具体实施方式

以下结合附图对本发明的原理和特征进行描述，所列举实施例只用于解释本发明，并非用于限定本发明的范围。

参照图1和图2，本发明提供意图体系驱动的患者个性化治疗方案评估方法，所述方法包括以下步骤：

S1、通过明确患者的主要意图建立起与其相关的相关意图体系树，并且将相关意图体系树内的相关意图看作所需的各项指标，示例性地，该患者的主要意图为保证患者注射针剂后不会出问题，即保证患者的健康。

S2、通过明确各项指标的规定，确定患者的对照资源与各项指标规定相比的偏离程度计算方法，并根据偏离程度进行排序，得到相同人群在不同指标下的排序，如果排序越靠前则其偏离指标的程度越小，如果排序越靠后则其偏离指标的程度越大。

S3、确定各项指标对主要意图的支撑程度，并且计算出确定各项指标在支撑主要意图时的比例，示例性地，例如为支撑主要意图判断健康时，相关指标年龄、体质指数BMI等n个指标的所占比例分别为p1,p2,p3,...,pn,且p1+p2+p3+...+pn＝1，pi越大，说明指标i对主要意图的支撑影响越大。

S4、通过计算不同患者的具体资源对主要意图的支撑程度，并且根据将支撑程度将对同患者进行从小到大的排序，如果排序靠前则表示越符合主要意图，示例性地，通过排序可以更加符合患者的主要意图，相较于用传统方法单一因素(18至60岁)去确定患者人群相比更符合现实情形，准确度也大大得到提升，通过上述的偏离程度的排序和计算出确定各项指标在支撑主要意图时的比例，可以为患者制定更加符合患者的医疗方案。

特别的，例如某项指标规定只有18至60岁患者才能注射防疫疫苗的医疗方案，但是超过60岁的年纪，不符合注射的年龄的患者想要出国，为了出国，患者可以依靠其他各项指标的规定结合自身的身体条件进行自主选择注射的医疗方案。

具体的，在步骤S1中，所述相关意图包括：患者的年龄、体质指数BMI、体温变化、心率、血糖、血脂、血压和慢性病，将相关意图作为判断指标，可以更加准确的确定患者人群。

具体的，在步骤S2中，支撑程度的计算公式如下：

其中R_i(p_j)表示用户p_j在指标j中的排名，p_i是指标i对应的比例，n表示指标的总数，根据SupportDegree(Pj)对不同用户进行从小到大排序，排序靠前的表示越符合主要意图。

具体的，在步骤S2中，将对照资源与各项指标规定内存在的数值划分为数值型、区间型和布尔型类型，示例性地，数值型表示某种事物的数量是多少；区间型表示存在用数字表示的范围；布尔型表示只有两个不同的数值，分别表示两个语义相对的事物，用于逻辑判断。

在本实施例中，当指标规定为数值型，并且对照资源为数值型时，将对照资源中的数值提取出来与指标规定中的数值进行偏离程度比较，并根据偏离程度进行排序，示例性地，以睡眠时间指标，指标规定每人每天平均睡8小时，即8小时是数值型，对照资源CompareSource：采集得到的含有数值型具体睡眠时长的资源，包括数据资源(eg.7h、Sleeptime：7.5h)、信息资源(eg.Alice slept six hours today.)、知识资源(eg.The averagesleep time of junior high school students is 8hours.)，将各类资源中的数值提出，与指标规定中的数值进行偏离程度比较，并根据偏离程度进行排序，

指标规定中数值型N1与对照资源中数值型N2的偏离程度Offset Degree(OD)可用两个数值的曼哈顿距离d(N1,N2)来衡量，对计算得到的曼哈顿距离进行从小到大排序，d(N1,N2)越小表示偏离程度越小，越接近指标规定，d(N1,N2)越大表示偏离程度越大，越不符合指标规定，当d(N1,N2)＝0时表示无偏离。N1和N2之间的相对距离Rd＝N1-N2说明N2的偏离方向，当Rd>0，N1>N2，当Rd<0，N1<N2。OD(N1,N2)＝d(N1,N2)＝|N1-N2|，在此例中OD(N1,N2)＝d(N1,N2)＝|8-N2|参照表格如下：

在本实施例中，当指标规定为区间型，并且对照资源为数值型时，将对照资源中的数值提取出来与指标中的连续区间进行偏离程度进行比较并且排序，示例性地，以年龄指标，指标规定年龄在区间(18,60)内的人可注射针剂，对照资源CompareSource：采集得到的含有数值型具体年龄的资源，包括数据资源(eg.18、Age：20)、信息资源(eg.Alice is25years old.)、知识资源(eg.The average age of freshmen is 18.)，将各类资源中的数值提出，与指标中的连续区间进行偏离程度比较并排序。

偏离程度比较方法：记指标规定区间为(a,b)，对照资源中数值为Ni，

Step1.分别计算a和b分别与对照资源中数值之间的相对距离Rd，即计算两个值(N-a,b-N)，N-a表示对照资源中的数值到区间最小值的距离，b-N表示对照资源中的数值到区间最大值的距离，两值中存在负数说明数值型N不在该连续区间内，即数值型N符合连续区间型CI的可能性为0；不为负数的相对距离等同于曼哈顿距离；此时若出现距离结果为0，则表示区间边界值即为数值型资源；比较N-a和b-N，当(N-a)>(b-N)，说明偏离情况为N更接近区间最大值b，当(N-a)<(b-N)，说明N更接近区间最小值a。

Step2,根据实际情况设定排序标准，例如存在知识规则“年龄越大，身体健康情况越差；年龄越小，身体健康情况越好”，此时对在连续区间内的N设定排序标准为年龄越小，排序越靠前；对不在连续区间内的N设定排序标准为：当N-a<0时，|N-a|表示数值资源偏离区间程度，|N-a|越小，排序越靠前；当b-N<0时，|b-N|表示数值资源偏离区间程度，|b-N|越小，排序越靠前，参照表格如下：

在本实施例中，当指标规定为区间型，且对照资源为区间型时，将对照资源中区间提取出来与指标中的连续区间进行偏离程度进行比较并且排序，示例性地，体温变化指标，指标规定人体正常体温为(36,37)摄氏度，对照资源CompareSource：采集得到的含有区间型体温变化的各类资源，包括数据资源(eg.(36.5,36.9)、body temperature：(36.4,37))、信息资源(eg.Alice’s body temperature is(36.3,36.6).)、知识资源(eg.The bodytemperature is about 36.2to 37.2.)，将各类资源中的区间提出，与指标中的连续区间进行偏离程度比较并排序。

偏离程度比较方法：记指标规定区间为(a,b)，对照资源中体温变化区间为(c,d)，首先针对对照资源区间与指标规定区间存在部分重合情形进行排序，分别计算a和c、b和d之间的相对距离Rd，即计算两个值(c-a,b-d)，存在以下情形：(1)c-a>0,b-d>0，属于第一轮排序，此时c-a表示对照区间最小值偏离a的距离，c-a越大，最小值c越偏离a，b-d表示对照区间最大值偏离b的距离，b-d越大，最大值d越偏离b。用(c-a)+(b-d)表示对照区间在指标区间的偏离情况，此时根据(c-a)+(b-d)计算结果从大到小排序，(c-a)+(b-d)值越大，表示对照区间越偏离a和b，越靠近指标区间中心，波动越小。

c-a>0,b-d<0，属于第二轮排序，此时c-a表示对照区间最小值偏离a的距离，c-a越大，最小值c越偏离a，|b-d|表示对照区间最大值偏离b的距离，|b-d|越大，最大值d越偏离b。用(c-a)+|b-d|表示对照区间在指标区间的偏离情况，此时根据(c-a)+|b-d|计算结果从小到大排序，(c-a)+|b-d|值越大，表示对照区间越偏离a和b，越远离指标区间，波动越大。

c-a<0,b-d>0，属于第二轮排序，此时|c-a|表示对照区间最小值偏离a的距离，c-a越大，最小值c越偏离a，b-d表示对照区间最大值偏离b的距离，b-d越大，最大值d越偏离b。用|c-a|+(b-d)表示对照区间在指标区间的偏离情况，此时根据|c-a|+(b-d)计算结果从小到大排序，|c-a|+(b-d)值越大，表示对照区间越偏离a和b，越远离指标区间，波动越大。

c-a<0,b-d<0，属于第三轮排序，此时|c-a|表示对照区间最小值偏离a的距离，c-a越大，最小值c越偏离a，|b-d|表示对照区间最大值偏离b的距离，|b-d|越大，最大值d越偏离b。用|c-a|+|b-d|表示对照区间在指标区间的偏离情况，此时根据|c-a|+|b-d|计算结果从小到大排序，|c-a|+|b-d|值越大，表示对照区间越偏离a和b，越远离指标区间，波动越大。

其次针对对照资源区间与指标规定区间不存在部分重合情形进行排序，存在两种情形：(1)c>b，属于第四轮排序，分别计算b和c、b和d之间的相对距离Rd，即计算两个值(b-c,b-d)，此时|b-c|表示对照区间最小值偏离b的距离，|b-c|越大，最小值c越偏离b，|b-d|表示对照区间最大值偏离b的距离，|b-d|越大，最大值d越偏离b。用|b-c|+|b-d|表示对照区间在指标区间的偏离情况，此时根据|b-c|+|b-d|计算结果从小到大排序，|b-c|+|b-d|值越大，表示对照区间越偏离a和b，越远离指标区间，波动越大。

a>d，属于第四轮排序，分别计算a和c、a和d之间的相对距离Rd，即计算两个值(c-a,d-a)，此时|c-a|表示对照区间最小值偏离a的距离，|c-a|越大，最小值c越偏离a，|d-a|表示对照区间最大值偏离a的距离，|d-a|越大，最大值d越偏离a。用|c-a|+|d-a|表示对照区间在指标区间的偏离情况，此时根据|c-a|+|d-a|计算结果从小到大排序，|c-a|+|d-a|值越大，表示对照区间越偏离a和b，越远离指标区间，波动越大，参照表格如下：

在本实施例中，当指标规定为布尔型，且对照资源为数值型或者为区间型时，将对照资源中的数值提取出来与指标中布尔值真正所代表的连续区间或数值进行偏离程度进行比较并且排序，示例性地，以心率正常指标，指标规定用1表示心率正常，用0表示心率不正常，1和0是布尔值，是对具体心率资源和正常心率区间(60,100)经过推理比较后得到的，对照资源CompareSource：采集得到的含有数值型心率的资源，包括数据资源(eg.75/min、heart rate：86)、信息资源(eg.Alice’s heart rate is 83.)、知识资源(eg.The heartrate is about 65.)，将各类资源中的数值提出，与指标中布尔值真正所代表的连续区间或数值进行偏离程度比较并排序。

偏离程度比较方法依靠指标中布尔值真正所代表的连续区间或数值与对照资源进行比较，参照表格如下：

除已知指标外还可根据其他资源进行判断，例如不知一个人的相关指标资源，但已知他用了1个小时跑完了十公里，从这个信息中可看出他十分健康，可以注射该针剂。

例如，已知用户关于年龄、睡眠时间、体温变化、心率的相关资源，将这四个方面作为判断指标，明确指标的各个规定，将用户的资源与指标进行对应并排序，最后确定指标i对应的比例分别为30％、20％、20％、30％，根据进行总排序，最终得到不同用户资源对主要意图的支撑情况排序，参照表格如下：

具体的，在步骤S2中，所述对照资源包括数据资源、信息资源和知识资源。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。