[发明专利]基于预测模型的健康管理方法、装置和计算机设备

说明书

本申请中提供了一种基于预测模型的健康管理方法、装置和计算机设备，包括以下步骤：获取用户的生理特征信息，其中，所述生理特征信息包括但不限于以下信息中的一种或者多种：声音信息和血液对可见光的吸收度的信息；将所述生理特征信息输入到对应的预测模型中预测，获取到对应的健康结果；根据所述健康结果数据从数据库中查询到对应的健康方案；将所述健康结果数据以及所述健康方案发送给所述用户对应的用户端。通过获取到用户的生理特征信息，将获取到的生理特征信息输入到对应的预测模型中进行预测，进而获取到对应的健康结果，以便用户能及时发现自身的身体状态，并获取到对应的健康方案，让用户注意身体健康情况以降低用户的出险几率。

技术领域

本申请涉及计算机技术领域，特别涉及一种基于预测模型的健康管理方法、装置和计算机设备。

背景技术

现有的检测身体是通过去到医院进行检查，再通过医生审核得到对应的结论，需要等到用户去做检查才能发现存在的问题，而随着信息技术的不断发展，如何方便检测身体的健康状态越来越成为现有人们关注的重点，如何实现提前发现身体的健康状态，以便及时进行防御成为人们关注的问题。

发明内容

本申请的主要目的为提供一种基于预测模型的健康管理方法、装置和计算机设备，用于用户的健康管理。

为实现上述目的，本申请提供了一种基于预测模型的健康管理方法，包括以下步骤：

获取用户的生理特征信息，其中，所述生理特征信息包括但不限于以下信息中的一种或者多种：声音信息和血液对可见光的吸收度的信息；

将所述生理特征信息输入到对应的预测模型中预测，获取到对应的健康结果；

根据所述健康结果数据从数据库中查询到对应的健康方案；

将所述健康结果数据以及所述健康方案发送给所述用户对应的用户端。

进一步地，所述将所述生理特征信息输入到对应的预测模型中预测，获取到对应的健康结果的步骤，包括：

若获取所述用户的生理特征信息为所述声音信息，则将所述声音信息输入到声音模型中进行预测，预测出所述声音信息的健康结果；其中，所述声音模型是利用已知声音以及已知声音的健康状态，基于LSTM神经网络训练得到。

进一步地，所述将所述生理特征的信息输入到对应的预测模型中预测，获取到对应的健康结果的步骤，还包括：

若所述用户的生理特征信息为所述血液对可见光的吸收度的信息，根据所述血液对可见光的吸收度的信息获取到对应的心脏跳动图像；

将所述心脏跳动图像输入到心电模型中进行预测，预测出所述心脏跳动图像的健康结果，其中，所述心电模型是利用已知的人体心脏跳动的状态变化，基于卷积神经网络或者深层神经网络训练得到。

进一步地，所述获取所述用户的生理特征信息包括：

当所述用户的生理特征信息包括所述声音信息时，获取所述用户的待识别的所有声音信号；

将所述待识别的所有声音信号输入预设的声音过滤模型中进行过滤，过滤出所述声音信息；其中，所述声音过滤模型是利用已知的各类声音数据，基于fastICA神经网络训练得到。

进一步地，所述将所述健康结果数据以及所述健康方案发送给对应的用户端的步骤之后，还包括：

获取所述用户的当前状态的照片以及所述用户所处的当前环境状态的照片；

将获取到的所述当前状态的照片以及所述当前环境状态的照片发送至存储库中。

进一步地，所述将获取到的所述当前状态的照片以及所述当前环境状态的照片发送至存储库中的步骤之后，还包括：