基于大数据的骨质质量评估专家系统及预测模型建立方法技术方案

本发明专利技术公开了一种基于大数据的骨质质量评估专家系统及预测模型建立方法，包括内部设置有预测模型模块、数据采集模块和骨质专家模块的服务器，在服务器上连接有数据库和智能终端；数据库保存用户身份数据、历史骨质疏松骨折患者的特征数据以及待预测患者的检测数据；预测模型模块建立骨质疏松骨折预测模型；数据采集模块用于获取预测请求和待预测患者的检测数据，骨质疏松骨折预测模型根据检测数据得到骨质疏松骨折预测等级；骨质专家模块向待预测患者输出防患建议。有益效果：实现骨质疏松患者骨折预测。方便。无需排队。并且随时随地均可操作，智能，便捷。

Expert system for bone quality assessment based on big data and establishment of prediction model

The invention discloses an expert system for bone quality assessment based on large data and a method for establishing a prediction model, including a server with prediction model module, data acquisition module and bone expert module, which is connected with a database and an intelligent terminal, and a database for storing user identity data and historical bone. The characteristic data of the patients with osteoporotic fractures and the detection data of the patients to be predicted are obtained; the prediction model module establishes the osteoporotic fracture prediction model; the data acquisition module is used to obtain the prediction request and the detection data of the patients to be predicted; the osteoporotic fracture prediction model obtains the osteoporotic fracture prediction grade according to the detection data. The quality expert module outputs preventive advice to the patient to be predicted. Beneficial effects: achieve fracture prediction in osteoporotic patients. It is convenient. There is no need to line up. And can operate at any time, anywhere, intelligent and convenient.

【技术实现步骤摘要】
基于大数据的骨质质量评估专家系统及预测模型建立方法
本专利技术涉及大数据
，具体的说是一种基于大数据的骨质质量评估专家系统及预测模型建立方法。
技术介绍
骨质疏松症是以骨量减少，骨组织显微结构发生退变，导致骨脆性增加，骨强度下降，最终使骨折危险性增大为特征的一种疾病，已成为威胁老年人身心健康的严重问题。随着老龄化社会的到来，骨质疏松患者逐渐增多，相应的骨质疏松性骨折随之增加。骨质疏松性骨折及其并发症导致的死亡率、致残率、致畸率和医疗费用的增加给家庭和社会造成的负担日趋严重，所以对骨质疏松性骨折的预防尤为重要。目前，骨密度测定(Bonemineraldensity，BMD)是检测骨质疏松和预测骨质疏松骨折的重要手段。然而经过对众多患者观察发现，一些患者的骨密度未能达到骨质疏松的预测标准，但是却已经发生脆性骨折。而有些患者骨密度已经很低却未发生骨折。研究表明只有10％～44％的骨折发生在BMD达到骨质疏松症预测标准的人群中。所以单用BMD不能完全对骨质疏松骨折进行预测，导致很多处于骨折高风险的患者，还未意识到自身生命安全存在的重大隐患，错失很长的治疗时间，最终造成骨折。综上所述，骨质疏松造成骨折的预测引述不仅仅只有骨密度，还包括很多内外因素，然而在现有技术中，还没有预测标准来供未知患者进行参考，并且对于患者个体差异化较大，骨质疏松骨折预测标准难以使患者信服。
技术实现思路
针对上述问题，本专利技术提供了一种基于大数据的骨质质量评估专家系统及预测模型建立方法，基于骨质疏松骨折患者数据，对骨质特征数据进行分析和训练，得到骨质疏松骨折模型，任一用户通过骨质疏松骨折模型对个人的骨质质量进行分析，并获取对应骨折防患建议，为患者提供了参考意见，便于患者对骨质进行实时分析和监测。为达到上述目的，本专利技术采用的具体技术方案如下：一种基于大数据的骨质质量评估专家系统，其关键技术在于：包括服务器，所述服务器设置有预测模型模块、数据采集模块和骨质专家模块，在所述服务器上连接有数据库和N个智能终端；N为大于等于1的正整数。所述数据库用于保存所有用户的身份数据、历史骨质疏松骨折患者的特征数据以及所有待预测患者的检测数据；所述预测模型模块根据所述特征数据建立骨质疏松骨折预测模型；所述数据采集模块用于获取任一用户发出的预测请求，并根据预测请求从所述数据库获取待预测患者的检测数据，该检测数据输入到所述骨质疏松骨折预测模型中，得到待预测患者的骨质疏松骨折预测等级；所述骨质专家模块根据待预测患者的骨质疏松骨折预测等级向待预测患者给予防患建议；所述智能终端上安装有骨质疏松骨折预测APP，任一用户通过该骨质疏松骨折预测APP向所述数据采集模块输送待预测患者的检测数据，并获取所述骨质专家模块输出的防患建议。通过上述方案，任一用户通过骨质疏松骨折预测APP或者数据采集模块将自身的检测数据输入到预测模型模块建立的骨质疏松骨折预测模型中，得到自身骨质疏松骨折预测等级，对自身的骨质质量进行实时监测。并且骨质专家模块根据质疏松骨折预测等级向用户提出骨折防患建议，提醒用户自我保护。用户可以随时获取到自身骨质信息，并且可远程获取专家建议，提前预防。降低了用户骨折风险，整个检测和获得建议的过程时间短，无需排队。并且随时随地均可操作，智能，便捷。进一步的，所述用户的身份数据至少包括用户的姓名和证件号码；所述特征数据和所述检测数据至少包括性别、年龄、身高、体重、骨密度、白蛋白含量、钙含量、磷含量、碱性磷酸酶含量、血红蛋白含量、淋巴细胞含量、等级、运动量以及3D行走轨迹。用户的身份数据与公安系统、医疗系统连通，在用户进行系统用户注册时，需要对用户的身份进行核验，并可在用户同意的条件下，获取用户的就诊医疗信息。并且特征数据和检测数据中，含有外科数据和内科数据，将内科数据运用到外科骨质质量检测当中，使外科检测数据和内科检测数据相结合，使模型预测模型更加精确。并且所有数据获取方便、快捷、检测费用低。再进一步描述，所述运动量和所述3D行走轨迹通过所述智能终端获取；所述运动量至少包括步行步数；所述3D行走轨迹至少包括水平移动轨迹和海拔移动轨迹。采用上述方案，通过在智能终端上安装有获取用户运动量的应用程序；或者在骨质疏松骨折预测APP带获取运动量的权限，通过智能终端获取用户运动量，实现运动量的数据采集。智能方便。再进一步描述，任一用户或通过骨质疏松骨折预测APP向所述数据采集模块发送预测请求；任一用户或通过直接向所述数据采集模块发送预测请求。用户可以通过数据采集模块或者骨质疏松骨折预测APP向系统发出预测请求，用户选择的预测通道更多。再进一步描述，所述骨质疏松骨折预测APP至少包括用户注册登录单元、检测数据查询单元、检测数据录入单元、终端预测请求单元以及专家建议单元；所述用户注册登录单元用于智能终端用户进行用户注册或者登录；所述检测数据查询单元用于智能终端用户查询自身的检测数据；所述检测数据录入单元用于智能终端用户录入相对于特征数据缺失的检测数据；所述终端预测请求单元用于智能终端用户向所述数据采集模块发送预测请求；所述专家建议单元用于获取并显示所述骨质专家模块给定的防患建议。采用上述方案，通过用户注册登录单元、检测数据查询单元、检测数据录入单元、终端预测请求单元以及专家建议单元，用户可实现用户登录、检测数据录入、骨质预测请求并获取专家的防范建议。再进一步描述，所述骨质疏松骨折预测等级按照骨折概率大小分级；所述防患建议至少包括运动量建议、饮食建议、用药建议和辅助治疗建议，所述防患建议的给定标准为所述骨质疏松骨折预测等级。根据骨质医药专家专业意见，制定骨质疏松骨折概率标准。根据该骨质疏松骨折概率标准对患者骨质疏松骨折预测进行分级，得到骨质疏松骨折预测等级。并根据骨质医药专家的针对不同等级病患患病严重等级指定的防范建议，向对应的客户提出相关防范建议。通过该系统，无需患者与医生碰面，在任何地方，只需输入所有检测数据并发出对应的预测请求，就可得到对应的对应的专家建议。速度快，快捷方便。一种根据权利要求1所述的基于大数据的骨质质量评估专家系统的预测模型建立方法，按照以下步骤进行：S1：获取所述数据库中M组历史骨质疏松骨折患者的特征数据；S2：对获取的M组特征数据进行数据处理，得到处理数据，并将处理数据分成m1训练数据和m2组评估数据；M≥m1+m2；数据划分方法采用10折交叉验证法。S3：基于神经网络，设定模型参数，设定骨质疏松骨折预测初始模型；S4：设定训练次数，将m1训练数据代入步骤S3得到的骨质疏松骨折预测初始模型中，进行模型训练，得到骨质疏松骨折预测训练模型；S5：设定模型评估条件，将m2组评估数据代入步骤S4得到的骨质疏松骨折预测训练模型，对该得到的骨质疏松骨折预测训练模型进行评估；S6：若符合模型评估条件，将步骤S4得到的骨质疏松骨折预测训练模型作为骨质疏松骨折预测模型并输出；若评估结果不符合模型评估条件，返回步骤S1。以最常见的单隐层神经网络，建立骨质疏松骨折预测模型，对骨质疏松患者骨折的情况，实时监测，降低骨质疏松概率。保证骨质疏松患者的生活质量。进一步的，在步骤S2中对M组特征数据进行数据处理的步骤至少包括数据清理、数据集成、数据归约、数据变换；所述数据清理至少包括特本文档来自技高网...

【技术保护点】
1.一种基于大数据的骨质质量评估专家系统，其特征在于：包括服务器(1)，所述服务器(1)设置有预测模型模块(1a)、数据采集模块(1b)和骨质专家模块(1c)，在所述服务器(1)上连接有数据库(2)和N个智能终端(3)；所述数据库(2)用于保存所有用户的身份数据、历史骨质疏松骨折患者的特征数据以及所有待预测患者的检测数据；所述预测模型模块(1a)根据所述特征数据建立骨质疏松骨折预测模型；所述数据采集模块(1b)用于获取任一用户发出的预测请求，并根据预测请求从所述数据库(2)获取待预测患者的检测数据，该检测数据输入到所述骨质疏松骨折预测模型中，得到待预测患者的骨质疏松骨折预测等级；所述骨质专家模块(1c)根据待预测患者的骨质疏松骨折预测等级向待预测患者给予防患建议；所述智能终端(3)上安装有骨质疏松骨折预测APP，任一用户通过该骨质疏松骨折预测APP向所述数据采集模块(1b)输送待预测患者的检测数据，并获取所述骨质专家模块(1c)输出的防患建议。

【技术特征摘要】
1.一种基于大数据的骨质质量评估专家系统，其特征在于：包括服务器(1)，所述服务器(1)设置有预测模型模块(1a)、数据采集模块(1b)和骨质专家模块(1c)，在所述服务器(1)上连接有数据库(2)和N个智能终端(3)；所述数据库(2)用于保存所有用户的身份数据、历史骨质疏松骨折患者的特征数据以及所有待预测患者的检测数据；所述预测模型模块(1a)根据所述特征数据建立骨质疏松骨折预测模型；所述数据采集模块(1b)用于获取任一用户发出的预测请求，并根据预测请求从所述数据库(2)获取待预测患者的检测数据，该检测数据输入到所述骨质疏松骨折预测模型中，得到待预测患者的骨质疏松骨折预测等级；所述骨质专家模块(1c)根据待预测患者的骨质疏松骨折预测等级向待预测患者给予防患建议；所述智能终端(3)上安装有骨质疏松骨折预测APP，任一用户通过该骨质疏松骨折预测APP向所述数据采集模块(1b)输送待预测患者的检测数据，并获取所述骨质专家模块(1c)输出的防患建议。2.根据权利要求1所述的基于大数据的骨质质量评估专家系统，其特征在于：所述用户的身份数据至少包括用户的姓名和证件号码；所述特征数据和所述检测数据至少包括性别、年龄、身高、体重、骨密度、白蛋白含量、钙含量、磷含量、碱性磷酸酶含量、血红蛋白含量、淋巴细胞含量、等级、运动量以及3D行走轨迹。3.根据权利要求2所述的基于大数据的骨质质量评估专家系统，其特征在于：所述运动量和所述3D行走轨迹通过所述智能终端(3)获取；所述运动量至少包括步行步数；所述3D行走轨迹至少包括水平移动轨迹和海拔移动轨迹。4.根据权利要求1所述的基于大数据的骨质质量评估专家系统，其特征在于：任一用户或通过骨质疏松骨折预测APP向所述数据采集模块(1b)发送预测请求；任一用户或通过直接向所述数据采集模块(1b)发送预测请求。5.根据权利要求1所述的基于大数据的骨质质量评估专家系统，其特征在于：所述骨质疏松骨折预测APP至少包括用户注册登录单元、检测数据查询单元、检测数据录入单元、终端预测请求单元以及专家建议单元；所述用户注册登录单元用于智能终端用户进行用户注册或者登录；所述检测数据查询单元用于智能终端用户查询自身的检测数据；所述检测数据录入单...

【专利技术属性】
技术研发人员：王永，张智强，蔡南川，赵毅，王国栋，丁权，
申请(专利权)人：重庆邮电大学，重庆市第七人民医院，
类型：发明
国别省市：重庆,50