本发明提供了一种基于健康数据的健康风险自测量表推荐方法。本发明从数据驱动的角度出发，融合大数据技术、深度学习技术加速健康数据挖掘的落地，提供健康自测的应用场景。堆叠交叉模型(DeepFM with Stacked Self‑Attentive，简称ADFM)通过计算用户对候选量表的风险指数，找到用户风险指数较高的量表，从用户被动查询健康信息到主动推荐健康测试量表，最后根据用户自测结果推送干预方案，达到减少用户健康风险的目的。
本发明涉及一种数字病理切片异常区域快速检测的方法。本发明基于拟蒙特卡洛抽样(quasi‑Monte Carlo sampling)方法，先对整张WSI图像进行采样计算，构建异常区域分类概率的多重二次曲面，计算该ROI区域的概率变化幅度，再对ROI区域概率变化幅度较高的子区域增加采样密度，进一步循环计算，经数次迭代，形成整张WSI的异常区域检测结果。从而，在保证识别准确性的前提下，大大减少WSI异常区域识别的计算成本，加快识别速度、提高识别效率。
