一种用于疾病控制的抽样装置及抽样方法制造方法及图纸

本发明专利技术属于疾病控制技术领域，公开了一种用于疾病控制的抽样装置及抽样方法，所述用于疾病控制的抽样装置包括：抽样数据采集模块、数据传输模块、主控模块、疾病概率计算模块、预警模块、数据存储模块、显示模块。本发明专利技术通过数据采集模块基于分布式网络依靠各个检测节点的特点高效的传输各个检测节点的疾病抽样数据，提高抽样数据的处理速度；通过疾病概率计算模块采集的数据搭建模型，无需通过体检化验的方式检测疾病概率，对疾病概率的检测效率较高，而且疾病概率检测的成本也较低；同时，通过预警模块引入权重的方式，可以实现采用定量数值表征各个规则集对于特定疾病诊断的重要性，能够达到“精准病例提示”或者“精准预警”。

A Sampling Device and Method for Disease Control

The invention belongs to the field of disease control technology, and discloses a sampling device and sampling method for disease control. The sampling device for disease control includes sampling data acquisition module, data transmission module, main control module, disease probability calculation module, early warning module, data storage module and display module. According to the characteristics of each detection node, the data acquisition module of the invention efficiently transmits the disease sampling data of each detection node based on the distributed network to improve the processing speed of the sampling data; the data collected by the disease probability calculation module builds a model, which does not need to detect the disease probability through the way of physical examination, so the detection efficiency of the disease probability is high, and the disease outline is also high. The cost of rate detection is also low; at the same time, by introducing weight into early warning module, the importance of quantitative numerical representation of each rule set for the diagnosis of specific diseases can be achieved, which can achieve \precise case prompting\ or \precise early warning\.

【技术实现步骤摘要】
一种用于疾病控制的抽样装置及抽样方法
本专利技术属于疾病控制
，尤其涉及一种用于疾病控制的抽样装置及抽样方法。
技术介绍
疾病是一个极其复杂的过程，许多情况下，从健康到疾病是一个由量变到质变的过程。当外界致病因素作用于细胞，达到一定强度或持续一定时间，也就是说，致病因素有了一定量的积累就会引起细胞的损伤，这个被损伤的细胞出现功能、代谢、形态结构紊乱。现代医学对人体的各种生物参数(包括智能)都进行了测量，其数值大体上服从统计学中的常态分布规律，即可以计算出一个均值和95％健康个体的所在范围。习惯上称这个范围为"正常"，超出这个范围，过高或过低，便是"不正常",疾病便属于不正常的范围。在许多情况下，这一定义是适用的，如伤寒可以表现为一定时间内体温和血中"伤寒血凝素"(抗体)的增高。但是，正常人的个体差异和生物变异很大，有时这一定义就不适用。如正常人心脏的大小有一定范围，许多疾病可以造成心脏扩大,但对于运动员来说，超过正常大小的心脏伴有心动过缓(慢至每分钟40次左右)并非病态；这种偏离正常值属于个体差异。在精神方面，智商大大超过同龄人的是天才，而不是病人。也有人从功能或适应能力来定义疾病，认为功能受损和与环境的协调能力遭到破坏才是疾病的表现，这样可以避免把正常人的个体差异和生物变异误划为疾病。缺氧时才出现症状的镰状细胞性贫血，就表现为适应能力的缺陷。对许多精神病人，特别需要考察其与环境的协调能力。但是适应功能的不良并不一定是疾病，如一个长期缺乏体力活动的脑力工作者不能适应常人能够胜任的体力活动，稍有劳累就腰酸背痛，这不一定是有病。因此有人建议在健康与疾病之间增加一个"无病状态"。然而，现有的疾病控制的抽样装置数据采集效率低；疾病概率检测方式，既无法快速对疾病概率进行检测，而且疾病概率检测的成本也较高；同时，现有技术缺少根据多个检验结果对疾病诊断的自动化手段，仍需人工对多个检验项目进行分析后才能对某种疾病的进行诊断，不能及时获取疾病警示信息。综上所述，现有技术存在的问题是：现有的疾病控制的抽样装置数据采集效率低；疾病概率检测方式，既无法快速对疾病概率进行检测，而且疾病概率检测的成本也较高；同时，现有技术缺少根据多个检验结果对疾病诊断的自动化手段，仍需人工对多个检验项目进行分析后才能对某种疾病的进行诊断，不能及时获取疾病警示信息。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种用于疾病控制的抽样装置及抽样方法。本专利技术是这样实现的，一种用于疾病控制的抽样方法，所述用于疾病控制的抽样方法包括：步骤一，通过抽样数据采集模块利用分布式网络采集疾病抽样数据；步骤二，估计无线信号的能量，通过数据传输模块利用数据线或无线信号将采集的数据发送到主控模块；所述估计无线信号的能量模型为：无线传感器网络异构节点在某时刻的剩余能量由该节点上一时刻剩余能量Q、损耗能量QLoss、补充能量Qr组成；Q(t+Δt)＝Q(t)-QLoss(t)+Qr(Δt)；其中，Q(t+Δt)代表节点在t+Δt时刻的剩余电量，Q(t)代表节点在t时刻的剩余电量，QLoss(t)表示节点在Δt时间间隔内的能量消耗，模型中太阳能的节点为电池节点Qr(Δt)＝0；无线网络节点总能量为Qsum，其中Q1是无线通信模块消耗的能量，Q2是处理器模块及传感器模块能量消耗，其中Q2在整个能量消耗中近似为固定值，γ是常量系数：无线信号的传感器节点工作时无线通信模块消耗能量由接收和发射两部分能耗组成：Q1＝Qse+Qre；传感器节点将信息量为n个bit单位的信息量传送到距离d处时，无线信号发射能耗Qse和接收能耗Qre分别为：Qse＝nQe+ndk+μg(h，s，σ)Qre＝nQe+τg(h，s，σ)；其中，k为路径损耗指数，Qse是发射端发射n个bit的能量消耗，Qre是接收端接收n个bit的能量消耗，g(h，s，r)为当前环境因子函数与作物高度h，无线信号发射面积s，无线信号发射密度σ，令则：无线网络节点t时刻的能量损耗为：步骤三，通过主控模块通过疾病概率计算模块利用数据处理程序对采集的抽样数据进行演绎计算出疾病发生概率数据；步骤四，通过预警模块利用报警器根据采集的疾病概率计算进行预警警示；步骤五，采用基于密钥分离的改进的Amazon云数据安全存储方案的存储模型数据存储，数据存储模块利用存储器将采集的疾病抽样数据及疾病概率数据进行存储；所述采用基于密钥分离的改进的Amazon云数据安全存储方案的存储模型数据存储具体包括：(1)客户向云服务器递交数据加解密申请；(2)云服务器在验证客户的加解密申请后，向虚拟密钥管理服务器发出数据加密指令；(3)虚拟管理服务器收到“数据加密指令”后，需要向客户请求用于生成加解密密钥的主密钥；(4)客户在收到虚拟管理服务器的“主密钥请求”后，先对服务器请求进行验证，在验证后向虚拟管理服务器发送其请求的主密钥K；(5)虚拟管理服务器在接收客户发来的主密钥K后，先利用密钥生成算法生成加解密密钥K′，然后将加解密密钥发送给存储服务器：K′←E(k，k)；(6)存储服务器在接收到加解密密钥K′，即可对待加密数据进行加密，在完成加密后向虚拟管理服务器返回确认信息，数据加解密数学公式如下：Cm←EK′(M)；(7)虚拟密钥管理服务器在接收到确认信息后，也生成一个响应确认信息，返回给云服务器；(8)云服务器在接收到确认信息后，即可确定加密申请已处理，便向客户发送确认信息；步骤六，通过显示模块利用显示器显示疾病抽样数据及疾病概率数据。进一步，所述抽样数据采集模块采集方法如下：首先，建立分布式网络，所述分布式网络包括多个疾病抽样检测节点；其次，设置各个疾病抽样检测节点检测数据的采集优先级；然后，根据第二优先级设定各个疾病抽样检测节点的传输顺序；最后，根据采集优先级和传输顺序，通过所述分布式网络采集并发送各疾病抽样检测节点的环境数据、身份数据和疾病数据到服务器。进一步，所述疾病概率计算模块计算方法如下：(1)采集用户关联的各个数据，并对采集的各个数据进行特征处理；(2)根据特征处理后的各个数据构造多维度数据集；(3)对所述多维度数据集进行随机抽样，以划分出测试集和训练集；(4)基于所述训练集搭建模型，得到回归决策树；(5)根据所述测试集对所述回归决策树进行测试，以计算用户的疾病概率。进一步，所述对采集的各个数据进行特征处理的步骤包括：对采集的各个数据进行特征分析，以确定各个数据的特征类型；在数据为缺失值数据时，对缺失值数据进行均值插补处理或多重插补处理；在数据为异常值数据时，对异常值数据进行筛选，以筛选出异常值小于预设阈值的数据，并将筛选出的数据作为缺失值数据进行处理；所述均值插补处理的方式包括：采用平均值进行插补处理，或采用众数进行插补处理。所述根据特征处理后的各个数据构造多维度数据集的步骤包括：确定特征处理后的各个数据对应的特征饱和度；根据特征饱和度对各个数据进行筛选，以筛选出特征饱和度达到预设饱和度的各个数据；根据筛选出的各个数据构造多维度数据集；所述权重获取模块中规则集在所述疾病指示模板中的权重系数根据预设的规则集之间的重要程度，并通过序关系分析法计算得到；所述规则集之间的重要程度由以下方式进行表征：当其中一规则集相对另一规则集相同重要本文档来自技高网...

【技术保护点】
1.一种用于疾病控制的抽样方法，其特征在于，所述用于疾病控制的抽样方法包括：步骤一，通过抽样数据采集模块利用分布式网络采集疾病抽样数据；步骤二，估计无线信号的能量，通过数据传输模块利用数据线或无线信号将采集的数据发送到主控模块；所述估计无线信号的能量模型为：无线传感器网络异构节点在某时刻的剩余能量由该节点上一时刻剩余能量Q、损耗能量QLoss、补充能量Qr组成；Q(t+Δt)＝Q(t)‑QLoss(t)+Qr(Δt)；

【技术特征摘要】
1.一种用于疾病控制的抽样方法，其特征在于，所述用于疾病控制的抽样方法包括：步骤一，通过抽样数据采集模块利用分布式网络采集疾病抽样数据；步骤二，估计无线信号的能量，通过数据传输模块利用数据线或无线信号将采集的数据发送到主控模块；所述估计无线信号的能量模型为：无线传感器网络异构节点在某时刻的剩余能量由该节点上一时刻剩余能量Q、损耗能量QLoss、补充能量Qr组成；Q(t+Δt)＝Q(t)-QLoss(t)+Qr(Δt)；其中，Q(t+Δt)代表节点在t+Δt时刻的剩余电量，Q(t)代表节点在t时刻的剩余电量，QLoss(t)表示节点在Δt时间间隔内的能量消耗，模型中太阳能的节点为电池节点Qr(Δt)＝0；无线网络节点总能量为Qsum，其中Q1是无线通信模块消耗的能量，Q2是处理器模块及传感器模块能量消耗，其中Q2在整个能量消耗中近似为固定值，γ是常量系数：无线信号的传感器节点工作时无线通信模块消耗能量由接收和发射两部分能耗组成：Q1＝Qse+Qre；传感器节点将信息量为n个bit单位的信息量传送到距离d处时，无线信号发射能耗Qse和接收能耗Qre分别为：Qse＝nQe+ndk+μg(h，s，σ)Qre＝nQe+τg(h，s，σ)；其中，k为路径损耗指数，Qse是发射端发射n个bit的能量消耗，Qre是接收端接收n个bit的能量消耗，g(h，s，r)为当前环境因子函数与作物高度h，无线信号发射面积s，无线信号发射密度σ，令则：无线网络节点t时刻的能量损耗为：步骤三，通过主控模块通过疾病概率计算模块利用数据处理程序对采集的抽样数据进行演绎计算出疾病发生概率数据；步骤四，通过预警模块利用报警器根据采集的疾病概率计算进行预警警示；步骤五，采用基于密钥分离的改进的Amazon云数据安全存储方案的存储模型数据存储，数据存储模块利用存储器将采集的疾病抽样数据及疾病概率数据进行存储；所述采用基于密钥分离的改进的Amazon云数据安全存储方案的存储模型数据存储具体包括：(1)客户向云服务器递交数据加解密申请；(2)云服务器在验证客户的加解密申请后，向虚拟密钥管理服务器发出数据加密指令；(3)虚拟管理服务器收到“数据加密指令”后，需要向客户请求用于生成加解密密钥的主密钥；(4)客户在收到虚拟管理服务器的“主密钥请求”后，先对服务器请求进行验证，在验证后向虚拟管理服务器发送其请求的主密钥K；(5)虚拟管理服务器在接收客户发来的主密钥K后，先利用密钥生成算法生成加解密密钥K′，然后将加解密密钥发送给存储服务器：K′←E(K，k)；(6)存储服务器在接收到加解密密钥K′，即可对待加密数据进行加密，在完成加密后向虚拟管理服务器返回确认信息，数据加解密数学公式如下：Cm←EK′(M)；(7)虚拟密钥管理服务器在接收到确认信息后，也生成一个响应确认信息，返回给云服务器；(8)云服务器在接收到确认信息后，即可确定加密申请已处理，便向客户发送确认信息；步骤六，通过显示模块利用显示器显示疾病抽样数据及疾病概率数据。2.如权利要求1所述的用于疾病控制的抽样方法，其特征在于，所述抽样数据采集模块采集方法如下：首先，建立分布式网络，所述分布式网络包括多个疾病抽样检测节点；其次，设置各个疾病抽样检测节点检测数据的采集优先级；然后，根据第二优先级设定各个疾病抽样检测节点的传输顺序；最后，根据采集优先级和传输顺序，通过所述分布式网络采集并发送各疾病抽样检测节点的环境数据、身份数据和疾病数据到服务器。3.如权利要求2所述的用于疾病控制的抽样方法，其特...

【专利技术属性】
技术研发人员：黄英，张培，张艳丽，鲁芳芳，张玲，贺筠云，周红雨，蒋笑，赵露，方正超，
申请(专利权)人：宜昌市疾病预防控制中心，
类型：发明
国别省市：湖北,42