一种基于云端的糖尿病健康数据预警方法及系统技术方案

本发明专利技术公开了一种基于云端的糖尿病健康数据预警方法及系统，其方法包括：从数据库中调取不同类型的糖尿病各个阶段的发病症状特征和参考体征数据并存储到云端服务器；通过目标人员的便携式穿戴设备实时检测目标人员的体征参数，将实时体征参数上传到所述云端服务器；判断所述体征参数是否异常，根据判断结果为目标人员设定体征监控计划表；根据所述体征监控计划表提醒目标人员进行周期体征测量，获取体征测量结果；将所述体征测量结果与不同类型的糖尿病的参考体征数据进行对比，根据对比结果确定目标人员的糖尿病患病类型和患病阶段并进行预警。可以在不影响用户自身时间安排的前提下对其进行体征指标检测根据测量结果进行精准判断。进行精准判断。进行精准判断。

【技术实现步骤摘要】
一种基于云端的糖尿病健康数据预警方法及系统


[0001]本专利技术涉及数据分析
，尤其涉及一种基于云端的糖尿病健康数据预警方法及系统。

技术介绍

[0002]目前，糖尿病肾脏病(DKD)是糖尿病最重要的微血管并发症之一，是指慢性高血糖所致的肾脏损害，在西方国家已成为终末期肾病(ESRD)的最常见原因，国外报道糖尿病肾脏病患病率为25％
‑
40％，国内文献报道的我国社区2型糖尿病患者糖尿病肾脏病患病率10％
‑
50％。糖尿病是常见病、多发病，己成为严重威胁全人类健康的重大慢性非传染性疾病之一，因此，糖尿病的预防和监测工作成为了医学领域中重要的一环，现有的预防工作一般都是通过用户个人意愿去检测结构进行血糖等相关体征的参数检测进而根据检测报告来判断异常，其严重依赖用户自身的自律程度，由于用户自身时间安排和工作强度等主观及客观原因的影响，会导致自身无法及时地进行体征参数测量从而误过糖尿病疾病发病时间点进而后知后觉导致治疗难度增加，降低了用户的体验感。

技术实现思路

[0003]针对上述所显示出来的问题，本专利技术提供了一种基于云端的糖尿病健康数据预警方法及系统用以解决
技术介绍
中提到的由于用户自身时间安排和工作强度等主观及客观原因的影响，会导致自身无法及时地进行体征参数测量从而误过糖尿病疾病发病时间点进而后知后觉导致治疗难度增加，降低了用户的体验感的问题。
[0004]一种基于云端的糖尿病健康数据预警方法，包括以下步骤：
[0005]从数据库中调取不同类型的糖尿病各个阶段的发病症状特征和参考体征数据并存储到云端服务器；
[0006]通过目标人员的便携式穿戴设备实时检测目标人员的体征参数，将实时体征参数上传到所述云端服务器；
[0007]判断所述体征参数是否异常，根据判断结果为目标人员设定体征监控计划表；
[0008]根据所述体征监控计划表提醒目标人员进行周期体征测量，获取体征测量结果；
[0009]将所述体征测量结果与不同类型的糖尿病的参考体征数据进行对比，根据对比结果确定目标人员的糖尿病患病类型和患病阶段并进行预警。
[0010]优选的，在从数据库中调取不同类型的糖尿病各个阶段的发病症状特征和参考体征数据并存储到云端服务器之前，还包括：
[0011]获取多组糖尿病数据以及每组糖尿病数据对应的生物信息；
[0012]根据每组糖尿病数据对应的生物信息确定该组糖尿病数据对应的遗传特性；
[0013]基于每组糖尿病数据对应的遗传特性对所述多组糖尿病数据进行分类；
[0014]根据分类结果中每个类别的分组糖尿病数据的相同特征构建识别参数，利用每个类别的分组糖尿病数据的识别参数训练预设模型以生成糖尿病类型识别模型。
[0015]优选的，从数据库中调取不同类型的糖尿病各个阶段的发病症状特征和参考体征数据并存储到云端服务器，包括：
[0016]从数据库中获取多种糖尿病信息；
[0017]利用糖尿病类型识别模型对所述多种糖尿病信息进行识别，根据识别结果确定每种糖尿病信息对应的糖尿病类型；
[0018]根据每种糖尿病信息对应的糖尿病类型选择同一类型的典型糖尿病信息作为标准参考信息；
[0019]通过不同类型的典型糖尿病信息获取该类型糖尿病在各个阶段的发病症状特征和参考体征数据并存储到云端服务器。
[0020]优选的，所述通过目标人员的便携式穿戴设备实时检测目标人员的体征参数，将实时体征参数上传到所述云端服务器，包括：
[0021]实时采集便携式穿戴设备对于目标人员所检测的第一体征参数，从所述第一体征参数中筛选出与糖尿病疾病相关的第二体征参数；
[0022]采集目标人员所在环境的环境参数，根据所述环境参数评估出目标人员的体征参数的跳动影响因子；
[0023]基于目标人员所在环境对目标人员的体征参数的跳动影响因子和第二体征参数的采集指标值计算出第二体征参数的实际指标值；
[0024]对第二体征参数进行分项处理以获取每个检测项和该检测项的实际指标值并将其上传到所述云端服务器。
[0025]优选的，所述判断所述体征参数是否异常，根据判断结果为目标人员设定体征监控计划表，包括：
[0026]判断所述体征参数的采集指标值是否在预设正常范围之内，若是，判断所述体征参数正常，否则，判断所述体征参数异常；
[0027]根据体征参数中的异常检测项的目标采集指标值确定数据异常程度；
[0028]基于所述数据异常程度，从经验库中调取异常检测项的标准检测周期；
[0029]基于所述异常检测项的标准检测周期为目标人员设定体征监控计划表。
[0030]优选的，所述根据所述体征监控计划表提醒目标人员进行周期体征测量，获取体征测量结果，包括：
[0031]根据所述体征监控计划表确定对于目标人员的多个体征监测设备和每个体征检测设备的监测周期；
[0032]根据所述监测周期提醒目标人员进行体征监测，并接收目标人员上传的体征测量结果；
[0033]确定每种体征测量结果的显示格式，对不同显示格式进行统一处理；
[0034]根据处理结果将目标人员的周期体征测量结果上传到所述云端服务器。
[0035]优选的，所述将所述体征测量结果与不同类型的糖尿病的参考体征数据进行对比，根据对比结果确定目标人员的糖尿病患病类型和患病阶段并进行预警，包括：
[0036]确定不同类型的糖尿病的参考体征数据确定该类型的糖尿病的动态体征状态变化指标；
[0037]将不同类型的糖尿病的动态体征状态变化指标结合预设基于AI技术的糖尿病肾
脏疾病筛查模型构建不同类型的糖尿病筛查模型；
[0038]将所述体征测量结果输入到所述糖尿病筛查模型中确定目标人员的糖尿病患病类型和患病阶段；
[0039]基于目标人员的糖尿病患病类型和患病阶段和预先设定的预警等级进行相应的预警工作。
[0040]优选的，在将实时体征参数上传到所述云端服务器之前，还包括：
[0041]获取所述实时体征参数对应的原始数值序列，对所述原始数值序列进行周期性检测，判断所述原始数值序列是否为周期序列；
[0042]若是，对所述数值序列按照采集周期进行分割得到多组相同的数据子序列；
[0043]判断所述数据子序列中的全部检测数值是否大于预设数值，若否，提取检测数值小于所述预设数值的多个第一异常数值；
[0044]确定相邻两个第一异常数值之间采集时间间隔，并确定所述采集时间间隔是否在预设间隔范围内，若否，将相邻两个第一异常数值中的前者作为第一异常数据；
[0045]根据第一异常数据统计出第二异常数值，将所述第二异常数值确认为无效检测数值；
[0046]将数据子序列中的无效检测数据进行剔除处理，获取处理后的数据子序列；
[0047]根据处理后的数据子序列生成目标数值序列；
[0048]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云端的糖尿病健康数据预警方法，其特征在于，包括以下步骤：从数据库中调取不同类型的糖尿病各个阶段的发病症状特征和参考体征数据并存储到云端服务器；通过目标人员的便携式穿戴设备实时检测目标人员的体征参数，将实时体征参数上传到所述云端服务器；判断所述体征参数是否异常，根据判断结果为目标人员设定体征监控计划表；根据所述体征监控计划表提醒目标人员进行周期体征测量，获取体征测量结果；将所述体征测量结果与不同类型的糖尿病的参考体征数据进行对比，根据对比结果确定目标人员的糖尿病患病类型和患病阶段并进行预警。2.根据权利要求1所述基于云端的糖尿病健康数据预警方法，其特征在于，在从数据库中调取不同类型的糖尿病各个阶段的发病症状特征和参考体征数据并存储到云端服务器之前，还包括：获取多组糖尿病数据以及每组糖尿病数据对应的生物信息；根据每组糖尿病数据对应的生物信息确定该组糖尿病数据对应的遗传特性；基于每组糖尿病数据对应的遗传特性对所述多组糖尿病数据进行分类；根据分类结果中每个类别的分组糖尿病数据的相同特征构建识别参数，利用每个类别的分组糖尿病数据的识别参数训练预设模型以生成糖尿病类型识别模型。3.根据权利要求2所述基于云端的糖尿病健康数据预警方法，其特征在于，从数据库中调取不同类型的糖尿病各个阶段的发病症状特征和参考体征数据并存储到云端服务器，包括：从数据库中获取多种糖尿病信息；利用糖尿病类型识别模型对所述多种糖尿病信息进行识别，根据识别结果确定每种糖尿病信息对应的糖尿病类型；根据每种糖尿病信息对应的糖尿病类型选择同一类型的典型糖尿病信息作为标准参考信息；通过不同类型的典型糖尿病信息获取该类型糖尿病在各个阶段的发病症状特征和参考体征数据并存储到云端服务器。4.根据权利要求1所述基于云端的糖尿病健康数据预警方法，其特征在于，所述通过目标人员的便携式穿戴设备实时检测目标人员的体征参数，将实时体征参数上传到所述云端服务器，包括：实时采集便携式穿戴设备对于目标人员所检测的第一体征参数，从所述第一体征参数中筛选出与糖尿病疾病相关的第二体征参数；采集目标人员所在环境的环境参数，根据所述环境参数评估出目标人员的体征参数的跳动影响因子；基于目标人员所在环境对目标人员的体征参数的跳动影响因子和第二体征参数的采集指标值计算出第二体征参数的实际指标值；对第二体征参数进行分项处理以获取每个检测项和该检测项的实际指标值并将其上传到所述云端服务器。5.根据权利要求1所述基于云端的糖尿病健康数据预警方法，其特征在于，所述判断所
述体征参数是否异常，根据判断结果为目标人员设定体征监控计划表，包括：判断所述体征参数的采集指标值是否在预设正常范围之内，若是，判断所述体征参数正常，否则，判断所述体征参数异常；根据体征参数中的异常检测项的目标采集指标值确定数据异常程度；基于所述数据异常程度，从经验库中调取异常检测项的标准检测周期；基于所述异常检测项的标准检测周期为目标人员设定体征监控计划表。6.根据权利要求1所述基于云端的糖尿病健康数据预警方法，其特征在于，所述根据所述体征监控计划表提醒目标人员进行周期体征测量，获取体征测量结果，包括：根据所述体征监控计划表确定对于目标人员的多个体征监测设备和每个体征检测设备的监测周期；根据所述监测周期提醒目标人员进行体征监测，并接收目标人员上传的体征测量结果；确定每种体征测量结果的显示格式，对不同显示格式进行统一处理；根据处理结果将目标人员的周期体征测量结果上传到所述云端服务器。7.根据权利要求1所述基于云端的糖尿病健康数据预警方法，其特征在于，所述将所述体征测量结果与不同类型的糖尿病的参考体征数据进行对比，根据对比结果确定目标人员的糖尿病患病类型和患病阶段并进行预警，包括：确定不同类型的糖尿病的参考体征数据确定该类型的糖尿病的动态体征状态变化指标；将不同类型的糖尿病的动态体征状态变化指标结合预设基于AI技术的糖尿病肾脏疾病筛查模型构建不同类型的糖尿病筛查模型；将所述体征测量结果输入到所述糖尿病筛查模型中确定目标人员的糖尿病患病类型和患病阶段；基于目标人员的糖尿病患病类型和患病阶段和预先设定的预警等级进行相应的预警工作。8.根据权利要求1所述基于云端的糖尿病健康数据预警方法，其特征在于，在将实时体征参数上传到所述云端服务器之前，还包括：获取所述实时体征参数对应的原始数值序列，对所述原始数值序列进行周期性检测，判断所述原始数值序列是否为周期序列；若是，对所述数值序列按照采集周期进行分割得到多组相同的数据子...

【专利技术属性】
技术研发人员：郭立新，王伟好，潘琦，王晓霞，洛静旖，张丽娜，尉然，
申请(专利权)人：郭立新王伟好潘琦王晓霞洛静旖张丽娜尉然，
类型：发明
国别省市：