本发明涉及健康监测，尤其涉及健康状态智能分析预测预警系统及其方法。
背景技术：
1、随着科技的发展和人们对健康的重视，健康状态的分析与预警已经成为一项重要的需求。然而，现有的健康管理系统大多只针对单一的健康方面进行监测和管理，如仅针对运动健康或睡眠健康进行监测，且评估标准单一，无法客观、全面地反映用户的健康状况，也无法为用户提供个性化的有效预警和建议。因此，开发一种能够融合多种健康数据，进行全面健康管理的预警系统是迫切需要的。
2、此外，现有的健康监测方式大多依赖于可穿戴设备，若用户忘记穿戴该设备时，健康监测也随之失效。随着手机与用户的联系越来越紧密，手机已经成为了一个重要的健康监测工具。通过手机上的传感器和应用程序，已经可以实时采集用户的不分健康数据，如步数、心率等，若在此基础上进一步扩展用户健康状态评估的信息来源，如引入更多的生理参数、健康指标、用户的生活习惯等，再通过人工智能和机器学习技术对用户的健康数据进行深度学习和模式识别，就可以从大量的数据中提取有用的信息，发现数据之间的关联和规律，提供更加个性化的预警和建议，帮助用户及时了解自己的健康状况，并采取相应的措施来维护和改善自己的健康。
技术实现思路
1、针对现有的健康管理系统功能单一、评估标准单一，同时受限于可穿戴设备等问题，本发明提供健康状态智能分析预测预警系统及其方法，通过数据融合和机器学习技术对用户的健康数据进行监测及预测，帮助用户及时了解自己的健康状况。
2、为了实现上述目的，本发明通过如下的技术方案来实现：
3、健康状态智能分析预测预警系统，所述系统包括：
4、数据采集模块，包括生理数据采集单元、健康档案记录单元和环境数据采集单元；
5、所述生理数据采集单元用于通过手机采集用户的食指图像，利用光电容积描记技术获取用户的生命体征数据，所述生命体征数据包括脉搏率、呼吸率、血压、血氧饱和度和单导联ecg；
6、所述健康档案记录单元用于通过手机表单采集用户的健康档案，所述健康档案包括年龄、身高、体重、家族病史、疾病史、就医及吃药记录、饮食信息、运动信息和睡眠信息；
7、所述环境数据采集单元用于通过手机内置传感器或api接口采集当日的环境信息，所述环境信息包括当日气温、气压和空气质量；
8、数据传输模块，用于将所述生命体征数据、健康档案和环境信息传输到云端服务器进行加密存储，以及将加密存储后的所述生命体征数据、健康档案和环境信息传输至智能分析模块进行处理；
9、智能分析模块，用于接收加密存储后的所述生命体征数据、健康档案和环境信息并进行解密，对解密后的数据进行数据融合和特征提取，通过机器学习算法分析数据之间的关联和规律；
10、预测预警模块，用于根据智能分析模块的分析结果，构建预测模型预测用户的健康问题，并在检测到健康风险时向用户发出预警信号；
11、用户交互模块，用于通过手机应用程序界面展示健康分析结果和健康预警信息。
12、作为本发明的一种优选方案，所述用户交互模块还包括健康咨询模块，所述健康咨询模块包括：
13、在线咨询模块，用于向医生咨询健康问题；
14、健康知识库，用于用户随时查询健康知识；
15、健康建议模块，根据用户的健康状况和需求，给出相应的健康建议，包括饮食调整、运动建议或医疗咨询。
16、作为本发明的一种优选方案，所述生理数据采集单元利用光电容积描记技术获取用户的生命体征数据的方法具体包括：
17、用户将食指指尖放在智能手机的后置摄像头上，通过智能手机持续录制一段不少于30秒的视频图像，并对所述视频图像进行预处理以提取滤波和去除线性趋势后的vppg信号；
18、在所述视频图像的rgb通道上，采用像素平均技术从vppg信号中每帧的中心区域提取ppg时间序列，并应用小波变换去噪和去除运动引起的伪影；
19、将所述ppg时间序列传递给卷积神经网络进行训练，最终输出脉搏率、血氧饱和度、呼吸率和单导联ecg。
20、作为本发明的一种优选方案，对所述生命体征数据、健康档案和环境信息进行加密和解密的方法具体包括：
21、数据传输模块和智能分析模块公开约定整数p和大素数q；
22、数据传输模块随机生成私有密钥向量m(m1，m2)，并计算得到公开密钥向量a＝(pm1mod q，pm2 mod q)；
23、智能分析模块随机生成私有密钥向量n(n1，n2)，并计算得到公开密钥向量b＝(pn1mod q，pn2 mod q)；
24、数据传输模块、智能分析模块交换公开密钥向量，并计算出用于加密和解密的密钥向量m和n，m＝(pm1n1 mod q，pm2n2 mod q)＝n；
25、数据传输模块通过密钥m进行数据加密，智能分析模块通过密钥n解密数据。
26、作为本发明的一种优选方案，所述智能分析模块包括数据融合模块、机器学习模块和优化更新模块；
27、所述数据融合用于对解密后的数据进行清洗、整合和标准化处理，将所述生命体征数据、健康档案和环境信息进行时间同步和数据融合，将数据转换到一个标准范围，得到融合后的数据；
28、所述机器学习模块用于对所述融合后的数据进行特征提取，基于关联规则挖掘算法、聚类分析算法、时间序列分析算法、决策树和随机森林构建分析模型进行数据关联分析，并分类标记为有健康风险的数据和无健康风险的数据；
29、所述优化更新模块用于根据用户的反馈和健康变化，对所述分析模型进行定期优化。
30、作为本发明的一种优选方案，所述数据融合模块通过融合度指标r记录数据融合的完整度，所述融合度指标r的计算公式为：
31、
32、式中，a、b、c分别为预设的比例系数；g为数据采集的速度因子；t为数据传输的传输因子，由加密速度、加密传输时长和数据存储大小决定；u为数据融合的使用因子，由解密速度、接收速度决定；
33、将融合度指标r与预设的指标阈值进行比较，若融合度指标r＜指标阈值，则说明数据融合存在异常，重新进行数据融合。
34、作为本发明的一种优选方案，所述预测模型具体包括：
35、将数据融合后标记为无健康风险的数据和标记为有健康风险的数据分别送入同一参数的自编码网络进行训练，并分别计算得到无监督网络损失l1和有监督网络损失l2；计算网络总损失l总＝l1+l2；
36、迭代训练以上两个步骤，当得到的无监督网络损失与有监督网络损失之和不再变化或者达到最大迭代步数时停止迭代，将此时得到的数据作为风险评价指标；
37、利用反向传播算法调整网络结构参数，采用迭代训练方式，将标记为无健康风险和有健康风险的相同数据再次送入自编码网络中，分别重复计算得到无监督网络损失l1＇和有监督网络损失l2＇，计算本轮网络总损l总＇＝l1＇+1+l2＇；
38、比较调整网络结构参数后的损失值并再次调整网络结构参数，直至满足l总＇＝l总或达到最大迭代次数，停止训练；
39、将所述风险评价指标和预设的健康风险阈值进行比较，当所述风险评价指标超过所述预设的健康风险阈值时，通过手机推送进行预警提示。
40、健康状态智能分析预测预警方法，所述方法包括：
41、用户通过手机注册并输入基本信息，记录个人的健康档案，所述健康档案包括年龄、身高、体重、家族病史、疾病史、就医及吃药记录、饮食信息、运动信息和睡眠信息；
42、通过手机采集用户的食指图像，利用光电容积描记技术获取用户的生命体征数据，所述生命体征数据包括脉搏率、呼吸率、血压、血氧饱和度和单导联ecg；同时通过手机内置传感器或api接口采集当日的环境信息，所述环境信息包括当日气温、气压和空气质量；
43、将所述生命体征数据、健康档案和环境信息传输到云端服务器进行加密存储；
44、智能分析时从云端服务器获取加密存储的所述生命体征数据、健康档案和环境信息并进行解密，对解密后的数据进行数据融合和时间同步，将数据转换到一个标准范围，得到融合后的数据；通过融合度指标r记录数据融合的完整度，所述融合度指标r的计算公式为：
45、
46、式中，a、b、c分别为预设的比例系数；g为数据采集的速度因子；t为数据传输的传输因子，由加密速度、加密传输时长和数据存储大小决定；u为数据融合的使用因子，由解密速度、接收速度决定；
47、将融合度指标r与预设的指标阈值进行比较，若融合度指标r＜指标阈值，则说明数据融合存在异常，重新进行数据融合；
48、对融合后的数据进行特征提取，基于关联规则挖掘算法、聚类分析算法、时间序列分析算法、决策树和随机森林构建分析模型进行数据关联分析，并分类标记为有健康风险的数据和无健康风险的数据；
49、构建预测模型预测用户的健康问题，并在检测到健康风险时向用户发出预警信号，通过手机应用程序界面展示健康分析结果和预警信息。
50、作为本发明的一种优选方案，所述预测模型具体包括：
51、将数据融合后标记为无健康风险的数据和标记为有健康风险的数据分别送入同一参数的自编码网络进行训练，并分别计算得到无监督网络损失l1和有监督网络损失l2；计算网络总损失l总＝l1+l2；
52、迭代训练以上两个步骤，当得到的无监督网络损失与有监督网络损失之和不再变化或者达到最大迭代步数时停止迭代，将此时得到的数据作为风险评价指标；
53、利用反向传播算法调整网络结构参数，采用迭代训练方式，将标记为无健康风险和有健康风险的相同数据再次送入自编码网络中，分别重复计算得到无监督网络损失l1＇和有监督网络损失l2＇，计算本轮网络总损l总＇＝l1＇+1+l2＇；
54、比较调整网络结构参数后的损失值并再次调整网络结构参数，直至满足l总＇＝l总或达到最大迭代次数，停止训练；
55、将所述风险评价指标和预设的健康风险阈值进行比较，当所述风险评价指标超过所述预设的健康风险阈值时，通过手机推送进行预警提示。
56、与现有技术相比，本发明的有益效果是：在不需要佩戴其他外部设备的情况下依靠手机自身完成用户的健康监测，减少了健康监测的限制，使得健康监测更加方便；进一步扩展用户健康状态评估的信息来源，引入更多的生理参数、健康指标、用户的生活习惯、环境信息等；使用加解密算法确保用户的个人隐私得到充分保护，再通过数据融合和机器学习技术对用户的健康数据进行监测和预测，从大量的数据中提取有用的信息，发现数据之间的关联和规律，提供更加个性化的预警和建议，帮助用户及时了解自己的健康状况，并采取相应的措施来维护和改善自己的健康。
1.健康状态智能分析预测预警系统，其特征在于，所述系统包括：
2.根据权利要求1所述的健康状态智能分析预测预警系统，其特征在于，所述用户交互模块还包括健康咨询模块，所述健康咨询模块包括：
3.根据权利要求1所述的健康状态智能分析预测预警系统，其特征在于，所述生理数据采集单元利用光电容积描记技术获取用户的生命体征数据的方法具体包括：
4.根据权利要求1所述的健康状态智能分析预测预警系统，其特征在于，对所述生命体征数据、健康档案和环境信息进行加密和解密的方法具体包括：
5.根据权利要求1所述的健康状态智能分析预测预警系统，其特征在于，所述智能分析模块包括数据融合模块、机器学习模块和优化更新模块；
6.根据权利要求5所述的健康状态智能分析预测预警系统，其特征在于，所述数据融合模块通过融合度指标r记录数据融合的完整度，所述融合度指标r的计算公式为：
7.根据权利要求5所述的健康状态智能分析预测预警系统，其特征在于，所述预测模型具体包括：
8.健康状态智能分析预测预警方法，其特征在于，所述方法包括：
9.根据权利要求8所述的健康状态智能分析预测预警方法，其特征在于，所述预测模型具体包括：
