法律状态公告日
法律状态信息
法律状态
2015-09-23
授权
授权
2013-01-23
实质审查的生效 IPC(主分类):G06F19/00 申请日:20120828
实质审查的生效
2012-11-28
公开
公开
技术领域
本发明涉及一种面向城市社区医疗健康领域，具体涉及一种生命体生理状 况自助评估系统及其评估方法。
背景技术
在高科技、信息化、市场经济快速发展的社会中，由于心理压力过重，工 作节奏加快以及不规则的生活方式，带来日益增多的亚健康状态，它影响了人 们的工作效率和生活质量，亦减弱了人体自身免疫力、调控能力以及对自然环 境和社会环境的适应力，成为各种慢性病和疑难病的潜在因素。为了有效地防 治疾病，增强体质，首先，要不断地增强人们的自我保健意识。希望能研发一 种快速、实时、可靠的健康信息检测仪，像钟表报时那样可随时测试机体的生 理信息，及时纠正生理功能的偏颇，使疾病早期发现、早期诊疗，防治于未患； 同时，通过信息可以具体分析亚健康状态的形成原因，及其不同症型的特征， 探求有效的调治方法，使药物治疗、保健营养及强身方法更加合理、有效。
亚健康状态处于健康和疾病之间的边缘状态，往往是疾病的前奏。主要表 现在心理和生理功能减退或失调。常出现疲劳肢酸、心烦焦虑或注意力不能集 中，失眠多梦，心悸胸闷，记忆力减退，容易感冒，多汗烘热，食欲不振，性 功能减退等症状。而现有的医疗仪器和实验指标，尚未能检测确诊，迄今主要 靠问卷方式加以分析，或运用扩展型体检（标准体检加心理、体质检测），豪华 型体检（上项加甲状腺素、性激素、血液流变学、心脏超彩、骨密度、运动平 板、心肺功能）等方法排出疾病，这样给病人带来很大的创痛，更增加了他们 的心理负担和经济负担。
然而对于大多数的疾病，人们只有在症状表现明显时才会去医院检查，往 往因为拖延时间过长，导致失去了最佳治疗阶段，使患者只能长期忍受疾病的 折磨，甚至无法治疗。
且由于现有医疗资源相对紧张、就医成本高、地区医疗水平差异较大，很 多疾病不能实现提前预防和治疗。同时目前的医疗体系，针对新型传播性疾病 的防控，无法实现全地域统一标准的疑似病例判别。
发明内容
本发明的目的在于提供一种生命体生理状况自助评估系统及其评估方法， 解决现有技术中针对新型传播性疾病的防控，无法实现全地域统一标准的疑似 病例判别的问题；同时解决了现有医疗系统无法为患者提供自助医疗服务的问 题。
为了实现上述目的，本发明采用的技术方案如下：
生命体生理状况自助评估系统，包括一个以上的用户终端装置和远程控制 中心；该用户终端装置包括数据处理及控制单元，均与数据处理及控制单元相 连的第一输入单元、第一输出单元、第一传输单元、费用结算单元、数据检测 单元和用户识别单元；所述第一传输单元与远程控制中心相连。
进一步地，所述的远程控制中心主要由信息处理及控制单元，均与信息处 理及控制单元相连的第二传输单元、第二输入单元、第二输出单元、数据运算 服务器、管理权限判别单元的远程控制中心，所述第二传输单元与第一传输单 元相连。
更进一步地，所述的数据处理及控制单元上还连接有第一存储单元和无线 传输单元；所述的信息处理及控制单元上还连接有第二存储单元和费用汇总单 元。
生命体生理状况自助评估系统的判断方法，包括以下步骤：
（a）判断用户是否为新用户，是，则进行注册；否，则直接进行登录，并 识别用户个人信息P[s]；
（b）选择评估的类型并判断该类型的模型是否更新，否，则更新模型参数； 是，则进行检测项目的制定；
（c）检测仪器是否正常，否，则发出仪器损坏告警；是，则进行下一步；
（d）采用费用结算单元进行费用结算；
（e）判断用户是否到位，否，则判定超时状况；是，则进行生理状况检测， 获取生理状况检测数据T[N]；
（f）判断数据是否无误，否，则发出数据错误告警，并返回步骤（e）；是， 则进行生理状态评估或疑似病例预判，并输出相应病例疑似度数据Em、评估结 果、详细描述病情、健康警示信息及就医建议；
（g）保存各种数据，显示评估结果及就医建议；
（h）判断是否进行其他评估，是，则返回步骤（b）；否，则结束本次评估， 并将检测数据、评估结果、就医指引等信息根据用户选择的输出方式进行输出， 然后将各种数据传输到远程控制中心；
（i）远程控制中心将接收到的数据进行整理后，统一保存。
进一步地，所述步骤（e）中判定超时状况具体步骤为：判断是否超时，是， 则进行超时复位，返回步骤（a）；否，则提醒用户尽快到位，返回步骤（e）。
再进一步地，所述步骤（f）中判别数据是否无误的具体步骤为：
（1）对生理检测数据包T[N]，先根据校验算法对接收到的数据包中有效数 据位进行校验位计算，然后与数据包中的校验位数据进行对比，判别计算获得 的校验位与数据包中的校验位数值是否一致，是，则数据传输无误，进入数据 判别步骤（2）；否，则数据传输有误，发出数据错误告警，重新读取仪器检测 数据；
（2）读取生理检测数据包T[N]中的各有效位数据，即用户各项生理检测数 据，然后判别数据包中检测数据是否超出对应项目的人体检测数据的最大值极 限及最小值极限，是，则数据检测有误，发出数据错误告警，返回步骤（e）重 新进行错误项数据检测；否，则数据无误，继续步骤（f）中生理状态评估或疑 似病例预判。
更进一步地，所述步骤（f）中生理状态评估或疑似病例预判具体步骤为：
（1）接受系统第m项评估请求；
（2）读取第m项评估请求用户的生理检测数据Tm[N]及个人信息数据 Pm[S]；
（3）对检测数据Tm[N]进行归一化处理，对用户个人信息P[S]进行数字化 处理，并将数据打包为评估模型输入数据格式Bm[N+S]；
（4）读取第m项评估相应的评估模型LMBP(Bm[N+S])，进行评估，输出评 估结果Em；
（5）判别Em是否小于最小评估阈值εm，是则Em置零；否，则进行下一步；
（6）对于Em大于患病判别阈值的评估请求，输出评估结果，并根据Em值 大小输出详细的病情描述及就医建议。
另外，所述的生命体生理状态评估及疑似病例判决模型为多个针对不同评 估需求的判决模型；不同判别类型采用不同结构的评估模型，为每种典型疾病 都建立一个评估模型，以此提高判别精度，降低模型复杂度，提高模型建立及 判别效率；针对亚健康评估需求，则选取多个典型疾病判决模型，分别评估， 获得多个评估结果，从而分析亚健康状况及各种疾病的患病风险。
所述的生命体生理状态评估及疑似病例判决模型的评估方法为以病例的生 命状况检测数据Tm[N]、用户个人信息Pm[S]为原始数据，先对数据归一化和数 字化，然后打包为评估数据Bm[N+S]，最后选取相应的评估模型LM-BP（Bm[N+S]） 进行评估，输出病例疑似度Em；其中0≤Em≤1，数值越大，表示病例疑似程度 越高、病情越重；系统根据Em数值输出详细的病情描述及就医建议。
在用户终端装置中，所述数据处理及控制单元，用于对生理状态测量的信 息进行处理、判别、分类；数据检测单元，包括生命体各项生理状态测量仪器， 用于获取使用者生理状态的各项关键信息，如：血压、血糖、血脂、血常规、 心电图、心率、视力、听力、体重、体温、三围等；第一输入单元，用于使用 者进行信息输入、监控视频信息输入等；第一输出单元，用于数据的显示、数 据打印、数据输出拷贝等，方便用户了解自己现在的生理状况；第一传输单元， 用于收到信息传输请求后，按控制程序要求对数据进行传输，方便将信息传输 到远程控制中心；用户识别单元，用于对不同使用者的身份进行识别，对不同 使用者设定不同使用权限，区分不同使用者的生理状态测量信息及处理结果； 费用结算单元，用于使用者现金及刷卡付费结算；第一存储单元，用于对生理 状态的信息进行区别存储；无线传输单元，用于将检测数据、评估结果、就医 建议等信息传输给用户的个人数字设备。
在远程控制中心中，所述信息处理及控制单元，用于对所有的生命体信息 获取、处理及显示装置获取的检测数据、生理状况评估结果、疑似病例预判断 结果等数据进行存储、汇总；第二传输单元，用于远程控制中心和用户终端装 置间的各种信息传输；第二输入单元，用于管理者进行信息输入、监控视频信 息输入等；第二输出单元，用于数据的显示、数据打印、数据输出拷贝等；数 据运算服务器，用于处理系统数据；管理权限判别单元，用于对不同系统管理 者身份进行区分，确定管理权限；第二存储单元，用于存储每个用户终端测试 后的生理状况信息；费用汇总单元，用于营业状况的统计，了解各用户终端装 置的使用频率。
生命体生理状态评估及疑似病例判决模型的设计主要包括以下步骤：
（1）获取以往确诊病例数据样本，每个数据样本均包含两方面的信息： （1a）各项生理信息检测数据，如体温、血压、血糖、体重、心电、体液检测 结果等；（1b）用户个人情况描述信息，如性别、年龄、职业、患病史、是否吸 烟、是否经常醉酒等。其中（1a）作为主要参数，（1b）作为辅助参数。
（2）对收集到的样本数据进行处理。先把数据进行量化，以便在计算机中 识别。生理信息检测数据均以国际医学标准单位记录，用户个人信息情况记录 为：（2a）性别：男性记为1，女性记为0；（2b）年龄按真实年龄记录；（2c） 职业用阿拉伯数学1～10记录；（2d）患病史：有记为1，无记为0；（2e）是否 吸烟：是记为1，否记为0；（2f）是否经常醉酒：是记为1，否记为0.对这些 数据向量化，依次作为一组数据的一个元素输入。那么得到的数据文件中每组 数据可以分为14个字段，第1个字段为病例编号；第2个字段表示确诊结果， 0为亚健康状态，其它为预设的相对应的典型疾病编号；第3～8个字段表示各 项生理信息检测数据；第9～14表示个人信息数据。
（3）从样本数据库中选取典型数据样本N个，在其中随即抽取M(M<N)个样 本作为网络训练样本，剩下的各类(N-M)个样本作为测试验证数据。
（4）根据病例数据特征，建立相应结构的评估模型。
（5）模型训练，（5a）网络初始化处理；（5b）依次输入M个样本数据对所 设计的评估模型进行训练，计算出模型各参数；（5c）记录已经学习过的样本个 数m。如果m＜M，则转至步骤（2）继续计算，如果m＝M，则结束训练；（5d） 按照权值修正公式修正模型参数，按照新的模型参数计算输出，若模型未能达 到要求的精度指标或者m＜M，则执行步骤（5b）继续训练，否则结束训练。
（6）评估模型测试验证，在评估模型通过训练之后，将（N-M）组测试样 本数据输入网络，便可以得到对应的输出。
（7）结果分析，通过比较模型预测的输出结果与原先确诊的结果进行对比 分析，可以得到误诊率，判别误诊率是否满足要求，是，则完成建模；否，则 返回步骤（4），按照模型结构修正公式修改模型结构，重新建立模型，重新训 练。
本发明与现有技术相比，具有以下优点及有益效果：
（1）本发明设有远程控制中心，能够远程更新、添加、删除、重组各 终端正常工作所需的正常生理状况参考检测数据、疑似病例生理状况参考 检测数据、病例判别中各项指标权重参数；同时能为各终端装置提供复杂 数据运算服务；对于各终端在正常工作中获取的用户生理状况检测结果、 生理状况评估结果、疑似病例检测结果等数据进行存储，方便终端随时访 问；并能根据各终端的上报数据，生成统计结果，对特定传播性疾病，能 够随时了解疑似病例分布情况；
（2）本发明能够提供全地域统一的疑似病例判别标准，在疫情发生时，可 实现疑似病例快速筛查，降低疫情扩散风险；且能够指导使用者及时进行疾病 预防和治疗，降低就医成本；
（3）本发明的生命体生理状况评估及疑似病例判决方法，能够根据用 户请求，进行特定项目的生理状况检测、特定科别的健康状况评估、特定 疾病的疑似病例预判；
（4）本发明采用了多个评估模型结构，可实现各疑似病例分别训练，分别 判别，避免了多病例同时预判时网络复杂度高、预判精度低的问题；
（5）本发明测试功能全面，测试操作方便，测试项目较多，可下载 更新；
（6）本发明能够对已获得的表征特定生命体的生理状况信息进行判 别，获得生命体生理状态评估结果，并能根据生理状况信息进行典型疾病 的疑似病例预判；
（7）本发明能够直接取得测量装置的生命体生理状态信息，也可读 取存储介质中存储的生命体生理状态信息，也可同时接受使用者输入的表 征生命体生理状态信息的数值信息和语言文字描述性的模糊生理状态信 息，能够对语言文字描述性的模糊生理状态信息进行处理，提取关键信息；
（8）本发明能够24小时提供自助医疗服务，能够指导使用者自助完 成医疗检测和健康状况评估，帮助使用者随时了解自身健康状况，进行疾 病预防和治疗，降低就医成本。
附图说明
图1为本发明中用户终端装置的结构框图。
图2为本发明的结构框图。
图3为本发明中用户终端装置数据处理的流程图。
图4为本发明中远程控制中心数据处理的流程图。
图5为本发明中生命体生理状况评估及疑似病例预判流程图。
图6为本发明中生命体生理状况评估及疑似病例预判模型建模流程图。
图7为本发明中神经网络评估模型结构示意图。
图8为本发明中神经网络评估模型误差的自然对数值随训练次数的变化曲 线图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明，本发明的实施方式包括但 不限于下列实施例。
实施例
如图1、2所示，生命体生理状况自助评估系统，包括一个以上的用户终端 装置和远程控制中心；该用户终端装置包括数据处理及控制单元，均与数据处 理及控制单元相连的第一输入单元、第一输出单元、第一传输单元、数据检测 单元、第一存储单元和用户识别单元；所述第一传输单元与远程控制中心相连。
上述的数据处理及控制单元，用于对生理状态测量的信息进行处理、判别、 分类；如：ARM、FPGA、DSP、ADC芯片、DAC芯片等。
第一输入单元，用于使用者进行信息输入、监控视频信息输入等；如：触 摸屏、键盘、鼠标、摄像头、语音等。
第一输出单元，用于数据的显示、数据打印、数据输出拷贝等；如：显示 屏、音响、数据文件、打印机等。
第一传输单元，用于收到信息传输请求后，按控制程序要求对数据进行传 输；如：互联网、无线通讯网络、光纤网络等。
数据检测单元，包括生命体各项生理状态测量仪器，用于获取使用者生理 状态的各项关键信息，如：血压、血糖、血脂、血常规、心电图、心率、视力、 听力、体重、体温、三围等；测量仪器如：血压计、血糖仪、心率计、血氧饱 和度检测仪、血常规检测仪、座椅式体重计、体温计、身高测试仪、电子握力 计、骨密度检测仪、体液检测仪等。
用户识别单元，用于对不同使用者的身份进行识别，对不同使用者设定不 同使用权限，区分不同使用者的生理状态测量信息及处理结果；如：身份证信 息、用户名及密码、指纹识别等。
费用结算单元，用于使用者现金及刷卡付费结算；自动售票机、POS机、移 动支付等。
第一存储单元，用于对判别模型参数、用户终端运行程序、用户个人信息、 用户生理状态信息等进行区别存储；如：PC硬盘、移动存储器等。
无线传输单元，用于将检测数据、评估结果、就医建议等信息传输给用户 的个人数字设备，如：无线发射模块。
所述远程控制中心包括信息处理及控制单元，均与信息处理及控制单元相 连的第二传输单元、第二输入单元、第二输出单元、数据运算服务器、费用汇 总单元、管理权限判别单元和第二存储单元组成，所述第二传输单元与第一传 输单元相连。
信息处理及控制单元，用于对各用户终端的运行情况、各种评估模型建立 及更新情况、系统运行情况进行控制和监管，同时对生命体信息获取、处理及 显示装置获取的检测数据、生理状况评估结果、疑似病例预判断结果等数据进 行存储、汇总；如：ARM、FPGA、DSP等。
第二传输单元，用于远程控制中心和用户终端装置间的各种信息传输；如： 互联网、无线通讯网络、光纤网络等以及相应的传输服务器和交换机。
第二输入单元，用于管理者进行信息输入、监控视频信息输入等；如：触 摸屏、键盘、鼠标、语音、监控摄像头等。
第二输出单元，用于数据的显示、数据打印、数据输出拷贝等；如：显示 屏、音响、声光告警、数据文件、打印机等。
数据运算服务器，用于处理系统数据；如：大型服务器。
管理权限判别单元，用于对不同系统管理者身份进行区分，确定管理权限； 如：身份证信息、用户名及密码、指纹识别等。
第二存储单元，用于存储每个用户终端测试后的生理状况信息，如：大型 数据存储器组。
费用汇总单元，用于营业状况的统计，了解各用户终端装置的使用频率。
如图3所示，由上述装置组成的生命体生理状况自助评估系统的判断方法， 包括以下步骤：
（a）通过用户识别单元对用户进行确认，如果是新用户，则需要通过第一 输入单元进行注册再登录；如果是老用户，则可直接登录，用户识别单元直接 识别用户的个人信息P[s]；
（b）用户通过第一输入单元选择自己需要评估的类型，并通过数据处理及 控制单元确定该类型的模型是否为最新的，如果不是，则更新模型数据；如果 是最新的，则可直接制定检测项目；
（c）用户通过费用结算单元进行付费；
（d）数据处理及控制单元对检测仪器进行检测，如果出现问题，则会发出 仪器损坏告警；如果检测仪器是正常的，则进行下一步；
（e）数据处理及控制单元判断用户是否到位，如果没有到达检测仪器处， 则判定超时状况；如果到位，则进行检测相应的生理数据并获取生理状况检测 数据T[N]；
（f）数据处理及控制单元随之判断检测的数据是否无误，如果有误，将会 发出数据错误告警，并且返回步骤（e）；如果无误，则进行生理状态评估或疑 似病例预判，并得出疑似病例生理特征权值数据α[N]；
（g）第一存储单元对各数据进行保存，并通过输出单元显示评估结果及就 医建议；
（h）判断是否进行其他评估，是，则返回步骤（b）；否，则结束本次评估， 并通过第一传输单元将各种数据传输到远程控制中心；
（i）远程控制中心通过第二传输单元接收各用户终端装置评估后的数据， 并将数据进行整理后，统一保存到第二存储单元。最后可根据用户选择，是否 将检测数据及评估结果通过无线传输单元发送至用户个人数字设备。
所述步骤（e）中判定超时状况具体步骤为：判断是否超时，是，则进行超 时复位，返回步骤（a）；否，则提醒用户尽快到位，返回步骤（e）。
而所述步骤（f）中生理状态评估或疑似病例预判具体步骤为：
（1）接受系统第m项评估请求；
（2）读取第m项评估请求用户的生理检测数据Tm[N]及个人信息数据 Pm[S]；
（3）对检测数据Tm[N]进行归一化处理，对用户个人信息P[S]进行数字化 处理，并将数据打包为评估模型输入数据格式Bm[N+S]；
（4）读取第m项评估相应的评估模型LMBP(Bm[N+S])，进行评估，输出评 估结果Em；
（5）判别Em是否小于最小评估阈值εm，是则Em置零；否，则进行下一步；
（6）对于Em大于患病判别阈值的评估请求，输出评估结果，并根据Em值 大小输出详细的病情描述及就医建议。
如图4所示，远程控制中心对用户终端装置进行维护的流程，具体如下：
（1）判断管理员是否为新管理员，是，则进行注册；否，则直接进行登录 及权限判别；
（2）查看是否有紧急告警通知，是，则进行紧急告警处理；否，则进行系 统维护类型的选择；
（3）判断管理员是否有权限，否，则重新选择系统维护类型；是，则进行 系统状态信息读取；
（4）判断维护项是否锁定，是，则重新选择系统维护类型；否，则向各用 户终端装置发送维护通知，启动维护倒计时；
（5）编辑、提交维护内容；
（6）判断维护倒计时是否结束，否，则再次判断维护倒计时是否结束；是， 则向各用户终端装置发送正在维护通知；
（7）向各用户终端装置上传更新维护内容；
（8）判断各用户终端装置是否完成更新，否，则确认是否更新超时；是， 则更新维护记录保存维护数据；
（9）取消各用户终端装置正在维护通知；
（10）确认是否进行其他维护，是，则返回步骤（2）重新选择系统维护类 型；否，则结束本次系统维护。
所述步骤（8）中判断是否更新超时的具体步骤为：判断是否更新超时，是， 则发出维护失败告警通知，并返回步骤（5）；否，则返回步骤（7）。
如图5、6所示，本实施例中生命生理状态评估及疑似病例判决模型是一种 基于LM-BP神经网络模型，该模型的设计步骤为：
（1）获取以往确诊病例数据样本，每个数据样本均包含两方面的信息： （1a）各项生理信息检测数据，如体温、血压、血糖、体重、心电、体液检测 结果等；（1b）用户个人情况描述信息，如性别、年龄、职业、患病史、是否吸 烟、是否经常醉酒等。其中（1a）作为主要参数，（1b）作为辅助参数。
（2）对收集到的样本数据进行处理。先把数据进行量化，以便在计算机中 识别。生理信息检测数据均以国际医学标准单位记录，用户个人信息情况记录 为：（2a）性别：男性记为1，女性记为0；（2b）年龄按真实年龄记录；（2c） 职业用阿拉伯数学1～10记录；（2d）患病史：有记为1，无记为0；（2e）是否 吸烟：是记为1，否记为0；（2f）是否经常醉酒：是记为1，否记为0.对这些 数据向量化，依次作为一组数据的一个元素输入。那么得到的数据文件中每组 数据可以分为14个字段，第1个字段为病例编号；第2个字段表示确诊结果， 0为亚健康状态，其它为预设的相对应的典型疾病编号；第3～8个字段表示各 项生理信息检测数据；第9～14表示个人信息数据。
（3）从样本数据库中选取典型数据样本N个，在其中随即抽取M(M<N)个样 本作为网络训练样本，剩下的各类(N-M)个样本作为测试验证数据。
（4）根据病例数据特征，建立相应结构的神经网络。
（5）神经网络训练步骤为（5a）网络初始化处理；（5b）依次输入M个样 本数据对所设计的神经网络进行训练，计算出模型各参数；（5c）记录已经学习 过的样本个数m。如果m＜M，则转至步骤（2）继续计算，如果m＝M，则结束训 练；（5d）按照权值修正公式修正模型参数，按照新的模型参数计算输出，若模 型未能达到要求的精度指标或者m＜M，则执行步骤（5b）继续训练，否则结束 训练。
（6）神经网络测试验证，在神经网络通过训练之后，将（N-M）组测试样 本数据输入网络，便可以得到对应的输出。
（7）结果分析，通过比较网络预测的输出结果与原先确诊的结果进行对比 分析，可以得到误诊率，判别误诊率是否满足要求，是，则完成建模；否，则 返回步骤（4），按照模型结构修正公式修改模型结构，重新建立模型，重新训 练。
当生命体生理状态评估及疑似病例判决模型接收到评估请求时，首先确认 评估类型，如：第m项，然后读取第m项检测对应的检测数据Tm[N]和用户个人 信息Pm[S]，并对数据进行归一化和数字化处理，将数据打包为评估数据 Bm[N+S]，然后选取第m项评估相应的神经网络模型LM-BP（Bm[N+S]）进行评估， 输出病例疑似度Em；其中0≤Em≤1，数值越大，表示病例疑似程度越高、病情 越重；系统可根据Em数值输出详细的病情描述及就医建议。
本实施例中，选取100个病例作为数据样本，其中包括冠心病确诊病例、 风湿性心脏病确诊病例、高血压确诊病例、健康人员（三种病均无的人员）的 体检数据。病例数据中的信息包括烟龄、日饮酒量、高血压病史、风湿患病时 长（年）、血压（高压）、血压（低压）、心率、WBC、RBC、心悸胸闷时长（年）、 是否胸痛出汗、是否水肿或浮肿、是否头痛头晕这13项信息，还包括是否冠心 病、是否高血压、是否风湿性心脏病的确诊结果。
本实施例中采用三层结构的BP神经网络，即包括输入层、一个隐层、输出 层，根据数据样本确定输入层节点数为13、输出层节点数为3，根据训练结果 确定隐层节点数为13，网络结构示意如图7所示。模型误差值的自然对数值随 训练次数的变化曲线图如图8所示。
从100个病例数据中随机选取60个病例数据样本对模型进行训练，60个病 例数据的确诊结果如表1（其中1表示患病，0表示未患病）：
表1
用表1中的病例数据训练的神经网络模型完成后，病用该模型对上述60个 病例再次进行网络检测，最后网络的判定结果如表2：
表2
对比病例确诊结果与模型预测结果，可以看到输出数值误差小于±1%，根 据数值大于0.8即认定为完全患病，数值小于0.2即判断为完全不患病，该网 络模型对60个病例检测正确率为100%，模型建立完成。
然后采用剩余的40个病例数据对模型预测准确度进行验证。40个验证病例 数据的确诊结果如表3（其中1表示患病，0表示未患病）：
表3
通过模型网络对上述40个病例进行检测，判定结果如表4：
表4
对比40个病例确诊结果与模型判定结果，根据数值大于0.8即认为完全患 病，数值小于0.2即判断为完全不患病，则有3个病例判定结果错误，即准确 率为92.5%。基本满足疾病预判准确度要求。
因本实施例建模样本较少，模型预判准确度相对偏低，在样本足够多的前 提下，准确度可以进一步提高。
再验证完成后，便可将此模型参数传输给用户终端装置，用户终端装置获 得某一用户的个人信息及生理检测信息如表5：
表5
用户终端装置中生命体状态评估针对冠心病、风心病、高血压的评估输出 数值为-0.048、1.007、0.0862,根据判别规则，数值大于0.8即认为完全患病， 数值小于0.2即判断为完全不患病，则可得到判定结果为0、1、0，即该用户患 风湿性心脏病。用户终端装置便会根据此判别结果为用户推荐就医指导和生活 指南，并将数据、信息发送至远程控制中心进行存储，同时根据用户选择，是 否将检测数据及评估结果通过无线传输单元发送至用户个人数字设备，评估结 束。
按照上述实施例，便可很好地实现本发明。
机译： 生理状况评估装置，生理状况评估方法，生理状况评估装置的程序以及生理状况评估系统
机译： 生理条件评估装置，生理条件评估方法，生理条件评估装置的程序以及生理条件评估系统
机译： 生理条件评估装置，生理条件评估方法，生理条件评估装置的程序以及生理条件评估系统
