一种基于体检数据建模的腰围预测方法技术

本发明专利技术公开了一种基于体检数据建模的腰围预测方法，包括以下步骤：步骤一、采集体检数据，得到身高、体重、腰围、年龄、性别的信息；步骤二、对步骤一所采集的数据进行预处理和筛选，得到有效建模数据；步骤三、通过有效建模数据建立人工神经网络模型，人工神经网络模型由输入层、隐藏层和输出层组成，使用SPSS的多层任务感知器函数分析年龄、身高、体重、性别变量与腰围之间的关系，以训练人工神经网络模型，得到腰围预测模型；步骤四、通过步骤三得到的腰围预测模型预测腰围。本发明专利技术具有预测精准等优点。

【技术实现步骤摘要】
一种基于体检数据建模的腰围预测方法
本专利技术属于数据模型构建
，尤其涉及一种基于体检数据建模的腰围预测方法。
技术介绍
随着社会的发展，生活水平的提高，人们对于健康的重视不断提升，但由于饮食营养摄入量的不断改善和提高，肥胖已经成为全社会关注的一个重要问题，腰围是反映脂肪积蓄总量和脂肪分布的综合指标，内脏脂肪堆积会导致疾病发生。超重和肥胖是多种复杂症候群的综合表现，常与高血糖、血脂代谢紊乱、高血压、动脉粥样硬化等同时出现。随着人体质量指数的升高，高血压、心肌梗死和脑卒中的患病危险增加。它还能预测多种疾病，如结肠癌和糖尿病。研究表明，腰围比体重能更精确地预测2型糖尿病和冠心病的风险，即使体重指数(BMI)正常，腰围也是死亡的独立危险因素。近年来，研究者建立了一些更好的指标，例如体型指数(ANewBodyShapeIndex，ABSI)和腰身比(Waist-to-HeightRatio)，是作为死亡率和心脏代谢风险的有效预测指标，这些指标都需要腰围数据。随着大数据的发展，腰围数据不仅是身材管理、健康饮食、减肥监督等过程的重要组成部分，本文档来自技高网...

【技术保护点】
1.一种基于体检数据建模的腰围预测方法，其特征在于：/n包括以下步骤：/n步骤一、采集体检数据，得到身高、体重、腰围、年龄、性别的信息；/n步骤二、对步骤一所采集的数据进行预处理和筛选，得到有效建模数据；/n步骤三、通过有效建模数据建立人工神经网络模型，人工神经网络模型由输入层、隐藏层和输出层组成，使用SPSS的多层任务感知器函数分析年龄、身高、体重、性别变量与腰围之间的关系，以训练人工神经网络模型，得到腰围预测模型；/n步骤四、通过步骤三得到的腰围预测模型预测腰围。/n

【技术特征摘要】
1.一种基于体检数据建模的腰围预测方法，其特征在于：
包括以下步骤：
步骤一、采集体检数据，得到身高、体重、腰围、年龄、性别的信息；
步骤二、对步骤一所采集的数据进行预处理和筛选，得到有效建模数据；
步骤三、通过有效建模数据建立人工神经网络模型，人工神经网络模型由输入层、隐藏层和输出层组成，使用SPSS的多层任务感知器函数分析年龄、身高、体重、性别变量与腰围之间的关系，以训练人工神经网络模型，得到腰围预测模型；
步骤四、通过步骤三得到的腰围预测模型预测腰围。


2.根据权利要求1所述的基于体检数据建模的腰围预测方法，其特征在于：
其中，步骤三中，感知器接受输入，并将输入乘以权重，然后传递到激活函数以产生输出。


3.根据权利要求2所述的基于体检数据建模的腰围预测方法，其特征在于：
其中，步骤三中，腰围预测模型最底层是输入层、中间是隐藏层和最后是输出层；上一层的任何神经元与下一层的所有神经元都有连接；输入层是n维向量，就有n个神经元；隐藏层的神经元与输入层是全连接的；
输入层用向量χ表示：χ＝[χ1,χ2,χ3…,χn]；
隐藏层的输出是f(W1χ+b1)，其中，W1是隐藏层神经元的输出权重，b1是隐藏层的偏置，函数f是双曲正切函数(tanh)：tanh(a)＝(ea-e-a)/(ea+e-a)；
输出层的输出是G(W2X1+b2)...

【专利技术属性】
技术研发人员：彭宇竹，周卫红，汪娟，李康，
申请(专利权)人：南京鼓楼医院，
类型：发明
国别省市：江苏;32