用户画像的生成方法、装置和计算机设备与流程

本申请涉及数字医疗领域，特别是涉及到用户画像的生成方法、装置和计算机设备。

背景技术：

随着社会的不断进步，人们对于自身健康越来越重视，更加注重对于健康的管理。对于慢性病患者、中老年、孕产妇和婴幼儿等高危人群的健康管理更是迫切需求。目前健康管理的主要依赖于测量终端类：比如：电子血压计，血糖仪等等，但在获取测量的健康数据后，对于大多数没有科学医学知识的用户，无法根据测量数据，准确掌握自己当前的健康画像。除了定期体检外，没有对健康监控和管理的过程，不能做到病发前防范，或缺乏科学性、安全性的监督指导，对个人健康造成负面影响。总之，因没有与测量数据接应的医学数据分析系统，使个人健康数据不能直观给用户。

技术实现要素：

本申请的主要目的为提供用户画像的生成，旨在解决现没有与测量数据接应的医学数据分析系统进行数据分析的技术问题。

本申请提出一种用户画像的生成方法，包括：

获取检测用户的生理指标数据；

通过医学模型分析各所述生理指标数据分别对应的分析结果；

将各所述分析结果通过数据分析模型生成健康评价报告，其中，所述健康评价报告包括描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估；

根据所述描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估，生成用户画像。

优选地，所述通过医学模型分析各所述生理指标数据分别对应的分析结果的步骤，包括：

将指定指标数据输入所述医学模型，其中，所述指定指标数据为所有所述生理指标数据中的任一指标数据；

获取所述医学模型通过决策表和医学规则，分析所述指定指标数据对应各疾病种类的分值分布结果；

根据所述指定指标数据对应各疾病种类的分值分布结果的计算过程，得到所有所述生理指标数据分别一一对应的各疾病种类的分值分布结果；

将所有所述生理指标数据分别一一对应的各疾病种类的分值分布结果，作为所述分析结果。

优选地，所述决策表包括横向决策表，所述医学规则包括所述指定指标数据引发各疾病的评价概率，获取所述医学模型通过决策表和医学规则，分析所述指定指标数据对应各疾病种类的分值分布结果的步骤，包括：

将与所述指定指标数据相关的各疾病种类分行输入横向决策表中对应的疾病列；

补充填充除所述疾病列之外的信息列，其中，所述信息列包括所述指定指标数据所处的列和各疾病种类的分值分布结果列；

根据所述指定指标数据引发各疾病的评价概率，决策计算所述指定指标数据对应各疾病种类的分值分布结果；

将所述指定指标数据对应各疾病种类的分值分布结果，一一对应填充在所述各疾病种类的分值分布结果列中。

优选地，所述将各所述分析结果通过数据分析模型生成健康评价报告的步骤，包括：

通过高斯过程对各所述分析结果进行建模，得到各所述分析结果分别对应的置信度；

通过核函数对各所述分析结果分别对应的置信度进行推演，得到所述用户患疾病的风险概率评估、描述用户健康的标签集合以及引发患病的因素评估；

根据所述用户患疾病的风险概率评估、描述用户健康的标签集合以及引发患病的因素评估，生成所述健康评价报告。

优选地，所述获取检测用户的生理指标数据的步骤之前，包括：

判断当前用户的健康档案是否达到信息完善的预设标准；

若否，则依据所述当前用户的健康档案中的信息数据，通过决策表算法生成所述当前用户对应的智能问答卷；

通过所述当前用户对所述智能问答卷的反馈信息，更新所述当前用户的健康档案。

优选地，所述依据所述当前用户的健康档案中的信息数据，通过决策表算法生成所述当前用户对应的智能问答卷的步骤，包括：

获取所述当前用户的健康档案中的信息数据；

将所述当前用户的健康档案中的信息数据作为输入项，输入决策表中；

判断所述输入项所属的检测项集合的属性，是否与数据库中的指定输出项集合存在关联关系，其中，所述指定输出项集合的数量为一个或一个以上；

根据所述指定输出项集合的匹配策略优先级，形成所述当前用户对应的智能问答卷的问题输出。

优选地，根据所述描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估，生成用户画像的步骤之后，包括：

根据当前时刻的用户画像，确定待监测的目标项目；

将所述待监测的目标项目以及监测时间段发送至显示端，其中，所述显示端为所述当前时刻的用户画像对应终端的显示屏；

判断在所述监测时间段是否接收到用户的上传数据；

若接收到用户的上传数据，则判断所述上传数据是否为所述待监测的目标项目的新测量数据；

若为所述待监测的目标项目的新测量数据，则根据所述新测量数据更新所述健康评价报告以及所述用户画像。

本申请还提供了一种用户画像的生成装置，包括：

获取模块，用于获取检测用户的生理指标数据；

分析模块，用于通过医学模型分析各所述生理指标数据分别对应的分析结果；

第一生成模块，用于将各所述分析结果通过数据分析模型生成健康评价报告，其中，所述健康评价报告包括描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估；

第二生成模块，用于根据所述描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估，生成用户画像。

本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。

本申请通过医学模型依据获取的健康档案中的检测数值，进行数据分析得到分析结果，然后将分析结果输入数据计算模型，得出用户的健康描述标签集合，指定用户的健康画像，以及不同的健康画像给出健康管理建议。

附图说明

图1本申请一实施例的用户画像的生成方法流程示意图；

图2本申请一实施例的患疾病风险的分布状态图；

图3本申请一实施例的用户画像的生成装置结构示意图；

图4本申请一实施例的计算机设备内部结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

参照图1，本申请一实施例的用户画像的生成方法，包括：

s1：获取检测用户的生理指标数据；

s2：通过医学模型分析各所述生理指标数据分别对应的分析结果；

s3：将各所述分析结果通过数据分析模型生成健康评价报告，其中，所述健康评价报告包括描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估；

s4：根据所述描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估，生成用户画像。

本申请初始状态下，用户的健康档案通过外部系统采集用户信息生成。上述的外部系统包括但不限于公卫、医院、药店、健康小屋等，用户信息包括但不限于姓名、年龄、身高、体重、性别等。生理指标数据包括但不限于血压、血糖、心率等，涉及特定的人群领域时，生理指标数据可进行适应性扩充或更换，如婴幼儿人群，则增加睡眠时间、饮奶量、摄入热量等。本申请的医学模型为携带医学规则的决策表模型。上述决策表模型包括单个输入项对应的横向决策表或纵向决策表，也包括两个或两个以上的输入项对应的交叉决策表，本申请优选横向决策表。横向决策表指表头项目以行的形式集中排布，比如，表的第一行为年龄、体重等各项目名称。上述的分析结果包括决策表中根据医学规则，计算得到的患某种疾病的风险评价分数。然后通过多个生理指标数据分别对应的分析结果，借助数据分析模型得到健康评价报告。上述数据分析模型为包括高斯函数、核函数、协方差矩阵等计算模块的模型，以便通过合理的计算推演，根据多个生理指标数据分别对应的分析结果，计算得到描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估，进而形成健康评估报告，得到用户健康方面的用户画像，以辅助用户根据检测的生理指标数据，更科学地掌握身体健康状况，并根据用户健康画像合理地监控身体的健康状况。

进一步地，通过医学模型分析各所述生理指标数据分别对应的分析结果的步骤s2，包括：

s21：将指定指标数据输入所述医学模型，其中，所述指定指标数据为所有所述生理指标数据中的任一指标数据；

s22：获取所述医学模型通过决策表和医学规则，分析所述指定指标数据对应各疾病种类的分值分布结果；

s23：根据所述指定指标数据对应各疾病种类的分值分布结果的计算过程，得到所有所述生理指标数据分别一一对应的各疾病种类的分值分布结果；

s24：将所有所述生理指标数据分别一一对应的各疾病种类的分值分布结果，作为所述分析结果。

本申请的输入医学模型的输入数据可通过输入表达式实现，输入表达式可以预期输入值是一个有限数据，或是一个有限的取值范围数据。医学模型的重要部分是对期望值进行建模，建模规则涵盖预期输入值的所有组合，即可组合成一个完整的决策表。如下表1通过横向决策表分析用户的血压数据。

表1

然后根据医学规则计算得到，根据用户的血压数据得到的患各种疾病的分值分布结果。如下表2：

表2

根据表2中的患各种疾病的分值分布结果，绘制出如附图2所示的患疾病风险的分布状态图，作为分析结果。

进一步地，所述决策表包括横向决策表，所述医学规则包括所述指定指标数据引发各疾病的评价概率，获取所述医学模型通过决策表和医学规则，分析所述指定指标数据对应各疾病种类的分值分布结果的步骤s22，包括：

s221：将与所述指定指标数据相关的各疾病种类分行输入横向决策表中对应的疾病列；

s222：补充填充除所述疾病列之外的信息列，其中，所述信息列包括所述指定指标数据所处的列和各疾病种类的分值分布结果列；

s223：根据所述指定指标数据引发各疾病的评价概率，决策计算所述指定指标数据对应各疾病种类的分值分布结果；

s224：将所述指定指标数据对应各疾病种类的分值分布结果，一一对应填充在所述各疾病种类的分值分布结果列中。

本申请实施例中，上述表2的形成过程即为横向决策表的计算过程。

进一步地，所述将各所述分析结果通过数据分析模型生成健康评价报告的步骤s3，包括：

s31：通过高斯过程对各所述分析结果进行建模，得到各所述分析结果分别对应的置信度；

s32：通过核函数对各所述分析结果分别对应的置信度进行推演，得到所述用户患疾病的风险概率评估、描述用户健康的标签集合以及引发患病的因素评估；

s33：根据所述用户患疾病的风险概率评估、描述用户健康的标签集合以及引发患病的因素评估，生成所述健康评价报告。

本申请的数据分析模型，根据上述各生理指标数据分别对应的患疾病风险的分布状态图，综合计算该用户患某种疾病的概率。本申请中用户患病概率与患病因素为二维相关，根据本申请的二维相关改进了相关函数假设有一组连续随机变量，x0,x1,...,xt，如果由这组随机变量构成的任一有限集合：利用高斯过程来对相关函数分布进行建模，给出拟合结果的置信度。假设一个未知函数f(x)服从高斯过程，且为平滑函数。对于两个比较接近的样本x1和x2，则其函数值f(x1)和f(x2)也比较接近。如果从函数f(x)中采样有限个样本x＝[x1，x2...,xn],则上述n个样本分布点服从多元正态分布，记作：[f(x1),f(x2),...,f(xn)]^t～n(μ(x),k(x,x)，其中，μ(x)＝[μ(x1),μ(x2),...,μ(xn)]^t表示均值向量，k(x,x)＝[k(xi,xj)]n·n为协方差矩阵，k(xi,xj)为核函数可衡量两个样本的相似度。在高斯过程中通过核函数的平方指数函数得出推演的计算方式：通过上述推演的计算方式对各分析结果分别对应的置信度进行推演，得到用户患疾病的风险概率评估、描述用户健康的标签集合以及引发患病的因素评估。本申请通过完善的健康档案生成健康评价报告。健康评价报告还包含对估测的用户所患疾病，相关联的引发其他高危因素的评估，如心血管事件评估，icvd风险评估，并发症风险评估等等。

进一步地，所述获取检测用户的生理指标数据的步骤s1之前，包括：

s11：判断当前用户的健康档案是否达到信息完善的预设标准；

s12：若否，则依据所述当前用户的健康档案中的信息数据，通过决策表算法生成所述当前用户对应的智能问答卷；

s13：通过所述当前用户对所述智能问答卷的反馈信息，更新所述当前用户的健康档案。

本申请通过将当前用户的健康档案中包括的信息，与预设标准中包含的标准信息相比较，判断信息是否完善。若没有完善，则将当前用户的健康档案中包括的信息作为输入项，然后通过横向决策表生成智能问答卷，以通过智能问答卷的方式与用户进行信息互动，补全健康档案中需要的信息数据，以免影响后续的医学模型以及数据分析模型的分析过程。

进一步地，所述依据所述当前用户的健康档案中的信息数据，通过决策表算法生成所述当前用户对应的智能问答卷的步骤s12，包括：

s121：获取所述当前用户的健康档案中的信息数据；

s122：将所述当前用户的健康档案中的信息数据作为输入项，输入决策表中；

s123：判断所述输入项所属的检测项集合的属性，是否与数据库中的指定输出项集合存在关联关系，其中，所述指定输出项集合的数量为一个或一个以上；

s124：根据所述指定输出项集合的匹配策略优先级，形成所述当前用户对应的智能问答卷的问题输出。

本申请中，通过输入项确定与输入项对应的输出项集合，根据输入项和输出项的匹配策略的优先级，筛选优先级最高的信息数据作为问题输出，直至补全健康档案中所有的信息数据。上述智能问答卷涉及询问的问题，包括但不限于用户当前诊断的疾病，服药情况，家族史，既往史，饮食情况等等。上述检测项集合包括但不限于血糖监测数据集合、心率监测数据集合、血压监测数据集合、睡眠时间监测数据集合、饮食监测数据集合、运动检测数据集合以及精神状态监测数据集合等。

进一步地，根据所述描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估，生成用户画像的步骤s4之后，包括：

s41：根据当前时刻的用户画像，确定待监测的目标项目；

s42：将所述待监测的目标项目以及监测时间段发送至显示端，其中，所述显示端为所述当前时刻的用户画像对应终端的显示屏；

s43：判断在所述监测时间段是否接收到用户的上传数据；

s44：若接收到用户的上传数据，则判断所述上传数据是否为所述待监测的目标项目的新测量数据；

s44：若为所述待监测的目标项目的新测量数据，则根据所述新测量数据更新所述健康评价报告以及所述用户画像。

本申请的新测量数据指在上一监测周期之后的新监测周期的测量数据。本申请的健康评价报告中还包括针对当前健康画像，确定的下一周期的监测方案，监测方案包含一个或多个待监测的目标项目、首次的疾病监测计划、周期的随访计划、用药计划等等。本申请基于上述医学模型以及数据分析模型，评估得到用户的疾病信息和bmi指标，使用贪心算法提供精确卡路里计算的健康计划，包括运动建议、饮食建议、生活方式指导等等。本申请根据医学模型以及数据分析模型得到的健康画像，制定新监测周期的监测计划，并提醒用户按时上传监测数据，如血糖、血压、心率、胎动次数、婴儿睡眠时间，饮奶量，摄入热量等等测量数据，以便根据监测周期的测量数据，及时更新用户的健康评价报告、用户画像以及下一个新监测周期的监测计划，实时协助用户进行健康管理。本申请通过医学模型以及数据分析模型形成的健康管理系统，有完善的闭环流程、科学的医学模型算法、优质的监测管理方案。

本申请根据不同的健康画像，给出更具有针对性的监测计划和控制目标，让用户更加清晰的了解自己的健康状况，而且不断根据上一次监测计划内用户上传的测量数据，更新健康画像并调整下一个周期的监测管理方案，以适应用户健康状况的变化。对用户上传的每一组测量数据，给出实时的医学预警反馈和指导建议，让用户可以清晰的了解专业性的检测数据，比如血糖分为：空腹、餐前、餐后、餐后2h、睡前等类型，不同的用户画像和不同的时段有不同的控制目标。

本申请的决策表可依据用户上传的监测数据和对应的控制目标来给出绿、黄、橙、红四个颜色的预警反馈，让用户了解当前监测数据是否符合健康标准，是否需要及时就医，是否是要重点关注，是否需要在未来时段密切观察。如果用户触发较为严重的预警，系统会推送问卷，询问用户当前的其他状况，并根据用户的反馈信息，采取相应的措施，如电话回访，及时拨打急救电话，或者上门回访等等。对于系统用户以一个月为周期推送随访问卷，全面了解用户的健康状况，并自动比对上一期监测结果和健康状况的改善情况，分析是否需要调整药物或药量，同时更新健康档案。

参照图3，本申请一实施例的用户画像的生成装置，包括：

获取模块1，用于获取检测用户的生理指标数据；

分析模块2，用于通过医学模型分析各所述生理指标数据分别对应的分析结果；

第一生成模块3，用于将各所述分析结果通过数据分析模型生成健康评价报告，其中，所述健康评价报告包括描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估；

第二生成模块4，用于根据所述描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估，生成用户画像。

本申请初始状态下，用户的健康档案通过外部系统采集用户信息生成。上述的外部系统包括但不限于公卫、医院、药店、健康小屋等，用户信息包括但不限于姓名、年龄、身高、体重、性别等。生理指标数据包括但不限于血压、血糖、心率等，涉及特定的人群领域时，生理指标数据可进行适应性扩充或更换，如婴幼儿人群，则增加睡眠时间、饮奶量、摄入热量等。本申请的医学模型为携带医学规则的决策表模型。上述决策表模型包括单个输入项对应的横向决策表或纵向决策表，也包括两个或两个以上的输入项对应的交叉决策表，本申请优选横向决策表。横向决策表指表头项目以行的形式集中排布，比如，表的第一行为年龄、体重等各项目名称。上述的分析结果包括决策表中根据医学规则，计算得到的患某种疾病的风险评价分数。然后通过多个生理指标数据分别对应的分析结果，借助数据分析模型得到健康评价报告。上述数据分析模型为包括高斯函数、核函数、协方差矩阵等计算模块的模型，以便通过合理的计算推演，根据多个生理指标数据分别对应的分析结果，计算得到描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估，进而形成健康评估报告，得到用户健康方面的用户画像，以辅助用户根据检测的生理指标数据，更科学地掌握身体健康状况，并根据用户健康画像合理地监控身体的健康状况。

进一步地，分析模块2，包括：

第一输入单元，用于将指定指标数据输入所述医学模型，其中，所述指定指标数据为所有所述生理指标数据中的任一指标数据；

第一获取单元，用于获取所述医学模型通过决策表和医学规则，分析所述指定指标数据对应各疾病种类的分值分布结果；

得到单元，用于根据所述指定指标数据对应各疾病种类的分值分布结果的计算过程，得到所有所述生理指标数据分别一一对应的各疾病种类的分值分布结果；

作为单元，用于将所有所述生理指标数据分别一一对应的各疾病种类的分值分布结果，作为所述分析结果。

本申请的输入医学模型的输入数据可通过输入表达式实现，输入表达式可以预期输入值是一个有限数据，或是一个有限的取值范围数据。医学模型的重要部分是对期望值进行建模，建模规则涵盖预期输入值的所有组合，即可组合成一个完整的决策表。如下表1通过横向决策表分析用户的血压数据。

表1

然后根据医学规则计算得到，根据用户的血压数据得到的患各种疾病的分值分布结果。如下表2：

表2

根据表2中的患各种疾病的分值分布结果，绘制出如附图2所示的患疾病风险的分布状态图，作为分析结果。

进一步地，所述决策表包括横向决策表，所述医学规则包括所述指定指标数据引发各疾病的评价概率，获取单元，包括：

输入子单元，用于将与所述指定指标数据相关的各疾病种类分行输入横向决策表中对应的疾病列；

补充子单元，用于补充填充除所述疾病列之外的信息列，其中，所述信息列包括所述指定指标数据所处的列和各疾病种类的分值分布结果列；

计算子单元，用于根据所述指定指标数据引发各疾病的评价概率，决策计算所述指定指标数据对应各疾病种类的分值分布结果；

填充子单元，用于将所述指定指标数据对应各疾病种类的分值分布结果，一一对应填充在所述各疾病种类的分值分布结果列中。

本申请实施例中，上述表2的形成过程即为横向决策表的计算过程。

进一步地，第一生成模块3，包括：

建模单元，用于通过高斯过程对各所述分析结果进行建模，得到各所述分析结果分别对应的置信度；

推演单元，用于通过核函数对各所述分析结果分别对应的置信度进行推演，得到所述用户患疾病的风险概率评估、描述用户健康的标签集合以及引发患病的因素评估；

生成单元，用于根据所述用户患疾病的风险概率评估、描述用户健康的标签集合以及引发患病的因素评估，生成所述健康评价报告。

本申请的数据分析模型，根据上述各生理指标数据分别对应的患疾病风险的分布状态图，综合计算该用户患某种疾病的概率。本申请中用户患病概率与患病因素为二维相关，根据本申请的二维相关改进了相关函数假设有一组连续随机变量，x0,x1,...,xt，如果由这组随机变量构成的任一有限集合：利用高斯过程来对相关函数分布进行建模，给出拟合结果的置信度。假设一个未知函数f(x)服从高斯过程，且为平滑函数。对于两个比较接近的样本x1和x2，则其函数值f(x1)和f(x2)也比较接近。如果从函数f(x)中采样有限个样本x＝[x1，x2...,xn],则上述n个样本分布点服从多元正态分布，记作：[f(x1),f(x2),...,f(xn)]^t～n(μ(x),k(x,x)，其中，μ(x)＝[μ(x1),μ(x2),...,μ(xn)]^t表示均值向量，k(x,x)＝[k(xi,xj)]n·n为协方差矩阵，k(xi,xj)为核函数可衡量两个样本的相似度。在高斯过程中通过核函数的平方指数函数得出推演的计算方式：通过上述推演的计算方式对各分析结果分别对应的置信度进行推演，得到用户患疾病的风险概率评估、描述用户健康的标签集合以及引发患病的因素评估。本申请通过完善的健康档案生成健康评价报告。健康评价报告还包含对估测的用户所患疾病，相关联的引发其他高危因素的评估，如心血管事件评估，icvd风险评估，并发症风险评估等等。

进一步地，用户画像的生成装置，包括：

第一判断模块，用于判断当前用户的健康档案是否达到信息完善的预设标准；

第三生成模块，用于若达不到信息完善的预设标准，则依据所述当前用户的健康档案中的信息数据，通过决策表算法生成所述当前用户对应的智能问答卷；

第一更新模块，用于通过所述当前用户对所述智能问答卷的反馈信息，更新所述当前用户的健康档案。

本申请通过将当前用户的健康档案中包括的信息，与预设标准中包含的标准信息相比较，判断信息是否完善。若没有完善，则将当前用户的健康档案中包括的信息作为输入项，然后通过横向决策表生成智能问答卷，以通过智能问答卷的方式与用户进行信息互动，补全健康档案中需要的信息数据，以免影响后续的医学模型以及数据分析模型的分析过程。

进一步地，第三生成模块，包括：

第二获取单元，用于获取所述当前用户的健康档案中的信息数据；

第二输入单元，用于将所述当前用户的健康档案中的信息数据作为输入项，输入决策表中；

判断单元，用于判断所述输入项所属的检测项集合的属性，是否与数据库中的指定输出项集合存在关联关系，其中，所述指定输出项集合的数量为一个或一个以上；

形成单元，用于根据所述指定输出项集合的匹配策略优先级，形成所述当前用户对应的智能问答卷的问题输出。

本申请中，通过输入项确定与输入项对应的输出项集合，根据输入项和输出项的匹配策略的优先级，筛选优先级最高的信息数据作为问题输出，直至补全健康档案中所有的信息数据。上述智能问答卷涉及询问的问题，包括但不限于用户当前诊断的疾病，服药情况，家族史，既往史，饮食情况等等。上述检测项集合包括但不限于血糖监测数据集合、心率监测数据集合、血压监测数据集合、睡眠时间监测数据集合、饮食监测数据集合、运动检测数据集合以及精神状态监测数据集合等。

进一步地，用户画像的生成装置，包括：

确定模块，用于根据当前时刻的用户画像，确定待监测的目标项目；

发送模块，用于将所述待监测的目标项目以及监测时间段发送至显示端，其中，所述显示端为所述当前时刻的用户画像对应终端的显示屏；

第二判断模块，用于判断在所述监测时间段是否接收到用户的上传数据；

第三判断模块，用于若接收到用户的上传数据，则判断所述上传数据是否为所述待监测的目标项目的新测量数据；

第二更新模块，用于若为所述待监测的目标项目的新测量数据，则根据所述新测量数据更新所述健康评价报告以及所述用户画像。

本申请的新测量数据指在上一监测周期之后的新监测周期的测量数据。本申请的健康评价报告中还包括针对当前健康画像，确定的下一周期的监测方案，监测方案包含一个或多个待监测的目标项目、首次的疾病监测计划、周期的随访计划、用药计划等等。本申请基于上述医学模型以及数据分析模型，评估得到用户的疾病信息和bmi指标，使用贪心算法提供精确卡路里计算的健康计划，包括运动建议、饮食建议、生活方式指导等等。本申请根据医学模型以及数据分析模型得到的健康画像，制定新监测周期的监测计划，并提醒用户按时上传监测数据，如血糖、血压、心率、胎动次数、婴儿睡眠时间，饮奶量，摄入热量等等测量数据，以便根据监测周期的测量数据，及时更新用户的健康评价报告、用户画像以及下一个新监测周期的监测计划，实时协助用户进行健康管理。本申请通过医学模型以及数据分析模型形成的健康管理系统，有完善的闭环流程、科学的医学模型算法、优质的监测管理方案。

本申请根据不同的健康画像，给出更具有针对性的监测计划和控制目标，让用户更加清晰的了解自己的健康状况，而且不断根据上一次监测计划内用户上传的测量数据，更新健康画像并调整下一个周期的监测管理方案，以适应用户健康状况的变化。对用户上传的每一组测量数据，给出实时的医学预警反馈和指导建议，让用户可以清晰的了解专业性的检测数据，比如血糖分为：空腹、餐前、餐后、餐后2h、睡前等类型，不同的用户画像和不同的时段有不同的控制目标。

本申请的决策表可依据用户上传的监测数据和对应的控制目标来给出绿、黄、橙、红四个颜色的预警反馈，让用户了解当前监测数据是否符合健康标准，是否需要及时就医，是否是要重点关注，是否需要在未来时段密切观察。如果用户触发较为严重的预警，系统会推送问卷，询问用户当前的其他状况，并根据用户的反馈信息，采取相应的措施，如电话回访，及时拨打急救电话，或者上门回访等等。对于系统用户以一个月为周期推送随访问卷，全面了解用户的健康状况，并自动比对上一期监测结果和健康状况的改善情况，分析是否需要调整药物或药量，同时更新健康档案。

参照图4，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储用户画像的生成过程需要的所有数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现用户画像的生成方法。

上述处理器执行上述用户画像的生成方法，包括：获取检测用户的生理指标数据；通过医学模型分析各所述生理指标数据分别对应的分析结果；将各所述分析结果通过数据分析模型生成健康评价报告，其中，所述健康评价报告包括描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估；根据所述描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估，生成用户画像。

上述计算机设备，通过医学模型依据获取的健康档案中的检测数值，进行数据分析得到分析结果，然后将分析结果输入数据计算模型，得出用户的健康描述标签集合，指定用户的健康画像，以及不同的健康画像给出健康管理建议。

在一个实施例中，上述处理器通过医学模型分析各所述生理指标数据分别对应的分析结果的步骤，包括：将指定指标数据输入所述医学模型，其中，所述指定指标数据为所有所述生理指标数据中的任一指标数据；获取所述医学模型通过决策表和医学规则，分析所述指定指标数据对应各疾病种类的分值分布结果；根据所述指定指标数据对应各疾病种类的分值分布结果的计算过程，得到所有所述生理指标数据分别一一对应的各疾病种类的分值分布结果；将所有所述生理指标数据分别一一对应的各疾病种类的分值分布结果，作为所述分析结果。

在一个实施例中，所述决策表包括横向决策表，所述医学规则包括所述指定指标数据引发各疾病的评价概率，上述处理器获取所述医学模型通过决策表和医学规则，分析所述指定指标数据对应各疾病种类的分值分布结果的步骤，包括：将与所述指定指标数据相关的各疾病种类分行输入横向决策表中对应的疾病列；补充填充除所述疾病列之外的信息列，其中，所述信息列包括所述指定指标数据所处的列和各疾病种类的分值分布结果列；根据所述指定指标数据引发各疾病的评价概率，决策计算所述指定指标数据对应各疾病种类的分值分布结果；将所述指定指标数据对应各疾病种类的分值分布结果，一一对应填充在所述各疾病种类的分值分布结果列中。

在一个实施例中，上述处理器将各所述分析结果通过数据分析模型生成健康评价报告的步骤，包括：通过高斯过程对各所述分析结果进行建模，得到各所述分析结果分别对应的置信度；通过核函数对各所述分析结果分别对应的置信度进行推演，得到所述用户患疾病的风险概率评估、描述用户健康的标签集合以及引发患病的因素评估；根据所述用户患疾病的风险概率评估、描述用户健康的标签集合以及引发患病的因素评估，生成所述健康评价报告。

在一个实施例中，上述处理器获取检测用户的生理指标数据的步骤之前，包括：判断当前用户的健康档案是否达到信息完善的预设标准；若否，则依据所述当前用户的健康档案中的信息数据，通过决策表算法生成所述当前用户对应的智能问答卷；通过所述当前用户对所述智能问答卷的反馈信息，更新所述当前用户的健康档案。

在一个实施例中，上述处理器依据所述当前用户的健康档案中的信息数据，通过决策表算法生成所述当前用户对应的智能问答卷的步骤，包括：获取所述当前用户的健康档案中的信息数据；将所述当前用户的健康档案中的信息数据作为输入项，输入决策表中；判断所述输入项所属的检测项集合的属性，是否与数据库中的指定输出项集合存在关联关系，其中，所述指定输出项集合的数量为一个或一个以上；根据所述指定输出项集合的匹配策略优先级，形成所述当前用户对应的智能问答卷的问题输出。

在一个实施例中，上述处理器根据所述描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估，生成用户画像的步骤之后，包括：根据当前时刻的用户画像，确定待监测的目标项目；将所述待监测的目标项目以及监测时间段发送至显示端，其中，所述显示端为所述当前时刻的用户画像对应终端的显示屏；判断在所述监测时间段是否接收到用户的上传数据；若接收到用户的上传数据，则判断所述上传数据是否为所述待监测的目标项目的新测量数据；若为所述待监测的目标项目的新测量数据，则根据所述新测量数据更新所述健康评价报告以及所述用户画像。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。

本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现用户画像的生成方法，包括：获取检测用户的生理指标数据；通过医学模型分析各所述生理指标数据分别对应的分析结果；将各所述分析结果通过数据分析模型生成健康评价报告，其中，所述健康评价报告包括描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估；根据所述描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估，生成用户画像。

上述计算机可读存储介质，通过医学模型依据获取的健康档案中的检测数值，进行数据分析得到分析结果，然后将分析结果输入数据计算模型，得出用户的健康描述标签集合，指定用户的健康画像，以及不同的健康画像给出健康管理建议。

在一个实施例中，上述处理器通过医学模型分析各所述生理指标数据分别对应的分析结果的步骤，包括：将指定指标数据输入所述医学模型，其中，所述指定指标数据为所有所述生理指标数据中的任一指标数据；获取所述医学模型通过决策表和医学规则，分析所述指定指标数据对应各疾病种类的分值分布结果；根据所述指定指标数据对应各疾病种类的分值分布结果的计算过程，得到所有所述生理指标数据分别一一对应的各疾病种类的分值分布结果；将所有所述生理指标数据分别一一对应的各疾病种类的分值分布结果，作为所述分析结果。

在一个实施例中，所述决策表包括横向决策表，所述医学规则包括所述指定指标数据引发各疾病的评价概率，上述处理器获取所述医学模型通过决策表和医学规则，分析所述指定指标数据对应各疾病种类的分值分布结果的步骤，包括：将与所述指定指标数据相关的各疾病种类分行输入横向决策表中对应的疾病列；补充填充除所述疾病列之外的信息列，其中，所述信息列包括所述指定指标数据所处的列和各疾病种类的分值分布结果列；根据所述指定指标数据引发各疾病的评价概率，决策计算所述指定指标数据对应各疾病种类的分值分布结果；将所述指定指标数据对应各疾病种类的分值分布结果，一一对应填充在所述各疾病种类的分值分布结果列中。

在一个实施例中，上述处理器将各所述分析结果通过数据分析模型生成健康评价报告的步骤，包括：通过高斯过程对各所述分析结果进行建模，得到各所述分析结果分别对应的置信度；通过核函数对各所述分析结果分别对应的置信度进行推演，得到所述用户患疾病的风险概率评估、描述用户健康的标签集合以及引发患病的因素评估；根据所述用户患疾病的风险概率评估、描述用户健康的标签集合以及引发患病的因素评估，生成所述健康评价报告。

在一个实施例中，上述处理器获取检测用户的生理指标数据的步骤之前，包括：判断当前用户的健康档案是否达到信息完善的预设标准；若否，则依据所述当前用户的健康档案中的信息数据，通过决策表算法生成所述当前用户对应的智能问答卷；通过所述当前用户对所述智能问答卷的反馈信息，更新所述当前用户的健康档案。

在一个实施例中，上述处理器依据所述当前用户的健康档案中的信息数据，通过决策表算法生成所述当前用户对应的智能问答卷的步骤，包括：获取所述当前用户的健康档案中的信息数据；将所述当前用户的健康档案中的信息数据作为输入项，输入决策表中；判断所述输入项所属的检测项集合的属性，是否与数据库中的指定输出项集合存在关联关系，其中，所述指定输出项集合的数量为一个或一个以上；根据所述指定输出项集合的匹配策略优先级，形成所述当前用户对应的智能问答卷的问题输出。

在一个实施例中，上述处理器根据所述描述用户健康的标签集合、患疾病的风险概率评估以及引发患病的因素评估，生成用户画像的步骤之后，包括：根据当前时刻的用户画像，确定待监测的目标项目；将所述待监测的目标项目以及监测时间段发送至显示端，其中，所述显示端为所述当前时刻的用户画像对应终端的显示屏；判断在所述监测时间段是否接收到用户的上传数据；若接收到用户的上传数据，则判断所述上传数据是否为所述待监测的目标项目的新测量数据；若为所述待监测的目标项目的新测量数据，则根据所述新测量数据更新所述健康评价报告以及所述用户画像。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双速据率sdram(ssrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

需要说明的是，在本文中，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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除