一种慢阻肺复发预测方法、装置、电子设备和存储介质制造方法及图纸

本说明书一个或多个实施例提供一种慢阻肺复发预测方法、装置、电子设备和存储介质。所述方法包括：获取用户的至少一个用户特征数据；所述用户特征数据包括身体检测数据、生活环境数据以及生活习惯数据；根据所述用户特征数据，确定至少三个属性并为所述属性赋值，以得到属性集；根据所述属性集以及基于决策树的慢阻肺病预测模型，得到所述用户的慢阻肺复发预测结果。本说明书实施例通过用户特征数据确定至少三个属性，并给予这至少三个属性及其赋值以及预先训练的基于决策树的慢阻肺病预测模型，最终得到了用户的慢阻肺复发预测结果。

【技术实现步骤摘要】
一种慢阻肺复发预测方法、装置、电子设备和存储介质
本说明书一个或多个实施例涉及人工智能
，尤其涉及一种慢阻肺复发预测方法、装置、电子设备和存储介质。
技术介绍
慢阻肺即慢性阻塞性肺疾病，是一种常见的慢性病。慢阻肺病死率高；伴有气促、咳痰、喘息并反复加重；不仅损伤气道、肺泡和肺血管，同时还损伤肺外组织，如骨骼、骨骼肌、心脏以及其他器官；是一个多基因的全身性疾病。随着人工智能技术的快速发展和广泛应用，在相关技术中，已经出现通过人工智能技术来预测慢阻肺复发的技术方案。而现有技术只能基于慢阻肺的诊断特征对慢阻肺病是否复发进行预测。近年来，科研人员认为，环境等因素的影响可能导致慢阻肺病人病情加重。因此，若能基于慢阻肺病人的生活环境对慢阻肺病人的病情进行预测及提醒，可以使得病人在病情恶化之前进行预防或者及早就医。
技术实现思路
有鉴于此，本说明书一个或多个实施例的目的在于提出一种慢阻肺复发预测方法、装置、电子设备和存储介质。基于上述目的，本说明书一个或多个实施例提供了一种慢阻肺复发预测方法，包括：获取用户的本文档来自技高网...

【技术保护点】
1.一种慢阻肺复发预测方法，其特征在于，包括：/n获取用户的至少一个用户特征数据；所述用户特征数据包括身体检测数据、生活环境数据以及生活习惯数据；/n根据所述用户特征数据，确定至少三个属性并为所述属性赋值，以得到属性集；/n根据所述属性集以及基于决策树的慢阻肺病预测模型，得到所述用户的慢阻肺复发预测结果。/n

【技术特征摘要】
1.一种慢阻肺复发预测方法，其特征在于，包括：
获取用户的至少一个用户特征数据；所述用户特征数据包括身体检测数据、生活环境数据以及生活习惯数据；
根据所述用户特征数据，确定至少三个属性并为所述属性赋值，以得到属性集；
根据所述属性集以及基于决策树的慢阻肺病预测模型，得到所述用户的慢阻肺复发预测结果。


2.根据权利要求1所述的方法，其特征在于，还包括：
根据所述身体检测数据确定的所述属性包括呼吸机输出数据、制氧机输出数据以及肺功能仪输出数据中的至少一个；
根据所述生活环境数据确定的所述属性包括温度信息、湿度信息以及PM值中的至少一个；
根据所述生活习惯数据确定的所述属性包括抽烟情况信息、咳嗽情况信息以及身体舒适度信息中的至少一个。


3.根据权利要求1所述的方法，其特征在于，所述慢阻肺病预测模型的训练过程包括：
获取训练用用户特征数据；
根据所述训练用用户特征数据，确定若干训练用属性集，并确定每个所述训练用属性集对应的慢阻肺复发结果；
根据所述训练用属性集和所述慢阻肺复发结果，构建训练集；
根据所述训练集以及分类回归树算法，对所述至少三个所述属性进行划分，以得到所述慢阻肺病预测模型。


4.根据权利要求3所述的方法，其特征在于，所述对所述至少三个所述属性进行划分之后还包括：
基于属性划分结果确定交叉属性分类结果，基于所述交叉属性分类结果对属性划分结果进行验证，若所述属性划分结果的准确度小于预设阈值，则重新进行属性划分。


5.根据权利要求1所述的方法，其特征在于，还包括：
根据所述慢阻肺复发预测结果，生成所述用户的健康建议报告；
对所述健康建议报告，进行如下操作中的至少一种：
显示所述健康建议报告；
将所述健康建议报告发送至预设的服务器；
将所述健康建议报告发送至预设的终端设备。


6.一种慢阻肺复发预测装置，其特征在于，包括：
获取模块，用于获取用户的至少一个用户特征数据；所述用户特征数据包括身体检测数据、生活环境数据以及生活习惯数据；
属性确定模块，用于根据所述用户特征数据，确定至少三个属性并为...

【专利技术属性】
技术研发人员：彭洋，敖康瑞，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：北京;11