一种基于人体生理数据的健康知识推荐系统及其运行方法技术方案

本发明专利技术涉及一种基于人体生理数据的健康知识推荐系统及其运行方法，属于信息计算和数据处理技术领域，系统包括数据库模块、数据预处理模块、分类诊断模块、知识推荐模块、前端交互模块；融合实时监测数据、初步预测判断结果、生理数据以及历史判断结果对人的健康状态进行动态判断，提高了判断结果的准确性，并能在大量案例中找到与用户相似的案例，从而提供更科学准确的健康知识和策略推荐，用户选择最合适的知识和策略并且备注选择的原因，于此同时生成新的案例记录存放在案例库中，丰富了案例库，使得推荐越来越精确。

A health knowledge recommendation system based on human physiological data and its operation method

【技术实现步骤摘要】
一种基于人体生理数据的健康知识推荐系统及其运行方法
本专利技术涉及一种基于人体生理数据的健康知识推荐系统及其运行方法，属于信息计算和数据处理

技术介绍
随着技术的发展和人们物质生活水平的提高，人们越来越关自身身体状况。除了就医检查身体外，在日常生活中也随时关注。而随着大数据以及医学数字化系统的不断成熟，个人的基本信息、就诊情况以及生理数据都完备的存放在数据库中，这些数据为人体健康的诊断提供了数据基础。此外，大量的健康知识以及处方推荐，用户很难科学的选择适合自己的知识推荐。如何精准在大量的知识中向用户推荐科学合理的健康知识和策略成为热点。对幼童和老年人来说，很难对身体生理指标的突然改变做出反应，如体温的变化、血压和心率的异常浮动等，所以危险预警变得十分必要。
技术实现思路
针对现有技术的不足，本专利技术提供一种基于人体生理数据的健康知识推荐系统。本专利技术还提供上述推荐系统的运行方法。本专利技术的技术方案如下：一种基于人体生理数据的健康知识推荐系统，包括数据库模块、数据预处理模块、分类诊断模块、知识推荐模块、前端交互模块；数据库模块，包括个人基本信息库、知识案例库、实时检测数据库；个人基本信息库用于存放用户基本数据、生理数据和历史判断结果，用户基本数据包括姓名、性别、年龄、特殊情况说明(是否先天性疾病、是否有行动力等)，生理数据包括血压、血氧、胸痛类型、最大心率、糖尿病类型、体温、身高、体重；知识案例库用于存放各个用户的知识推荐内容及推荐后的更新数据，并按照判断类型进行存储如A类型用户及其推荐知识存放在表1中，B类型用户及其推荐知识存放在表2中，实时检测数据库用于存放人体通过穿戴监测设备得到的实时监测数据，实时监测数据包括体温、心率、血压；数据预处理模块，用于针对人体生理数据进行预处理、得到分类诊断模块所需要的数据；所述预处理包括数据清洗、属性相关性分析、数据离散化、数据归一化，对原始数据进行处理得到分类诊断模块所需数据；分类诊断模块，用于将数据预处理模块处理后的数据导入BP神经网络得到初步预测判断结果，再通过通过D-S证据论融合初步预测判断结果、历史判断结果得出用户健康判断结果，历史判断结果由数据库模块中的个人基本信息库提供，现有知识案例由知识案例库提供；BP神经网络包括神经网络训练分类模型、神经网络预测模型，神经网络预测模型用于接收实时检测数据并预测下一时刻的数据，实时检测数据由实时检测数据库提供；知识推荐模块，用于将分类诊断模块分类结束的用户通过基于用户的协同过滤算法与同一类别的其他用户做相似度匹配，将用户健康判断结果的类型与知识案例库中相同类型的案例做相似度对比，根据匹配度向分类诊断模块分类结束的用户推荐健康知识；前端交互模块，用于显示交互界面，交互界面包括用户的数据输入、症状选择界面、危险预警界面，并在此界面获得判断结果和健康知识，以及做相关备注说明。优选的，基于人体生理数据的健康知识推荐系统还包括危险预警模块，危险预警模块用于接收实时监测数据并预测下一时刻的体温、心率、血压，超出设定的正常范围时通过前端交互模块发出预警。人体穿戴监测设备实时监测体温、心率和血压，实时监测数据通过蓝牙无线传输到数据处理端即PC或者手机移动端，首先对实时监测数据进行清洗，值为空的用该属性三小时内的平均值进行补充，将处理好的数据通过训练好的神经网络预测下一时刻体温、心率和血压，当超出所设定的正常范围时则通过前端交互模块发出预警。一种基于人体生理数据的健康知识推荐系统的运行方法，该方法的具体步骤如下：步骤1，用户通过交互界面输入用户基本数据、生理数据，用户基本数据存储到个人基本信息库，生理数据存储到生理数据库，为数据预处理模块做准备；步骤2，数据预处理模块读取用户基本数据、生理数据和历史判断结果，首先对缺失值、异常值以及重复记录进行处理，最后将连续变量归一化处理，离散数据向量化；步骤3，将处理好的数据通过粒子群优化的BP神经网络训练分类模型，利用训练好的模型获得初步预测判断结果，再根据D-S证据论融合初步预测判断结果、历史判断结果得出用户健康判断结果；步骤4，根据得出的用户健康判断结果，将用户健康判断结果的类型与知识案例库中相同类型的案例做相似度对比，得出与用户最相似的三条记录，将这三条的健康知识作为用户的健康知识推荐供用户选择；步骤5，在交互界面输出三条记录，用户选择最适合自己的知识推荐，并备注原因，以供其他用户的参考，此用户的生理数据和用户健康判断结果以及健康知识推荐作为新的记录存放在数据库模块的知识案例库。个人的生理数据会存放在个人基本信息库，推荐完成后行程新的案例后，会以案例的形式存放在知识案例库。优选的，实时检测数据库采集到的实时检测数据经过数据预处理模块进行数据预处理后输入到神经网络预测模型，得到下一时刻的体温、血压以及心率值，对各属性数据分别设定上限阈值和下限阈值，若预测结果低于下限阈值或者超过上限阈值，则在前端交互模块的交互界面进行预警提醒，神经网络预测模型是由数据库模块中的大量数据训练得来。进一步优选的，对体温、心率、血压对的实时监测进行危险预警的方法为，每三小时将采集到的18组数据输入神经网络预测模型，每组数据包括体温、心率和血压，对体温、心率和血压分别设定上限阈值和下限阈值，若预测结果低于下限阈值或者超过上限阈值，则在在前端交互模块的交互界面提醒。优选的，所述步骤2中，对于缺失值的处理，生理数据库中的缺失数据用相邻五条记录的均值补充，知识案例库中的缺失数据用此属性的最优值补充；根据各生理属性的正常取值范围，对异常值进行筛选，生理数据库中的异常值用相邻五条记录的均值补充，知识案例库中的异常值用此属性的最优值补充；针对重复记录，利用滑动窗口算法，若检测到连续五条记录的关键属性值是一致的，则删除其中四条保留其中一条。优选的，所述步骤2中，连续变量归一化的方法为，将连续性属性的连续数据值带入归一化公式y＝(ymax-ymin)*(x-xmin)/(xmax-xmin)+ymin，其中xmax为每个属性连续数据的最大值，xmin为连续数据的最小值，ymax为数据归一化后的最大值，ymin为数据归一化后的最小值，ymin默认为-1，ymax默认为1，从而使得所有属性的连续数据值归一到-1到1之间；所述连续性属性包括年龄、体温、血压、血氧、最大心率、体重、身高。优选的，所述步骤2中，针对离散性属性的数据向量化的方法为，利用one-hot编码方式，将离散特征的每一种取值都看成一种状态，若这一特征中有N个不同的取值，就将该特征抽象成N种不同的状态，N种状态种只有一种状态位值为1，其他状态位都为0；所述离散性属性包括性别、胸痛类型、糖尿病类型。优选的，所述步骤3中，神经网络由知识案例库中的大量案例数据训练得到，神经网络的输入数据包括一段时间内体温的加权平均值、心率的加权平均值、血压的加权平均值、个人基本信息库和生理数据库中的数据所组成的n维向量。优选的，所述步骤3中，数据融合为，利用D-S证据论融合由神经网络预测模型得出的初步预测判断结果和历史判断结果，从而得到用户健康判断结果。优选的，所述步骤4中，用于比较的相似度公式为其中A为用户a的生理数据组成的特征向量，B为用户b的生理数据组成的特征向量。本专利技术的有益效本文档来自技高网...

【技术保护点】
1.一种基于人体生理数据的健康知识推荐系统，其特征在于，包括数据库模块、数据预处理模块、分类诊断模块、知识推荐模块、前端交互模块；数据库模块，包括个人基本信息库、知识案例库、实时检测数据库；个人基本信息库用于存放用户基本数据、生理数据和历史判断结果，用户基本数据包括姓名、性别、年龄、特殊情况说明，生理数据包括血压、血氧、胸痛类型、最大心率、糖尿病类型、体温、身高、体重；知识案例库用于存放各个用户的知识推荐内容及推荐后的更新数据，实时检测数据库用于存放人体通过监测设备得到的实时监测数据，实时监测数据包括体温、心率、血压；数据预处理模块，用于针对人体生理数据进行预处理、得到分类诊断模块所需要的数据；所述预处理包括数据清洗、属性相关性分析、数据离散化、数据归一化；分类诊断模块，用于将数据预处理模块处理后的数据导入BP神经网络得到初步预测判断结果，再通过通过D‑S证据论融合初步预测判断结果、历史判断结果得出用户健康判断结果，历史判断结果由数据库模块中的个人基本信息库提供；BP神经网络包括神经网络训练分类模型、神经网络预测模型，神经网络预测模型用于接收实时检测数据并预测下一时刻的数据，实时检测数据由实时检测数据库提供；知识推荐模块，用于将分类诊断模块分类结束的用户通过基于用户的协同过滤算法与同一类别的其他用户做相似度匹配，将用户健康判断结果的类型与知识案例库中相同类型的案例做相似度对比，根据匹配度向分类诊断模块分类结束的用户推荐健康知识；前端交互模块，用于显示交互界面，交互界面包括用户的数据输入、症状选择界面、危险预警界面，并在此界面获得判断结果和健康知识。...

【技术特征摘要】
1.一种基于人体生理数据的健康知识推荐系统，其特征在于，包括数据库模块、数据预处理模块、分类诊断模块、知识推荐模块、前端交互模块；数据库模块，包括个人基本信息库、知识案例库、实时检测数据库；个人基本信息库用于存放用户基本数据、生理数据和历史判断结果，用户基本数据包括姓名、性别、年龄、特殊情况说明，生理数据包括血压、血氧、胸痛类型、最大心率、糖尿病类型、体温、身高、体重；知识案例库用于存放各个用户的知识推荐内容及推荐后的更新数据，实时检测数据库用于存放人体通过监测设备得到的实时监测数据，实时监测数据包括体温、心率、血压；数据预处理模块，用于针对人体生理数据进行预处理、得到分类诊断模块所需要的数据；所述预处理包括数据清洗、属性相关性分析、数据离散化、数据归一化；分类诊断模块，用于将数据预处理模块处理后的数据导入BP神经网络得到初步预测判断结果，再通过通过D-S证据论融合初步预测判断结果、历史判断结果得出用户健康判断结果，历史判断结果由数据库模块中的个人基本信息库提供；BP神经网络包括神经网络训练分类模型、神经网络预测模型，神经网络预测模型用于接收实时检测数据并预测下一时刻的数据，实时检测数据由实时检测数据库提供；知识推荐模块，用于将分类诊断模块分类结束的用户通过基于用户的协同过滤算法与同一类别的其他用户做相似度匹配，将用户健康判断结果的类型与知识案例库中相同类型的案例做相似度对比，根据匹配度向分类诊断模块分类结束的用户推荐健康知识；前端交互模块，用于显示交互界面，交互界面包括用户的数据输入、症状选择界面、危险预警界面，并在此界面获得判断结果和健康知识。2.根据权利要求1所述的基于人体生理数据的健康知识推荐系统，其特征在于，基于人体生理数据的健康知识推荐系统还包括危险预警模块，危险预警模块用于接收实时监测数据并预测下一时刻的体温、心率、血压，超出设定的正常范围时通过前端交互模块发出预警。3.一种利用权利要求2所述的基于人体生理数据的健康知识推荐系统的运行方法，该方法的具体步骤如下：步骤1，用户通过交互界面输入用户基本数据、生理数据，用户基本数据存储到个人基本信息库，生理数据存储到生理数据库，为数据预处理模块做准备；步骤2，数据预处理模块读取用户基本数据、生理数据和历史判断结果，首先对缺失值、异常值以及重复记录进行处理，最后将连续变量归一化处理，离散数据向量化；步骤3，将处理好的数据通过粒子群优化的BP神经网络训练分类模型，利用训练好的模型获得初步预测判断结果，再根据D-S证据论融合初步预测判断结果、历史判断结果得出用户健康判断结果；步骤4，根据得出的用户健康判断结果，将用户健康判断结果的类型与知识案例库中相同类型的案例做相似度对比，得出与用户最相似的三条记录，将这三条的健康知识作为用户的健康知识推荐供用户选择；步骤5，在交互界面输出三条记录，用户选择最适合自己的知识推荐，并备注原因，以供其他用户的参考，此用户的生理数据和用户健康判断结果以及健康知识推荐作为新的记录存放在数据库模块的知识案例库。4.根据权利要求3所述的基于人体生理数据的健康知识推荐...

【专利技术属性】
技术研发人员：季伟，卢文朔，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东,37