一种基于社交图网络的动物疾病的预警方法和系统

技术领域

本发明涉及神经网络技术领域，尤其涉及一种基于社交图网络的动物疾病的预警方法和系统。

背景技术

随着社会的发展，越来越多的人们开始饲养宠物。在宠物饲养的过程中，由于宠物间的相互接触以及病菌的依附性，宠物发生传染病的情况难以避免。由于宠物的生病情况较难发现或发现较晚，这就容易对宠物的身心健康造成不利影响，因此，一套能够及时甚至提前发现动物生病的迹象的疾病预警系统，对于动物疾病的预警具有重要的意义。

现有技术对于动物疾病的预警，业界通常采用监测宠物各项指标(如体温、血氧或血压等)的方式。具体的疾病监测方法有如下几种：1、基于规则的方法，在生理指标出现异常时，即生理指标超出正常范围时，疾病预警系统直接报警；2、基于序列的方法，通过监测生理指标的序列，使用Markov链等方法监测序列异常的发生；3、基于模型的方法，通过采集生理指标的序列，训练RNN等序列模型，并通过指标序列使用模型进行异常判别甚至提前预判等。

对于动物而言，动物每天的活动中容易触到其他动物，动物之间会造成细菌感染和病毒传播等交互行为；然而上述方法通常仅考虑动物自身状况的单一生理指标，只能在宠物自身健康状况出现异常时进行报警，难以及时预警，从而对于动物疾病的传染行为做不到真正意义上的提前预警。

发明内容

本发明提供一种基于社交图网络的动物疾病的预警方法和系统，旨在解决现有技术仅考虑动物自身状况的单一生理指标，只能在宠物自身健康状况出现异常时进行报警，难以及时预警，从而对于动物疾病的传染行为做不到真正意义上的提前预警的问题。

为实现上述目的，根据本发明的第一方面，本发明提出了一种基于社交图网络的动物疾病的预警方法，包括：

实时采集多个动物的健康信息和位置信息；

使用长短期记忆LSTM模型对多个动物的健康信息进行建模，得到多个动物的当前健康状态信息；

根据多个动物的位置信息，生成多个动物的社交图网络；

使用图神经网络算法对社交图网络进行建模，得到社交图网络模型，并使用当前健康状态信息初始化社交图网络模型；

获取社交图网络模型的节点特征，根据节点特征对每个动物进行疾病预警。

优选的，上述动物疾病的预警方法中，实时采集多个动物的健康信息和位置信息的步骤包括：

设置多个动物中每个动物的唯一标识；

使用体温传感器实时采集每个动物的体温指标序列，作为每个动物的健康信息；

使用位置传感器实时采集每个动物的位置信息；

建立唯一标识分别与健康信息和位置信息的对应关系。

优选的，上述动物疾病的预警方法中，根据多个动物的位置信息，生成多个动物的社交图网络的步骤包括：

设置多个节点，多个节点表示多个动物；

根据多个动物的位置信息，识别多个动物之间的接触情况；

根据多个动物的接触情况，生成多个节点之间的边并设置边的权重；

实时更新节点、边和边的权重，得到多个动物的社交图网络。

优选的，上述动物疾病的预警方法中，使用图神经网络算法对社交图网络进行建模，并使用当前健康状态信息初始化社交图网络模型的步骤，包括：

将社交图网络的信息输入至message passing算法进行建模，得到社交图网络模型；

使用多个动物的当前健康状态信息，初始化社交图网络模型中每个节点的节点特征。

优选的，上述动物疾病的预警方法中，获取社交图网络模型的节点特征，根据节点特征对每个动物进行疾病预警的步骤包括：

根据初始化的每个节点的节点特征信息，对社交图网络模型进行多层卷积操作；

获取社交图网络模型的最后一层卷积层中每个节点的节点特征信息；

将最后一层卷积层中每个节点的节点特征信息输入至message passing算法的全连接层，得到每个动物的疾病预警信息。

优选的，上述动物疾病的预警方法中，根据初始化的每个节点的节点特征信息，对社交图网络模型进行多层卷积操作的步骤包括：

使用初始化的每个节点的节点特征信息，根据公式

根据本发明的第二方面，本发明提供了一种基于社交图网络的动物疾病的预警系统，包括：

信息采集模块，用于实时采集多个动物的健康信息和位置信息；

第一建模模块，用于使用长短期记忆LSTM模型对多个动物的健康信息进行建模，得到多个动物的当前健康状态信息；

社交图网络生成模块，用于根据多个动物的位置信息，生成多个动物的社交图网络；

第二建模模块，用于使用图神经网络算法对社交图网络进行建模，得到社交图网络模型，并使用当前健康状态信息初始化社交图网络模型；

疾病预警模块，用于获取社交图网络模型的节点特征，根据节点特征对每个动物进行疾病预警。

优选的，上述动物疾病的预警系统中，信息采集模块包括：

标识设置子模块，用于设置所述多个动物中每个动物的唯一标识；

体温采集子模块，用于使用体温传感器实时采集每个动物的体温指标序列，作为所述每个动物的健康信息；

位置采集子模块，用于使用位置传感器实时采集每个动物的位置信息；

关系建立子模块，用于建立所述唯一标识分别与所述健康信息和所述位置信息的对应关系。

优选的，上述动物疾病的预警系统中，社交图网络生成模块包括：

节点设置子模块，用于设置多个节点，多个节点表示多个动物；

接触识别子模块，用于根据多个动物的位置信息，识别多个动物之间的接触情况；

边生成子模块，用于根据多个动物的接触情况，生成多个节点之间的边并设置边的权重；

网络获取子模块，用于实时更新节点、边和边的权重，以获取多个动物的社交图网络。

优选的，上述动物疾病的预警系统中，第二建模模块包括：

算法输入子模块，用于将社交图网络的信息输入至message passing算法进行图网络模型的学习和更新，得到社交图网络模型；

模型初始化子模块，用于使用多个动物的当前健康状态信息，初始化社交图网络模型中每个节点的节点特征。

优选的，上述动物疾病的预警系统中，疾病预警模块包括：

多层卷积子模块，用于根据初始化的每个节点的节点特征信息，对社交图网络模型进行多层卷积操作；

特征获取子模块，用于获取社交图网络模型的最后一层卷积层中每个节点的节点特征信息；

特征输入子模块，用于将最后一层卷积层中每个节点的节点特征信息输入至message passing算法的全连接层，得到每个动物的疾病预警信息。

综上，本申请技术方案提供的基于社交图网络的动物疾病的预警方案，首先采集多个动物的健康信息和位置信息，这样就能够通过多个动物的位置信息使用图神经网络算法对社交图网络进行建模，得到社交图网络模型，该社交图网络能够反映多个动物的社交关系和亲密程度；并且使用LSTM模型对多个动物的健康信息进行建模，得到每个动物的当前健康状态信息，以初步确定动物是否存在疾病，利用上述当前健康状态信息初始化上述社交图网络模型，即得到上述社交图网络模型的初始节点特征，社交图网络模型是一种神经网络模型，能够对每个动物的当前健康状态进行机器学习，确定每个动物的疾病情况，从而根据节点特征对图中每个动物进行疾病预警；通过上述基于社交图网络的动物疾病预警方案，能够融合动物的生理指标和日常活动，对动物疾病的传染情况进行提前预警，提升动物疾病预警的准确性，减少动物疾病的虚报和漏报情况，从而解决现有技术难以对动物健康状况进行及时预警，对动物疾病的传染情况做不到提前预警的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1是本发明实施例提供的一种社交图网络模型的结构示意图；

图2是本发明实施例提供的一种基于社交图网络的动物疾病的预警方法的流程示意图；

图3是图2所示实施例提供的一种动物信息采集方法的流程示意图；

图4是图2所示实施例提供的一种社交图网络的生成方法的流程示意图；

图5是图2所示实施例提供的一种社交图网络的建模方法的流程示意图；

图6是图2所示实施例提供的一种疾病预警方法的流程示意图；

图7是本发明实施例提供的一种基于社交图网络的动物疾病的预警方法的流程示意图；

图8是图7所示实施例提供的一种信息采集模块的结构示意图；

图9是图7所示实施例提供的一种社交图网络生成模块的结构示意图；

图10是图7所示实施例提供的一种第二建模模块的结构示意图；

图11是图7所示实施例提供的一种疾病预警模块的结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例的主要解决的技术问题如下：

对于动物而言，动物每天的活动中容易触到其他动物，动物之间会造成细菌感染和病毒传播等交互行为；然而现有的采集动物生理指标的方案通常仅考虑动物自身状况这种单一生理指标，只能在宠物自身健康状况出现异常时进行报警，难以及时地预警，从而对于动物疾病的传染行为做不到真正意义上的提前预警。

为了解决上述问题，参见图1，本发明提供了基于社交图网络的动物疾病的预警方案，通过对动物的健康信息(例如体温特征)进行采样，得到动物的体温采样序列，然后使用该体温采样序列通过序列模型网络进行机器学习处理，能够通过LSTM网络得到每个动物的当前健康状态信息，再通过采集得到的多个动物的位置信息，生成上述多个动物的社交图网络，社交图网络中每个节点均代表一个动物，这样使用当前健康状态信息初始化每个动物的节点特征，通过社交图网络模型的多次卷积，得到多个卷积层，使用最后一卷积层(图中为layer3)的节点特征进行二分类处理，提前预测动物是否存在疾病感染风险，对每个动物提前进行疾病预警。

为实现上述目的，请参见图2，图2是本发明实施例提供的一种基于社交图网络的动物疾病的预警方法的流程示意图，如图2所示，该基于社交图网络的动物疾病的预警方法，包括：

S110：实时采集多个动物的健康信息和位置信息。健康信息包括动物的体温、血氧或血压等信息，本申请下述实施例中采用体温指标作为动物的健康信息，位置信息为实时采集的动物的坐标点，这样能够根据动物的坐标位置确定动物的运动轨迹和社交情况。

具体地，作为一种优选的实施例，如图3所示，该实时采集多个动物的健康信息和位置信息的步骤包括：

S111：设置多个动物中每个动物的唯一标识；本申请实施例中建设动物的ID作为动物的唯一标识，具体可在动物体内植入芯片，该芯片集成该ID。

S112：使用体温传感器实时采集每个动物的体温指标序列，作为每个动物的健康信息；本申请实施例采集的体温数据是实时采样得到的，这样就能够得到序列化的体温指标序列，从而作为动物的健康信息。

S113：使用位置传感器实时采集每个动物的位置信息；位置信息可使用多种传感器采集得到，或者使用上述植入的芯片集成定位功能，实时获取动物的位置坐标，进而确定动物的运动轨迹，找寻多个动物之间的社交关系。

S114：建立唯一标识分别与健康信息和位置信息的对应关系。因为在动物体内设置植入式芯片，该植入式芯片集成动物的ID，并且该植入式芯片能够实时采集体温指标序列和位置信息；从而将动物的相关特征建立对应关系，便于查找。

在实时采集多个动物的健康信息和位置信息后，图2所示的动物疾病的预警方法还包括以下步骤：

S120：使用长短期记忆LSTM模型对多个动物的健康信息进行建模，得到多个动物的当前健康状态信息。

本申请实施例中序列模型采用LSTM模型，该模型是个循环模型，能够对上述多个动物的健康信息，例如体温指标序列按照时间记忆长短进行重整，从而对上述多个动物中每个动物的健康信息进行建模，得到当前健康状态信息，该当前健康状态信息包含动物的当前健康状态，例如当前体温特征，该当前体温特征为LSTM模型根据之前预定时段内每个时刻的体温特征进行处理得到，因此得到的当前健康状态信息能够更加准确地预测动物的健康状态。例如将动物的体温指标序列输入LSTM模型以进行序列建模，每个时刻的输入记为T

S130：根据多个动物的位置信息，生成多个动物的社交图网络；

作为一种优选的实施例，如图4所示，上述根据多个动物的位置信息，生成多个动物的社交图网络的步骤包括：

S131：设置多个节点，其中多个节点表示多个动物；本申请实施例中可以将一个动物及其社交接触的各动物的ID均记为社交图网络的节点。

S132：根据多个动物的位置信息，识别多个动物之间的接触情况；动物之间的接触情况包括动物的接触时间和接触次数等信息，具体根据上述位置信息中两动物的坐标是否重合判断动物是否接触。

S133：根据多个动物的接触情况，生成多个节点之间的边并设置边的权重。动物之间存在接触即在动物之间设置一条边，若在预定时间内未接触则断开这条边，其中可以以接触时间长短和接触次数多少作为边的权重。

S134：实时更新节点、边和边的权重，得到多个动物的社交图网络。

本申请实施例提供的技术方案，在动物中设置植入式芯片，该植入式芯片集成有定位功能，实时采集动物的位置信息，根据该位置信息就嫩设置动物社交图网络。具体通过设置多个节点，使用每个动物的ID表示该节点，同时根据动物之间的接触情况设置节点之间的边，并设置边的权重，从而生成童泰的社交图网络。动物社交图网络由节点和边组成，即G＝(V,E)，其中V表示节点，E表示边G代表社交图网络；节点(V)：即宠物，通过该宠物芯片的ID表示；边(E)：即动物之间的联系，根据动物位置的重合判断动物是否接触，并以此作为是否建立一条边，并以接触时间和次数作为边的权重；

因为动物会移动，因此该社交图为动态图，随着时间推移，该社交图会发生变化，即动物接触时节点与节点之间存在边，非接触时则边会断开。

在生成上述多个动物的社交图网络后，图2所示的动物疾病的预警方法还包括以下步骤：

S140：使用图神经网络算法对社交图网络进行建模，得到社交图网络模型，并使用当前健康状态信息初始化社交图网络模型。本申请实施例中图神经网络算法采用messagepassing算法，使用该算法对上述已经得到的社交图网络进行建模，具体在第t时刻采用该时刻的社交图网络信息，进行节点信息的更新，以反映动物之间动态的社交状态。其中上述当前健康状态信息就作为社交图网络模型中节点的初始特征。通过社交图网络模型的不断卷积，能够精准得到社交图网络中每个动物的体温特征。

具体地，如图5所示，该使用图神经网络算法对社交图网络进行建模的方法包括以下步骤：

S141：将社交图网络的信息输入至message passing算法进行学习和更新，得到所述社交图网络模型；message passing算法是主流的图神经网络算法，能够实时反映社交图网络的状态，即每个动物的社交情况，将社交图网络的信息，例如节点、边和边的权重输入至message passing算法进行建模，能够得到实时的动物社交情况。

S142：使用多个动物的当前健康状态信息，初始化所述社交图网络模型中每个节点的节点特征。将当前健康状态信息作为社交图网络模型中每个节点的初始节点特征，能够随着社交图网络模型的卷积计算，实时得到社交图中每个动物的健康状态，从而及时准确地预警动物的疾病传染情况。

在得到社交图网络模型后，图2所示的动物疾病的预警方法还包括：

S150：获取社交图网络模型的节点特征，根据节点特征对每个动物进行疾病预警。本申请实施例中，节点特征反映了动物的健康状态信息，该健康状态信息随着动物之间的接触而更新，从而根据每个动物的接触情况以及健康状态，使用社交图网络模型进行神经网络算法的二分类，得到每个动物的疾病预警信息。

具体作为一种优选的实施例，如图6所示，上述获取社交图网络模型的节点特征，根据节点特征对每个动物进行疾病预警的步骤包括：

S151：根据初始化的每个节点的节点特征信息，对社交图网络模型进行多层卷积操作。

其中，作为一种优选的实施例，该根据初始化的每个节点的节点特征信息，对社交图网络模型进行多层卷积操作的步骤具体如下：

使用初始化的每个节点的节点特征信息，根据公式

具体参见图1，Layer0层中每个节点的特征表示为

根据上述公式，Layer1中每个节点的特征表示为

Layer3以此类推，从而得到所有卷积层。

S152：获取社交图网络模型的最后一层卷积层中每个节点的节点特征信息。

S153：将最后一层卷积层中每个节点的节点特征信息输入至message passing算法的全连接层，得到每个动物的疾病预警信息。

假设最后一层卷积层为Layer3，那么该卷积层中每个节点的节点特征信息，即健康状态，输入到图神经网络的全连接层，从而到每个动物的疾病预警信息，以对动物疾病传染情况提前预警。

综上，本申请实施例提供的基于社交图网络的动物疾病的预警方法，首先采集多个动物的健康信息和位置信息，这样就能够通过多个动物的位置信息使用图神经网络算法对社交图网络进行建模，得到社交图网络模型，该社交图网络能够反映多个动物的社交关系和亲密程度；并且使用LSTM模型对多个动物的健康信息进行建模，得到每个动物的当前健康状态信息，以初步确定动物是否存在疾病，利用上述当前健康状态信息初始化上述社交图网络模型，即得到上述社交图网络模型的初始节点特征，社交图网络模型是一种神经网络模型，能够对每个动物的当前健康状态进行机器学习，确定每个动物的疾病情况，从而根据节点特征对图中每个动物进行疾病预警；通过上述基于社交图网络的动物疾病预警方案，能够融合动物的生理指标和日常活动，对动物疾病的传染情况进行提前预警，提升动物疾病预警的准确性，减少动物疾病的虚报和漏报情况，从而解决现有技术难以对动物健康状况进行及时预警，对动物疾病的传染情况做不到提前预警的问题。

基于上述方法实施例的同一构思，本发明实施例还提出了基于社交图网络的动物疾病的预警系统，用于实现本发明的上述方法，由于该系统实施例解决问题的原理与方法相似，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。

参见图7，图7为本发明实施例提供的一种基于社交图网络的动物疾病的预警系统的结构示意图。如图7所示，该动物疾病的预警系统包括：

信息采集模块110，用于实时采集多个动物的健康信息和位置信息；

第一建模模块120，用于使用长短期记忆LSTM模型对多个动物的健康信息进行建模，得到多个动物的当前健康状态信息；

社交图网络生成模块130，用于根据多个动物的位置信息，生成多个动物的社交图网络；

第二建模模块140，用于使用图神经网络算法对社交图网络进行建模，得到社交图网络模型，并使用当前健康状态信息初始化社交图网络模型；

疾病预警模块150，用于获取社交图网络模型的节点特征，根据节点特征对每个动物进行疾病预警。

综上，本申请实施例提供的基于社交图网络的动物疾病的预警系统，首先通过信息采集模块110采集多个动物的健康信息和位置信息，这样就能够使用社交图网络生成模块130通过多个动物的位置信息使用图神经网络算法对社交图网络进行建模，得到社交图网络模型，该社交图网络能够反映多个动物的社交关系和亲密程度；并且第一建模模块120使用LSTM模型对多个动物的健康信息进行建模，得到每个动物的当前健康状态信息，以初步确定动物是否存在疾病，利用上述当前健康状态信息初始化上述社交图网络模型，即得到上述社交图网络模型的初始节点特征，社交图网络模型是一种神经网络模型，能够对每个动物的当前健康状态进行机器学习，确定每个动物的疾病情况，从而疾病预警模块150能够根据节点特征对图中每个动物进行疾病预警。通过上述基于社交图网络的动物疾病预警方案，能够融合动物的生理指标和日常活动，对动物疾病的传染情况进行提前预警，提升动物疾病预警的准确性，减少动物疾病的虚报和漏报情况，从而解决现有技术难以对动物健康状况进行及时预警，对动物疾病的传染情况做不到提前预警的问题。

作为一种优选的实施例，如图8所示，上述动物疾病的预警系统中，信息采集模块110包括：

标识设置子模块111，用于设置所述多个动物中每个动物的唯一标识；

体温采集子模块112，用于使用体温传感器实时采集每个动物的体温指标序列，作为所述每个动物的健康信息；

位置采集子模块113，用于使用位置传感器实时采集每个动物的位置信息；

关系建立子模块114，用于建立所述唯一标识分别与所述健康信息和所述位置信息的对应关系。

作为一种优选的实施例，如图9所示，上述动物疾病的预警系统中，社交图网络生成模块130包括：

节点设置子模块131，用于设置多个节点，多个节点表示多个动物；

接触识别子模块132，用于根据多个动物的位置信息，识别多个动物之间的接触情况；

边生成子模块133，用于根据多个动物的接触情况，生成多个节点之间的边并设置边的权重；该动物的接触情况包括多个动物的接触时间和接触次数。

网络获取子模块134，用于实时更新节点、边和边的权重，以获取多个动物的社交图网络。

作为一种优选的实施例，如图10所示，上述动物疾病的预警系统中，第二建模模块140包括：

算法输入子模块141，用于将社交图网络的信息输入至message passing算法进行建模，得到社交图网络模型；

模型初始化子模块142，用于使用多个动物的当前健康状态信息，初始化社交图网络模型中每个节点的节点特征。

作为一种优选的实施例，如图11所示，上述动物疾病的预警系统中，疾病预警模块150包括：

多层卷积子模块151，用于根据初始化的每个节点的节点特征信息，对社交图网络模型进行多层卷积操作；

特征获取子模块152，用于获取社交图网络模型的最后一层卷积层中每个节点的节点特征信息；

特征输入子模块153，用于将最后一层卷积层中每个节点的节点特征信息输入至message passing算法的全连接层，得到每个动物的疾病预警信息。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。