CN119517418A 基于多维数据分析的健康管理方法及系统 （山东青鸟软通信息技术股份有限公司）

司尤其涉及基于多维数据分析的健康管理方法及2成预处理后的健康数据；利用基于时序分析的异常检测模型对所述健康数据进行异常分基于健康状态数据和因果特征数据，进行健康风险分析，利用短采集用户的干预执行反馈数据，基于所述反馈数据优化健康干预取通过动态注意力机制实现，所述动态注意力机制基于时间序列特征的重要性分配权重，其中权重W:的计算包括以下步骤：计算时间点t的特征重要性分数，所述特征重要性分数通过对时间点t的特征值与计算时间点的特征权重w:具体为：,构建健康状态数据的因果图谱，所述因果图谱包括健,其中，s,为节点和节点之间的因果强度；p(,laox))3述因果特征链条用于描述健康状态数据中变量之间的关键因果6.根据权利要求1所述的健康管理方法，其特征在于，所述健康风险分析包括以下步基于长期趋势预测模型分析健康变化的长期趋势，所述长期综合短期时间序列模型的快速波动趋势和长期趋势预测模型的趋势10.一种用于实施权利要求1至9任一所述基于多维数据分析的健康管理方法的系统，健康状态建模模块，用于基于预处理后的健康数据和异常标记数据提取用户健康特健康风险分析模块，用于基于健康状态数据和因果特征数据，利用短期健康干预优化模块，用于采集用户的干预执行反馈数据，基于所述反馈4现有技术更多依赖历史数据和趋势分析，缺乏对用户当前状态的动态调整能力，5[0007]优选的，所述健康状态数据通过结合动态健康特征编码数据和异常标记数据生计算时间点t的特征重要性分数，所述特征重要性分数通过对时间点t的特征,为时间点t对应的特征权重；为时间点t的特征重要性分数，通ep表示自然指数函数；,其中，s,为节点%和节点之间的因果强度；p(x,lao(x))为在对节点%进行干预6本发明通过区块链技术实现健康干预方案的安全共享和动态管理，保障用户隐78,9[0041]养老社区通过该分析过程，确定用户当前健康状态的主要风险来自环境湿度不[0042]优选的，所述健康状态数据通过结合动态健康特征编码数据和异常标记数据生单元，LSTM能够有效缓解传统RNN在长时间序列中的梯度消失问题。输入时间序列数据,,用户的心率和室内湿度的异常标记数据表明及心率出现3次突然升高至100次/分钟的异常。将动态健康特征编码数据和异常标记数据计算时间点t的特征重要性分数，所述特征重要性分数通过对时间点t的特征,和其相邻时间点特征值的加权求和计算得到,,,[0063]动态健康特征编码数据的生成广泛应用于后续的健康状态建模和风险分析环列。基于心率数据，系统检测到白天的心率波动幅度较大，异常点被标记为高重要性分数,其中，为节点和节点之间的因果强度；p(,laox))为在对节点进行干预变量在干预和未干预状态下的概率分布差值来量化，从而直观地反映出变量之间的因果关系强弱。[0082]因果强度计算：模拟湿度增加至50%的干预操作，计算睡眠质量的条件概率分布间序列模型捕捉数据的快速波动趋势，并结合长期趋势预测模型分析健康变化的长期趋[0103]短期时间序列模型使用卷积神经网络（ConvolutionalNeuralNetwork,CNN变化等。长期趋势预测模型基于长短期记忆[0104]健康风险分析的输入为动态健康特征数据，这些数据由多模态健康数据融合生关的部分权重被放大。生成健康风险数据，包含多维风险来源及风险程度的量化结果。例[0116]本发明通过条件生成对抗网络（ConditionalGenerativeAdversarialNetwork,CGAN）实现健康干预方案的生成。CGAN是一种基于生成对抗网络（Generative[0132]本发明中的干预执行反馈数据用于动态监测和评估健康干预措施的实际执行效度反馈为45%，则判定湿度干预有效。通过行为执行数据判断用户是否按要求完成干预任有所提升（从波动范围10次/分钟降低至5次/分钟但血压仍然偏高（收缩压保持在145占30%提示情绪改善效果有限。发的心率波动或湿度异常为后续分析提供高质量的输入数