【技术实现步骤摘要】
本专利技术属于糖尿病患者的智能管理，尤其涉及一种基于人工智能的糖尿病患者的智能管理方法及系统。
技术介绍
1、糖尿病是一种由胰岛素绝对或相对分泌不足以及利用障碍引发的，以高血糖为标志的慢性疾病。该疾病主要分为1型、2型和妊娠糖尿病三种类型。病因主要归结为遗传因素和环境因素的共同作用，包括胰岛细胞功能障碍导致的胰岛素分泌下降，或者机体对胰岛素作用不敏感或两者兼备，使得血液中的葡萄糖不能有效被利用和储存。一部分糖尿病患者和家族有疾病聚集现象。此外，糖尿病在全球范围内的发病率和患病率均呈上升趋势。
2、当一个健康的人患上1型、2型糖尿病后，对于这个患者来说，糖尿病的进程就是一个单行道，不可逆转，只能通过控制饮食或者运动缓解糖尿病病程的快慢，当通过日常饮食或者运动对血糖控制得好时，就可以在较大程度上缓解糖尿病的发展进程。日常饮食安排不合理或者运动少使得血糖控制不佳时，就有可能加速糖尿病的发展进程。
3、所以糖尿病患者的日常管理就显得十分重要，传统的糖尿病患者的日常管理是听取医生的建议进行，但是由于诊疗只会在一些时间点进行，因此，医生的建议仅仅针对指定时间点的，无法实现对糖尿病患者的全生命周期的智能管理。因此，如何提供针对糖尿病患者，实现对糖尿病患者的个性化以及全生命周期的智能管理，是目前亟需解决的技术问题。
技术实现思路
1、本专利技术的目的在于提供一种基于人工智能的糖尿病患者的智能管理方法及系统，用以提供针对糖尿病患者，实现对糖尿病患者的个性化以及全生命周期的智能
2、为解决上述技术问题，本专利技术采用的技术方案如下：
3、第一方面，提供一种基于人工智能的糖尿病患者的智能管理方法，包括以下步骤：
4、s1：获取当前糖尿病患者的个人信息和各时间点的各项检查报告数据，将所述各项检查报告数据进行分类，划分为文本数据和图像数据，并对所述文本数据和图像数据进行预处理；
5、s2：将预处理后的文本数据按照先后时间点进行排序，构建指定时间点的文本数据集；将预处理后的图像数据按照先后时间点进行排序，构建所述指定时间点相应的图像数据集；
6、s3：对指定时间点的文本数据集进行文本特征提取，对指定时间点的图像数据进行图像特征提取，并将提取的图像特征数据进行特征转换获取基于图像数据的文本特征；
7、s4：按照指定时间点将基于文本数据的文本特征与同时间点的基于图像数据的文本特征进行特征融合处理，获得各指定时间点的特征融合数据；
8、s5：创建病情发展预测模型并通过已标注的糖尿病患者的数据进行训练，将各指定时间点的特征融合数据输入所述病情发展预测模型对所述指定时间点之间的离散时间点的病情进行预测；
9、s6：基于对指定时间点之间的离散时间点的病情预测结果获取当前糖尿病患者从初次查出糖尿病到当前时间点的整个时间段病情发展情况，以及基于相邻指定时间点获取的各时间段的病情发展情况；
10、s7：创建饮食规划模型并基于已标注饮食规划数据进行训练，并基于各时间段的病情发展情况对以当前时间点为起点的指定长度时间段的饮食进行规划，并基于各时间段的病情发展情况对以当前时间点为起点的指定长度时间段进行诊疗规划；
11、s8：当前糖尿病患者按照饮食规划进行饮食安排，并按照诊疗规划进行诊疗安排，再指定期间后进行相应的身体检查，获取相关的检查数据，并通过所述病情发展预测模型对相同时间点的病情数据进行预测，判断预测的病情数据与检查数据是否反映检查数据对应的病情比预测的病情更严重，若是则按照指定规则对饮食规划和诊疗规划进行调整，若否，则不作调整。
12、优选的，步骤s1中的对所述文本数据和图像数据进行预处理的具体过程如下：
13、s11：对所述文本数据中的噪声数据进行去除处理，并对异常数据进行识别，令文本数据符合正态分布，由文本数据学习正态分布的参数，并把其中低概率的点处的数据识别为异常点，将所述异常点基于其前后信息进行转换处理；
14、s12：将所述图像数据中的图像分辨率低于指定阈值的图像数据进行去除；
15、s13：将剩余的图像数据中的图像进行灰度转换处理，获取各图像中红r、绿g和蓝b的三个颜色分量的值，并计算各图像帧中红r、绿g和蓝b的三个颜色分量的平均值作为灰度转换值；
16、s14：对灰度转换处理后的各图像帧进行几何转换处理，对几何转换处理的各图像进行图像缩放处理，将各图像调整到指定尺寸；
17、s15：通过调整图像对比度和亮度的方式进行图像增强处理，并对图像增强处理后的图像中的病灶区域进行初步识别。
18、优选的，步骤s3中的文本数据集进行文本特征提取的具体过程如下：
19、s31：提取所述文本数据集中的单句，并对各单句进行词语分割，获取文本数据的若干词语，并对若干词语进行分词和词性标注处理，滤除其中的停用词后生成候选关键词；
20、s32：基于候选关键词构建候选关键词图，所述候选关键词图谱包括关键词节点集，并采用共现关系构建任意两关键词节点之间的边，两个关键词节点之间存在的边仅在其对应的词语在指定长度的窗口中共现；
21、s33：基于页面等级算法的衡量重要性的原理，对所述候选关键词图中的关键词节点权重进行初始化，并迭代计算各关键词节点的权重直至达到预设的迭代次数或者达到收敛条件；
22、s34：对所述关键词节点权重进行倒序排序，获取最重要的指定个关键词，并在所述文本数据集中对所述指定个关键词进行标记，当形成相邻词组，则组合成多词关键词。
23、优选的，步骤s3中进行对指定时间点的图像数据进行图像特征提取的具体过程如下：
24、s31：对初步识别后的图像进行高斯模糊，并对图像进行平滑处理；
25、s32：通过计算平湖处理后的图像的水平方向和垂直方向的梯度值，具体公式如下：
26、 gx= i( x-1, y-1) * (-1) + i( x+1, y-1) * 1 + i (x-1, y) * (-2) + i( x+1, y) *2 + i( x-1, y+1) * (-1) + i( x+1, y+1) * 1；
27、 gy =i( x-1, y-1) * (-1) + 本文档来自技高网...
【技术保护点】
1.一种基于人工智能的糖尿病患者的智能管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的糖尿病患者的智能管理方法，其特征在于，步骤S1中的对所述文本数据和图像数据进行预处理的具体过程如下：
3.根据权利要求2所述的一种基于人工智能的糖尿病患者的智能管理方法，其特征在于，步骤S3中的文本数据集进行文本特征提取的具体过程如下：
4.根据权利要求2所述的一种基于人工智能的糖尿病患者的智能管理方法，其特征在于，步骤S3中进行对指定时间点的图像数据进行图像特征提取的具体过程如下：
5.根据权利要求4所述的一种基于人工智能的糖尿病患者的智能管理方法，其特征在于，步骤S3中将图像特征转换为文本特征的具体过程为：基于提取的图像特征转换成文字描述。
6.根据权利要求1所述的一种基于人工智能的糖尿病患者的智能管理方法，其特征在于，按照指定时间点将基于文本数据的文本特征与同时间点的基于图像数据的文本特征进行特征融合处理的具体过程如下：
7.根据权利要求1所述的一种基于人工智能的糖尿病患者的智能管理方法
8.一种基于人工智能的糖尿病患者的智能管理系统，用于实现权利要求1-7任意一项所述的一种基于人工智能的糖尿病患者的智能管理方法，其特征在于，包括数据获取模块、数据预处理模块、数据排序模块、特征提取模块、特征融合模块、模型创建模块、病情发展预测模型、饮食规划模型和诊疗规划模块；
...【技术特征摘要】
1.一种基于人工智能的糖尿病患者的智能管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的糖尿病患者的智能管理方法，其特征在于，步骤s1中的对所述文本数据和图像数据进行预处理的具体过程如下：
3.根据权利要求2所述的一种基于人工智能的糖尿病患者的智能管理方法，其特征在于，步骤s3中的文本数据集进行文本特征提取的具体过程如下：
4.根据权利要求2所述的一种基于人工智能的糖尿病患者的智能管理方法，其特征在于，步骤s3中进行对指定时间点的图像数据进行图像特征提取的具体过程如下：
5.根据权利要求4所述的一种基于人工智能的糖尿病患者的智能管理方法，其特征在于，步骤s3中将图像特征转换为文本特征的具体过程...
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。