一种基于身体健康数据的互联网远程护理系统

技术领域

本发明属于智慧医疗技术领域，具体涉及一种基于身体健康数据的互联网远程护理系统。

背景技术

在当今社会中，很多患者在身体开始出现不适时，由于身体不适度较低、去医院或诊所就诊感觉有点小题大做以及不想浪费就诊时间等因素，大多抱着忍一忍就过去了的态度放任病情发展，直到在感觉病情严重时才会去医院或诊所就诊。针对这一现象，家庭健康护理或U健康护理(u-health care)服务应运而生，其是指患者可通过在家中使用各种测量装置测量生物信息而不用去医院并以远程方式接收基于测量结果的医疗建议的服务。

目前，现有家庭健康护理服务系统主要以人工在线问诊技术为主，即需要医师值班在线，然后由医师根据上传的生物信息测量结果来反馈对应的护理建议。但是这种护理系统必然存在如下缺陷：(1)由于是人工反馈护理建议，限于医师经验不足或存在忙中出错可能，患者有可能得到不适用的护理建议；(2)医师资源需求大，若医师临时不在线，患者将无法及时得到合适护理建议。

发明内容

本发明的目的是提供一种基于身体健康数据的互联网远程护理系统，用以解决现有家庭健康护理服务系统所存在患者可能得到不适用护理建议或可能无法及时得到合适护理建议的问题。

为了实现上述目的，本发明采用以下技术方案：

第一方面，提供了一种基于身体健康数据的互联网远程护理系统，包括有身体健康数据采集模块、身体健康画像模块、护理建议收集模块和护理建议推荐模块；

所述身体健康数据采集模块，用于采集不同护理对象的多份历史身体健康数据，以及还采集目标护理对象的最近身体健康数据；

所述身体健康画像模块，通信连接所述身体健康数据采集模块，用于针对在所述多份历史身体健康数据中的各份历史身体健康数据，采用机器学习算法确定对应护理对象的历史身体健康画像信息，以及还针对所述最近身体健康数据，也采用所述机器学习算法确定所述目标护理对象的最近身体健康画像信息；

所述护理建议收集模块，通信连接所述身体健康数据采集模块，用于收集护理服务方为护理对象提供的且与所述多份历史身体健康数据一一对应的多份护理建议；

所述护理建议推荐模块，分别通信连接所述身体健康画像模块和所述护理建议收集模块，用于根据所述最近身体健康画像信息，采用推荐算法从所述多份护理建议中确定最适用于所述目标护理对象的当前护理建议，并向所述目标护理对象推送所述当前护理建议。

基于上述发明内容，提供了一种基于身体健康数据、机器学习算法和推荐算法的互联网远程护理建议推送方案，即包括有身体健康数据采集模块、身体健康画像模块、护理建议收集模块和护理建议推荐模块，其中，所述身体健康画像模块用于针对采集的各份历史身体健康数据及最近身体健康数据，采用机器学习算法确定不同护理对象的历史身体健康画像信息以及目标护理对象的最近身体健康画像信息，所述护理建议推荐模块用于根据最近身体健康画像信息，采用推荐算法从与多份历史身体健康数据一一对应的多份护理建议中确定最适用于目标护理对象的当前护理建议并予以推送，如此可大大降低医师资源需求，避免人工出错，确保患者始终能及时得到合适护理建议，远程实现全方位为患者的健康保驾护航的目的，便于实际应用和推广。

在一个可能的设计中，所述身体健康数据采集模块采用集成有身高体重检测服务、腰臀比检测服务、体温检测服务、血压检测服务、血氧检测服务、心电检测服务、血糖检测服务、尿酸检测服务、总胆固醇检测服务、血红蛋白检测服务、尿液分析检测服务、血脂检测服务、视力检测服务、牙齿检测服务、体质辨识检测服务和/或心理测试检测服务的智能型家庭医生设备。

在一个可能的设计中，所述智能型家庭医生设备还集成有身份证读卡器，其中，所述身份证读卡器用于读取护理对象的身份证信息，以便将该身份证信息与对该护理对象采集而得的身体健康数据自动绑定传送至所述身体健康画像模块。

在一个可能的设计中，针对在所述多份历史身体健康数据中的各份历史身体健康数据，采用机器学习算法确定对应护理对象的历史身体健康画像信息，包括：

将在所述多份历史身体健康数据中的各份历史身体健康数据，分别导入基于机器学习算法的且已完成预训练的身体健康画像分类模型，输出得到与所述各份历史身体健康数据一一对应的各个护理对象的历史身体健康画像信息，其中，所述机器学习算法包括有聚类分析算法、决策树算法和/或基于神经网络的分类算法。

在一个可能的设计中，所述身体健康画像分类模型的数目有多个，并有多个不同所述身体健康画像分类模型与身体健康画像信息的多维特征一一对应。

在一个可能的设计中，根据所述最近身体健康画像信息，采用推荐算法从所述多份护理建议中确定最适用于所述目标护理对象的当前护理建议，包括：

根据所述最近身体健康画像信息和所述历史身体健康画像信息，采用基于用户的协同过滤推荐算法从所述多份护理建议中确定最适用于所述目标护理对象的当前护理建议。

在一个可能的设计中，根据所述最近身体健康画像信息，采用推荐算法从所述多份护理建议中确定最适用于所述目标护理对象的当前护理建议，包括：

针对与所述各份历史身体健康数据一一对应的各个历史身体健康画像信息，根据在对应信息中的多维特征值和在所述最近身体健康画像信息中的多维特征值，计算得到对应的多维空间内距离；

按照多维空间内距离从小到大的顺序依次排列所述各个历史身体健康画像信息，得到画像信息序列；

从所述画像信息序列中抽取前K个历史身体健康画像信息，其中，K表示大于等于5的正整数；

判断与所述前K个历史身体健康画像信息一一对应的K份护理建议是否一致；

若是，则将在所述K份护理建议中的任意一份护理建议确定为最适用于所述目标护理对象的当前护理建议。

在一个可能的设计中，在判断与所述前K个历史身体健康画像信息一一对应的K份护理建议是否一致之后，根据所述最近身体健康画像信息，采用推荐算法从所述多份护理建议中确定最适用于所述目标护理对象的当前护理建议，还包括：

若判定所述K份护理建议不一致，则从所述K份护理建议中确定出对应有最多历史身体健康画像信息的某份护理建议；

判断所述某份护理建议的历史身体健康画像信息对应数目与K的比值是否超过预设阈值；

若是，则将所述某份护理建议确定为最适用于所述目标护理对象的当前护理建议。

在一个可能的设计中，在判断所述某份护理建议的历史身体健康画像信息对应数目与K的比值是否超过预设阈值之后，根据所述最近身体健康画像信息，采用推荐算法从所述多份护理建议中确定最适用于所述目标护理对象的当前护理建议，还包括：

若判定所述比值未超过所述预设阈值，则使K自加X或翻倍，然后重新从所述画像信息序列中抽取前K个历史身体健康画像信息，然后再从与该前K个历史身体健康画像信息一一对应的K份护理建议中确定出对应有最多历史身体健康画像信息的另一份护理建议，最后判断该另一份护理建议的历史身体健康画像信息对应数目与K的比值是否超过所述预设阈值，若是，则将该另一份护理建议确定为最适用于所述目标护理对象的当前护理建议，其中，X表示小于K的正整数。

在一个可能的设计中，向所述目标护理对象推送所述当前护理建议，包括：

将所述最近身体健康数据和所述当前护理建议绑定发送至所述护理服务方进行审核，并仅当审核通过时，才向所述目标护理对象推送所述当前护理建议。

上述方案的有益效果：

(1)本发明创造性提供了一种基于身体健康数据、机器学习算法和推荐算法的互联网远程护理建议推送方案，即包括有身体健康数据采集模块、身体健康画像模块、护理建议收集模块和护理建议推荐模块，其中，所述身体健康画像模块用于针对采集的各份历史身体健康数据及最近身体健康数据，采用机器学习算法确定不同护理对象的历史身体健康画像信息以及目标护理对象的最近身体健康画像信息，所述护理建议推荐模块用于根据最近身体健康画像信息，采用推荐算法从与多份历史身体健康数据一一对应的多份护理建议中确定最适用于目标护理对象的当前护理建议并予以推送，如此可大大降低医师资源需求，避免人工出错，确保患者始终能及时得到合适护理建议，远程实现全方位为患者的健康保驾护航的目的，便于实际应用和推广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的基于身体健康数据的互联网远程护理系统的结构示意图。

具体实施方式

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍，显而易见地，下面关于附图结构的描述仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。

应当理解，尽管本文可能使用术语第一和第二等等来描述各种对象，但是这些对象不应当受到这些术语的限制。这些术语仅用于区分一个对象和另一个对象。例如可以将第一对象称作第二对象,并且类似地可以将第二对象称作第一对象，同时不脱离本发明的示例实施例的范围。

应当理解，对于本文中可能出现的术语“和/或”，其仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A、单独存在B或者同时存在A和B等三种情况；又例如，A、B和/或C，可以表示存在A、B和C中的任意一种或他们的任意组合；对于本文中可能出现的术语“/和”，其是描述另一种关联对象关系，表示可以存在两种关系，例如，A/和B，可以表示：单独存在A或者同时存在A和B等两种情况；另外，对于本文中可能出现的字符“/”，一般表示前后关联对象是一种“或”关系。

实施例：

如图1所示，本实施例第一方面提供的且基于身体健康数据的互联网远程护理系统，包括但不限于有身体健康数据采集模块、身体健康画像模块、护理建议收集模块和护理建议推荐模块，其中，所述身体健康数据采集模块可以但不限于布置在患者(即护理对象)家庭侧，所述身体健康画像模块、所述护理建议收集模块和所述护理建议推荐模块可以但不限于布置在互联网络侧。

所述身体健康数据采集模块，用于采集不同护理对象的多份历史身体健康数据，以及还采集目标护理对象的最近身体健康数据。前述的历史身体健康数据或最近身体健康数据可以但不限于具体包含有身高数据、体重数据、腰臀比数据、体温数据、血压数据、血氧数据、心电数据、血糖数据、尿酸数据、总胆固醇数据、血红蛋白数据、尿液分析数据、血脂数据、视力数据、牙齿数据、体质辨识数据和/或心理测试数据等身体健康指标数据。为了实现一机测得这些身体健康指标数据的目的，优选的，所述身体健康数据采集模块采用集成有身高体重检测服务、腰臀比检测服务、体温检测服务、血压检测服务、血氧检测服务、心电检测服务、血糖检测服务、尿酸检测服务、总胆固醇检测服务、血红蛋白检测服务、尿液分析检测服务、血脂检测服务、视力检测服务、牙齿检测服务、体质辨识检测服务和/或心理测试检测服务等检测服务的智能型家庭医生设备。此外，所述智能型家庭医生设备还集成有身份证读卡器，其中，所述身份证读卡器用于读取护理对象的身份证信息，以便将该身份证信息与对该护理对象采集而得的身体健康数据自动绑定传送至所述身体健康画像模块。

所述身体健康画像模块，通信连接所述身体健康数据采集模块，用于针对在所述多份历史身体健康数据中的各份历史身体健康数据，采用机器学习算法确定对应护理对象的历史身体健康画像信息，以及还针对所述最近身体健康数据，也采用所述机器学习算法确定所述目标护理对象的最近身体健康画像信息。前述的历史身体健康画像信息或最近身体健康画像信息用于反映对应护理对象的个性化身体健康特点，例如在胖瘦维度的所在等级、在血压维度的所在等级和/或在尿酸维度的所在等级等多维特征值。具体的，针对在所述多份历史身体健康数据中的各份历史身体健康数据，采用机器学习算法确定对应护理对象的历史身体健康画像信息，包括但不限于有：将在所述多份历史身体健康数据中的各份历史身体健康数据，分别导入基于机器学习算法的且已完成预训练的身体健康画像分类模型，输出得到与所述各份历史身体健康数据一一对应的各个护理对象的历史身体健康画像信息，其中，所述机器学习算法包括但不限于有聚类分析算法、决策树算法和/或基于神经网络的分类算法等。所述聚类分析算法、所述决策树算法和/或所述分类算法均为现有算法，因此所述身体健康画像分类模型可以基于身体健康样本数据以及预先为该身体健康样本数据标定的特征标签，通过常规的模型训练方式训练得到。详细的，所述身体健康画像分类模型的数目有多个，并有多个不同所述身体健康画像分类模型与身体健康画像信息的多维特征一一对应，例如可以针对胖瘦维度，训练一个所述身体健康画像分类模型进行在对应维度的等级分类；针对血压维度，训练另一个所述身体健康画像分类模型进行在对应维度的等级分类；等等。此外，通过将所述最近身体健康数据导入所述身体健康画像分类模型，还可以得到所述目标护理对象的所述最近身体健康画像信息。

所述护理建议收集模块，通信连接所述身体健康数据采集模块，用于收集护理服务方为护理对象提供的且与所述多份历史身体健康数据一一对应的多份护理建议。所述多份护理建议可基于现有家庭健康护理服务系统，在上传所述多份历史身体健康数据后，通过截取反馈护理建议的方式来完成收集。

所述护理建议推荐模块，分别通信连接所述身体健康画像模块和所述护理建议收集模块，用于根据所述最近身体健康画像信息，采用推荐算法从所述多份护理建议中确定最适用于所述目标护理对象的当前护理建议，并向所述目标护理对象推送所述当前护理建议。前述的推荐算法可以但不限于基于所述最近身体健康画像信息与各个所述历史身体健康画像信息的匹配结果来推荐，例如将与所述最近身体健康画像信息最相似的某个所述历史身体健康画像信息的护理建议确定为最适用于所述目标护理对象的当前护理建议。为了确保推荐结果的准确性，优选的，根据所述最近身体健康画像信息，采用推荐算法从所述多份护理建议中确定最适用于所述目标护理对象的当前护理建议，包括但不限于有：根据所述最近身体健康画像信息和所述历史身体健康画像信息，采用基于用户的协同过滤推荐算法从所述多份护理建议中确定最适用于所述目标护理对象的当前护理建议。前述基于用户的协同过滤推荐算法为现有的协同过滤推荐算法之一，其算法思想是：给用户推荐与他兴趣相似的用户喜欢的物品，因此可以适用于本步骤。

另外，同样为了确保推荐结果的准确性，优选的，根据所述最近身体健康画像信息，采用推荐算法从所述多份护理建议中确定最适用于所述目标护理对象的当前护理建议，包括但不限于有如下步骤S41～S47。

S41.针对与所述各份历史身体健康数据一一对应的各个历史身体健康画像信息，根据在对应信息中的多维特征值和在所述最近身体健康画像信息中的多维特征值，计算得到对应的多维空间内距离。

在所述步骤S41中，由于在所述历史身体健康画像信息中的多维特征值和在所述最近身体健康画像信息中的多维特征值分别对应在多维空间内的一个坐标，因此可以基于常规距离公式计算得到所述多维空间内距离。

S42.按照多维空间内距离从小到大的顺序依次排列所述各个历史身体健康画像信息，得到画像信息序列。

S43.从所述画像信息序列中抽取前K个历史身体健康画像信息，其中，K表示大于等于5的正整数。

S44.判断与所述前K个历史身体健康画像信息一一对应的K份护理建议是否一致。

S45.若是，则将在所述K份护理建议中的任意一份护理建议确定为最适用于所述目标护理对象的当前护理建议，否则从所述K份护理建议中确定出对应有最多历史身体健康画像信息的某份护理建议。

在所述步骤S45中，举例的，当K等于5时，若所述前K个历史身体健康画像信息包含有画像信息A、画像信息B、画像信息C、画像信息D和画像信息E，以及所述K份护理建议包含有与画像信息A对应的护理建议ABC、与画像信息B对应的护理建议ABC、与画像信息C对应的护理建议ABC、与画像信息D对应的护理建议D和与画像信息E对应的护理建议E，则由于护理建议ABC、护理建议D和护理建议E不一致，可确定护理建议ABC为对应有最多历史身体健康画像信息的所述某份护理建议。

S46.判断所述某份护理建议的历史身体健康画像信息对应数目与K的比值是否超过预设阈值。

在所述步骤S46中，延续上一步骤的举例，护理建议ABC的历史身体健康画像信息对应数目为3。此外，所述预设阈值可举例为0.55。

S47.若是，则将所述某份护理建议确定为最适用于所述目标护理对象的当前护理建议，否则使K自加X或翻倍，然后重新从所述画像信息序列中抽取前K个历史身体健康画像信息，然后再从与该前K个历史身体健康画像信息一一对应的K份护理建议中确定出对应有最多历史身体健康画像信息的另一份护理建议，最后判断该另一份护理建议的历史身体健康画像信息对应数目与K的比值是否超过所述预设阈值，若是，则将该另一份护理建议确定为最适用于所述目标护理对象的当前护理建议，其中，X表示小于K的正整数。

在所述步骤S47中，若判定该另一份护理建议的历史身体健康画像信息对应数目与K的比值未超过所述预设阈值，则将继续使K自加X或翻倍，然后依次类推执行步骤S43～S47，直到在自加次数或翻倍次数达到预设次数阈值时，将所述最近身体健康数据发送至所述护理服务方，以便由所述护理服务方来人工反馈护理建议。

另外，同样为了确保推荐结果的准确性，优选的，向所述目标护理对象推送所述当前护理建议，包括但不限于有：将所述最近身体健康数据和所述当前护理建议绑定发送至所述护理服务方进行审核，并仅当审核通过时，才向所述目标护理对象推送所述当前护理建议。详细的，可以将所述当前护理建议传送至所述身体健康数据采集模块的人机交互界面上，以便实现向所述目标护理对象推送合适护理建议的目的。

综上，采用本实施例所提供的互联网远程护理系统，具有如下技术效果：

(1)本实施例提供了一种基于身体健康数据、机器学习算法和推荐算法的互联网远程护理建议推送方案，即包括有身体健康数据采集模块、身体健康画像模块、护理建议收集模块和护理建议推荐模块，其中，所述身体健康画像模块用于针对采集的各份历史身体健康数据及最近身体健康数据，采用机器学习算法确定不同护理对象的历史身体健康画像信息以及目标护理对象的最近身体健康画像信息，所述护理建议推荐模块用于根据最近身体健康画像信息，采用推荐算法从与多份历史身体健康数据一一对应的多份护理建议中确定最适用于目标护理对象的当前护理建议并予以推送，如此可大大降低医师资源需求，避免人工出错，确保患者始终能及时得到合适护理建议，远程实现全方位为患者的健康保驾护航的目的，便于实际应用和推广。

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的保护范围。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。