[发明专利]生理数据的处理方法、装置、电子设备和存储介质

权利要求书

1.一种生理数据的处理方法，其特征在于，所述方法包括：

根据设定区域中各用户设备在历史时段采集的生理数据，确定所述生理数据的实际异常率；

获取所述设定区域中目标疾病在所述历史时段的实际发病数据；

在受到所述目标疾病影响条件下，根据所述生理数据的实际异常率，预测所述生理数据在预测时段的第一预测异常率；其中，目标疾病的影响程度是根据所述目标疾病在所述历史时段的实际发病数据确定的；

在排除所述目标疾病影响条件下，根据所述生理数据的实际异常率，预测所述生理数据在所述预测时段的第二预测异常率；

根据所述第一预测异常率和所述第二预测异常率的差值，确定所述设定区域中所述目标疾病所导致的生理数据的异常率。

2.根据权利要求1所述的处理方法，其特征在于，所述在受到所述目标疾病影响条件下，根据所述生理数据的实际异常率，预测所述生理数据在预测时段的第一预测异常率，包括：

根据所述实际发病数据，确定实际人群发病密度值；

将所述生理数据的实际异常率，以及所述实际人群发病密度值作为输入参数，输入所述设定区域对应的预测模型，得到所述第一预测异常率。

3.根据权利要求2所述的处理方法，其特征在于，所述在排除所述目标疾病影响条件下，根据所述生理数据的实际异常率，预测所述生理数据在所述预测时段的第二预测异常率，包括：

将所述生理数据的实际异常率，以及取值为零的所述实际人群发病密度值作为输入参数，输入所述设定区域对应的预测模型，得到所述第二预测异常率。

4.根据权利要求3所述的处理方法，其特征在于，所述方法还包括：

根据所述设定区域中所述目标疾病在所述预测时段的实际发病数据，确定所述预测时段所述目标疾病所导致的生理数据的异常率期望值；

根据所述预测时段所述目标疾病所导致的生理数据的异常率期望值，生成训练样本；

根据所述训练样本，对所述预测模型进行更新。

5.根据权利要求4所述的处理方法，其特征在于，所述根据所述训练样本，对所述预测模型进行更新，包括：

根据当前周期对应的时间窗，获取所述生理数据的异常率期望值所属预测时段处于所述时间窗内的训练样本；

采用当前周期对应的时间窗内的训练样本，在所述当前周期前一个周期的预测模型基础上，训练得到所述当前周期的预测模型。

6.根据权利要求2所述的处理方法，其特征在于，所述输入参数还包括用于指示影响因素的稀疏向量，所述预测模型包括：

第一子神经网络，用于输入所述稀疏向量，以提取所述稀疏向量的特征；

第二子神经网络，用于输入稠密向量，以提取所述稠密向量的特征；其中，所述稠密向量包括所述历史时段所述生理数据的实际异常率、所述目标疾病在所述历史时段的所述实际人群发病密度值和活跃用户设备的密度；所述历史时段，包括最近设定天数；所述活跃用户设备，为在线时长满足阈值的用户设备；

全连接网络，用于连接所述第一子神经网络和所述第二子神经网络，用于根据所述稀疏向量的特征，以及所述稠密向量的特征预测所述生理数据的异常率。

7.根据权利要求6所述的处理方法，其特征在于，

所述稀疏向量包括天气状态、节假日信息或季节信息中的一个或多个组合。

8.根据权利要求1所述的处理方法，其特征在于，

所述设定区域是全球、大洲、国家、省或市。

9.根据权利要求1所述的处理方法，其特征在于，所述根据设定区域中各用户设备在历史时段采集的生理数据，确定所述生理数据的实际异常率，包括：

根据所述设定区域中所述历史时间段内各用户设备的在线时长，确定在线时长满足阈值的用户设备；

获取所述在线时长满足阈值的用户设备的生理数据；

根据所获取的在线时长满足阈值的用户设备的生理数据，确定所述生理数据的实际异常率。