一种危险疾病预警及通知系统的制作方法

1.本发明涉及疾病预防系统领域，尤其涉及一种危险疾病预警及通知系统。


背景技术：

2.监测是指通过连续、系统地收集和分析特定疾病临床症候群的发生频率的数据，及时发现疾病在时间和空间分布上的异常聚集，以期对疾病进行早期探查、预警和快速反应的监测方法。一般在疾病真正发生前，很难在家中得到专业的监测。而等到危险疾病暴发，再送去医院往往错了最佳的救治时间。因此亟需一种危险疾病预警及通知系统。


技术实现要素：

3.针对背景技术中存在的问题，提出一种危险疾病预警及通知系统。
4.本发明提出一种危险疾病预警及通知系统，系统包括数据收集端、信息展示端、无线网络和云端服务器；数据收集端、信息展示端和云端服务器通过无线网络实现通讯连接。
5.数据收集端用于收集每日人体体征参数数据，将数据分类、转换、汇总，得到每个体征参数数据对应的数据集，数据集传输至云端服务器；数据收集端包括征参数收集模块、数据处理模块和通讯模块一；体征参数收集模块包括尿液检测单元、睡眠质量检测单元、基本体征检测单元以及环境参数检测单元。
6.云端服务器上设置有危险疾病判断模型，提前对各疾病因子进行对应的分数关联，通过对每日收集到的数据集进行分析，判定其疾病因子的类别，进行分组得到当天的疾病因子组集；将疾病因子组集输入危险疾病判断模型，根据疾病因子的危险等级，结合加权算法计算、分析，预测疾病的危险等级，并发送相关通知至信息展示端；云端服务器包括危险疾病判断模块、控制模块、通讯模块二和数据存储模块；危险疾病判断模块包括数据分析单元、疾病危险等级判定单元和通知单元。
7.信息展示端用于24h展示身体健康状况相关信息，并提供在线联系医生，进行健康咨询，包括当日身体信息展示模块、历史信息存储模块、疾病预警及通知模块、健康咨询模块和通讯模块三。
8.优选的，数据收集端包括数据采集设备；数据采集设备包括智能马桶、智能手环和智能空气净化器。
9.优选的，尿液检测单元设置在智能马桶上，检测的体征参数包括胆红素、尿胆原、酮体、抗坏血酸、葡萄糖、蛋白质(白蛋白)、血细胞和ph。
10.优选的，睡眠质量检测单元和基本体征检测单元均设置在智能手环上，检测的体征参数包括睡眠时长、呼吸频率、心率、血压和体温。
11.优选的，环境参数检测单元设置在智能空气净化器上，检测的环境参数包括空气湿度、温度以及气态污染物、固态颗粒物、空气自然菌、条件致病菌的含量。
12.优选的，危险疾病判断模型采用机器学习法，通过均值填充、中位数填充、线性回归及期望最大化方法对模型进行缺失数据填充，采用前向特征选择、l1正则化和保守均值
特征选择(μ-σ)对模型进行特征选择，再使用svm进行预测。
13.优选的，危险疾病判断模型为卷积神经网络模型。
14.优选的，上述的系统，工作方法如下：
15.s1、通过数据补全、特征表示、特征选择和预测建模，建立危险疾病判断模型；
16.s2、提前建立学习集数据库，将学习集数据集输入危险疾病判断模型；通过卷积神经网络对原始特征进行多层的变换，把原始特征映射到新的空间中，不断提高模型的分类、判断、预测的能力；
17.s3、采用问卷、仪器检测、医生问诊的方式对预测对象的人体体征参数进行全面的初次收集，记为原始信息集a，对异常数据做出汇总、标记；
18.s4、收集每日人体体征参数数据，将数据分类、转换、汇总，得到每个体征参数数据对应的数据集bi(i＝1、2、3......n，为收集日期的顺序编号)，数据集传输至云端服务器；
19.s5、将bi输入危险疾病判断模型，并提前对各疾病因子进行对应的分数关联；通过对每日收集到的bi与a进行分析，判定其疾病因子的为危险等级，并当天的疾病因子组集结合加权算法计算、分析，计算出当天的身体健康得分c；
20.s6、根据得分c预测疾病的危险等级，并发送相关通知至信息展示端；
21.s7、信息展示端将24h展示身体健康状况相关信息，出现异常数据时发出警告通知，用户通过信息展示端在线联系医生，进行健康咨询。
22.与现有技术相比，本发明具有如下有益的技术效果：
23.本发明设置数据收集端、信息展示端、无线网络和云端服务器配合，提前建立危险疾病判断模型，通过对每日的人体体征参数数据进行收集、分析，判断疾病因子的危险等级，结合加权算法计算、分析，预测危险疾病，并向用户发送相关通知。获取的数据种类多，来源广，分析、预测准确性高，方便用户及时了解身体情况，并能及时得到医生的建议，最终达到阻止或延缓危险疾病发生的目的。
附图说明
24.图1为本发明一种实施例的系统结构示意图。
具体实施方式
25.实施例一
26.如图1所示，本发明提出的一种危险疾病预警及通知系统，系统包括数据收集端、信息展示端、无线网络和云端服务器；数据收集端、信息展示端和云端服务器通过无线网络实现通讯连接。
27.数据收集端用于收集每日人体体征参数数据，将数据分类、转换、汇总，得到每个体征参数数据对应的数据集，数据集传输至云端服务器；数据收集端包括征参数收集模块、数据处理模块和通讯模块一；体征参数收集模块包括尿液检测单元、睡眠质量检测单元、基本体征检测单元以及环境参数检测单元。
28.云端服务器上设置有危险疾病判断模型，提前对各疾病因子进行对应的分数关联，通过对每日收集到的数据集进行分析，判定其疾病因子的类别，进行分组得到当天的疾病因子组集；将疾病因子组集输入危险疾病判断模型，根据疾病因子的危险等级，结合加权
算法计算、分析，预测疾病的危险等级，并发送相关通知至信息展示端；云端服务器包括危险疾病判断模块、控制模块、通讯模块二和数据存储模块；危险疾病判断模块包括数据分析单元、疾病危险等级判定单元和通知单元。
29.信息展示端用于24h展示身体健康状况相关信息，并提供在线联系医生，进行健康咨询，包括当日身体信息展示模块、历史信息存储模块、疾病预警及通知模块、健康咨询模块和通讯模块三。
30.本发明设置数据收集端、信息展示端、无线网络和云端服务器配合，提前建立危险疾病判断模型，通过对每日的人体体征参数数据进行收集、分析，判断疾病因子的危险等级，结合加权算法计算、分析，预测危险疾病，并向用户发送相关通知。获取的数据种类多，来源广，分析、预测准确性高，方便用户及时了解身体情况，并能及时得到医生的建议，最终达到阻止或延缓危险疾病发生的目的。
31.实施例二
32.如图1所示，本发明提出的一种危险疾病预警及通知系统，系统包括数据收集端、信息展示端、无线网络和云端服务器；数据收集端、信息展示端和云端服务器通过无线网络实现通讯连接。
33.数据收集端用于收集每日人体体征参数数据，将数据分类、转换、汇总，得到每个体征参数数据对应的数据集，数据集传输至云端服务器；数据收集端包括征参数收集模块、数据处理模块和通讯模块一；体征参数收集模块包括尿液检测单元、睡眠质量检测单元、基本体征检测单元以及环境参数检测单元。
34.进一步的，数据收集端包括数据采集设备；数据采集设备包括智能马桶、智能手环和智能空气净化器。尿液检测单元设置在智能马桶上，检测的体征参数包括胆红素、尿胆原、酮体、抗坏血酸、葡萄糖、蛋白质(白蛋白)、血细胞和ph。用户在早晨第一次上厕所时，智能马桶的尿液检测单元被激活，通过检测端对尿液进行检测。睡眠质量检测单元和基本体征检测单元均设置在智能手环上，检测的体征参数包括睡眠时长、呼吸频率、心率、血压和体温。用户全天佩戴智能手环。手环对身体的各项参数进行收集。环境参数检测单元设置在智能空气净化器上，检测的环境参数包括空气湿度、温度以及气态污染物、固态颗粒物、空气自然菌、条件致病菌的含量。环境对身体健康有一定的影响，因此需要结合环境数据度身体健康状况进行分析，以保证数据的准确。也避免空气质量问题影响身体健康。
35.云端服务器上设置有危险疾病判断模型，提前对各疾病因子进行对应的分数关联，通过对每日收集到的数据集进行分析，判定其疾病因子的类别，进行分组得到当天的疾病因子组集；将疾病因子组集输入危险疾病判断模型，根据疾病因子的危险等级，结合加权算法计算、分析，预测疾病的危险等级，并发送相关通知至信息展示端；云端服务器包括危险疾病判断模块、控制模块、通讯模块二和数据存储模块；危险疾病判断模块包括数据分析单元、疾病危险等级判定单元和通知单元。
36.进一步的，危险疾病判断模型采用机器学习法，通过均值填充、中位数填充、线性回归及期望最大化方法对模型进行缺失数据填充，采用前向特征选择、l1正则化和保守均值特征选择(μ-σ)对模型进行特征选择，再使用svm进行预测。
37.进一步的，危险疾病判断模型为卷积神经网络模型。
38.信息展示端用于24h展示身体健康状况相关信息，并提供在线联系医生，进行健康
咨询，包括当日身体信息展示模块、历史信息存储模块、疾病预警及通知模块、健康咨询模块和通讯模块三。
39.实施例三
40.如图1所示，本发明提出的一种危险疾病预警及通知系统，系统包括数据收集端、信息展示端、无线网络和云端服务器；数据收集端、信息展示端和云端服务器通过无线网络实现通讯连接。
41.数据收集端用于收集每日人体体征参数数据，将数据分类、转换、汇总，得到每个体征参数数据对应的数据集，数据集传输至云端服务器；数据收集端包括征参数收集模块、数据处理模块和通讯模块一；体征参数收集模块包括尿液检测单元、睡眠质量检测单元、基本体征检测单元以及环境参数检测单元。
42.进一步的，数据收集端包括数据采集设备；数据采集设备包括智能马桶、智能手环和智能空气净化器。
43.进一步的，尿液检测单元设置在智能马桶上，检测的体征参数包括胆红素、尿胆原、酮体、抗坏血酸、葡萄糖、蛋白质(白蛋白)、血细胞和ph。
44.进一步的，睡眠质量检测单元和基本体征检测单元均设置在智能手环上，检测的体征参数包括睡眠时长、呼吸频率、心率、血压和体温。
45.进一步的，环境参数检测单元设置在智能空气净化器上，检测的环境参数包括空气湿度、温度以及气态污染物、固态颗粒物、空气自然菌、条件致病菌的含量。
46.云端服务器上设置有危险疾病判断模型，提前对各疾病因子进行对应的分数关联，通过对每日收集到的数据集进行分析，判定其疾病因子的类别，进行分组得到当天的疾病因子组集；将疾病因子组集输入危险疾病判断模型，根据疾病因子的危险等级，结合加权算法计算、分析，预测疾病的危险等级，并发送相关通知至信息展示端；云端服务器包括危险疾病判断模块、控制模块、通讯模块二和数据存储模块；危险疾病判断模块包括数据分析单元、疾病危险等级判定单元和通知单元。
47.进一步的，危险疾病判断模型采用机器学习法，通过均值填充、中位数填充、线性回归及期望最大化方法对模型进行缺失数据填充，采用前向特征选择、l1正则化和保守均值特征选择(μ-σ)对模型进行特征选择，再使用svm进行预测。
48.进一步的，危险疾病判断模型为卷积神经网络模型。
49.信息展示端用于24h展示身体健康状况相关信息，并提供在线联系医生，进行健康咨询，包括当日身体信息展示模块、历史信息存储模块、疾病预警及通知模块、健康咨询模块和通讯模块三。
50.上述的系统，工作方法如下：
51.s1、通过数据补全、特征表示、特征选择和预测建模，建立危险疾病判断模型；
52.s2、提前建立学习集数据库，将学习集数据集输入危险疾病判断模型；通过卷积神经网络对原始特征进行多层的变换，把原始特征映射到新的空间中，不断提高模型的分类、判断、预测的能力；
53.s3、采用问卷、仪器检测、医生问诊的方式对预测对象的人体体征参数进行全面的初次收集，记为原始信息集a，对异常数据做出汇总、标记；
54.s4、收集每日人体体征参数数据，将数据分类、转换、汇总，得到每个体征参数数据
对应的数据集bi(i＝1、2、3......n，为收集日期的顺序编号)，数据集传输至云端服务器；
55.s5、将bi输入危险疾病判断模型，并提前对各疾病因子进行对应的分数关联；通过对每日收集到的bi与a进行分析，判定其疾病因子的为危险等级，并当天的疾病因子组集结合加权算法计算、分析，计算出当天的身体健康得分c；
56.s6、根据得分c预测疾病的危险等级，并发送相关通知至信息展示端；
57.s7、信息展示端将24h展示身体健康状况相关信息，出现异常数据时发出警告通知，用户通过信息展示端在线联系医生，进行健康咨询。
58.本实施例中的系统，采用机器学习法，通过均值填充、中位数填充、线性回归及期望最大化方法对模型进行缺失数据填充，采用前向特征选择、l1正则化和保守均值特征选择(μ-σ)对模型进行特征选择，再使用svm进行预测。数据类型全面，数据来源广泛，智能性、实用性强，且准确性高。
59.上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于此，在所属技术领域的技术人员所具备的知识范围内，在不脱离本发明宗旨的前提下还可以作出各种变化。