基于预测模型的健康管理方法、装置和计算机设备制造方法及图纸

本申请中提供了一种基于预测模型的健康管理方法、装置和计算机设备，包括以下步骤：获取用户的生理特征信息，其中，所述生理特征信息包括但不限于以下信息中的一种或者多种：声音信息和血液对可见光的吸收度的信息；将所述生理特征信息输入到对应的预测模型中预测，获取到对应的健康结果；根据所述健康结果数据从数据库中查询到对应的健康方案；将所述健康结果数据以及所述健康方案发送给所述用户对应的用户端。通过获取到用户的生理特征信息，将获取到的生理特征信息输入到对应的预测模型中进行预测，进而获取到对应的健康结果，以便用户能及时发现自身的身体状态，并获取到对应的健康方案，让用户注意身体健康情况以降低用户的出险几率。

【技术实现步骤摘要】
基于预测模型的健康管理方法、装置和计算机设备
本申请涉及计算机
，特别涉及一种基于预测模型的健康管理方法、装置和计算机设备。
技术介绍
现有的检测身体是通过去到医院进行检查，再通过医生审核得到对应的结论，需要等到用户去做检查才能发现存在的问题，而随着信息技术的不断发展，如何方便检测身体的健康状态越来越成为现有人们关注的重点，如何实现提前发现身体的健康状态，以便及时进行防御成为人们关注的问题。
技术实现思路
本申请的主要目的为提供一种基于预测模型的健康管理方法、装置和计算机设备，用于用户的健康管理。为实现上述目的，本申请提供了一种基于预测模型的健康管理方法，包括以下步骤：获取用户的生理特征信息，其中，所述生理特征信息包括但不限于以下信息中的一种或者多种：声音信息和血液对可见光的吸收度的信息；将所述生理特征信息输入到对应的预测模型中预测，获取到对应的健康结果；根据所述健康结果数据从数据库中查询到对应的健康方案；将所述健康结果数据以及所述健康方案发送给所述用户对应的用户端。进一步地，所述将所述生理特征信息输入到对应的预测模型中预测，获取到对应的健康结果的步骤，包括：若获取所述用户的生理特征信息为所述声音信息，则将所述声音信息输入到声音模型中进行预测，预测出所述声音信息的健康结果；其中，所述声音模型是利用已知声音以及已知声音的健康状态，基于LSTM神经网络训练得到。进一步地，所述将所述生理特征的信息输入到对应的预测模型中预测，获取到对应的健康结果的步骤，还包括：若所述用户的生理特征信息为所述血液对可见光的吸收度的信息，根据所述血液对可见光的吸收度的信息获取到对应的心脏跳动图像；将所述心脏跳动图像输入到心电模型中进行预测，预测出所述心脏跳动图像的健康结果，其中，所述心电模型是利用已知的人体心脏跳动的状态变化，基于卷积神经网络或者深层神经网络训练得到。进一步地，所述获取所述用户的生理特征信息包括：当所述用户的生理特征信息包括所述声音信息时，获取所述用户的待识别的所有声音信号；将所述待识别的所有声音信号输入预设的声音过滤模型中进行过滤，过滤出所述声音信息；其中，所述声音过滤模型是利用已知的各类声音数据，基于fastICA神经网络训练得到。进一步地，所述将所述健康结果数据以及所述健康方案发送给对应的用户端的步骤之后，还包括：获取所述用户的当前状态的照片以及所述用户所处的当前环境状态的照片；将获取到的所述当前状态的照片以及所述当前环境状态的照片发送至存储库中。进一步地，所述将获取到的所述当前状态的照片以及所述当前环境状态的照片发送至存储库中的步骤之后，还包括：将所述当前状态的照片以及所述当前环境状态的照片发送至指定的移动设备中。进一步地，所述根据所述健康结果数据从数据库中查询到对应的健康方案的步骤之前，包括：获取各种健康方案；将所有的所述健康方案存储于所述数据库中；建立所述健康方案与各种健康结果数据的对应关系。本申请还提供了一种基于预测模型的健康管理装置，包括：第一获取模块，用于获取用户的生理特征信息，其中，所述生理特征信息包括但不限于以下信息中的一种或者多种：声音信息和血液对可见光的吸收度的信息；第一预测模块，用于将所述生理特征信息输入到对应的预测模型中预测，获取到对应的健康结果。查询模块，用于根据所述健康结果数据从数据库中查询到对应的健康方案；显示模块，用于将所述健康结果数据以及所述健康方案发送给所述用户对应的用户端。本申请还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。本申请还提供一种计算机存储介质，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任一项所述的方法的步骤。本申请中提供的基于预测模型的健康管理方法、装置和计算机设备，具有以下有益效果：通过获取到用户的生理特征信息，将获取到的生理特征信息输入到对应的预测模型中进行预测，进而获取到对应的健康结果，以便用户能及时发现自身的身体状态，并获取到对应的健康方案，让用户注意身体健康情况以降低用户的出险几率。附图说明图1是本申请一实施例中基于预测模型的健康管理方法步骤示意图；图2是本申请一实施例中基于预测模型的健康管理装置结构框图；图3是本申请一实施例的计算机设备的结构示意框图。本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。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，为本申请一实施例中提供了一种基于预测模型的健康管理方法，包括以下步骤：步骤S1，获取用户的生理特征信息，其中，所述生理特征信息包括但不限于以下信息中的一种或者多种：声音信息和血液对可见光的吸收度的信息；步骤S2，将所述生理特征信息输入到对应的预测模型中预测，获取到对应的健康结果；步骤S3，根据所述健康结果数据从数据库中查询到对应的健康方案；步骤S4，将所述健康结果数据以及所述健康方案发送给所述用户对应的用户端。以上步骤中，通过获取到用户的生理特征信息，其中，所述生理特征信息包括但不限于以下信息中的一种或者多种：声音信息和血液对可见光的吸收度的信息，将获取到的生理特征信息输入到对应的预测模型中进行预测，获取到对应的健康结果。预先设置有针对不同的健康结果数据所对应的健康方案于系统中，并将每一结果数据所对应的健康方案输入到系统内，存储于数据库中，根据获取到的健康结果数据，从系统内的数据库中查找并获取到对应的健康方案，如获取到运动时呼吸次数明显比多数人要多，预测出用户的身体虚弱，则根据该结果数据获取到对应的健康方案，如锻炼身体及锻炼的时间时长，将对应的结果数据以及健康方案显示于用户端的显示界面上，用于提醒用户关注自身的身体机能，提前预防疾病。在一实施例中，将所述生理特征信息输入到对应的预测模型中预测，获取到对应的健康结果的步骤S2，包括：步骤S21，若获取所述用户的生理特征信息为所述声音信息，则将所述声音信息输入到声音模型中进行预测，预测出所述声音信息的健康结果；其中，所述声音模型是利用已知声音以及已知声音的健康状态，基于LSTM神经网络训练得到。以上步骤中，获取到待识别的声音信息，声音信息包括心跳声音或者呼吸声音或者关节声音等身体生理特征的声音，每一声音信息对应有对应的声音模型，通过将声音信息输入到对应的声音模型中，用于预测输入到对应的声音模型中的指定声音的健康结果。上述LSTM神经网络(LongShort-TermMemory)是长短期记忆网络，是一种时间递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。声音模型可以包括心脏模型、肺部模型或者关节模型等，如心脏模型通过已知的健康心脏或者不健康跳动的波动、周期等基于LSTM神经网络中训练。如在一具体实施例中，将心跳声音输入到对应的声音模型中，此处的声音模型为心脏模型，通过心脏模型预测出心跳的次数是否正常，心脏是否有杂音，进而得到用户的心脏的健康状况；将呼吸声音输入到对应的肺部模型中用以识别用户呼吸强弱，呼吸次数、是否有呼吸杂音，进而得到用户的肺部的健康状况；在另一个关本文档来自技高网...

【技术保护点】
1.一种基于预测模型的健康管理方法，其特征在于，包括以下步骤：获取用户的生理特征信息，其中，所述生理特征信息包括但不限于以下信息中的一种或者多种：声音信息和血液对可见光的吸收度的信息；将所述生理特征信息输入到对应的预测模型中预测，获取到对应的健康结果；根据所述健康结果数据从数据库中查询到对应的健康方案；将所述健康结果数据以及所述健康方案发送给所述用户对应的用户端。

【技术特征摘要】
1.一种基于预测模型的健康管理方法，其特征在于，包括以下步骤：获取用户的生理特征信息，其中，所述生理特征信息包括但不限于以下信息中的一种或者多种：声音信息和血液对可见光的吸收度的信息；将所述生理特征信息输入到对应的预测模型中预测，获取到对应的健康结果；根据所述健康结果数据从数据库中查询到对应的健康方案；将所述健康结果数据以及所述健康方案发送给所述用户对应的用户端。2.根据权利要求1所述的基于预测模型的健康管理方法，其特征在于，所述将所述生理特征信息输入到对应的预测模型中预测，获取到对应的健康结果的步骤，包括：若获取所述用户的生理特征信息为所述声音信息，则将所述声音信息输入到声音模型中进行预测，预测出所述声音信息的健康结果；其中，所述声音模型是利用已知声音以及已知声音的健康状态，基于LSTM神经网络训练得到。3.根据权利要求1所述的基于预测模型的健康管理方法，其特征在于，所述将所述生理特征的信息输入到对应的预测模型中预测，获取到对应的健康结果的步骤，还包括：若所述用户的生理特征信息为所述血液对可见光的吸收度的信息，根据所述血液对可见光的吸收度的信息解析出对应的心脏跳动图像；将所述心脏跳动图像输入到心电模型中进行预测，预测出所述心脏跳动图像的健康结果，其中，所述心电模型是利用已知的人体心脏跳动的状态变化，基于卷积神经网络或者深层神经网络训练得到。4.根据权利要求2所述的基于预测模型的健康管理方法，其特征在于，所述获取所述用户的生理特征信息包括：当所述用户的生理特征信息包括所述声音信息时，获取所述用户的待识别的所有声音信号；将所述待识别的所有声音信号输入预设的声音过滤模型中进行过滤，过滤出所述声音信息；其中，所述声音过滤模型是利用已知的各类声音数据，基于fast...

【专利技术属性】
技术研发人员：史光辉，王建明，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44