[發(fā)明專利]一種大數據健康預測系統(tǒng)在審
| 申請?zhí)枺?/td> | 201710799151.1 | 申請日: | 2017-09-07 |
| 公開(公告)號: | CN107506602A | 公開(公告)日: | 2017-12-22 |
| 發(fā)明(設計)人: | 白云飛 | 申請(專利權)人: | 北京海融興通信息安全技術有限公司 |
| 主分類號: | G06F19/00 | 分類號: | G06F19/00 |
| 代理公司: | 北京衛(wèi)平智業(yè)專利代理事務所(普通合伙)11392 | 代理人: | 謝建玲,郝亮 |
| 地址: | 100091 北*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 數據 健康 預測 系統(tǒng) | ||
1.一種大數據健康預測系統(tǒng),其特征在于:包括數據信息采集模塊、大數據分析平臺和智能終端;
所述數據信息采集模塊用于采集用戶健康特征數據信息;
所述大數據分析平臺用于對采集到的用戶健康特征數據信息進行分析預處理,得到原始的疾病預測結果,然后根據建立的疾病風險預測模型對原始的疾病預測結果進行優(yōu)化,得到最終的疾病預測結果,并給出用戶健康狀況的指導意見;
所述智能終端用于接收大數據分析平臺得到的最終的疾病預測結果和用戶健康狀況的指導意見,并且用戶可以通過智能終端實時將健康特征數據信息上傳到大數據分析平臺;
所述大數據分析平臺包括注冊模塊、接收模塊、分析模塊和響應模塊;所述注冊模塊用于獲取用戶的注冊信息并驗證用戶身份;所述接收模塊用于接收所述數據信息采集模塊采集的用戶健康特征數據信息;所述分析模塊用于對用戶健康特征數據信息進行分析預處理,并根據建立的疾病風險預測模型對原始的疾病預測結果進行優(yōu)化,得到最終的疾病預測結果,并給出用戶健康狀況的指導意見,并將最終的疾病預測結果和用戶健康狀況的指導意見發(fā)送至智能終端;所述響應模塊用于響應智能終端發(fā)送的響應請求,再次發(fā)送與用戶注冊信息相匹配且請求時間最接近的最終的疾病預測結果和和用戶健康狀況的指導意見。
2.如權利要求1所述的大數據健康預測系統(tǒng),其特征在于:所述用戶健康特征數據信息包括:個體體征數據、家族疾病史數據和生活因素數據。
3.如權利要求2所述的大數據健康預測系統(tǒng),其特征在于:所述個體體征數據包括:年齡、呼吸、體溫、脈搏和血壓信息;所述家族疾病史數據包括:慢性支氣管炎病史、肺癌家族史、肺炎史和肺結核史;所述生活因素數據包括:當地環(huán)境指標數據、工作環(huán)境數據和服用藥物數據。
4.如權利要求1所述的大數據健康預測系統(tǒng),其特征在于:所述分析模塊包括數據庫存儲模塊、數據預處理模塊和疾病分析優(yōu)化模塊。
5.如權利要求4所述的大數據健康預測系統(tǒng),其特征在于:所述數據庫存儲模塊中存儲的數據包括電子病例數據、醫(yī)學檢驗數據和影像醫(yī)學數據。
6.如權利要求4所述的大數據健康預測系統(tǒng),其特征在于:所述數據預處理模塊包括數據篩選模塊、數據轉換模塊和數據預分析模塊;所述數據篩選模塊用于對采集到的用戶健康特征數據信息進行篩選,所述數據轉換模塊用于對篩選后的用戶健康特征數據信息進行轉換處理,所述數據預分析模塊用于對轉換處理后的數據信息進行預處理分析,得到原始的疾病預測結果。
7.如權利要求6所述的大數據健康預測系統(tǒng),其特征在于:所述數據轉換模塊包括數據信號放大模塊和數據信號濾波處理模塊,經數據信號放大模塊進行信號放大處理和數據信號濾波處理模塊進行濾波過濾后的數據信息輸入到數據預分析模塊。
8.如權利要求4所述的大數據健康預測系統(tǒng),其特征在于:所述疾病分析優(yōu)化模塊包括預測模型建立模塊和優(yōu)化模塊;所述預測模型建立模塊用于基于數據庫存儲模塊中存儲的數據結合當前用戶健康特征數據信息建立疾病風險預測模型,所述優(yōu)化模型用于根據建立的疾病風險預測模型對原始的疾病預測結果進行優(yōu)化,得到最終的疾病預測結果,根據得到的疾病預測結果,判斷對應的疾病類別,并給出用戶健康狀況的指導意見。
9.如權利要求8所述的大數據健康預測系統(tǒng),其特征在于:所述預測模型建立模塊建立疾病風險預測模型的流程如下:
步驟1、將數據庫存儲模塊中存儲的數據和當前用戶健康特征數據信息進行篩選分類,生成樣本集,將樣本集中的一部分樣本作為訓練樣本,其余作為測試樣本;
步驟2、對樣本集中的訓練樣本,分別采用極限學習機ELM和支持向量機SVM模型進行訓練,訓練得到相應的疾病風險預測模型;
步驟3、利用樣本集中的測試樣本,分別對采用極限學習機ELM訓練出的疾病風險預測模型和采用支持向量機SVM模型訓練出的疾病風險預測模型的訓練結果進行測試;
步驟4、選擇測試結果準確率高的疾病風險預測模型作為最終的疾病風險預測模型。
10.如權利要求1所述的大數據健康預測系統(tǒng),其特征在于:所述智能終端為智能手機或平板電腦。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京海融興通信息安全技術有限公司,未經北京海融興通信息安全技術有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710799151.1/1.html,轉載請聲明來源鉆瓜專利網。
- 同類專利
- 專利分類
G06F 電數字數據處理
G06F19-00 專門適用于特定應用的數字計算或數據處理的設備或方法
G06F19-10 .生物信息學,即計算分子生物學中的遺傳或蛋白質相關的數據處理方法或系統(tǒng)
G06F19-12 ..用于系統(tǒng)生物學的建模或仿真,例如:概率模型或動態(tài)模型,遺傳基因管理網絡,蛋白質交互作用網絡或新陳代謝作用網絡
G06F19-14 ..用于發(fā)展或進化的,例如:進化的保存區(qū)域決定或進化樹結構
G06F19-16 ..用于分子結構的,例如:結構排序,結構或功能關系,蛋白質折疊,結構域拓撲,用結構數據的藥靶,涉及二維或三維結構的
G06F19-18 ..用于功能性基因組學或蛋白質組學的,例如:基因型–表型關聯,不均衡連接,種群遺傳學,結合位置鑒定,變異發(fā)生,基因型或染色體組的注釋,蛋白質相互作用或蛋白質核酸的相互作用
- 數據顯示系統(tǒng)、數據中繼設備、數據中繼方法、數據系統(tǒng)、接收設備和數據讀取方法
- 數據記錄方法、數據記錄裝置、數據記錄媒體、數據重播方法和數據重播裝置
- 數據發(fā)送方法、數據發(fā)送系統(tǒng)、數據發(fā)送裝置以及數據結構
- 數據顯示系統(tǒng)、數據中繼設備、數據中繼方法及數據系統(tǒng)
- 數據嵌入裝置、數據嵌入方法、數據提取裝置及數據提取方法
- 數據管理裝置、數據編輯裝置、數據閱覽裝置、數據管理方法、數據編輯方法以及數據閱覽方法
- 數據發(fā)送和數據接收設備、數據發(fā)送和數據接收方法
- 數據發(fā)送裝置、數據接收裝置、數據收發(fā)系統(tǒng)、數據發(fā)送方法、數據接收方法和數據收發(fā)方法
- 數據發(fā)送方法、數據再現方法、數據發(fā)送裝置及數據再現裝置
- 數據發(fā)送方法、數據再現方法、數據發(fā)送裝置及數據再現裝置





