一种基于人体健康的健康数据查询系统及方法与流程

1.本发明涉及人体健康数据处理技术领域，具体为一种基于人体健康的健康数据查询系统及方法。


背景技术：

2.随着生活中的日渐信息化，信息的获取方式越来越多，这也使得我们的生活也更加的方便和快捷，而在这个快节奏的生活当中，人们经常为了追求高效的工作效率而忽视了身体潜在的危险；而当人体患上疾病时，大多都需要一个完整疗程对其进行根治，在一个完整疗程中对于人是否最终能痊愈或者最终痊愈所需花费的时间往往都是通过每一次身体数据的变化来体现的，若人们能对于疗程中每一次身体数据变化能规律性掌握的话也有利于及时发现病症是否发生恶化的情况，及时调整。


技术实现要素：

3.本发明的目的在于提供一种基于人体健康的健康数据查询系统及方法，以解决上述背景技术中提出的问题。
4.为了解决上述技术问题，本发明提供如下技术方案：一种基于人体健康的健康数据查询方法，查询方法包括：
5.步骤s100：查询系统将患有不同疾病的病人的病情诊断治疗信息进行汇集生成病症数据库；在病症数据库内对不同疾病的信息进行筛选得到不同疾病的标况信息；
6.步骤s200：对不同疾病的标况信息进行异常数据捕捉，并对异常数据进行数据处理得到不同疾病对应的异常数据波动曲线；
7.步骤s300：对不同疾病的标况信息进行诊断信息的溯源补充，得到不同疾病对应的病症数据信息和伴随病症数据信息；
8.步骤s400：用户在查询系统内进行健康数据查询，查询系统调取用户的健康数据，基于用户的健康数据对用户进行疾病匹配和异常数据波动规律的异常排查得到疾病匹配结果和异常排查结果；
9.步骤s500：基于异常排查结果对用户进行示警提醒。
10.进一步的，步骤s100在病症数据库内对不同疾病的信息进行筛选得到不同疾病的标况信息的过程包括：
11.步骤s101：在病症数据库中将匹配到相同疾病的病人的病情诊断治疗信息进行汇集得到若干个诊断治疗集，每个诊断治疗集内的病症皆相同；每个诊断治疗集包括若干个病情诊断治疗信息；一个病人对应一个病情诊断治疗信息，一个病情诊断治疗信息内包括若干次病情诊断治疗记录；
12.步骤s102：分别获取每个诊断治疗集内每个病情诊断治疗信息包括的若干次病情诊断治疗记录的时间；分别对每个病情诊断治疗信息内时间上相邻的两次病情诊断治疗记
录之间进行间隔时间计算，得到每个病情诊断治疗信息的平均间隔时间为其中ti表示第i个时间间隔的间隔时间，n表示每个病情诊断治疗信息内包括的病情诊断治疗记录的总数；基于每个诊断治疗集内每个病情诊断治疗信息的平均间隔时间得到总平均间隔时间为其中m表示每个诊断治疗集内病情诊断治疗信息的总数；
13.步骤s103：在每个诊断治疗集内将每两次病情诊断治疗记录之间的时间间隔均小于总平均间隔时间的病情诊断治疗信息进行提取，将病情诊断治疗信息作为该诊断治疗集的标况信息；
14.对标况信息进行筛选的目的是为了得到一个具有代表意义和参照意义的病情诊断治疗信息，这个病情诊断治疗信息是一个完整的从确诊患上某疾病到后续的若干次正常复诊的流程；由于一个人有可能会存在反复患上同一种疾病的情况，而这时，若同一个人两次患上了同一种疾病，那么对应的病情诊断治疗信息有可能是存在两次针对该疾病的完整疗程的，对应的病情诊断治疗信息内的每次诊断治疗记录并不意味着都是正常复诊记录有可能是新诊断治疗记录；而且每个人的体质是不一样的，所以当不同的人患上同一种疾病时都会存在一些共性部分和个性部分；对标况信息进行筛选的目的就是为了在共性和个性之间考虑平衡，得到一个一个具有代表意义和参照意义的病情诊断治疗信息作为标况信息，给后续的匹配步骤异常排查步骤提供科学的对比依据，提高匹配效率。
15.进一步的，步骤s200对异常数据进行数据处理得到不同疾病对应的异常数据波动曲线的过程包括；
16.步骤s201：基于大数据获取人健康状态下各部位身体指标会出现的数据波动范围，将波动范围作为各部位身体指标的标准波动范围；将不处于标准波动范围内的各部位身体指标作为异常数据；
17.步骤s202：不同疾病的标况信息内包括若干次病情诊断治疗记录，分别对若干次病情诊断治疗记录出现的异常数据进行捕捉，将每两次在时间上相邻的病情诊断治疗记录的异常数据进行偏差值计算得到若干个异常数据偏差值；
18.步骤s203：分别将若干个异常数据偏差值与对应相邻病情诊断治疗记录之间的间隔时间作为一个数据对(x,y)，得到若干个数据对；其中y表示某一个异常数据偏差值，x表示计算得到y的两次病情诊断治疗记录的间隔时间；将若干个数据对进行曲线拟合得到不同疾病对应的异常数据波动曲线，在异常数据波动曲线中，x为自变量，y为因变量；
19.上述对异常数据进行数据处理得到不同疾病对应的异常数据波动曲线的过程是为了获取不同疾病对应的异常数据波动规律的过程，进行数据波动曲线拟合可以很好的反应数据波动的规律，并且为后续进行异常排查提供排查的标准，提高后续得到排查结果的准确性。
20.进一步的，步骤s300对不同疾病的标况信息进行诊断信息的溯源补充包括：补充与某一疾病匹配时的病症数据信息和伴随病症数据信息；病症数据信息是指出现某一疾病时在时间上最先产生异常数据的部位身体信息；伴随病症数据信息是指出现某一疾病时在时间上次于病症数据信息产生异常数据的部位身体信息。
21.进一步的，步骤s400包括：
22.步骤s401：查询系统调取用户的健康数据，将用户的健康数据与标准波动范围内的数据进行比较；将不处于标准波动范围内的用户的健康数据筛选出来得到若干部分用户的健康数据；
23.步骤s402：基于大数据获取与若干部分用户的健康数据关联的若干部位身体信息；将若干部位身体信息与各疾病的病症数据信息、伴随病症数据信息进行匹配；匹配是指将若干部位身体信息与各疾病的病症数据信息、伴随病症数据信息进行计算信息重合率将若干部位身体信息与各疾病的病症数据信息、伴随病症数据信息进行计算信息重合率其中a表示基于大数据获取到的与若干部分用户的健康数据关联的部位身体信息的数量，b表示某疾病b的病症数据信息、伴随病症数据信息的总数量；当重合率大于重合率阈值，判定用户与疾病b匹配；
24.上述是基于用户查询的健康数据，对用户进行智能科学的病症匹配，这个病症匹配的过程也包括了对用户隐藏病症的挖掘，使得给关注身体健康的用户提供数据参考以及一些身体危机预警。
25.进一步的，步骤s400还包括当对用户查询出与某一疾病匹配时，对用户与某一疾病匹配时呈现的异常数据波动规律进行异常排查，异常排查的过程包括：
26.步骤s411：调取用户的历史查询记录，将每次查询记录中的异常数据进行捕捉，将从每两次在时间上相邻的查询记录得到的异常数据进行偏差值计算得到若干个异常数据偏差值，同时得到若干个查询记录间隔时间；分别将若干个异常数据偏差值与对应时间上相邻的查询记录之间的间隔时间作为一个数据对(x’,y’)；
27.步骤s412：将若干个异常数据偏差值x’分别带入用户匹配到的疾病对应的异常数据波动曲线中得到若干个y值；将得到若干个y值与用户实际对应的若干个查询记录间隔时间y’之间进行偏差计算得到若干个偏差值，设定偏差阈值；
28.步骤s413：当调取的用户的历史查询记录为0，此时数据对(x’,y’)的数量为1，若得到的y值与y’之间的偏差值大于偏差阈值，判定用户匹配到某一疾病时呈现的异常数据波动规律为异常状态；当调取的用户的历史查询记录大于等于1，此时数据对(x’,y’)的数量大于等于2，分别对若干y值与若干y’之间的偏差值进行计算得到若干偏差值，若大于偏差阈值的偏差值的个数大于系统设定的个数阈值时，判定用户匹配到某一疾病时呈现的异常数据波动规律为异常状态；
29.上述调取用户的历史查询记录是排查用户针对一种疾病是否存在有以往的数据查询记录，在本技术中，若存在有针对同一疾病的以往数据查询记录的话，默认用户是处于针对同一疾病的同一疗程中，那么将历史数据信息作为判断异常数据的波动情况就可以反应用户诊疗情况，若与正常的波动曲线偏离较大则意味着用户的身体症状可能往不好的方向发展，基于这点对用户提出示警，有利于用户对于自身症状情况的把握，提高排查的机敏性、方便性和高效性。
30.为更好的实现上述方法还提出了一种基于人体健康的健康数据查询系统，查询系统包括：疾病标况信息筛选模块、疾病异常数据曲线拟合模块、信息补充模块、疾病匹配模块、波动异常排查模块；
31.疾病标况信息筛选模块，用于将匹配到不同疾病的病人的病情诊断治疗信息进行
汇集生成病症数据库；在病症数据库内对不同疾病的信息进行筛选得到不同疾病的标况信息；
32.疾病异常数据曲线拟合模块，用于接收疾病标况信息筛选模块中的数据，对不同疾病的标况信息进行异常数据捕捉，并对异常数据进行数据处理得到不同疾病对应的异常数据波动曲线；
33.信息补充模块，用于对不同疾病的标况信息进行诊断信息的溯源补充，得到不同疾病对应的病症数据信息和伴随病症数据信息；
34.疾病匹配模块，用于调取用户查询显示的健康数据，基于用户的健康数据对用户进行疾病匹配得到疾病匹配结果；
35.波动异常排查模块，用于接收疾病匹配模块中的数据，并对用户匹配疾病后的异常数据波动规律进行异常排查，得到异常排查结果。
36.进一步的，疾病标况信息筛选模块包括：信息汇集单元、计算单元、筛选单元；
37.信息汇集单元，用于在病症数据库中将匹配到相同疾病的病人的病情诊断治疗信息进行汇集得到若干个诊断治疗集；
38.计算单元，用于对每个诊断治疗集内每个病情诊断治疗信息的平均间隔时间进行计算，并基于计算得到的若干个平均间隔时间对每个诊断治疗集内所有病情诊断治疗信息对总平均间隔时间进行计算；
39.筛选单元，用于接收计算单元中的数据，基于数据在每个诊断治疗集内筛选标况病情诊断治疗信息。
40.进一步的，疾病异常数据曲线拟合模块包括：第一异常数据捕捉单元、计算单元、曲线拟合单元；
41.第一异常数据捕捉单元，用于接收疾病标况信息筛选模块中的数据，对标况信息中若干次病情诊断治疗记录出现的异常数据进行捕捉；
42.计算单元，用于对每两次在时间上相邻的病情诊断治疗记录的异常数据进行偏差值计算得到若干个异常数据偏差值；
43.曲线拟合单元，用于接收计算单元中的数据，将接收到的数据进行曲线拟合得到不同疾病对应的异常数据波动曲线。
44.进一步的，波动异常排查模块包括：第二异常数据捕捉单元、回归演算单元、异常判别单元；
45.第二异常数据捕捉单元，用于调取用户的历史查询记录，将每次查询记录中的异常数据进行捕捉；
46.回归演算单元，用于将从每两次在时间上相邻的查询记录得到的异常数据进行偏差值计算得到若干个异常数据偏差值，同时得到若干个查询记录间隔时间；将得到的数据带入用户匹配到的疾病对应的异常数据波动曲线中进行回归演算；
47.异常判别单元，用于接收回归演算单元中得到演算结果，基于演算结果判定用户匹配到对应疾病时呈现的异常数据波动规律的状态是否异常。
48.与现有技术相比，本发明所达到的有益效果是：本发明可以结合用户的历史查询数据对当用户患上一种疾病时诊治疗程内的发展情况进行精确掌握，除了能让用户随时知道自己的身体状况，还能对当前阶段的身体状况是否出现异常进行精确的把握，使得用户
可以对治疗疾病时的每一次诊疗数据进行掌握，一旦发生症状恶化的情况，可以及时发现必发出示警；提高数据查询的高效性和机敏性以及随机性。
附图说明
49.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
50.图1是本发明一种基于人体健康的健康数据查询方法的流程示意图；
51.图2是本发明一种基于人体健康的健康数据查询系统的结构示意图。
具体实施方式
52.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，都属于本发明保护的范围。
53.请参阅图1-图2，本发明提供技术方案：一种基于人体健康的健康数据查询方法，查询方法包括：
54.步骤s100：查询系统将患有不同疾病的病人的病情诊断治疗信息进行汇集生成病症数据库；在病症数据库内对不同疾病的信息进行筛选得到不同疾病的标况信息；
55.其中，在病症数据库内对不同疾病的信息进行筛选得到不同疾病的标况信息律的过程包括：
56.步骤s101：在病症数据库中将匹配到相同疾病的病人的病情诊断治疗信息进行汇集得到若干个诊断治疗集，每个诊断治疗集内的病症皆相同；每个诊断治疗集包括若干个病情诊断治疗信息；一个病人对应一个病情诊断治疗信息，一个病情诊断治疗信息内包括若干次病情诊断治疗记录；
57.步骤s102：分别获取每个诊断治疗集内每个病情诊断治疗信息包括的若干次病情诊断治疗记录的时间；分别对每个病情诊断治疗信息内时间上相邻的两次病情诊断治疗记录之间进行间隔时间计算，得到每个病情诊断治疗信息的平均间隔时间为其中ti表示第i个时间间隔的间隔时间，n表示每个病情诊断治疗信息内包括的病情诊断治疗记录的总数；基于每个诊断治疗集内每个病情诊断治疗信息的平均间隔时间得到总平均间隔时间为其中m表示每个诊断治疗集内病情诊断治疗信息的总数；
58.步骤s103：在每个诊断治疗集内将每两次病情诊断治疗记录之间的时间间隔均小于总平均间隔时间的病情诊断治疗信息进行提取，将病情诊断治疗信息作为该诊断治疗集的标况信息；
59.步骤s200：对不同疾病的标况信息进行异常数据捕捉，并对异常数据进行数据处理得到不同疾病对应的异常数据波动曲线；
60.其中，对异常数据进行数据处理得到不同疾病对应的异常数据波动曲线的过程包
括；
61.步骤s201：基于大数据获取人健康状态下各部位身体指标会出现的数据波动范围，将波动范围作为各部位身体指标的标准波动范围；将不处于标准波动范围内的各部位身体指标作为异常数据；
62.步骤s202：不同疾病的标况信息内包括若干次病情诊断治疗记录，分别对若干次病情诊断治疗记录出现的异常数据进行捕捉，将每两次在时间上相邻的病情诊断治疗记录的异常数据进行偏差值计算得到若干个异常数据偏差值；
63.步骤s203：分别将若干个异常数据偏差值与对应相邻病情诊断治疗记录之间的间隔时间作为一个数据对(x,y)，得到若干个数据对；其中y表示某一个异常数据偏差值，x表示计算得到y的两次病情诊断治疗记录的间隔时间；将若干个数据对进行曲线拟合得到不同疾病对应的异常数据波动曲线，在异常数据波动曲线中，x为自变量，y为因变量
64.步骤s300：对不同疾病的标况信息进行诊断信息的溯源补充，得到不同疾病对应的病症数据信息和伴随病症数据信息；
65.其中，不同疾病的标况信息进行诊断信息的溯源补充包括：补充与某一疾病匹配时的病症数据信息和伴随病症数据信息；病症数据信息是指出现某一疾病时在时间上最先产生异常数据的部位身体信息；伴随病症数据信息是指出现某一疾病时在时间上次于病症数据信息产生异常数据的部位身体信息；
66.步骤s400：用户在查询系统内进行健康数据查询，查询系统调取用户的健康数据，基于用户的健康数据对用户进行疾病匹配和异常数据波动规律的异常排查得到疾病匹配结果和异常排查结果；
67.其中，步骤s400包括：
68.步骤s401：查询系统调取用户的健康数据，将用户的健康数据与标准波动范围内的数据进行比较；将不处于标准波动范围内的用户的健康数据筛选出来得到若干部分用户的健康数据；
69.步骤s402：基于大数据获取与若干部分用户的健康数据关联的若干部位身体信息；将若干部位身体信息与各疾病的病症数据信息、伴随病症数据信息进行匹配；匹配是指将若干部位身体信息与各疾病的病症数据信息、伴随病症数据信息进行计算信息重合率将若干部位身体信息与各疾病的病症数据信息、伴随病症数据信息进行计算信息重合率其中a表示基于大数据获取到的与若干部分用户的健康数据关联的部位身体信息的数量，b表示某疾病b的病症数据信息、伴随病症数据信息的总数量；当重合率大于重合率阈值，判定用户与疾病b匹配；
70.其中，步骤s400还包括当对用户查询出与某一疾病匹配时，对用户与某一疾病匹配时呈现的异常数据波动规律进行异常排查，异常排查的过程包括：
71.步骤s411：调取用户的历史查询记录，将每次查询记录中的异常数据进行捕捉，将从每两次在时间上相邻的查询记录得到的异常数据进行偏差值计算得到若干个异常数据偏差值，同时得到若干个查询记录间隔时间；分别将若干个异常数据偏差值与对应时间上相邻的查询记录之间的间隔时间作为一个数据对(x’,y’)；
72.步骤s412：将若干个异常数据偏差值x’分别带入用户匹配到的疾病对应的异常数据波动曲线中得到若干个y值；将得到若干个y值与用户实际对应的若干个查询记录间隔时
间y’之间进行偏差计算得到若干个偏差值，设定偏差阈值；
73.步骤s413：当调取的用户的历史查询记录为0，此时数据对(x’,y’)的数量为1，若得到的y值与y’之间的偏差值大于偏差阈值，判定用户匹配到某一疾病时呈现的异常数据波动规律为异常状态；当调取的用户的历史查询记录大于等于1，此时数据对(x’,y’)的数量大于等于2，分别对若干y值与若干y’之间的偏差值进行计算得到若干偏差值，若大于偏差阈值的偏差值的个数大于系统设定的个数阈值时，判定用户匹配到某一疾病时呈现的异常数据波动规律为异常状态；
74.步骤s500：基于异常排查结果对用户进行示警提醒。
75.为更好的实现上述方法还提出了一种基于人体健康的健康数据查询系统，查询系统包括：疾病标况信息筛选模块、疾病异常数据曲线拟合模块、信息补充模块、疾病匹配模块、波动异常排查模块；
76.疾病标况信息筛选模块，用于将匹配到不同疾病的病人的病情诊断治疗信息进行汇集生成病症数据库；在病症数据库内对不同疾病的信息进行筛选得到不同疾病的标况信息；
77.其中，疾病标况信息筛选模块包括：信息汇集单元、计算单元、筛选单元；
78.信息汇集单元，用于在病症数据库中将匹配到相同疾病的病人的病情诊断治疗信息进行汇集得到若干个诊断治疗集；计算单元，用于对每个诊断治疗集内每个病情诊断治疗信息的平均间隔时间进行计算，并基于计算得到的若干个平均间隔时间对每个诊断治疗集内所有病情诊断治疗信息对总平均间隔时间进行计算；筛选单元，用于接收计算单元中的数据，基于数据在每个诊断治疗集内筛选标况病情诊断治疗信息；
79.疾病异常数据曲线拟合模块，用于接收疾病标况信息筛选模块中的数据，对不同疾病的标况信息进行异常数据捕捉，并对异常数据进行数据处理得到不同疾病对应的异常数据波动曲线；
80.其中，疾病异常数据曲线拟合模块包括：第一异常数据捕捉单元、计算单元、曲线拟合单元；
81.第一异常数据捕捉单元，用于接收疾病标况信息筛选模块中的数据，对标况信息中若干次病情诊断治疗记录出现的异常数据进行捕捉；计算单元，用于对每两次在时间上相邻的病情诊断治疗记录的异常数据进行偏差值计算得到若干个异常数据偏差值；曲线拟合单元，用于接收计算单元中的数据，将接收到的数据进行曲线拟合得到不同疾病对应的异常数据波动曲线；
82.信息补充模块，用于对不同疾病的标况信息进行诊断信息的溯源补充，得到不同疾病对应的病症数据信息和伴随病症数据信息；
83.疾病匹配模块，用于调取用户查询显示的健康数据，基于用户的健康数据对用户进行疾病匹配得到疾病匹配结果；
84.波动异常排查模块，用于接收疾病匹配模块中的数据，并对用户匹配疾病后的异常数据波动规律进行异常排查，得到异常排查结果。
85.其中，波动异常排查模块包括：第二异常数据捕捉单元、回归演算单元、异常判别单元；
86.第二异常数据捕捉单元，用于调取用户的历史查询记录，将每次查询记录中的异
常数据进行捕捉；回归演算单元，用于将从每两次在时间上相邻的查询记录得到的异常数据进行偏差值计算得到若干个异常数据偏差值，同时得到若干个查询记录间隔时间；将得到的数据带入用户匹配到的疾病对应的异常数据波动曲线中进行回归演算；异常判别单元，用于接收回归演算单元中得到演算结果，基于演算结果判定用户匹配到对应疾病时呈现的异常数据波动规律的状态是否异常。
87.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
88.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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。