本發(fā)明涉及慢性病治療監(jiān)測的，尤其涉及一種慢病人群健康評估方法及評估裝置。

背景技術(shù)：

1、慢病全稱是慢性非傳染性疾病，不是特指某種疾病，而是對一類起病隱匿、病程長且病情遷延不愈、缺乏確切的傳染性生物病因證據(jù)、病因復(fù)雜、且有些尚未完全被確認(rèn)的疾病的概括性總稱。慢性病大多難以根治，一般來說，可以通過長期服藥、定期復(fù)查以及日常合理飲食運(yùn)動進(jìn)行很好的管理，使自身的病情得到穩(wěn)定的控制，防止病情加重，延緩疾病進(jìn)展。

2、隨著科技的不斷發(fā)展，針對慢性病患者人群及慢性病的治療特點(diǎn)，研究人員設(shè)計了針對慢性病患者日常服藥和復(fù)查的系統(tǒng)，例如：監(jiān)督并提醒慢性病患者遵循醫(yī)囑進(jìn)行服藥的智能藥盒，提醒慢性病患者進(jìn)行定時就診復(fù)查的提示程序，以及監(jiān)測患者心跳、血壓的穿戴設(shè)備等。但是現(xiàn)有技術(shù)都是針對單項(xiàng)指標(biāo)監(jiān)測對慢性病患者進(jìn)行提醒，無法結(jié)合慢性病患者的健康狀況對慢性病患者進(jìn)行更精確的健康評估。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種慢病人群健康評估方法及評估裝置，解決了現(xiàn)有技術(shù)無法結(jié)合慢性病患者的健康狀況對慢性病患者進(jìn)行精確的健康風(fēng)險評估的問題。

2、為達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案：

3、第一方面，本發(fā)明提供一種慢病人群健康評估方法，該方法包括：

4、獲取預(yù)先確定的用于存儲記錄慢病人群的歷史患者信息的知識圖譜；在所述知識圖譜中，將所述歷史患者信息中每個慢病患者的基本信息、歷史健康數(shù)據(jù)中的每個生理指標(biāo)、每條歷史診斷信息以及每條歷史治療信息分別作為一個節(jié)點(diǎn)，將任意兩個節(jié)點(diǎn)之間的關(guān)聯(lián)程度作為所述兩個節(jié)點(diǎn)之間的邊權(quán)重；

5、獲取目標(biāo)慢病患者的異常生理狀態(tài)信息，并對所述異常生理狀態(tài)信息進(jìn)行向量化處理，得到查詢向量；所述異常生理狀態(tài)信息包括基于所述目標(biāo)慢病患者的健康數(shù)據(jù)確定的存在異常風(fēng)險的生理指標(biāo)，以及對所述存在異常風(fēng)險的生理指標(biāo)進(jìn)行風(fēng)險趨勢分析后確定的風(fēng)險趨勢等級；

6、分別將所述知識圖譜中所述目標(biāo)慢病患者的每個節(jié)點(diǎn)作為目標(biāo)節(jié)點(diǎn)，將與所述目標(biāo)節(jié)點(diǎn)的邊權(quán)重大于第一預(yù)設(shè)值的節(jié)點(diǎn)作為所述目標(biāo)節(jié)點(diǎn)的鄰居節(jié)點(diǎn)，結(jié)合所述鄰居節(jié)點(diǎn)與所述目標(biāo)節(jié)點(diǎn)之間的邊權(quán)重，分別計算所述查詢向量與每個所述目標(biāo)節(jié)點(diǎn)的相關(guān)度；

7、依據(jù)所述相關(guān)度的大小對所有目標(biāo)節(jié)點(diǎn)進(jìn)行降序排序，并提取排序中前z個目標(biāo)節(jié)點(diǎn)，得到所述目標(biāo)慢病患者的關(guān)鍵醫(yī)療信息；

8、將所述關(guān)鍵醫(yī)療信息輸入到medgpt模型中，所述medgpt模型根據(jù)所述關(guān)鍵醫(yī)療信息生成所述目標(biāo)慢病患者的慢性病健康評估方案；所述慢性病健康評估方案包括所述目標(biāo)慢病患者的風(fēng)險趨勢等級以及治療方案調(diào)整建議。

9、在一種可能的實(shí)現(xiàn)方式中，結(jié)合所述鄰居節(jié)點(diǎn)與所述目標(biāo)節(jié)點(diǎn)之間的邊權(quán)重，分別計算所述查詢向量與每個所述目標(biāo)節(jié)點(diǎn)的相關(guān)度，具體包括：

10、根據(jù)預(yù)先確定的所述查詢向量和每個所述目標(biāo)節(jié)點(diǎn)之間的相似度，以及所述查詢向量和所述鄰居節(jié)點(diǎn)之間的相似度，確定所述目標(biāo)節(jié)點(diǎn)的第一權(quán)重；

11、計算所述目標(biāo)節(jié)點(diǎn)與每個所述鄰居節(jié)點(diǎn)之間的邊權(quán)重總和的平均值，得到所述目標(biāo)節(jié)點(diǎn)的第二權(quán)重；

12、對所述第一權(quán)重和所述第二權(quán)重加權(quán)求和，得到所述目標(biāo)節(jié)點(diǎn)的綜合權(quán)重，并將所述綜合權(quán)重作為所述目標(biāo)節(jié)點(diǎn)的相關(guān)度。

13、在一種可能的實(shí)現(xiàn)方式中，根據(jù)預(yù)先確定的所述查詢向量和每個所述目標(biāo)節(jié)點(diǎn)之間的相似度，以及所述查詢向量和所述鄰居節(jié)點(diǎn)之間的相似度，確定所述目標(biāo)節(jié)點(diǎn)的第一權(quán)重，具體包括：

14、采用余弦相似度算法，分別計算所述查詢向量和每個所述目標(biāo)節(jié)點(diǎn)之間的相似度，以及所述查詢向量和所述鄰居節(jié)點(diǎn)之間的相似度，所述余弦相似度算法具體為：

15、；

16、其中，表示查詢向量，表示目標(biāo)節(jié)點(diǎn)的向量，表示查詢向量和目標(biāo)節(jié)點(diǎn)之間的相似度；

17、根據(jù)softmax函數(shù)計算所述目標(biāo)節(jié)點(diǎn)的第一權(quán)重，所述softmax函數(shù)具體為：

18、；

19、其中，表示目標(biāo)節(jié)點(diǎn)的第一權(quán)重，表示鄰居節(jié)點(diǎn)的向量，表示查詢向量和鄰居節(jié)點(diǎn)之間的相似度，表示鄰居節(jié)點(diǎn)屬于所述知識圖譜中目標(biāo)慢病患者的節(jié)點(diǎn)集合。

20、在一種可能的實(shí)現(xiàn)方式中，在獲取目標(biāo)慢病患者的異常生理狀態(tài)信息，并對所述異常生理狀態(tài)信息進(jìn)行向量化處理，得到查詢向量之前，所述方法還包括：

21、基于實(shí)時獲取的目標(biāo)慢病患者的健康數(shù)據(jù)，確定所述健康數(shù)據(jù)中存在異常風(fēng)險的生理指標(biāo)；所述健康數(shù)據(jù)包括多個用于反饋所述目標(biāo)慢病患者健康狀況的生理指標(biāo)對應(yīng)的生理數(shù)據(jù)；

22、對所述存在異常風(fēng)險的生理指標(biāo)進(jìn)行風(fēng)險趨勢分析，確定所述目標(biāo)慢病患者的慢性病的風(fēng)險趨勢等級。

23、在一種可能的實(shí)現(xiàn)方式中，基于實(shí)時獲取的所述目標(biāo)慢病患者的健康數(shù)據(jù)，確定所述健康數(shù)據(jù)中存在異常風(fēng)險的生理指標(biāo)，具體包括：

24、實(shí)時獲取目標(biāo)慢病患者的健康數(shù)據(jù)；

25、分別以所述目標(biāo)慢病患者的每一個生理指標(biāo)對應(yīng)的生理數(shù)據(jù)為原始輸入數(shù)據(jù)，將所述原始輸入數(shù)據(jù)輸入到通過健康人群的歷史健康數(shù)據(jù)訓(xùn)練好的自編碼器中，并通過所述自編碼器對所述原始輸入數(shù)據(jù)進(jìn)行壓縮和重建，得到對應(yīng)的重構(gòu)數(shù)據(jù)；

26、計算所述原始輸入數(shù)據(jù)與所述重構(gòu)數(shù)據(jù)的重構(gòu)誤差，并根據(jù)所述重構(gòu)誤差與第一預(yù)設(shè)誤差閾值的大小，對所述原始輸入數(shù)據(jù)對應(yīng)的生理指標(biāo)進(jìn)行檢測結(jié)果標(biāo)記，得到標(biāo)記結(jié)果，并篩選出所述標(biāo)記結(jié)果中存在異常風(fēng)險的生理指標(biāo)；所述標(biāo)記結(jié)果用于指示所述原始輸入數(shù)據(jù)對應(yīng)的生理指標(biāo)是否存在異常風(fēng)險。

27、在一種可能的實(shí)現(xiàn)方式中，對所述存在異常風(fēng)險的生理指標(biāo)進(jìn)行風(fēng)險趨勢分析，確定所述目標(biāo)慢病患者的慢性病的風(fēng)險趨勢等級，具體包括：

28、在所述標(biāo)記結(jié)果中存在異常風(fēng)險的生理指標(biāo)時，以所述目標(biāo)慢病患者的健康數(shù)據(jù)，以及所述目標(biāo)慢病患者的健康數(shù)據(jù)的多個生理指標(biāo)對應(yīng)的標(biāo)記結(jié)果為目標(biāo)評估數(shù)據(jù)，將所述目標(biāo)評估數(shù)據(jù)輸入到通過慢病人群的歷史慢病數(shù)據(jù)訓(xùn)練好的支持向量機(jī)模型中，通過所述支持向量機(jī)模型對所述目標(biāo)評估數(shù)據(jù)進(jìn)行風(fēng)險趨勢分析，得到風(fēng)險趨勢等級。

29、在一種可能的實(shí)現(xiàn)方式中，在通過所述支持向量機(jī)模型對所述目標(biāo)評估數(shù)據(jù)進(jìn)行風(fēng)險趨勢分析之前，所述方法還包括：

30、以歷史慢病數(shù)據(jù)為第一訓(xùn)練樣本，以目標(biāo)評估數(shù)據(jù)為待評估樣本，構(gòu)建原始支持向量機(jī)模型；所述待評估樣本包括由所述目標(biāo)慢病患者的多個生理指標(biāo)對應(yīng)的生理數(shù)據(jù)和該生理指標(biāo)的標(biāo)記結(jié)果構(gòu)成的第一特征矩陣，每個所述第一訓(xùn)練樣本均包括由一個慢病患者的多個生理指標(biāo)對應(yīng)的生理數(shù)據(jù)和該生理指標(biāo)的標(biāo)記結(jié)果構(gòu)成的第二特征矩陣，以及所述第二特征矩陣對應(yīng)的風(fēng)險標(biāo)簽；

31、所述原始支持向量機(jī)模型的決策函數(shù)為：

32、；

33、其中，為返回函數(shù)，當(dāng)返回+1時，表示所述待評估樣本的慢性病風(fēng)險趨勢等級為低風(fēng)險，當(dāng)返回-1時，表示所述待評估樣本的慢性病風(fēng)險趨勢等級為高風(fēng)險；

34、表示所述第一訓(xùn)練樣本的數(shù)量，表示當(dāng)前第一訓(xùn)練樣本的位置，表示拉格朗日乘子參數(shù)，為偏置參數(shù)；

35、表示第個第一訓(xùn)練樣本的第二特征矩陣，表示第個第一訓(xùn)練樣本的風(fēng)險標(biāo)簽，當(dāng)所述風(fēng)險標(biāo)簽為+1時，表示慢病風(fēng)險為高風(fēng)險，當(dāng)所述風(fēng)險標(biāo)簽為-1時，表示慢病風(fēng)險為低風(fēng)險；

36、表示待評估樣本；

37、為核函數(shù)，用于計算所述第一訓(xùn)練樣本和所述待評估樣本的相似度。

38、在一種可能的實(shí)現(xiàn)方式中，每個所述生理指標(biāo)包括多個指標(biāo)特征；所述原始支持向量機(jī)模型的決策函數(shù)的核函數(shù)根據(jù)徑向基函數(shù)和多項(xiàng)式核函數(shù)確定；

39、所述核函數(shù)具體為：

40、；

41、其中，表示徑向基函數(shù)的調(diào)節(jié)參數(shù)，為預(yù)設(shè)固定值；

42、表示多項(xiàng)式核函數(shù)中多項(xiàng)式的度數(shù)，為預(yù)設(shè)固定值；

43、表示健康數(shù)據(jù)包括的生理指標(biāo)的總數(shù)，表示當(dāng)前生理指標(biāo)的位置；

44、表示一個生理指標(biāo)包括的指標(biāo)特征的總數(shù)，表示當(dāng)前指標(biāo)特征的位置；

45、表示第個生理指標(biāo)的權(quán)重系數(shù)；

46、表示待評估樣本的第個生理指標(biāo)的第個指標(biāo)特征的數(shù)值；

47、表示第個第一訓(xùn)練樣本的第個生理指標(biāo)的第個指標(biāo)特征的數(shù)值。

48、在一種可能的實(shí)現(xiàn)方式中，所述自編碼器包括編碼單元、注意力單元以及解碼單元；通過所述自編碼器對所述原始輸入數(shù)據(jù)進(jìn)行壓縮和重建，得到對應(yīng)的重構(gòu)數(shù)據(jù)，具體包括：

49、所述編碼單元通過多個全連接層將輸入的高維度的原始輸入數(shù)據(jù)壓縮為低維度的第一數(shù)據(jù)；

50、所述注意力單元通過注意力機(jī)制進(jìn)行與所述目標(biāo)慢病患者的慢性病相關(guān)的重要特征提取，得到第二數(shù)據(jù)；

51、所述解碼單元通過多個全連接層將所述第二數(shù)據(jù)重構(gòu)為與所述原始輸入數(shù)據(jù)維度相同的重構(gòu)數(shù)據(jù)。

52、第二方面，本發(fā)明提供一種慢病人群健康評估裝置，該裝置包括：

53、第一處理模塊，用于獲取預(yù)先確定的用于存儲記錄慢病人群的歷史患者信息的知識圖譜；在所述知識圖譜中，將所述歷史患者信息中每個慢病患者的基本信息、歷史健康數(shù)據(jù)中的每個生理指標(biāo)、每條歷史診斷信息以及每條歷史治療信息分別作為一個節(jié)點(diǎn)，將任意兩個節(jié)點(diǎn)之間的關(guān)聯(lián)程度作為所述兩個節(jié)點(diǎn)之間的邊權(quán)重；

54、第二處理模塊，用于獲取目標(biāo)慢病患者的異常生理狀態(tài)信息，并對所述異常生理狀態(tài)信息進(jìn)行向量化處理，得到查詢向量；所述異常生理狀態(tài)信息包括基于所述目標(biāo)慢病患者的健康數(shù)據(jù)確定的存在異常風(fēng)險的生理指標(biāo)，以及對所述存在異常風(fēng)險的生理指標(biāo)進(jìn)行風(fēng)險趨勢分析后確定的風(fēng)險趨勢等級；

55、第三處理模塊，用于分別將所述知識圖譜中所述目標(biāo)慢病患者的每個節(jié)點(diǎn)作為目標(biāo)節(jié)點(diǎn)，將與所述目標(biāo)節(jié)點(diǎn)的邊權(quán)重大于第一預(yù)設(shè)值的節(jié)點(diǎn)作為所述目標(biāo)節(jié)點(diǎn)的鄰居節(jié)點(diǎn)，結(jié)合所述鄰居節(jié)點(diǎn)與所述目標(biāo)節(jié)點(diǎn)之間的邊權(quán)重，分別計算所述查詢向量與每個所述目標(biāo)節(jié)點(diǎn)的相關(guān)度；

56、第四處理模塊，用于依據(jù)所述相關(guān)度的大小對所有目標(biāo)節(jié)點(diǎn)進(jìn)行降序排序，并提取排序中前z個目標(biāo)節(jié)點(diǎn)，得到所述目標(biāo)慢病患者的關(guān)鍵醫(yī)療信息；

57、第五處理模塊，用于將所述關(guān)鍵醫(yī)療信息輸入到medgpt模型中，所述medgpt模型根據(jù)所述關(guān)鍵醫(yī)療信息生成所述目標(biāo)慢病患者的慢性病健康評估方案；所述慢性病健康評估方案包括所述目標(biāo)慢病患者的風(fēng)險趨勢等級以及治療方案調(diào)整建議。

58、在一種可能的實(shí)現(xiàn)方式中，在結(jié)合所述鄰居節(jié)點(diǎn)與所述目標(biāo)節(jié)點(diǎn)之間的邊權(quán)重，分別計算所述查詢向量與每個所述目標(biāo)節(jié)點(diǎn)的相關(guān)度時，所述第三處理模塊被配置為執(zhí)行：

59、根據(jù)預(yù)先確定的所述查詢向量和每個所述目標(biāo)節(jié)點(diǎn)之間的相似度，以及所述查詢向量和所述鄰居節(jié)點(diǎn)之間的相似度，確定所述目標(biāo)節(jié)點(diǎn)的第一權(quán)重；

60、計算所述目標(biāo)節(jié)點(diǎn)與每個所述鄰居節(jié)點(diǎn)之間的邊權(quán)重總和的平均值，得到所述目標(biāo)節(jié)點(diǎn)的第二權(quán)重；

61、對所述第一權(quán)重和所述第二權(quán)重加權(quán)求和，得到所述目標(biāo)節(jié)點(diǎn)的綜合權(quán)重，并將所述綜合權(quán)重作為所述目標(biāo)節(jié)點(diǎn)的相關(guān)度。

62、在一種可能的實(shí)現(xiàn)方式中，在根據(jù)預(yù)先確定的所述查詢向量和每個所述目標(biāo)節(jié)點(diǎn)之間的相似度，以及所述查詢向量和所述鄰居節(jié)點(diǎn)之間的相似度，確定所述目標(biāo)節(jié)點(diǎn)的第一權(quán)重時，所述第三處理模塊具體被配置為執(zhí)行：

63、采用余弦相似度算法，分別計算所述查詢向量和每個所述目標(biāo)節(jié)點(diǎn)之間的相似度，以及所述查詢向量和所述鄰居節(jié)點(diǎn)之間的相似度，所述余弦相似度算法具體為：

64、；

65、其中，表示查詢向量，表示目標(biāo)節(jié)點(diǎn)的向量，表示查詢向量和目標(biāo)節(jié)點(diǎn)之間的相似度；

66、根據(jù)softmax函數(shù)計算所述目標(biāo)節(jié)點(diǎn)的第一權(quán)重，所述softmax函數(shù)具體為：

67、；

68、其中，表示目標(biāo)節(jié)點(diǎn)的第一權(quán)重，表示鄰居節(jié)點(diǎn)的向量，表示查詢向量和鄰居節(jié)點(diǎn)之間的相似度，表示鄰居節(jié)點(diǎn)屬于所述知識圖譜中目標(biāo)慢病患者的節(jié)點(diǎn)集合。

69、在一種可能的實(shí)現(xiàn)方式中，所述慢病人群健康評估裝置還包括第六處理模塊；在獲取目標(biāo)慢病患者的異常生理狀態(tài)信息，并對所述異常生理狀態(tài)信息進(jìn)行向量化處理，得到查詢向量之前，所述第六處理模塊被配置為執(zhí)行：

70、基于實(shí)時獲取的目標(biāo)慢病患者的健康數(shù)據(jù)，確定所述健康數(shù)據(jù)中存在異常風(fēng)險的生理指標(biāo)；所述健康數(shù)據(jù)包括多個用于反饋所述目標(biāo)慢病患者健康狀況的生理指標(biāo)對應(yīng)的生理數(shù)據(jù)；

71、對所述存在異常風(fēng)險的生理指標(biāo)進(jìn)行風(fēng)險趨勢分析，確定所述目標(biāo)慢病患者的慢性病的風(fēng)險趨勢等級。

72、在一種可能的實(shí)現(xiàn)方式中，在基于實(shí)時獲取的所述目標(biāo)慢病患者的健康數(shù)據(jù)，確定所述健康數(shù)據(jù)中存在異常風(fēng)險的生理指標(biāo)時，所述第六處理模塊具體被配置為執(zhí)行：

73、實(shí)時獲取目標(biāo)慢病患者的健康數(shù)據(jù)；

74、分別以所述目標(biāo)慢病患者的每一個生理指標(biāo)對應(yīng)的生理數(shù)據(jù)為原始輸入數(shù)據(jù)，將所述原始輸入數(shù)據(jù)輸入到通過健康人群的歷史健康數(shù)據(jù)訓(xùn)練好的自編碼器中，并通過所述自編碼器對所述原始輸入數(shù)據(jù)進(jìn)行壓縮和重建，得到對應(yīng)的重構(gòu)數(shù)據(jù)；

75、計算所述原始輸入數(shù)據(jù)與所述重構(gòu)數(shù)據(jù)的重構(gòu)誤差，并根據(jù)所述重構(gòu)誤差與第一預(yù)設(shè)誤差閾值的大小，對所述原始輸入數(shù)據(jù)對應(yīng)的生理指標(biāo)進(jìn)行檢測結(jié)果標(biāo)記，得到標(biāo)記結(jié)果，并篩選出所述標(biāo)記結(jié)果中存在異常風(fēng)險的生理指標(biāo)；所述標(biāo)記結(jié)果用于指示所述原始輸入數(shù)據(jù)對應(yīng)的生理指標(biāo)是否存在異常風(fēng)險。

76、在一種可能的實(shí)現(xiàn)方式中，在對所述存在異常風(fēng)險的生理指標(biāo)進(jìn)行風(fēng)險趨勢分析，確定所述目標(biāo)慢病患者的慢性病的風(fēng)險趨勢等級時，所述第六處理模塊具體被配置為執(zhí)行：

77、在所述標(biāo)記結(jié)果中存在異常風(fēng)險的生理指標(biāo)時，以所述目標(biāo)慢病患者的健康數(shù)據(jù)，以及所述目標(biāo)慢病患者的健康數(shù)據(jù)的多個生理指標(biāo)對應(yīng)的標(biāo)記結(jié)果為目標(biāo)評估數(shù)據(jù)，將所述目標(biāo)評估數(shù)據(jù)輸入到通過慢病人群的歷史慢病數(shù)據(jù)訓(xùn)練好的支持向量機(jī)模型中，通過所述支持向量機(jī)模型對所述目標(biāo)評估數(shù)據(jù)進(jìn)行風(fēng)險趨勢分析，得到風(fēng)險趨勢等級。

78、在一種可能的實(shí)現(xiàn)方式中，在通過所述支持向量機(jī)模型對所述目標(biāo)評估數(shù)據(jù)進(jìn)行風(fēng)險趨勢分析之前，所述第六處理模塊還被配置為執(zhí)行：

79、以歷史慢病數(shù)據(jù)為第一訓(xùn)練樣本，以目標(biāo)評估數(shù)據(jù)為待評估樣本，構(gòu)建原始支持向量機(jī)模型；所述待評估樣本包括由所述目標(biāo)慢病患者的多個生理指標(biāo)對應(yīng)的生理數(shù)據(jù)和該生理指標(biāo)的標(biāo)記結(jié)果構(gòu)成的第一特征矩陣，每個所述第一訓(xùn)練樣本均包括由一個慢病患者的多個生理指標(biāo)對應(yīng)的生理數(shù)據(jù)和該生理指標(biāo)的標(biāo)記結(jié)果構(gòu)成的第二特征矩陣，以及所述第二特征矩陣對應(yīng)的風(fēng)險標(biāo)簽；

80、所述原始支持向量機(jī)模型的決策函數(shù)為：

81、；

82、其中，為返回函數(shù)，當(dāng)返回+1時，表示所述待評估樣本的慢性病風(fēng)險趨勢等級為低風(fēng)險，當(dāng)返回-1時，表示所述待評估樣本的慢性病風(fēng)險趨勢等級為高風(fēng)險；

83、表示所述第一訓(xùn)練樣本的數(shù)量，表示當(dāng)前第一訓(xùn)練樣本的位置，表示拉格朗日乘子參數(shù)，為偏置參數(shù)；

84、表示第個第一訓(xùn)練樣本的第二特征矩陣，表示第個第一訓(xùn)練樣本的風(fēng)險標(biāo)簽，當(dāng)所述風(fēng)險標(biāo)簽為+1時，表示慢病風(fēng)險為高風(fēng)險，當(dāng)所述風(fēng)險標(biāo)簽為-1時，表示慢病風(fēng)險為低風(fēng)險；

85、表示待評估樣本；

86、為核函數(shù)，用于計算所述第一訓(xùn)練樣本和所述待評估樣本的相似度。

87、在一種可能的實(shí)現(xiàn)方式中，在每個所述生理指標(biāo)包括多個指標(biāo)特征；所述原始支持向量機(jī)模型的決策函數(shù)的核函數(shù)根據(jù)徑向基函數(shù)和多項(xiàng)式核函數(shù)確定；

88、所述核函數(shù)具體被配置為：

89、；

90、其中，表示徑向基函數(shù)的調(diào)節(jié)參數(shù)，為預(yù)設(shè)固定值；

91、表示多項(xiàng)式核函數(shù)中多項(xiàng)式的度數(shù)，為預(yù)設(shè)固定值；

92、表示健康數(shù)據(jù)包括的生理指標(biāo)的總數(shù)，表示當(dāng)前生理指標(biāo)的位置；

93、表示一個生理指標(biāo)包括的指標(biāo)特征的總數(shù)，表示當(dāng)前指標(biāo)特征的位置；

94、表示第個生理指標(biāo)的權(quán)重系數(shù)；

95、表示待評估樣本的第個生理指標(biāo)的第個指標(biāo)特征的數(shù)值；

96、表示第個第一訓(xùn)練樣本的第個生理指標(biāo)的第個指標(biāo)特征的數(shù)值。

97、在一種可能的實(shí)現(xiàn)方式中，所述自編碼器包括編碼單元、注意力單元以及解碼單元；在通過所述自編碼器對所述原始輸入數(shù)據(jù)進(jìn)行壓縮和重建，得到對應(yīng)的重構(gòu)數(shù)據(jù)時，所述第六處理模塊具體被配置為執(zhí)行：

98、所述編碼單元通過多個全連接層將輸入的高維度的原始輸入數(shù)據(jù)壓縮為低維度的第一數(shù)據(jù)；

99、所述注意力單元通過注意力機(jī)制進(jìn)行與所述目標(biāo)慢病患者的慢性病相關(guān)的重要特征提取，得到第二數(shù)據(jù)；

100、所述解碼單元通過多個全連接層將所述第二數(shù)據(jù)重構(gòu)為與所述原始輸入數(shù)據(jù)維度相同的重構(gòu)數(shù)據(jù)。

101、第三方面，本發(fā)明提供一種電子設(shè)備，該電子設(shè)備包括處理器和存儲器，所述存儲器中存儲有至少一條指令、至少一段程序、代碼集或指令集，所述至少一條指令、所述至少一段程序、所述代碼集或指令集由所述處理器加載并執(zhí)行以實(shí)現(xiàn)如上述任一項(xiàng)所述的慢病人群健康評估方法。

102、第四方面，本發(fā)明提供一種計算機(jī)可讀存儲介質(zhì)，該存儲介質(zhì)中存儲有至少一條指令、至少一段程序、代碼集或指令集，所述至少一條指令、所述至少一段程序、所述代碼集或指令集由處理器加載并執(zhí)行以實(shí)現(xiàn)上述任一項(xiàng)所述的慢病人群健康評估方法。

103、本發(fā)明實(shí)施例提供的慢病人群健康評估方法在實(shí)際應(yīng)用中，首先，獲取預(yù)先構(gòu)建的用于存儲記錄慢病人群的歷史患者信息的知識圖譜，在該知識圖譜中，將每個慢病患者的歷史患者信息中的基本信息、歷史健康數(shù)據(jù)中的每個生理指標(biāo)、每條歷史診斷信息以及每條歷史治療信息分別作為一個節(jié)點(diǎn)，將任意兩個節(jié)點(diǎn)之間的關(guān)聯(lián)程度作為這兩個節(jié)點(diǎn)之間的邊權(quán)重；其次，將獲取的基于目標(biāo)慢病患者的健康數(shù)據(jù)確定的存在異常風(fēng)險的生理指標(biāo)，以及對該存在異常風(fēng)險的生理指標(biāo)進(jìn)行風(fēng)險趨勢分析后確定的風(fēng)險趨勢等級整合，作為該目標(biāo)慢病患者的異常生理狀態(tài)信息，對異常生理狀態(tài)信息進(jìn)行向量化處理，得到查詢向量；再次，分別將知識圖譜中該目標(biāo)慢病患者的每個節(jié)點(diǎn)作為目標(biāo)節(jié)點(diǎn)，將與該目標(biāo)節(jié)點(diǎn)的邊權(quán)重大于第一預(yù)設(shè)值的節(jié)點(diǎn)作為該目標(biāo)節(jié)點(diǎn)的鄰居節(jié)點(diǎn)，在計算查詢向量與每個目標(biāo)節(jié)點(diǎn)的相關(guān)度時，綜合考慮該目標(biāo)節(jié)點(diǎn)的鄰居節(jié)點(diǎn)對相關(guān)度的影響，得到每個目標(biāo)節(jié)點(diǎn)與查詢向量更準(zhǔn)確的相關(guān)度；之后，通過相關(guān)度大小對所有目標(biāo)節(jié)點(diǎn)進(jìn)行降序排序，并選取前z個目標(biāo)節(jié)點(diǎn)作為該目標(biāo)患者的關(guān)鍵醫(yī)療信息；最后，通過medgpt模型對關(guān)鍵醫(yī)療信息進(jìn)行處理，得到包含目標(biāo)慢病患者的風(fēng)險趨勢等級以及治療方案調(diào)整建議的慢性病健康評估方案；本發(fā)明通過知識圖譜動態(tài)的整合目標(biāo)患者的實(shí)時健康數(shù)據(jù)與歷史患者信息，根據(jù)查詢向量與知識圖譜中的每個目標(biāo)節(jié)點(diǎn)的相關(guān)度，篩選出最能反映目標(biāo)慢病患者病情發(fā)展?fàn)顩r的關(guān)鍵醫(yī)療信息，以及時發(fā)現(xiàn)潛在風(fēng)險，對慢性病患者進(jìn)行精確的健康評估；medgpt模型能夠針對關(guān)鍵醫(yī)療信息直接生成慢性病健康評估方案的文本，不僅提高了治療方案調(diào)整建議的生成速度，還確保了建議的專業(yè)性和個性化。