本发明专利技术提供一种匹配运动效果案例的方法，包括如下步骤：步骤1)：输入用户的疾病情况和生理指标；步骤2)：利用K近邻算法，在运动效果特征库群中找出与该用户的疾病情况最邻近的案例特征子群；步骤3)：利用K近邻算法，在最邻近的案例特征子群中找出与该用户的生理指标最邻近的案例；步骤4)：输出与该用户的生理指标最邻近的案例的运动效果案例；所述疾病情况包括高血压患病情况、糖尿病患病情况和体重情况；所述生理指标包括血压情况、血糖情况、心率情况和心肺耐力情况。采用本发明专利技术的方法，能够对运动效果案例精准推送，可以使患者直观清楚的认识到运动干预后的效果。
Method and system of matching motion effect cases
【技术实现步骤摘要】
匹配运动效果案例的方法和系统
本专利技术涉及慢性病管理、运动康复领域，特别涉及一种匹配运动效果案例的方法。
技术介绍
运动干预作为可以媲美药物治疗的一种治疗手段，可以有效改善心血管和呼吸功能，降低静息收缩压/舒张压，改善葡萄糖耐量，降低机体总脂肪，减少腹部脂肪等。目前运动干预技术主要采用闭环式管理，通过“院内生成运动处方-院外监测运动情况”的方式，能够有效改善病人的身体情况。但是目前运动干预技术存在如下问题：1)在院外监测过程中，病人的运动积极性不高，用户粘度有待加强；2)未能对已有的运动效果案例进行分类分析，实现对相似病人的运动效果预测。
技术介绍
部分的内容仅仅是专利技术人所知晓的技术，并不当然代表本领域的现有技术。
技术实现思路
针对现有技术存在问题中的一个或多个，本专利技术提供一种匹配运动效果案例的方法，包括如下步骤：步骤1)：输入用户的疾病情况和生理指标；步骤2)：利用K近邻算法，在运动效果特征库群中找出与该用户的疾病情况最邻近的案例特征子群；步骤3)：利用K近邻算法，在最邻近的案例特征子群中找出与该用户的生理指标最邻近的案例；步骤4)：输出与该用户的生理指标最邻近的案例的运动效果案例；所述疾病情况包括高血压患病情况、糖尿病患病情况和体重情况；所述生理指标包括血压情况、血糖情况、心率情况和心肺耐力情况。更进一步，所述在运动效果特征库群中找出与该用户的疾病情况最邻近的案例特征子群的方法包括如下步骤：步骤101：获取用户样本的疾病案例特征；步骤102：计算该用户的疾病案例特征与运动效果特征库群中所有疾病分类的疾病案例特征的距离度量；步骤103：将计算得到的距离度量从大到小进行排序；步骤104：将距离度量最小的疾病案例特征所对应的案例聚类，得到最邻近的案例特征子群。更进一步的，所述疾病案例特征包括高血压归一化特征、糖尿病归一化特征和体重归一化特征。所述高血压归一化特征通过高血压患病情况经归一化处理得到，归一化处理的方法为：Hypnor＝(Hyp-Hypmin)/(Hypmax-Hypmin)其中，Hypnor表示高血压归一化特征，Hyp表示样本的高血压患病情况特征值，Hypmax表示特征群里高血压患病情况的最大值，Hypmin表示特征群里高血压患病情况的最小值。所述高血压患病情况分为高血压1级、高血压2级、高血压3级、高血压前期和无高血压。对于高血压患病情况，定义高血压1级＝1、高血压2级＝2、高血压3级＝3、高血压前期＝0.5、无高血压＝0。所述糖尿病归一化特征通过糖尿病患病情况经归一化处理得到，归一化处理的方法为：Diebnor＝(Dieb-Diebmin)/(Diebmax-Diebmin)其中，Diebnor表示糖尿病归一化特征，Dieb表示该样本的糖尿病患病情况，Diebmax表示特征群里糖尿病情况的最大值，Diebmin表示特征群里糖尿病情况的最小值。所述糖尿病患病情况分为糖尿病前期、糖尿病和无糖尿病。对于糖尿病情况，定义糖尿病前期＝1、糖尿病＝2、无糖尿病＝0。所述体重归一化特征通过体重情况经归一化处理得到，归一化处理的方法为：Weignor＝(Weig-Weigmin)/(Weigmax-Weigmin)其中，Weignor表示体重归一化特征，Weig表示该样本的体重情况，Weigmax表示特征群里体重情况的最大值，Weigmin表示特征群里体重情况的最小值。所述体重情况分为体重偏轻、正常体重、超重和肥胖。对于体重情况，定义体重偏轻＝0、正常体重＝1、超重＝2、肥胖＝3。更进一步的，所述距离度量的计算公式为：其中，i表示用户样本，j表示运动效果特征库群中的样本，Dis1表示疾病案例特征的距离度量，Hypnor表示高血压归一化特征，Diebnor表示糖尿病归一化特征Weignor表示体重归一化特征。更进一步的，步骤3)中，在最邻近的案例特征子群中找出与该用户的生理指标最邻近的案例的方法包括如下步骤：步骤201：根据用户的生理指标，获取用户样本的生理指标特征参数；步骤202：计算该用户的生理指标特征与最邻近的案例特征子群中所有样本的生理指标特征的距离度量；步骤203：选择最小的距离度量的生理指标特征所对应的的案例作为最邻近的案例。进一步的，所述生理指标特征参数包括血压归一化特征、血糖归一化特征、心率归一化特征和心肺耐力归一化特征。所述血压归一化特征通过血压情况经归一化处理得到，该归一化处理的方法为：SBPnor＝(SBP-SBPmin)/(SBPmax-SBPmin)其中，SBPnor表示肱动脉收缩压归一化特征，SBP表示该样本的肱动脉收缩压，SBPmin表示在特征库群里肱动脉收缩压的最小值，SBPmax表示在特征库群里肱动脉收缩压的最大值。DBPnor＝(DBP-DBPmin)/(DBPmax-DBPmin)其中，DBPnor表示肱动脉舒张压归一化特征，DBP表示该样本的肱动脉舒张压，DBPmin表示在特征库群里肱动脉舒张压的最小值，DBPmax表示在特征库群里肱动脉舒张压的最大值。所述血糖归一化特征通过血糖情况经归一化处理得到，该归一化处理的方法为：GLUnor＝(GLU-GLUmin)/(GLUmax-GLUmin)其中，GLUnor表示归一化处理后的血糖参数，GLU表示该样本的血糖值，GLUmax表示在特征库群里血糖的最大值，GLUmin表示在特征库群里血糖的最小值。所述心率归一化特征通过心率情况经归一化处理得到，该归一化处理的方法为：HRnor＝(HR-HRmin)/(HRmax-HRmin)其中，HRnor表示心率归一化特征，HR表示该样本的心率情况，HRmax表示在特征库群里心率情况的最大值，HRmin表示在特征库群里心率情况的最小值。心肺耐力情况指的是样本的最大代谢当量，所述心肺耐力归一化特征通过最大代谢当量经归一化处理得到，该归一化处理的方法为：METnor＝(MET-METmin)/(METmax-METmin)其中，METnor表示心肺耐力归一化特征，MET表示该样本的最大代谢当量，METmax表示在特征库群里最大代谢当量的最大值，METmin表示在特征库群里最大代谢当量的最小值。更进一步的，的生理指标特征的距离度量的计算公式为：其中，i表示用户样本，j表示最邻近的案例特征子群中的样本，Dis2表示生理指标特征的距离度量，SBPnor表示肱动脉收缩压归一化特征，DBPnor表示肱动脉舒张压归一化特征，HRnor表示心率归一化特征，GLUnor表示血糖归一化特征，METnor表示心肺耐力归一化特征。进一步的，步骤4)中，所述运动效果案例的内容包括：用户运动效果，所述用户运动效果本文档来自技高网...
【技术保护点】
1.一种匹配运动效果案例的方法，其特征在于，包括如下步骤：/n步骤1)：输入用户的疾病情况和生理指标；/n步骤2)：利用K近邻算法，在运动效果特征库群中找出与该用户的疾病情况最邻近的案例特征子群；/n步骤3)：利用K近邻算法，在最邻近的案例特征子群中找出与该用户的生理指标最邻近的案例；/n步骤4)：输出与该用户的生理指标最邻近的案例的运动效果案例；/n所述疾病情况包括高血压患病情况、糖尿病患病情况和体重情况；/n所述生理指标包括血压情况、血糖情况、心率情况和心肺耐力情况。/n
【技术特征摘要】
1.一种匹配运动效果案例的方法，其特征在于，包括如下步骤：
步骤1)：输入用户的疾病情况和生理指标；
步骤2)：利用K近邻算法，在运动效果特征库群中找出与该用户的疾病情况最邻近的案例特征子群；
步骤3)：利用K近邻算法，在最邻近的案例特征子群中找出与该用户的生理指标最邻近的案例；
步骤4)：输出与该用户的生理指标最邻近的案例的运动效果案例；
所述疾病情况包括高血压患病情况、糖尿病患病情况和体重情况；
所述生理指标包括血压情况、血糖情况、心率情况和心肺耐力情况。
2.根据权利要求1所述的匹配运动效果案例的方法，其特征在于，步骤2)中，在运动效果特征库群中找出与该用户的疾病案例特征最邻近的案例特征子群的方法包括如下步骤：
步骤101：根据疾病情况，获取用户样本的疾病案例特征；
步骤102：计算该用户的疾病案例特征与运动效果特征库群中所有疾病分类的疾病案例特征的距离度量；
步骤103：将计算得到的距离度量从大到小进行排序；
步骤104：将距离度量最小的疾病案例特征所对应的案例聚类，得到最邻近的案例特征子群。
3.根据权利要求2所述的匹配运动效果案例的方法，其特征在于，所述疾病案例特征包括高血压归一化特征、糖尿病归一化特征和体重归一化特征。
4.根据权利要求2所述的匹配运动效果案例的方法，其特征在于，所述距离度量的计算公式为：
其中，i表示用户样本，j表示运动效果特征库群中的样本，Dis1表示疾病案例特征的距离度量，Hypnor表示高血压归一化特征，Diebnor表示糖尿归一化特征，Weignor表示归一化特征。
5.根据权利要求1所述的匹配运动效果案例的方法，其特征在于，步骤3)中，在最邻近的案例特征子群中找出与该用户的生理指标最邻近的案例的方法包括如下步骤：
步骤201：根据生理指标，获取用户样本的生理指标特征；
步骤202：计算该用户的生理指标特征与最邻近的案例特征子群...
【专利技术属性】
技术研发人员：张永亮，叶骏，陈娟，高向阳，张世潮，
申请(专利权)人：北京动亮健康科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。