本发明涉及机器学习和医疗健康领域,尤其涉及一种健康数据分析方法、装置、电子设备及存储介质。
背景技术:
1、随着医疗技术的不断进步,人们对健康的关注和管理也日益重视。然而,传统的健康数据分析方法存在一些问题,例如传统的医疗监测器械比较大型,不利于日常携带,且需要专业的操作方法,使用户日常数据采集不方便;传统医疗监测器械的数据大都需要专业的人员进行人工分析,用户自己进行数据分析的难度大;传统的医疗监测器械缺乏实时监测和管理等功能。
2、因此,针对传统健康数据分析方法中数据采集不方便、数据分析难度大、缺乏实时监测和管理的问题,需要提供一种高效、便捷、实时的健康数据分析的方法。
技术实现思路
1、鉴于以上原因,有必要提供一种健康数据分析方法、装置、电子设备及存储介质,使得健康数据分析高效、便捷、实时。
2、为实现上述目的,本发明提供一种健康数据分析方法,该方法包括如下步骤:
3、s1、获取健康数据模型的训练指令,所述训练指令包含多个模型类型信息与各个模型类型信息对应的数据类型信息,从预设模型库中获取所述模型类型信息对应的多个待训练模型,从预设的样本数据库中获取所述数据类型信息对应的多组样本数据集;
4、s2、根据所述模型类型信息与数据类型信息的对应关系,建立所述样本数据集与所述待训练模型的对应关系,使用所述样本数据集训练对应的待训练模型得到多个训练完成的子模型,将多个所述子模型通过公共连接点组合成一个健康监测大模型;
5、s3、获取用户的健康数据,对所述健康数据进行预处理得到特征数据,根据所述数据类型信息对所述特征数据进行分类得到多组分类特征数据;
6、s4、通过预设的特征提取算法将各组所述分类特征数据转换为对应的分类特征向量;
7、s5、基于所述健康监测大模型中对应的子模型对所述多组特征向量按照对应的数据类型信息进行处理,对各个所述子模型的处理结果进行整合得到监测结果,根据所述监测结果生成健康管理方案。
8、可选地,所述使用所述样本数据集训练对应的待训练模型得到多个训练完成的子模型,包括:
9、基于选择的训练数据集训练对应的待训练模型,得到第一训练模型,基于选择的测试数据集测试对应的第一训练模型,得到测试结果,计算测试结果与测设数据集对应的真实结果之间的误差指标,当所述误差指标小于预设阈值,评估结果为通过;
10、当所述误差指标大于或等于预设阈值,评估结果为不通过,调整第一训练模型的参数后再次测试,直到评估通过;
11、选择评估通过中所述误差指标最小的第一训练模型为训练完成的子模型。
12、可选地,所述对各个所述子模型的处理结果进行整合得到监测结果包括:
13、通过所述公共连接点对各个所述子模型的处理结果进行整合得到监测结果。
14、可选地,所述获取用户的健康数据包括:
15、通过可穿戴设备,包括智能手环、智能手表、智能眼镜,实时获取监测用户的生理指标数据,包括心率、血压、睡眠质量;
16、通过智能家居,包括智能门锁、智能灯具、智能插座,实时获取用户的生活数据,包括起床时间、离家时间、归家时间;
17、通过问卷调查收集用户生活习惯和用药情况等信息。
18、可选地,所述预处理包括:
19、选用预处理方法中的一种或几种,并设定方法的使用顺序,所述预处理方法包括:清洗处理、数据缺失值的填充处理、数据归一化处理。
20、可选地,所述根据所述监测结果生成健康管理方案包括:
21、从预设的关联数据库中获取每条监测数据的关联方案,通过所述公共连接点和所述监测数据的权重对所有监测数据的关联方案进行整合,得到健康管理方案,所述健康管理方案包括饮食建议、运动建议、作息建议、就医建议、发送智能设备指令和提示。
22、进一步地,所述提示为监测结果超出预设阈值时执行,所述执行方式包括语音信号提示、震动提示和光信号提示。
23、本发明还提供一种健康数据分析装置,所述健康数据分析装置包括:
24、训练模块,用于获取健康数据模型的训练指令,所述训练指令包含多个模型类型信息与各个模型类型信息对应的数据类型信息,从预设模型库中获取所述模型类型信息对应的多个待训练模型,从预设的样本数据库中获取所述数据类型信息对应的多组样本数据集,根据所述模型类型信息与数据类型信息的对应关系,建立所述样本数据集与所述待训练模型的对应关系,使用所述样本数据集训练对应的待训练模型得到多个训练完成的子模型;
25、模型生成模块,用于将多个所述子模型通过公共连接点组合成一个健康监测大模型;
26、预处理模块,用于获取用户的健康数据,对所述健康数据进行预处理得到特征数据,根据所述数据类型信息对所述特征数据进行分类得到多组分类特征数据;
27、转换模块,用于通过预设的特征提取算法将各组所述分类特征数据转换为对应的分类特征向量;
28、方案生成模块,用于基于所述健康监测大模型中对应类别的子模型处理所述多组特征向量,根据各个子模型的处理结果得到监测结果,根据所述监测结果生成健康管理方案。
29、本发明还提供一种电子设备,该电子设备包括存储器和处理器,所述存储器中包括健康数据分析程序,该健康数据分析程序被所述处理器执行时实现如上所述的健康数据分析方法中的任意步骤。
30、此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中包括健康数据分析程序,所述健康数据分析程序被处理器执行时,实现如上所述的健康数据分析方法中的任意步骤。
31、本发明提供的健康数据分析方法、装置、电子设备及计算机可读存储介质,基于训练指令训练多个模型,并将训练完成的多个模型通过公共连接点生成健康监测大模型;获取用户的健康数据,根据预设的预处理方法对用户健康数据进行预处理并分类;通过预设的特征提取算法将分类后的分类特征数据转换为多组分类特征向量;基于健康监测大模型处理多组分类特征向量,得到监测结果,根据所述监测结果生成健康管理方案。本发明可以应用于个人健康管理,利用机器学习模型和预处理方法处理相关数据,具有较好的便捷性和效益性,利用智能设备可实时监测用户健康数据,基于用户健康数据分析可有效地为用户提供更加个性化的健康指导。
1.一种健康数据分析方法,其特征在于,该方法包括:
2.如权利要求1所述的健康数据分析方法,其特征在于,所述使用所述样本数据集训练对应的待训练模型得到多个训练完成的子模型,包括:
3.如权利要求1所述的健康数据分析方法,其特征在于,所述对各个所述子模型的处理结果进行整合得到监测结果包括:
4.如权利要求1所述的健康数据分析方法,其特征在于,所述获取用户的健康数据包括:
5.如权利要求1所述的健康数据分析方法,其特征在于,所述预处理包括:
6.如权利要求1所述的健康数据分析方法,其特征在于,所述根据所述监测结果生成健康管理方案包括:
7.如权利要求6所述的健康数据分析方法,其特征在于,所述提示为监测结果超出预设阈值时执行,所述执行方式包括语音信号提示、震动提示和光信号提示。
8.一种健康数据分析装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器上存储有健康数据分析程序,所述健康数据分析程序被所述处理器执行时实现如权利要求1-7中任一项所述的健康数据分析方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括健康数据分析程序,所述健康数据分析程序被处理器执行时,实现如权利要求1至7中任一项所述的健康数据分析方法。