一种基于用户健康信息特征集的个性化体检项目推荐方法技术

本发明专利技术公开了基于用户健康信息特征集的个性化体检项目推荐方法，包括对获取用户健康调研数据和用户历史体检数据进行切分得到多个文本数据，将满足相似度阈值的最大特征相似度对应的关键特征信息构建用户特征集；利用HashMap的键值对，将用户特征集进行映射得到多个体检项目，所述多个体检项目构建推荐体检项目集；将推荐体检项目集发送至用户终端，并接收用户终端输入的用户选择体检项目集，将用户特征集和可选体检项目集发送至医生终端，并接收医生终端输入的调制可选体检项目集；将调制可选体检项目集发送至用户终端，用户终端接受调制可选体检项目集得到最终体检项目集，完成体检项目选择。该方法能够准确提供反应身体状况的体检项目。状况的体检项目。状况的体检项目。

【技术实现步骤摘要】
一种基于用户健康信息特征集的个性化体检项目推荐方法


[0001]本专利技术属于医疗领域，具体为一种基于用户健康信息特征集的个性化体检项目推荐方法。

技术介绍

[0002]体检是通过医学手段和方法对受检者进行身体检查，了解受检者健康状况、早期发现疾病线索和健康隐患的诊疗行为；体检能对于没有自觉症状但很重大的疾病能够早期发现并治疗，如胃癌、大肠癌、肺癌、乳腺癌、子宫癌等，若能早期发现便能完全治愈。
[0003]体检能降低未来罹患疾病的概率，如血压高、胆固醇值偏高、血糖值偏高的人，平时不会有什么自觉症状，但这类人罹患脑中风、心肌梗塞、糖尿病的概率很高，即使现在没有自觉症状，一旦发病往往就很严重，所以要预防这类重大疾病的发生，早期发现这类因子的异常并使其恢复正常，极力防止疾病的发生。
[0004]随着社会的快速发展，人们对各种疾病产生的健康威胁越来越关注。经过调查，目前影响我国人民群众身体健康的疾病主要有高血压、糖尿病、心脏病、心脑血管疾病、呼吸疾病和痛风等等，而且它们还呈现出面积扩大化、低龄化的特征。体检是及早预防上述疾病的重要手段，现在人们在体检项目的选择上往往不会得到基于过往身体状态分析的体检项目建议，对个人健康状况的评估是不全面、不具体的。从而有选择性，个性化的进行体检。
[0005]当人们想要体检时，由于每一位体检者的身体状况、生活习惯、既往病史都不同，体检者需提前至医院或体检机构选择适合自己的体检项目。并且由于有些检查项目对体检者有些特殊要求，例如有些血液检查需在空腹未进食状态下采血，有些超声检查需在憋尿膀胱充盈的状态下检查。体检者还需在准备好检查项目的特殊要求后再次至医院或体检机构进行体检，而当体检人数较多时需要在科室外排队等候，耗费大量时间精力，用户体验不佳。
[0006]目前的相关业务流程及技术，尤其在儿童健康体检时，基本是家长拿着纸质体检表格，各科室来奔波，移动终端仅仅只停留在挂号、查阅报告的功能上；医生仍需手动在表格上填写数据，之后逐一将体检结果手动上传至电脑PC端；保健中心相关医疗设备、医生PC无法与健康体检业务完全信息化对接；对体检结果的分析仅仅停留在数据统计层面，无法实现深度挖掘数据所包含的其他信息；总之，这类处理方法效率低，信息交互不及时。
[0007]因此，一种基于智能分析个人健康状况，能够提供专业，个性化推荐体检项目的智能健康体检推荐系统成为保健中心、居民的一种需求。

技术实现思路

[0008]本专利技术提供一种基于用户健康信息特征集的个性化体检项目推荐方法，该方法能够提供基于用户个人健康状况的个性化体检项目，并且用户能够个性化的选择体检项目。
[0009]一种基于用户健康信息特征集的个性化体检项目推荐方法，包括：
[0010]S1：接收用户终端输入的用户健康调研数据，以及体检系统输入的用户历史体检
数据；
[0011]S2：基于现有特征知识库，对获取的用户健康调研数据和用户历史体检数据进行切分得到多个文本数据，提取每个文本数据中的第一关键特征信息，并形成第一关键特征信息集合，通过遍历第一关键特征信息集合，计算每个第一关键特征信息与特征知识库中的特征相似度得到最大特征相似度，并判断最大特征相似度是否满足相似度阈值，将满足相似度阈值的最大特征相似度对应的第一关键特征信息作为第二关键特征信息，多个第二关键特征信息构建用户特征集；
[0012]S3：利用HashMap的键值对，将用户特征集进行映射得到多个体检项目，所述多个体检项目构建推荐体检项目集，用户终端基于推荐体检项目集选择体检项目。
[0013]本专利技术通过对用户的健康调研数据和用户历史体检数据相结合，并与现有特征知识库进行比对，准确获得用户关键特征信息，并通过哈希表(HashMap)的键值对为key
‑
value，映射得到推荐体检项目。
[0014]所述用户特征集中的第二关键特征信息通过构建的特征字典进行描述，其中，所述特征字典包括：
[0015]特征相似度C
a
为：C
a
＝Max(C
a,i
)；
[0016]特征权重WF
a
为：特征权重WF
a
为：WF
a
＝{人口学特征，健康史特征，躯体症状特征，生活方式特征，环境健康特征，心理健康特征，睡眠健康特征，健康素养特征}；
[0017]特征类型Type
a
为：是非类型＝{是，否}＝1、频率类型＝{从不，偶尔，经常}＝2、等级类型＝{I级,II级,III级,
……
,N级}＝3；
[0018]特征值Value
a
为：是非变量＝[0,1]、频率变量＝[1,2,3]、等级变量＝[1,2,
…
,n]。
[0019]推荐体检项目集中的体检项目通过构建的体检项目字典进行描述，其中，所述的体检项目字典包括：
[0020]项目权重WI
a
为：项目权重WI
a
为：WI
a
＝{1级项目，2级项目，3级项目}；
[0021]体检频率FI
a
为：FI
a
＝{类型1:1～2年,类型2:1年,类型3：3～6月}；
[0022]推荐等级L
a
为：L
a
＝C
a
×
WF
a
×
F
a
×
WI
a
；
[0023]其中，F
a
为体检项目频率，F
a
＝n
a
/N，n
a
为体检项目a在推荐体检项目集中频数，N为推荐体检项目集所有体检项目的总和，所述推荐等级L
a
通过特征相似度C
a
，特征权重WF
a
，体检项目频率F
a
以及项目权重WI
a
获得。
[0024]通过第二关键特征信息中的特征字典，以及项目权重，体检项目频率构建体检项目推荐等级，作为推荐体检项目的标签，为用户选择体检项目提供智能指导。
[0025]体检频率是体检项目的属性，不同体检项目的检查频率由项目本身或体检对象的特征决定，(如，CT有辐射，连续两次的体检需要有半年间隔；糖化血红蛋白是糖尿病患者需要定期监测的指标，糖尿病患者需要每半年或一年测定一次糖化血红蛋白)。
[0026]根据所述的将用户特征集进行映射得到多个体检项目的具体步骤为：
[0027]基于决策支持模块中特征知识库、体检项目库和决策支持库，特征知识库中特征和体检项目库中体检项目分别作为key和value，决策支持库提供key和value之间的映射关系，并以HashMap的key
‑
value键值对形式存储，判断第二关键特征信息是否作为key存在于Ha本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于用户健康信息特征集的个性化体检项目推荐方法，包括：S1：接收用户终端输入的用户健康调研数据，以及体检系统输入的用户历史体检数据；S2：基于现有特征知识库，对获取的用户健康调研数据和用户历史体检数据进行切分得到多个文本数据，提取每个文本数据中的第一关键特征信息，并形成第一关键特征信息集合，通过遍历第一关键特征信息集合，计算每个第一关键特征信息与特征知识库中的特征相似度得到最大特征相似度，并判断最大特征相似度是否满足相似度阈值，将满足相似度阈值的最大特征相似度对应的第一关键特征信息作为第二关键特征信息，多个第二关键特征信息构建用户特征集；S3：利用HashMap的键值对，将用户特征集进行映射得到多个体检项目，所述多个体检项目构建推荐体检项目集，用户终端基于推荐体检项目集选择体检项目。2.根据权利要求1所述的基于用户健康信息特征集的个性化体检项目推荐方法，其特征在于，所述用户特征集中的第二关键特征信息通过构建的特征字典进行描述，其中，所述特征字典包括：特征相似度C
a
为：C
a
＝Max(C
a,i
)；特征权重WF
a
为：WF
a
＝{人口学特征，健康史特征，躯体症状特征，生活方式特征，环境健康特征，心理健康特征，睡眠健康特征，健康素养特征}；特征类型Type
a
为：是非类型＝{是，否}＝1、频率类型＝{从不，偶尔，经常}＝2、等级类型＝{I级,II级,III级,
……
,N级}＝3；特征值Value
a
为：是非变量＝[0,1]、频率变量＝[1,2,3]、等级变量＝[1,2,
…
,n]。3.根据权利要求2所述的基于用户健康信息特征集的个性化体检项目推荐方法，其特征在于，推荐体检项目集中的体检项目通过构建的体检项目字典进行描述，其中，所述的体检项目字典包括：项目权重WI
a
为：WI
a
＝{1级项目，2级项目，3级项目}；体检频率FI
a
为：FI
a
＝{类型1:1～2年,类型2:1年,类型3：3～6月}；推荐等级L
a
为：L
a
＝C
a
×
WF
a
×
F
a
×
WI
a
；其中，F
a
为体检项目频率，F
a
＝n
a
/N，n
a
为体检项目a在推荐体检项目集中频数，N为推荐体检项目集所有体检项目的总和，所述推荐等级L
a
通过特征相似度C
a
，特征权重WF
a
，体检项目频率F
a
以...

【专利技术属性】
技术研发人员：邓宁，段会龙，吴丹，佘雨桐，南山，
申请(专利权)人：浙江大学，
类型：发明
国别省市：