通过体检结果验证自己的判断。例如用户感觉胃痛，由于痛觉容易产生错觉，可能病发源是肠道等，但是基于医学知识的盲区，无法得到准确的判断信息。


技术实现要素：

4.针对现有技术的上述不足，本发明提供一种基于体检数据分析人体健康预警系统，以解决上述技术问题。
5.本发明提供一种基于体检数据分析人体健康预警系统，包括：数据池，用于存储体检数据；客户端，用于获取用户基于自身的病情感知，所述病情感知包括感知器官和感觉类型；线程启动单元，用于根据所述病情感知启动目标线程，所述目标线程包括与所述感知器官对应的第一线程，以及与所述第一线程相关联的第二线程，其中，第一线程的感知器官和其关联的第二线程的感知器官位置邻近，且和其关联的第二线程的感觉类型相同；数据处理单元，用于在目标线程中获取对应目标数据池中的目标体检数据，并将所述目标体检数据输入预设的支持向量机模型，通过所述支持向量机模型计算得到第一病因；病因处理单元，用于获取所述第一病因，并根据各个目标线程的优先级得到第二病因；其中，优先级高的目标线程的第一病因作为第二病因，在两个目标线程的属性分别为间接引发和直接引发的情况下，直接引发的目标线程的优先级高。
6.进一步的，还包括：缓存池，用于暂存目标数据池中要输入到预设的卷积神经网络的目标体检数据；通讯单元，用于在所述启动目标线程之后，将目标数据池中的目标体检数据复制到缓存池中，以及从所述缓存池中提取所述目标体检数据输入到预设的支持向量机模型中。
7.进一步的，所数据处理单元包括：优先级处理模块，用于遍历所有目标线程，并与预设的病因库进行比对，得到目标线程的优先级关系；
病因库，用于记录感知器官对应的目标线程，以及目标线程可确定的所有第一病因，以及目标线程的属性，所述属性包括直接引发、间接引发和独自引发，其中直接引发和独自引发的目标线程优先级相同且高于间接引发的目标线程；病因输出模块，用于将优先级高的目标线程的第一病因作为第二病因输出，在所述第一病因有至少两个的情况下，将两个第一病因同时作为第二病因输出。
8.进一步的，所述数据处理单元包括：数据清洗模块，用于针对目标体检数据的数据格式不统一、数据缺失、数据错误情况进行数据清洗；准确率判断模块，用于根据所述数据清洗模块的执行情况所述第一病因的准确率。
9.进一步的，还包括：模型训练单元，用于采用历史体检数据对支持向量机模型进行训练，得到损失函数，并利用随机梯度下降法迭代计算损失函数，从而使得损失函数最小，得到支持向量机模型。
10.进一步的，所述线程启动单元包括：启动触发模块，用于在目标数据池中的目标体检数据输入完成的情况下，开启对应所述目标线程的启动状态。
11.进一步的，所述启动触发模块还用于在确定第一线程和第二线程的情况下，同时启动第一线程和第二线程。
12.进一步的，还包括线程输出模块，用于将每个目标线程得到的第一病因进行单独输出，其中每个目标线程对应一个线程输出模块。
13.进一步的，还包括显示单元，用于将病因处理单元的输出结果和准确率进行显示。
14.进一步的，所述客户端还用于确定用户的身份信息；所述数据处理单元还用于根据所述身份信息确定目标数据池。
15.本发明的有益效果在于：本发明提供的一种基于体检数据分析人体健康预警系统，根据用户对于自身病情的感知情况，且通过多线程处理的方式分析用户的体检数据，判断用户是否存在病症以及具体病因，在解决用户对于自身健康疑虑的同时，帮用户分析出真正的病源器官。
16.此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
附图说明
17.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1是本发明一个实施例的系统的示意性框图。
具体实施方式
19.为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中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他实施例，都应当属于本发明保护的范围。
20.图1示出为本技术实施例提供的一种基于体检数据分析人体健康预警系统包括：数据池、客户端，线程启动单元、数据处理单元和病因处理单元。本系统可以设置在体检中心或者医院体检科，也可以以移动终端应用的方式推广到市场供用户下载。各个功能单元的作用如下。
21.数据池用于存储体检数据。
22.在本实施例中，数据池中的体检数据由体检机构输入，按照感知器官划分或复制体检数据，并分配到对应病症的感知器官的数据池中，例如常规b超检查，包括：肝、胆、胰、脾、肾、膀胱等感知器官的影像检查结果，分别输入到对应的“肝数据池、胆数据池、胰数据池、脾数据池、肾数据池和膀胱数据池”，检查结果例如“膀胱内壁粗糙增厚”等，再例如“尿常规”体检数据，将“白细胞wbc指标-阳性（+）”输入到“膀胱数据池”，将“尿红细胞rbc-阴性（-）”输入并复制到“膀胱数据池”和“肾数据池”，将“尿比重sg
‑ꢀ
1.005”输入到“肾数据池”。
23.值得说明的是，体检数据可以包括文字描述数据、数值数据或影像数据，为方便说明，本实施例以文字描述数据和数值数据进行，影像数据需要进行图像处理的部分按照医学领域的公开技术手段进行，此处不做赘述。
24.客户端用于获取用户基于自身的病情感知，所述病情感知包括感知器官和感觉类型。
25.在本实施例中，感知器官指的是人可以感知到疼痛酸麻等感觉的器官，一般用户针对体检结果，会确认自己某个器官是否存在病变，会对自己的情况进行初次判断，该初次判断通过客户端的引导界面得出，确认感知器官和感觉类型，例如“肝-疼”、“肾-尿痛”，通常每个感知器官可以确定多个感觉类型，例如“膀胱-尿痛/尿频”，“肾-尿痛/尿频”。值得说明的是，由于该系统面向的是无法根据体检结果判断自身病症的用户群体，所以此类用户群体对于感知器官和感觉类型的选择并没有很复杂，通常这些群体只能感觉到“疼痛酸麻”等感觉，对于“神经性疼痛”等专业的感觉类型用户很难描述清楚。
26.线程启动单元用于根据所述病情感知启动目标线程，所述目标线程包括与所述感知器官对应的第一线程，以及与所述第一线程相关联的第二线程，其中，第一线程的感知器官和其关联的第二线程的感知器官位置邻近，且和其关联的第二线程的感觉类型相同。
27.在本实施例中，由于用户的病情感知存在误判嫌疑，所以在根据用户的病情感知判断目标疾病的同时，判断其他可能会被误判的同症状疾病。目标疾病和同症状疾病的线程分别进行处理，避免用户由于自身误判忽视已经存在的病症。例如在病情感知为“膀胱-尿痛/尿频”的情况下，选择针对“膀胱-尿痛/尿频”作为第一线程，同时选择与第一线程“膀胱-尿痛/尿频”相关联的“肾-尿痛/尿频”作为第二线程。
28.数据处理单元用于在目标线程中获取对应目标数据池中的目标体检数据，并将所述目标体检数据输入预设的支持向量机模型，通过所述支持向量机模型计算得到第一病因。
29.在本实施例中，目标线程按照感知器官确定对应目标数据池，在第一线程的病情感知为“膀胱-尿痛/尿频”，且第二线程的病情感知为“肾-尿痛/尿频”的情况下，选择目标数据池“膀胱数据池”和“肾数据池”，目标体检数据为“肾”和“膀胱”的b超检查结果，和与“肾”和“膀胱”相关的尿常规检查结果。
30.创建支持向量机模型，所述支持向量机模型的核函数使用径向基核函数，将历史体检数据按照划分比例划分出训练集以及测试集，对训练集以及测试集进行归一化处理，通过核函数对归一化处理的训练集以及测试集进行训练，并根据训练结果建立数据匹配模型，训练每个模型可以确定的第一病因，最终得到该目标线程的病因判断模型，例如“膀胱-尿痛/尿频”可以确定的第一病因包括“膀胱炎”和“膀胱癌”，通过该模型直接得到第一病因为“膀胱炎”，每个线程采用不同的模型进行判断，第一线程获取目标体检数据经过其模型得到的第一病因为“膀胱炎”，同理第二线程输入“白细胞wbc指标-阳性（+）”和“白细胞管型”等输入其模型，得到的第一病因为“肾盂肾炎”。此外，支持向量机模型还可以得出“健康”的结论，用于通知用户该病情感知不正确。
31.病因处理单元用于获取所述第一病因，并根据各个目标线程的优先级得到第二病因；其中，优先级高的目标线程的第一病因作为第二病因，在两个目标线程的属性分别为间接引发和直接引发的情况下，直接引发的目标线程的优先级高。
32.在本实施例中，肾脏和膀胱是同属于一个泌尿系统的两种器官，两者在人体中处于协作的关系，正因为如此，肾和膀胱往往会有相似的疾病，但通常肾引发的疾病，也会在膀胱上表现相应病症，例如第一病因分别为临床上最容易混淆的“膀胱炎”和“肾盂肾炎”。在医学领域，肾盂肾炎和膀胱炎都属于尿路感染，是临床常见、多发的感染性疾病，具有顽固性和迁延性，治疗时间长，复发率高。通常，肾盂肾炎多伴有膀胱炎的症状，由于都具有“尿痛/尿频”的症状表现，且膀胱和肾的位置感知易混淆，在体检数据上，两者都具有“白细胞wbc指标-阳性（+）”、“尿红细胞rbc-阴性（-）”之类的相同体检数据，所以很容易在判断得到“肾盂肾炎”同时判断出“膀胱炎”，“肾”对应的目标线程的目标体检数据中还有区分两者的“白细胞管型”，判断得到“肾盂肾炎”。此时，“肾”对应的目标线程的属性为直接引发，“膀胱”对应的目标线程的属性为间接引发，根据优先级关系，将“肾盂肾炎”作为第二病因。
33.此外，这种优先级关系在临床上还包括：口腔和胃，这种关系多见于消化系统和泌尿系统。
34.可选地，作为本发明一个实施例，还包括：缓存池，用于暂存目标数据池中要输入到预设的卷积神经网络的目标体检数据；通讯单元，用于在所述启动目标线程之后，将目标数据池中的目标体检数据复制到缓存池中，以及从所述缓存池中提取所述目标体检数据输入到预设的支持向量机模型中。
35.可选地，作为本发明一个实施例，所数据处理单元包括：优先级处理模块，用于遍历所有目标线程，并与预设的病因库进行比对，得到目标线程的优先级关系；病因库，用于记录感知器官对应的目标线程，以及目标线程可确定的所有第一病因，以及目标线程的属性，所述属性包括直接引发、间接引发和独自引发，其中直接引发和独自引发的目标线程优先级相同且高于间接引发的目标线程；病因输出模块，用于将优先级高的目标线程的第一病因作为第二病因输出，在所述第一病因有至少两个的情况下，将两个第一病因同时作为第二病因输出。
36.可选地，作为本发明一个实施例，所述数据处理单元包括：数据清洗模块，用于针对目标体检数据的数据格式不统一、数据缺失、数据错误情况进行数据清洗；准确率判断模块，用于根据所述数据清洗模块的执行情况所述第一病因的准确率。
37.在本实施例中，设置体检数据的字典库，字典库里预设了体检数据的统一数据格式，以及每个体检数据的缺失补入参数，以及合理的数值范围，通过与字典库进行对比，将数据格式不统一的按照统一数据格式更改，对数据缺失的体检数据填补缺失补入参数，对超过合理的数值范围的错误数据，用缺失补入参数进行替换。
38.针对数据格式不统一、数据缺失、数据错误情况设置对应的准确率阈值，例如数据格式不统一的准确率阈值a为1%，数据缺失的准确率阈值b为5%，数据错误情况的准确率阈值c为6%；则准确率=100%-（a*m+b*n+c*j），其中m,n,j分别为数据格式不统一、数据缺失、数据错误情况的发生次数。本实施例提供的系统，实现了数据清洗的功能，保证输入模型的数据的准确性，另外针对数据清洗情况判断模型输出结果的准确率。
39.可选地，作为本发明一个实施例，所还包括：模型训练单元，用于采用历史体检数据对支持向量机模型进行训练，得到损失函数，并利用随机梯度下降法迭代计算损失函数，从而使得损失函数最小，得到支持向量机模型。。
40.在本实施例中，采用支持向量机模型，为了保证目标体检数据能够被正确分类，在进行模型训练前，需要将样本体检数据所包含的特征向量带入核函数中，样本体检数据可以来源于历史体检数据，样本体检数据所包含的特征向量可以是；在合理阈值范围内的数值、体检结果对应字符等；将样本体检数据所包含的特征向量带入核函数，核函数包括线性核函数、多项式核函数和高斯核函数中的至少一种，各个目标线程可以根据需求选择对应的核函数类型。利用计算得到的核函数进行模型训练，得到损失函数，利用随机梯度下降法迭代计算损失函数，从而使得损失函数最小。当得到的损失函数最小时，可以得到训练完成的支持向量机模型。由于每个目标线程对应的支持向量机模型不相同，所以本实施例不对模型的具体结构进行限定。
41.可选地，作为本发明一个实施例，所述线程启动单元包括：启动触发模块，用于在目标数据池中的目标体检数据输入完成的情况下，开启对应所述目标线程的启动状态。
42.在本实施例中，为避免数据遗漏导致结果的不准确，用户在客户端进行操作之前，数据池中的体检数据需要输入完成，通过启动触发模块健康目标体检数据在目标数据池中的输入状态，触发对应所述目标线程进入待机状态。在目标数据池中的目标体检数据未输入完成的情况下，用户输入病情感知后系统会返回客户端“体检数据未录入完成”的状态消息。
43.可选地，作为本发明一个实施例，所述启动触发模块还用于在确定第一线程和第二线程的情况下，同时启动第一线程和第二线程。
44.在本实施例中，具有关联关系的多个线程同时进行启动，从而使各个目标线程并发运行，提升系统处理速度。
45.可选地，作为本发明一个实施例，还包括线程输出模块，用于将每个目标线程得到的第一病因进行单独输出，其中每个目标线程对应一个线程输出模块。
46.在本实施例中，由于第一病因的处理需要根据目标线程的优先级关系，所以输出的第一病因需要与其他线程分割开来，本实施例设置不同的线程输出模块避免数据之间互相干扰，从提升生成第二病因的处理速度。
47.可选地，作为本发明一个实施例，还包括显示单元，用于将病因处理单元的输出结果和准确率进行显示。
48.在本实施例中，将病因判断结果显示，并将准确率告诉用户，使用户了解体检数据清洗处理带来的误差。
49.在本发明所提供的几个实施例中，应该理解到，所揭露的系统，可以通过其它的方式实现。例如，以上所描述的系统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，例如多个单元或组件可以结合或者可以集成到另一个系统，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接口，系统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。
50.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。
51.另外，在本发明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。
52.尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。