【技术实现步骤摘要】
本专利技术涉及医疗数据分析，具体为一种基于物联网的医疗数据智能分析系统及方法。
技术介绍
1、在信息时代，随着远程健康监测技术的发展，医疗数据的获取难度逐渐降低，医疗数据的获取量逐步增加，现有技术只是对医疗数据直接进行采集并存储，日常监测中获得的大量的都是重复信息，占用大量的存储资源，而简单对医疗数据进行压缩可能会丢失医疗数据中蕴含的信息，使得患者的病情变化不能及时被发现；为此，如何对日常监测中获得的大量医疗数据进行压缩存储，成为了一个亟需解决的问题。
技术实现思路
1、本专利技术的目的在于提供一种基于物联网的医疗数据智能分析系统及方法，以解决上述
技术介绍
中提出的问题。
2、在本专利技术的一个方面，提供一种基于物联网的医疗数据智能分析方法，包括：
3、s1-1，获取历史医疗数据；
4、s1-2，对历史医疗数据进行矢量量化，确定每个编码区域的风险值；
5、s1-3，获取目标人员当前的医疗数据并进行矢量量化，基于矢量量化结果确定目标人员当前的风险值；
6、s1-4，若目标人员当前的风险值小于第一阈值，则存储矢量量化后的目标人员的医疗数据；若目标人员当前的风险值大于第二阈值，则对目标人员的医疗数据进行无损压缩后进行存储；若目标人员当前的风险值处于第一阈值和第二阈值之间，则对目标人员的医疗数据进行有损无损压缩后进行存储；所述第一阈值小于第二阈值。
7、在步骤s1-2中，所述对历史医疗数据进行矢量量化还包括以下步骤：p>
8、初始化：设定失真阈值ε，设定初始码矢数量n为1，将初始码矢设置为所有训练样本的平均值；计算所有历史医疗数据的平均失真度；
9、分裂：将现有码矢分别乘上系数1+ε和1-ε进行分裂，分裂后码矢的数量为分裂前的两倍；
10、迭代：遍历每个医疗数据，将医疗数据分配给距离最近的码矢；对于每个码矢，以分配给码矢的所有医疗数据的均值更新码矢的值，计算平均失真度；
11、如果分裂迭代后平均失真度相比于分裂迭代前的平均失真度更小，且分裂迭代前后两个平均失真度相差小于失真阈值ε，则继续进行分裂迭代；否则结束分裂和迭代步骤，得到分裂迭代后的码矢形成码书。
12、在步骤s1-2中，所述确定每个编码区域的风险值还包括以下步骤：
13、s3-1，按照历史医疗数据与码书中每个码矢的距离，将历史医疗数据形成样本空间分成n个编码区域，n为码矢的数量，编码区域与码矢一一对应，当医疗数据位于编码区域中时，以编码区域对应的码矢代替医疗数据，通过n个码矢表示全部医疗数据；
14、对于低风险的医疗数据，矢量量化之后，历史医疗数据形成样本空间变成多个编码区域，每个编码区域内的医疗数据都用编码区域对应的码矢进行代替，可以减少医疗数据占用的空间；
15、s3-2，从医疗数据中提取出n个特征，以表示一个医疗数据，=，表示医疗数据的特征值，n为医疗数据特征的数量，m的取值范围是[1,m]之间的正整数，m为历史医疗数据的数量；以表示一个码矢，b的取值范围是[1,n]之间的正整数，，为码矢的特征值；
16、s3-3，计算每个码矢的风险值，=，和为权值，为所有历史医疗数据给码矢带来的风险值，为目标人员的医疗数据给码矢带来的风险值，，式中为连接系数，为所有历史医疗数据的特征的平均值，为符号系数，当处于正常范围内时，为0，当处于正常范围外时，为1；，为所有目标人员历史医疗数据的特征的平均值；
17、每个码矢的风险值由两部分组成，一部分为患者自身的医疗数据分布情况带来的，一部分为所有历史医疗数据带来的；当目标人员的医疗数据的特征处于正常范围内时，将不会产生风险值，如正常成年人呼吸频率为每分钟12至20次，当目标人员的呼吸频率为19次时，属于正常情况，因此呼吸频率特征不会对产生影响，而目标人员患有呼吸系统疾病，自身的呼吸频率分布情况与正常人可能存在区别，则不设置正常范围，依据与目标人员的医疗数据的平均值偏差确定风险值。
18、在步骤s1-3中，所述基于矢量量化结果确定目标人员当前的风险值还包括以下步骤：
19、s4-1，按照码矢的风险值从小到大的顺序进行排列，得到序列，得到n-1个风险值区间：[，]、[，]、…、[，]将n-1个风险值区间分成低、中和高3个风险等级；3个风险等级的分界线从和中获取；
20、s4-2，根据目标人员的医疗数据所处的编码区域，以编码区域对应码矢的风险值作为目标人员的风险值初始值，目标人员的风险值定期进行初始化，初始化后风险值的当前值为初始值，确定风险值的当前值所处的风险值区间；
21、s4-3，比较风险值的当前值与后续获取的目标人员的医疗数据的风险值，风险值的当前值由变为，若小于后续获取的目标人员的医疗数据，则，和为风险值的当前值所处风险值区间的终点和起点；若对于风险值，连续l次后续获取的目标人员的医疗数据的风险值小于，；若后续获取的目标人员的医疗数据的风险值与相同，则与相同；和为风险值的变化系数，小于。
22、按照风险值高低，风险值区间[，]、[，]、…、[，]由低风险等级变为中风险等级和高风险等级；可根据医疗数据的特征是否处于正常范围你花费风险等级，当所有医疗数据特征均处于正常范围内时，为低风险等级；当存在医疗数据特征与正常范围的偏差过大，如码矢呼吸频率与所有医疗数据的呼吸频率相差大于一个标准差时，划分为高风险等级；低和中风险等级的分界线、中和高风险等级的分界线从和中获取，3种风险等级不存在交叉。
23、在目标人员风险值的当前值的基础上，若后续获取的目标人员医疗数据，对应的码矢的风险值高于风险值的当前值，则风险值的当前值需要增加，以保留风险值增加的趋势，防止由于数据被压缩，患者的病情缓慢恶化而未被发现的情况出现；风险值当前值的增加值采用逐级增加的形式，且当前值与所处风险值区间起点的差值越大，增加值越多，当前值越高，说明目标人员的风险情况越高，后续获取的医疗数据的风险值也高于，则当前值会以更快的速度增加，捕捉到目标人员风险值增加的趋势。类似地，当风险值开始减小时，风险值区间的终点与当前值的差值越高，风险值减小的速度越快，加快风险等级的降级速度，减少医疗数据占用的存储空间，风险值减小的速度低于风险值增加的速度，即小于，因为占用额外存储空间带来的危害远小于患者的病情缓慢恶化而未被检测出的危害。
24、当连续出现l次后续出现的风险值小于当前值，当前值才开始减少，防止目标人员的医疗数据特征周期性偏离正常范围，而当前值上下波动的情况出现。l与相关，当增加时，当前值的上升速度增加，l应减小，使得当前值能够下降；当减小时，当前值的上升速度减小，l应增加，防止当前值过渡下降。
25、在步骤s1-4中，所述第一阈值和第二阈值通过以下步骤进行确定：
26、s5-1，以表示低和中风险等级的分界线，表示中和高风险等级的分界线，对目标人员的风险值进行分析，在目标人员的风险值数据中，当本文档来自技高网...
【技术保护点】
1.一种基于物联网的医疗数据智能分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于物联网的医疗数据智能分析方法，其特征在于，在步骤S1-2中，所述对历史医疗数据进行矢量量化还包括以下步骤：
3.根据权利要求2所述的一种基于物联网的医疗数据智能分析方法，其特征在于，在步骤S1-2中，所述确定每个编码区域的风险值还包括以下步骤：
4.根据权利要求3所述的一种基于物联网的医疗数据智能分析方法，其特征在于，在步骤S1-3中，所述基于矢量量化结果确定目标人员当前的风险值还包括以下步骤：
5.根据权利要求4所述的一种基于物联网的医疗数据智能分析方法，其特征在于，在步骤S1-4中，所述第一阈值和第二阈值通过以下步骤进行确定：
6.根据权利要求5所述的一种基于物联网的医疗数据智能分析方法，其特征在于，在步骤S1-4中，所述存储矢量量化后的目标人员的医疗数据还包括以下步骤：
7.一种基于物联网的医疗数据智能分析系统，其特征在于，包括：医疗数据存储模块、医疗数据获取模块、医疗数据压缩模块和目标人员风险值分析模
8.根据权利要求7所述的一种基于物联网的医疗数据智能分析系统，其特征在于，所述医疗数据压缩模块还包括矢量量化单元、编码单元、无损压缩单元和有损无损压缩单元；所述矢量量化单元用于对医疗数据进行量化，所述编码单元用于将矢量量化后的医疗数据转化为二进制编码进行存储，减少医疗数据占用的存储空间；所述无损压缩单元用于对医疗数据无损压缩；所述有损无损压缩单元用于对医疗数据进行有损无损压缩。
9.根据权利要求8所述的一种基于物联网的医疗数据智能分析系统，其特征在于，对于低风险的医疗数据，所述医疗数据存储模块以二进制值形式存储医疗数据量化后的码矢信息，同时存储码矢及编码后码矢的二进制值的对应关系；对于中风险的医疗数据，所述医疗数据存储模块存储有损无损压缩后的医疗数据；对于高风险的医疗数据，所述医疗数据存储模块存储无损压缩后的医疗数据。
10.根据权利要求7所述的一种基于物联网的医疗数据智能分析系统，其特征在于，所述目标人员风险值分析模块还包括初始化单元、风险值更新单元、数据存储方式确定单元；所述初始化单元用于定期对目标人员的风险值进行初始化，所述风险值更新单元用于实时更新目标人员的风险值；所述数据存储方式确定单元基于目标人员的风险值确定目标人员的医疗数据的数据存储方式。
...【技术特征摘要】
1.一种基于物联网的医疗数据智能分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于物联网的医疗数据智能分析方法，其特征在于，在步骤s1-2中，所述对历史医疗数据进行矢量量化还包括以下步骤：
3.根据权利要求2所述的一种基于物联网的医疗数据智能分析方法，其特征在于，在步骤s1-2中，所述确定每个编码区域的风险值还包括以下步骤：
4.根据权利要求3所述的一种基于物联网的医疗数据智能分析方法，其特征在于，在步骤s1-3中，所述基于矢量量化结果确定目标人员当前的风险值还包括以下步骤：
5.根据权利要求4所述的一种基于物联网的医疗数据智能分析方法，其特征在于，在步骤s1-4中，所述第一阈值和第二阈值通过以下步骤进行确定：
6.根据权利要求5所述的一种基于物联网的医疗数据智能分析方法，其特征在于，在步骤s1-4中，所述存储矢量量化后的目标人员的医疗数据还包括以下步骤：
7.一种基于物联网的医疗数据智能分析系统，其特征在于，包括：医疗数据存储模块、医疗数据获取模块、医疗数据压缩模块和目标人员风险值分析模块；所述医疗数据存储模块的输出端与所述目标人员风险值分析模块的输入端相互连接，用于存储获取的医疗数据；所述医疗数据获取模块的输出端与所述医疗数据存储模块和所述目标人员风险值分析模块的输入端相互连接，用于采集人员的医疗数据；所述医疗数据压缩模块的输出端与所述医疗数据存储模块的输出端相互连接...
【专利技术属性】
技术研发人员：韩爱国，宋军伟，程雪松，李晓景，侯振先，王友兴，袁学臣，张丽，张传良，李锦科，李帅，
申请(专利权)人：济南鸿泰医疗管理集团有限公司，
类型：发明
国别省市：
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。