基于多维数据的健康指数分析方法、装置、设备及介质

摘要

本发明涉及人工智能技术，揭露了一种基于多维数据的健康指数分析方法，包括：将用户群体按照病史数据分类为多个疾病类别；对每个疾病类别对应的病史数据进行时序分析，得到疾病诱因；获取用户群体内每个用户的监测指标数据，将监测指标数据与病史数据进行时序关联并进行曲线趋势分析，得到每个疾病类别对应的指标变化趋势；获取目标用户在预设时间段内的用户指标数据，识别用户指标数据的数值变化趋势；根据数值变化趋势与指标变化趋势计算目标用户对每个疾病类别的潜在风险数值；根据疾病诱因和潜在风险数值计算目标用户的综合健康指数。本发明还提出一种基于多维数据的健康指数分析装置、设备及介质。本发明可以提高健康状况的分析的合理度。

权利要求

1.一种基于多维数据的健康指数分析方法，其特征在于，所述方法包括：获取预设的用户群体内每个用户的病史数据，按照所述病史数据将所述用户群体分类为多个疾病类别；

对每个所述疾病类别的用户对应的病史数据进行时序分析，得到每个疾病类别对应的疾病诱因；

获取所述用户群体内每个用户的监测指标数据，将所述监测指标数据按照时间先后顺序与所述病史数据进行时序关联；

对时序关联后的监测指标数据进行曲线趋势分析，得到每个疾病类别对应的指标变化趋势；

获取目标用户在预设时间段内的用户指标数据，识别所述用户指标数据的数值变化趋势；

根据所述数值变化趋势与所述指标变化趋势计算所述目标用户对每个所述疾病类别的潜在风险数值；

根据所述疾病诱因和所述潜在风险数值计算所述目标用户的综合健康指数。

2.如权利要求1所述的基于多维数据的健康指数分析方法，其特征在于，所述按照所述病史数据将所述用户群体分类为多个疾病类别，包括：获取疾病名称表，根据所述疾病名称表内的疾病名称编译规则表达式；

利用所述规则表达式对所述病史数据进行疾病名称召回，得到所述用户群体内每个用户的疾病名称；

按照所述疾病名称将所述用户群体内每个用户分类为多个疾病类别。

3.如权利要求1所述的基于多维数据的健康指数分析方法，其特征在于，所述对每个所述疾病类别的用户对应的病史数据进行时序分析，得到每个疾病类别对应的疾病诱因，包括：逐个从所述疾病类别中选取其中一个疾病类别为目标类别，将所述目标类别的用户的疾病患发时间映射至预设的坐标系中；

判断所述疾病患发时间在所述坐标系内的数据分布是否符合白噪声分布；

若所述疾病患发时间在所述坐标系内的数据分布符合白噪声分布，则确定所述目标类别的疾病诱因为与时间无关；

若所述疾病患发时间在所述坐标系内的数据分布不符合白噪声分布，则提取所述疾病患发时间在所述坐标系内的数据分布符的分布密度，根据所述分布密度确定所述目标类别的疾病诱因。

4.如权利要求3所述的基于多维数据的健康指数分析方法，其特征在于，所述提取所述疾病患发时间在所述坐标系内的数据分布符的分布密度，根据所述分布密度确定所述目标类别的疾病诱因，包括：统计所述疾病患发时间在所述坐标系内每个预设区间中的数据密度；

选取所述数据密度大于预设密度阈值的预设区间为高密度区间；

确定所述高密度区间在所述坐标系内对应的时间段为所述目标类别的疾病诱因。

5.如权利要求1所述的基于多维数据的健康指数分析方法，其特征在于，所述将所述监测指标数据按照时间先后顺序与所述病史数据进行时序关联，包括：统计所述监测指标数据中每个数据的监测时间；

统计所述病史数据中每个数据的生成时间；

将所述监测时间与所述生成时间相一致的监测指标数据和病史数据进行关联存储，完成对所述监测指标数据和所述病史数据的时序关联。

6.如权利要求1所述的基于多维数据的健康指数分析方法，其特征在于，所述对时序关联后的监测指标数据进行曲线趋势分析，得到每个疾病类别对应的指标变化趋势，包括：将时序关联后的监测指标数据进行曲线拟合，得到每个疾病类别对应的曲线图；

对所述曲线图进行预设次数的卷积处理及池化处理，得到所述曲线图的曲线特征；

逐个计算所述曲线特征与预设的多个趋势标签之间的距离值，并确定所述距离值最小的趋势标签为所述时序关联后的监测指标数据的指标变化趋势。

7.如权利要求1至6中任一项所述的基于多维数据的健康指数分析方法，其特征在于，所述根据所述数值变化趋势与所述指标变化趋势计算所述目标用户对每个所述疾病类别的潜在风险数值，包括：绘制所述用户指标数据的数据分布图；

选取所述指标变化趋势与所述数值变化趋势相同的疾病类别为潜在患发类别；

逐个计算所述潜在患发类别中每个类别对应的曲线图与所述数据分布图之间的匹配度，确定所述匹配度为所述目标用户对每个所述疾病类别的潜在风险数值。

8.一种基于多维数据的健康指数分析装置，其特征在于，所述装置包括：数据分析模块，用于获取预设的用户群体内每个用户的病史数据，按照所述病史数据将所述用户群体分类为多个疾病类别，对每个所述疾病类别的用户对应的病史数据进行时序分析，得到每个疾病类别对应的疾病诱因；

时序关联模块，用于获取所述用户群体内每个用户的监测指标数据，将所述监测指标数据按照时间先后顺序与所述病史数据进行时序关联；

趋势分析模块，用于对时序关联后的监测指标数据进行曲线趋势分析，得到每个疾病类别对应的指标变化趋势，获取目标用户在预设时间段内的用户指标数据，识别所述用户指标数据的数值变化趋势；

数值计算模块，用于根据所述数值变化趋势与所述指标变化趋势计算所述目标用户对每个所述疾病类别的潜在风险数值，根据所述疾病诱因和所述潜在风险数值计算所述目标用户的综合健康指数。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于多维数据的健康指数分析方法。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于多维数据的健康指数分析方法。

说明书

基于多维数据的健康指数分析方法、装置、设备及介质

技术领域

[0001] 本发明涉及人工智能技术领域，尤其涉及一种基于多维数据的健康指数分析方法、装置、电子设备及计算机可读存储介质。

背景技术

[0002] 随着生活水平的逐步提升，人们对于自身的健康状况愈发重视。人们采用智能手环、多功能手表等智能设备对自身的健康数据进行监测，并对监测到的数据进行分析，试图从数据中判断出自身的健康状况。

[0003] 目前市面上的健康状况分析方法多为基于当前数据的告警分析，即通过智能设备对用户当前的心率、血压等数据进行监测，并结合当前数据给出响应提示。但实际应用中，健康状况的好坏往往取决于长期因素的影响，该方法中仅依靠当前监测的数据进行分析，会导致分析结果存在滞后性，且精确度较低，因此，如何对用户的健康状况进行合理分析，成为了亟待解决的问题。

发明内容

[0004] 本发明提供一种基于多维数据的健康指数分析方法、装置及计算机可读存储介质，其主要目的在于解决进行健康状况的分析时合理度较低的问题。

[0005] 为实现上述目的，本发明提供的一种基于多维数据的健康指数分析方法，包括：

[0006] 获取预设的用户群体内每个用户的病史数据，按照所述病史数据将所述用户群体分类为多个疾病类别；

[0007] 对每个所述疾病类别的用户对应的病史数据进行时序分析，得到每个疾病类别对应的疾病诱因；

[0008] 获取所述用户群体内每个用户的监测指标数据，将所述监测指标数据按照时间先后顺序与所述病史数据进行时序关联；

[0009] 对时序关联后的监测指标数据进行曲线趋势分析，得到每个疾病类别对应的指标变化趋势；

[0010] 获取目标用户在预设时间段内的用户指标数据，识别所述用户指标数据的数值变化趋势；

[0011] 根据所述数值变化趋势与所述指标变化趋势计算所述目标用户对每个所述疾病类别的潜在风险数值；

[0012] 根据所述疾病诱因和所述潜在风险数值计算所述目标用户的综合健康指数。

[0013] 可选地，所述按照所述病史数据将所述用户群体分类为多个疾病类别，包括：

[0014] 获取疾病名称表，根据所述疾病名称表内的疾病名称编译规则表达式；

[0015] 利用所述规则表达式对所述病史数据进行疾病名称召回，得到所述用户群体内每个用户的疾病名称；

[0016] 按照所述疾病名称将所述用户群体内每个用户分类为多个疾病类别。

[0017] 可选地，所述对每个所述疾病类别的用户对应的病史数据进行时序分析，得到每个疾病类别对应的疾病诱因，包括：

[0018] 逐个从所述疾病类别中选取其中一个疾病类别为目标类别，将所述目标类别的用户的疾病患发时间映射至预设的坐标系中；

[0019] 判断所述疾病患发时间在所述坐标系内的数据分布是否符合白噪声分布；

[0020] 若所述疾病患发时间在所述坐标系内的数据分布符合白噪声分布，则确定所述目标类别的疾病诱因为与时间无关；

[0021] 若所述疾病患发时间在所述坐标系内的的数据分布不符合白噪声分布，则提取所述疾病患发时间在所述坐标系内的数据分布符的分布密度，根据所述分布密度确定所述目标类别的疾病诱因。

[0022] 可选地，所述提取所述疾病患发时间在所述坐标系内的数据分布符的分布密度，根据所述分布密度确定所述目标类别的疾病诱因，包括：

[0023] 统计所述疾病患发时间在所述坐标系内每个预设区间中的数据密度；

[0024] 选取所述数据密度大于预设密度阈值的预设区间为高密度区间；

[0025] 确定所述高密度区间在所述坐标系内对应的时间段为所述目标类别的疾病诱因。

[0026] 可选地，所述将所述监测指标数据按照时间先后顺序与所述病史数据进行时序关联，包括：

[0027] 统计所述监测指标数据中每个数据的监测时间；

[0028] 统计所述病史数据中每个数据的生成时间；

[0029] 将所述监测时间与所述生成时间相一致的监测指标数据和病史数据进行关联存储，完成对所述监测指标数据和所述病史数据的时序关联。

[0030] 可选地，所述对时序关联后的监测指标数据进行曲线趋势分析，得到每个疾病类别对应的指标变化趋势，包括：

[0031] 将时序关联后的监测指标数据进行曲线拟合，得到每个疾病类别对应的曲线图；

[0032] 对所述曲线图进行预设次数的卷积处理及池化处理，得到所述曲线图的曲线特征；

[0033] 逐个计算所述曲线特征与预设的多个趋势标签之间的距离值，并确定所述距离值最小的趋势标签为所述时序关联后的监测指标数据的指标变化趋势。

[0034] 可选地，所述根据所述数值变化趋势与所述指标变化趋势计算所述目标用户对每个所述疾病类别的潜在风险数值，包括：

[0035] 绘制所述用户指标数据的数据分布图；

[0036] 选取所述指标变化趋势与所述数值变化趋势相同的疾病类别为潜在患发类别；

[0037] 逐个计算所述潜在患发类别中每个类别对应的曲线图与所述数据分布图之间的匹配度，确定所述匹配度为所述目标用户对每个所述疾病类别的潜在风险数值。

[0038] 为了解决上述问题，本发明还提供一种基于多维数据的健康指数分析装置，所述装置包括：

[0039] 数据分析模块，用于获取预设的用户群体内每个用户的病史数据，按照所述病史数据将所述用户群体分类为多个疾病类别，对每个所述疾病类别的用户对应的病史数据进行时序分析，得到每个疾病类别对应的疾病诱因；

[0040] 时序关联模块，用于获取所述用户群体内每个用户的监测指标数据，将所述监测指标数据按照时间先后顺序与所述病史数据进行时序关联；

[0041] 趋势分析模块，用于对时序关联后的监测指标数据进行曲线趋势分析，得到每个疾病类别对应的指标变化趋势，获取目标用户在预设时间段内的用户指标数据，识别所述用户指标数据的数值变化趋势；

[0042] 数值计算模块，用于根据所述数值变化趋势与所述指标变化趋势计算所述目标用户对每个所述疾病类别的潜在风险数值，根据所述疾病诱因和所述潜在风险数值计算所述目标用户的综合健康指数。

[0043] 为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

[0044] 至少一个处理器；以及，

[0045] 与所述至少一个处理器通信连接的存储器；其中，

[0046] 所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于多维数据的健康指数分析方法。

[0047] 为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于多维数据的健康指数分析方法。

[0048] 本发明实施例通过对预设用户群体中每个用户的病史数据进行分类和时序分析，得到不同疾病类别对应的疾病诱因，可实现利用大数据合理分析出不同疾病类别疾病的潜在患发原因；同时，将该用户群体内每个用户的监测指标数据与病史数据进行时序关联，进而对时序关联后的监测指标数据进行趋势分析，以从长期时间线上分析出目标用户对不同类别疾病的潜在患发风险，并最终结合疾病诱因和潜在风险对目标用户的健康状况进行综合判定，实现了从长期、多维度对用户健康状况进行分析与评估，提升了最终分析结果的合理性。因此本发明提出的基于多维数据的健康指数分析方法、装置、电子设备及计算机可读存储介质，可以解决进行健康状况的分析时合理度较低的问题。

附图说明

[0049] 图1为本发明一实施例提供的基于多维数据的健康指数分析方法的流程示意图；

[0050] 图2为本发明一实施例提供的基于多维数据的健康指数分析装置的功能模块图；

[0051] 图3为本发明一实施例提供的实现所述基于多维数据的健康指数分析方法的电子设备的结构示意图。

[0052] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

[0053] 应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

[0054] 本申请实施例提供一种基于多维数据的健康指数分析方法。所述基于多维数据的健康指数分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于多维数据的健康指数分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

[0055] 参照图1所示，为本发明一实施例提供的基于多维数据的健康指数分析方法的流程示意图。在本实施例中，所述基于多维数据的健康指数分析方法包括：

[0056] S1、获取预设的用户群体内每个用户的病史数据，按照所述病史数据将所述用户群体分类为多个疾病类别。

[0057] 本发明实施例中，所述预设群体包括多名用户，所述病史数据是指所述用户群体内每个用户授权上传的自身的历史疾病数据，记载每个用户在历史时间段内患有的多种疾病，以及每一种疾病的患病时间等数据。

[0058] 详细地，为了实现对所述用户群体的病史数据进行有类别的细致分析，可按照所述病史数据对所述用户群体进行分类，得到该用户群体对应的多个疾病类别。

[0059] 本发明实施例中，所述按照所述病史数据将所述用户群体分类为多个疾病类别，包括：

[0060] 获取疾病名称表，根据所述疾病名称表内的疾病名称编译规则表达式；

[0061] 利用所述规则表达式对所述病史数据进行疾病名称召回，得到所述用户群体内每个用户的疾病名称；

[0062] 按照所述疾病名称将所述用户群体内每个用户分类为多个疾病类别。

[0063] 详细地，所述疾病名称表中包含多个疾病名称，可将预设字符按照所述疾病名称表内的疾病名称编译为规则表达式，其中，所述规则表达式为可用于对文本内特定格式字段进行匹配召回的语句。

[0064] 具体地，可利用所述规则表达式对所述病史数据进行处理，进而从该病史数据内提取出与所述疾病名称表中的疾病名称相同的字段，以获得所述用户群体内每个用户的疾病名称。

[0065] 进一步地，可将拥有相同疾病名称的用户划分为一个团体，以实现对用户的分类，得到多个疾病类别的用户。

[0066] S2、对每个所述疾病类别的用户对应的病史数据进行时序分析，得到每个疾病类别对应的疾病诱因。

[0067] 本发明其中一个实际应用场景中，不同疾病的患发不仅仅取决于用户当前的健康状况，还需要考虑年龄、环境、生活习惯等因素，其中，由于社会的集体化程度的不断提高，大部分群体在所处的环境以及拥有的生活习惯会较为类似，因此，时间(即年龄)成为了不同疾病之间患发的重要考量因素。

[0068] 详细地，可对每个所述疾病类别的用户对应的病史数据进行时序分析，以通过时间关系从所述病史数据内分析得到每个疾病类别对应的疾病诱因，其中，所述疾病诱因包括随着时间发展每类疾病的患发趋势，以及，在用户患发某种疾病的前提下，对该用户后续患发的疾病的诱导趋势。

[0069] 本发明实施例中，所述对每个所述疾病类别的用户对应的病史数据进行时序分析，得到每个疾病类别对应的疾病诱因，包括：

[0070] 逐个从所述疾病类别中选取其中一个疾病类别为目标类别，将所述目标类别的用户的疾病患发时间映射至预设的坐标系中；

[0071] 判断所述疾病患发时间在所述坐标系内的数据分布是否符合白噪声分布；

[0072] 若所述疾病患发时间在所述坐标系内的数据分布符合白噪声分布，则确定所述目标类别的疾病诱因为与时间无关；

[0073] 若所述疾病患发时间在所述坐标系内的的数据分布不符合白噪声分布，则提取所述疾病患发时间在所述坐标系内的数据分布符的分布密度，根据所述分布密度确定所述目标类别的疾病诱因。

[0074] 详细地，可统计所述疾病患发时间在所述坐标系内的坐标(即数据分布)，并按照所述坐标对预设的白噪声曲线进行拟合，当该坐标与所述白噪声曲线在预设误差范围内相吻合时，则确定所述疾病患发时间在所述坐标系内的数据分布符合白噪声分布，即确定所述目标类别的疾病诱因为与时间无关。

[0075] 进一步地，当该坐标与所述白噪声曲线在预设误差范围内不吻合时，则确定所述疾病患发时间在所述坐标系内的的数据分布不符合白噪声分布，即确定所述目标类别的疾病诱因为与时间相关，可提取所述疾病患发时间在所述坐标系内的数据分布符的分布密度，进而判断所述目标类别的疾病诱因。

[0076] 本发明实施例中，所述提取所述疾病患发时间在所述坐标系内的数据分布符的分布密度，根据所述分布密度确定所述目标类别的疾病诱因，包括：

[0077] 统计所述疾病患发时间在所述坐标系内每个预设区间中的数据密度；

[0078] 选取所述数据密度大于预设密度阈值的预设区间为高密度区间；

[0079] 确定所述高密度区间在所述坐标系内对应的时间段为所述目标类别的疾病诱因。

[0080] 详细地，可按照预设区间长度对所述坐标系内表示时间的轴进行划分，并统计每个预设区间内的数据量，将所述数据量作为每个预设区间对应的数据密度。

[0081] 具体地，可将数据密度大于预设密度阈值的高密度区间在所述坐标系内对应的时间段为所述目标类别的疾病诱因；例如，目标类别的疾病的患病时间(高密度区间)集中在20岁至25岁，则可确定该目标类别的疾病的疾病诱因包括20岁至25岁这个时间段。

[0082] S3、获取所述用户群体内每个用户的监测指标数据，将所述监测指标数据按照时间先后顺序与所述病史数据进行时序关联。

[0083] 本发明实施例中，所述监测指标数据包括对用户群体内每个用户的心率、血压、血氧含量等健康指标进行监测得到的数据。

[0084] 详细地，可利用用户佩戴的智能手表、手环等数据采集设备对用户的健康指标进行实时监测与记录，进而得到所述用户群体内每个用户的监测指标数据。

[0085] 进一步地，为了实现对所述监测指标数据与所述病史数据的联合分析，可将所述监测指标数据按照时间的先后顺序与所述病史数据进行时间上的关联，以便于提升后续分析的精确度。

[0086] 本发明实施例中，所述将所述监测指标数据按照时间先后顺序与所述病史数据进行时序关联，包括：

[0087] 统计所述监测指标数据中每个数据的监测时间；

[0088] 统计所述病史数据中每个数据的生成时间；

[0089] 将所述监测时间与所述生成时间相一致的监测指标数据和病史数据进行关联存储，完成对所述监测指标数据和所述病史数据的时序关联。

[0090] 详细地，可将所述监测指标数据中的每个数据，与所述病史数据中的每个数据按照对应的监测时间与生成时间，将时间一致的数据进行关联存储，以实现对所述监测指标数据和所述病史数据的时序关联，便于提升后续数据分析的合理度及精确度。

[0091] S4、对时序关联后的监测指标数据进行曲线趋势分析，得到每个疾病类别对应的指标变化趋势。

[0092] 本发明其中一个实际应用场景中，为了分析出在不同疾病类别的疾病患发之前，用户自身被监测到的指标如何变化，可对时序关联后的监测指标数据进行曲线趋势分析，以观测出监测指标数据与疾病患发之间的潜在关系。

[0093] 详细地，可利用预设的趋势分析模型对时序关联后的监测指标数据进行曲线趋势分析，其中，所述趋势分析模型包括但不限于卷积神经网络模型。

[0094] 本发明实施例中，所述对时序关联后的监测指标数据进行曲线趋势分析，得到每个疾病类别对应的指标变化趋势，包括：

[0095] 将时序关联后的监测指标数据进行曲线拟合，得到每个疾病类别对应的曲线图；

[0096] 对所述曲线图进行预设次数的卷积处理及池化处理，得到所述曲线图的曲线特征；

[0097] 逐个计算所述曲线特征与预设的多个趋势标签之间的距离值，并确定所述距离值最小的趋势标签为所述时序关联后的监测指标数据的指标变化趋势。

[0098] 详细地，可利用插值法将时序关联后的监测指标数据进行曲线拟合，以提升生成所述曲线图的效率。

[0099] 具体地，可利用预设的卷积神经网络的卷积层与池化层对所述曲线图进行预设次数的卷积处理及池化处理，以从所述曲线图中提取出曲线特征。

[0100] 进一步地，可利用预设的距离值算法逐个计算所述曲线特征与预设的多个趋势标签之间的距离值，其中，所述距离值算法包括但不限于余弦距离算法、欧式距离算法。

[0101] S5、获取目标用户在预设时间段内的用户指标数据，识别所述用户指标数据的数值变化趋势。

[0102] 本发明实施例中，所述用户指标数据是指在预设时间段内对目标用户进行检测获得的各项指标的数据。

[0103] 例如，在过去一个月内对所述目标用户进行检测所得到的心率、血压、血氧含量等各项指标数据。

[0104] 本发明其中一个实际应用场景中，由于同一疾病类别的疾病在患发之前，人们身体会具有相似或相同的自我反应，因此，可对获取到的目标用户在预设时间段内的用户指标数据进行数值变化趋势的分析，以便于后续精确判断出该目标用户对不同类别疾病的潜在患发风险。

[0105] 本发明实施例中，所述识别所述用户指标数据的数值变化趋势的步骤，与步骤S4中对时序关联后的监测指标数据进行曲线趋势分析，得到每个疾病类别对应的指标变化趋势的步骤一致，在此不做赘述。

[0106] S6、根据所述数值变化趋势与所述指标变化趋势计算所述目标用户对每个所述疾病类别的潜在风险数值。

[0107] 本发明实施例中，由于所述数值变化趋势与所述指标变化趋势仅为单一标签，因此，为了提升对所述数值变化趋势与所述指标变化趋势进行分析的精确度，可详细计算所述目标用户对每个所述疾病类别的潜在风险数值。

[0108] 本发明实施例中，所述根据所述数值变化趋势与所述指标变化趋势计算所述目标用户对每个所述疾病类别的潜在风险数值，包括：

[0109] 绘制所述用户指标数据的数据分布图；

[0110] 选取所述指标变化趋势与所述数值变化趋势相同的疾病类别为潜在患发类别；

[0111] 逐个计算所述潜在患发类别中每个类别对应的曲线图与所述数据分布图之间的匹配度，确定所述匹配度为所述目标用户对每个所述疾病类别的潜在风险数值。

[0112] 详细地，所述绘制所述用户指标数据的数据分布图的步骤，与S4中将时序关联后的监测指标数据进行曲线拟合，得到每个疾病类别对应的曲线图的步骤一致，在此不做赘述。

[0113] 具体地，所述逐个计算所述潜在患发类别中每个类别对应的曲线图与所述数据分布图之间的匹配度，包括：

[0114] 利用如下匹配度算法逐个计算所述潜在患发类别中每个类别对应的曲线图与所述数据分布图之间的匹配度：

[0115]

[0116] 其中，D为所述匹配度，ai为所述数据分布图中第i个数据的坐标，bi,j为第j个潜在患发类别对应的曲线图中第i个数据的坐标。

[0117] S7、根据所述疾病诱因和所述潜在风险数值计算所述目标用户的综合健康指数。

[0118] 本发明实施例中，所述根据所述疾病诱因和所述潜在风险数值计算所述目标用户的综合健康指数，包括：

[0119] 获取所述目标用户的用户病史，并从所述多个疾病类别中逐个选取其中一个疾病类别，根据所述用户病史确定所述目标用户对被选取的疾病类别的疾病诱因数量；

[0120] 利用预设的权重算法根据所述潜在风险数值和所述疾病诱因数量计算得到所述目标用户对被选取的疾病类别的健康指数；

[0121] 将所述目标用户对所有疾病类别的健康指数进行求和，得到所述目标用户的综合健康指数。

[0122] 详细地，所述用户病史是指所述目标用户的病史数据，可根据所述疾病诱因和所述用户病史确定所述目标用户对被选取的疾病类别的疾病诱因数量。

[0123] 具体地，所述权重算法如下：

[0124] L＝ω1*R+ω2*T

[0125] 其中，L为所述目标用户对被选取的疾病类别的健康指数，R为所述潜在风险数值，T为所述目标用户对被选取的疾病类别的疾病诱因数量，ω1、ω2为预设权重系数。

[0126] 本发明实施例通过对预设用户群体中每个用户的病史数据进行分类和时序分析，得到不同疾病类别对应的疾病诱因，可实现利用大数据合理分析出不同疾病类别疾病的潜在患发原因；同时，将该用户群体内每个用户的监测指标数据与病史数据进行时序关联，进而对时序关联后的监测指标数据进行趋势分析，以从长期时间线上分析出目标用户对不同类别疾病的潜在患发风险，并最终结合疾病诱因和潜在风险对目标用户的健康状况进行综合判定，实现了从长期、多维度对用户健康状况进行分析与评估，提升了最终分析结果的合理性。因此本发明提出的基于多维数据的健康指数分析方法，可以解决进行健康状况的分析时合理度较低的问题。

[0127] 如图2所示，是本发明一实施例提供的基于多维数据的健康指数分析装置的功能模块图。

[0128] 本发明所述基于多维数据的健康指数分析装置100可以安装于电子设备中。根据实现的功能，所述基于多维数据的健康指数分析装置100可以包括数据分析模块101、时序关联模块102、趋势分析模块103和数值计算模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

[0129] 在本实施例中，关于各模块/单元的功能如下：

[0130] 所述数据分析模块101，用于获取预设的用户群体内每个用户的病史数据，按照所述病史数据将所述用户群体分类为多个疾病类别，对每个所述疾病类别的用户对应的病史数据进行时序分析，得到每个疾病类别对应的疾病诱因；

[0131] 所述时序关联模块102，用于获取所述用户群体内每个用户的监测指标数据，将所述监测指标数据按照时间先后顺序与所述病史数据进行时序关联；

[0132] 所述趋势分析模块103，用于对时序关联后的监测指标数据进行曲线趋势分析，得到每个疾病类别对应的指标变化趋势，获取目标用户在预设时间段内的用户指标数据，识别所述用户指标数据的数值变化趋势；

[0133] 所述数值计算模块104，用于根据所述数值变化趋势与所述指标变化趋势计算所述目标用户对每个所述疾病类别的潜在风险数值，根据所述疾病诱因和所述潜在风险数值计算所述目标用户的综合健康指数。

[0134] 详细地，本发明实施例中所述基于多维数据的健康指数分析装置100中所述的各模块在使用时采用与上述图1中所述的基于多维数据的健康指数分析方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。

[0135] 如图3所示，是本发明一实施例提供的实现基于多维数据的健康指数分析方法的电子设备的结构示意图。

[0136] 所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于多维数据的健康指数分析程序。

[0137] 其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于多维数据的健康指数分析程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。

[0138] 所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于多维数据的健康指数分析程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

[0139] 所述通信总线12可以是外设部件互连标准(peripheral  component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

[0140] 所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI‑FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light‑Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。

[0141] 图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

[0142] 例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi‑Fi模块等，在此不再赘述。

[0143] 应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

[0144] 所述电子设备1中的所述存储器11存储的基于多维数据的健康指数分析程序是多个指令的组合，在所述处理器10中运行时，可以实现：

[0145] 获取预设的用户群体内每个用户的病史数据，按照所述病史数据将所述用户群体分类为多个疾病类别；

[0146] 对每个所述疾病类别的用户对应的病史数据进行时序分析，得到每个疾病类别对应的疾病诱因；

[0147] 获取所述用户群体内每个用户的监测指标数据，将所述监测指标数据按照时间先后顺序与所述病史数据进行时序关联；

[0148] 对时序关联后的监测指标数据进行曲线趋势分析，得到每个疾病类别对应的指标变化趋势；

[0149] 获取目标用户在预设时间段内的用户指标数据，识别所述用户指标数据的数值变化趋势；

[0150] 根据所述数值变化趋势与所述指标变化趋势计算所述目标用户对每个所述疾病类别的潜在风险数值；

[0151] 根据所述疾病诱因和所述潜在风险数值计算所述目标用户的综合健康指数。

[0152] 具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。

[0153] 进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read‑Only Memory)。

[0154] 本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：

[0155] 获取预设的用户群体内每个用户的病史数据，按照所述病史数据将所述用户群体分类为多个疾病类别；

[0156] 对每个所述疾病类别的用户对应的病史数据进行时序分析，得到每个疾病类别对应的疾病诱因；

[0157] 获取所述用户群体内每个用户的监测指标数据，将所述监测指标数据按照时间先后顺序与所述病史数据进行时序关联；

[0158] 对时序关联后的监测指标数据进行曲线趋势分析，得到每个疾病类别对应的指标变化趋势；

[0159] 获取目标用户在预设时间段内的用户指标数据，识别所述用户指标数据的数值变化趋势；

[0160] 根据所述数值变化趋势与所述指标变化趋势计算所述目标用户对每个所述疾病类别的潜在风险数值；

[0161] 根据所述疾病诱因和所述潜在风险数值计算所述目标用户的综合健康指数。

[0162] 在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

[0163] 所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

[0164] 另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

[0165] 对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

[0166] 因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

[0167] 本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

[0168] 此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。

[0169] 最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。