[发明专利]指标数据处理方法、相关设备及介质

权利要求书

1.一种指标数据处理方法，其特征在于，所述方法包括：

获取目标用户与医疗相关的用户特征数据；所述用户特征数据包括用药行为数据和血压测量数据；所述用药行为数据所表征的特征维度与所述血压测量数据所表征的特征维度不同；

将所述用户特征数据中的所述用药行为数据和所述血压测量数据输入第一预测模型，由所述第一预测模型通过所述用药行为数据和所述血压测量数据对所述目标用户的用药行为与血压变化指标进行关联，得到针对所述目标用户的预测结果；所述预测结果用于指示所述目标用户的预测血压变化曲线；

根据由所述血压变化指标所指定的时间段从所述预测血压变化曲线中确定N个血压变化曲线片段，并确定所述N个血压变化曲线片段中每个血压变化曲线片段的初始指标变化特征；N为正整数；

将与所述每个血压变化曲线片段关联的血压变化曲线片段的关联指标变化特征以及所述每个血压变化曲线片段的初始指标变化特征进行拼接，得到所述每个血压变化曲线片段对应的拼接特征向量，根据所述拼接特征向量确定第一方向的关联特征向量和第二方向的关联特征向量，根据所述第一方向的关联特征向量和所述第二方向的关联特征向量确定所述每个血压变化曲线片段的目标指标变化特征；所述N个血压变化曲线片段包括第i个血压变化曲线片段，i为小于或等于N的整数；若i为1，与所述第i个血压变化曲线片段关联的血压变化曲线片段的关联指标变化特征为预设特征向量；若i大于1，与所述第i个血压变化曲线片段关联的血压变化曲线片段的关联指标变化特征为所述N个血压变化曲线片段包括的第i-1个血压变化曲线片段的目标指标变化特征；

将所述每个血压变化曲线片段的目标指标变化特征分别输入第二预测模型，得到所述每个血压变化曲线片段的异常值；

根据所述每个血压变化曲线片段的异常值从所述N个血压变化曲线片段中确定出异常血压变化曲线片段；所述异常血压变化曲线片段用于确定所述目标用户的健康状况。

2.根据权利要求1所述的方法，其特征在于，所述第二预测模型为随机森林模型；

所述将所述每个血压变化曲线片段的目标指标变化特征分别输入第二预测模型，得到所述每个血压变化曲线片段的异常值，包括：

将所述每个血压变化曲线片段的目标指标变化特征输入所述随机森林模型，由所述随机森林模型包括的各个决策树根据所述每个血压变化曲线片段的目标指标变化特征分别进行划分，得到所述每个血压变化曲线片段分别对应的在所述各个决策树中所划分的叶子节点；

根据所述每个血压变化曲线片段分别对应的在所述各个决策树中所划分的叶子节点的数值，确定所述每个血压变化曲线片段的异常值。

3.根据权利要求1所述的方法，其特征在于，所述将所述用药行为数据和所述血压测量数据输入第一预测模型，由所述第一预测模型通过所述用药行为数据和所述血压测量数据对所述目标用户的用药行为与血压变化指标进行关联，得到针对所述目标用户的预测结果，包括：

将所述用药行为数据输入所述第一预测模型，得到针对所述目标用户的第一特征向量；

将所述血压测量数据输入所述第一预测模型，得到针对所述目标用户的第二特征向量；

将所述第一特征向量和所述第二特征向量进行特征融合，得到融合特征向量；

根据所述融合特征向量和所述第一预测模型，得到针对所述目标用户的预测结果。

4.根据权利要求3所述的方法，其特征在于，所述根据所述融合特征向量和所述第一预测模型，得到针对所述目标用户的预测结果，包括：

对所述第一预测模型包括的目标神经网络进行N次神经元失效处理；

根据所述融合特征向量和所述N次神经元失效处理后的第一预测模型，得到N个针对所述目标用户的初始预测结果；所述初始预测结果用于指示经神经元失效处理后的第一预测模型生成的初始预测血压变化曲线；

根据所述N个针对所述目标用户的初始预测结果确定出针对所述目标用户的预测结果。