基于模糊逻辑的血压分级量化方法、系统及存储介质技术方案

本发明专利技术公开的一种基于模糊逻辑的血压分级量化方法、系统及存储介质，其中基于模糊逻辑的血压分级量化方法包括：利用多个模糊语义集对数据特征进行模糊表示。其次，在模糊模型的后件部分，根据血压数据的特点设计了线性推理规则，相对于传统的模糊模型以模糊集的形式作为输出，省去了去模糊化，最后输出具体数值根据阈值函数直接得出分层结果。本发明专利技术根据血压数据的特点设计了线性推理规则，相对于传统的模糊模型以模糊集的形式作为输出，避开了传统方法的去模糊化环节，使得过程变得更为简单，通过线性推理直接输出血压分级量化的具体结果。结果。结果。

【技术实现步骤摘要】
基于模糊逻辑的血压分级量化方法、系统及存储介质


[0001]本专利技术涉及血压量化
，更具体的，涉及一种基于模糊逻辑的血压分级量化方法、系统及存储介质。

技术介绍

[0002]医疗领域描述的不确定性和模糊性，以及患者数量的日益增加，因此需要一种有效的控制系统来减少从业者的不确定性和模糊性，从而最大化其诊断解决方案，医生需要根据患者的症状和病史来判断患者是否患有某种疾病。然而，由于医学知识和疾病分类的复杂性，传统的人工分类诊断方法往往存在一定的误诊率和时间成本。有助于医疗诊断的人工智能辅助诊断系统不断问世，大大提高了诊断的准确性和效率，并且医学测量结果通常包含大量自然语言形式描述的定性、模糊或不确定性的非精确数据，这些研究似乎都没有将这一问题考虑在内，模糊逻辑因其可以避开传统概率模型需要精确数学建模的限制和强大的处理系统概念外延不确定而产生的模糊不确定性问题的能力，受到科学界的高度重视。因此，如何基于T
‑
S模糊模型实现血压的分级量化，使得过程变得更为简单是当前亟不可待需要解决的问题。

技术实现思路

[0003]为了解决上述技术问题，本专利技术提出了一种基于模糊逻辑的血压分级量化方法、系统及存储介质。
[0004]本专利技术第一方面提供了一种基于模糊逻辑的血压分级量化方法，包括：通过数据检索在相关数据库中获取血压数据集，根据高血压阈值划分得到所述血压数据集血压水平的定义和分类；获取血压数据的数据特征，利用模糊语义集对数据特征进行模糊表示，确定对应的模糊语言值，根据血压数据的特点确定线性推理规则，选取三角函数作为隶属函数；通过模糊语言值设计规则表，并计算每条规则的权重，根据T
‑
S模糊模型构建血压分级网络；在血压分级网络通过前件参数和后件参数融合输出获取血压数据的分级量化结果。
[0005]本方案中，通过数据检索在相关数据库中获取血压数据集，根据高血压阈值划分得到所述血压数据集血压水平的定义和分类，具体为：基于大数据手段连接相关数据库构建检索空间，利用预设年龄约束、性别约束及医疗指标约束在所述检索空间中利用相似度计算获取相似度符合预设要求的血压数据，构建血压数据集；在所述血压数据集中筛选收缩压、舒张压及高血压诊断结果，根据阈值高血压判断方法确定收缩压及舒张压阈值，根据对比获取血压数据集中数据的血压水平，所述高血压诊断结果包括：正常、高血压前期和高血压；
根据所述血压水平得到所述血压数据集血压水平的定义和分类，对血压数据集中的血压数据进行标注。
[0006]本方案中，获取血压数据的数据特征，利用模糊语义集对数据特征进行模糊表示，确定对应的模糊语言值，根据血压数据的特点确定线性推理规则，并选取三角函数作为隶属函数，具体为：根据血压数据集中血压数据集血压水平的定义和分类将血压数据划分为三个模糊语义集：中、偏高、高；根据三角形隶属函数确定收缩压和舒张压对应的各个模糊语义集隶属函数；分别对舒张压和收缩压的中、偏高、高三个模糊语义集生成对应的模糊规则，最终血压输出为正常、高血压前期和高血压三种状态。
[0007]本方案中，根据T
‑
S模糊模型构建血压分级网络，具体为：根据T
‑
S模糊模型构建血压分级网络，在所述血压分级网络中前件网络及后件网络均包括三层；所述前件网络的第一层将输入数据划分为模糊空间，形成语言值变量的模糊语义集合，第二层根据隶属函数获取模糊语义集合的隶属度，第三层通过计算隶属度的加权和获取规则的适用性；所述后件网络的第一层表示输入组件，第二层表示模糊规则并计算每个模糊规则的后验部分，第三层为后验规则的加权和，加权因子是每个模糊规则的归一化使用程度；所述前件网络的输出作为所述后件网络的第三层的连接权重。
[0008]本方案中，所述T
‑
S模糊模型的模糊规则为：假设前件变量为与血压状态有关的数据特征信息，模糊规则如下：,；其中，表示规则的前件部分，表示规则的后件部分，表示数据特征信息，为T
‑
S模糊语义模型的前件参数，为特征信息模糊化后对应的模糊语义集，为特征总数，表示每条规则对应的后件参数，表示第i条规则对应的输出；所述T
‑
S模糊模型的输出为：其中，表示规则的权重。
[0009]本方案中，规则权重的计算公式为：其中，表示前件参数隶属
函数，为三角型函数，为特征信息模糊化后对应的模糊语义集，为特征总数。
[0010]本方案中，通过血压分级网络输出具体数值，根据阈值函数得出血压分级结果，进行主动健康场景下的血压状态估计；构建血压分级网络的分级评估模型，判断所述血压分级网络的输出结果是否符合预设评估标准，根据判断结果对所述血压分级网络进行优化修正。
[0011]本专利技术第二方面还提供了一种基于模糊逻辑的血压分级量化系统，该系统包括：存储器、处理器，所述存储器中包括一种基于模糊逻辑的血压分级量化方法程序，所述一种基于模糊逻辑的血压分级量化方法程序被所述处理器执行时实现如下步骤：通过数据检索在相关数据库中获取血压数据集，根据高血压阈值划分得到所述血压数据集血压水平的定义和分类；获取血压数据的数据特征，利用模糊语义集对数据特征进行模糊表示，确定对应的模糊语言值，根据血压数据的特点确定线性推理规则，选取三角函数作为隶属函数；通过模糊语言值设计规则表，并计算每条规则的权重，根据T
‑
S模糊模型构建血压分级网络；在血压分级网络通过前件参数和后件参数融合输出获取血压数据的分级量化结果。
[0012]本专利技术第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括一种基于模糊逻辑的血压分级量化方法程序，所述一种基于模糊逻辑的血压分级量化方法程序被处理器执行时，实现如上述任一项所述的一种基于模糊逻辑的血压分级量化方法的步骤。
[0013]本专利技术公开的一种基于模糊逻辑的血压分级量化方法、系统及存储介质，其中基于模糊逻辑的血压分级量化方法包括：利用多个模糊语义集对数据特征进行模糊表示。其次，在模糊模型的后件部分，根据血压数据的特点设计了线性推理规则，相对于传统的模糊模型以模糊集的形式作为输出，省去了去模糊化，最后输出具体数值根据阈值函数直接得出分层结果。本专利技术根据血压数据的特点设计了线性推理规则，相对于传统的模糊模型以模糊集的形式作为输出，避开了传统方法的去模糊化环节，使得过程变得更为简单，通过线性推理直接输出血压分级量化的具体结果。
附图说明
[0014]图1示出了本专利技术一种基于模糊逻辑的血压分级量化方法的流程图；图2示出了本专利技术的血压分级网络的结构示意图；图3示出了本专利技术获取血压数据集血压水平的定义和分类的方法流程图；图4示出了本专利技术一种基于模糊逻辑的血压分级量化系统的框图。
具体实施方式
[0015]为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施方式对本专利技术进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模糊逻辑的血压分级量化方法，其特征在于，包括以下步骤：通过数据检索在相关数据库中获取血压数据集，根据高血压阈值划分得到所述血压数据集血压水平的定义和分类；获取血压数据的数据特征，利用模糊语义集对数据特征进行模糊表示，确定对应的模糊语言值，根据血压数据的特点确定线性推理规则，选取三角函数作为隶属函数；通过模糊语言值设计规则表，并计算每条规则的权重，根据T
‑
S模糊模型构建血压分级网络；在血压分级网络通过前件参数和后件参数融合输出获取血压数据的分级量化结果。2.根据权利要求1所述的一种基于模糊逻辑的血压分级量化方法，其特征在于，通过数据检索在相关数据库中获取血压数据集，根据高血压阈值划分得到所述血压数据集血压水平的定义和分类，具体为：基于大数据手段连接相关数据库构建检索空间，利用预设年龄约束、性别约束及医疗指标约束在所述检索空间中利用相似度计算获取相似度符合预设要求的血压数据，构建血压数据集；在所述血压数据集中筛选收缩压、舒张压及高血压诊断结果，根据阈值高血压判断方法确定收缩压及舒张压阈值，根据对比获取血压数据集中数据的血压水平，所述高血压诊断结果包括：正常、高血压前期和高血压；根据所述血压水平得到所述血压数据集血压水平的定义和分类，对血压数据集中的血压数据进行标注。3.根据权利要求1所述的一种基于模糊逻辑的血压分级量化方法，其特征在于，获取血压数据的数据特征，利用模糊语义集对数据特征进行模糊表示，确定对应的模糊语言值，根据血压数据的特点确定线性推理规则，并选取三角函数作为隶属函数，具体为：根据血压数据集中血压数据集血压水平的定义和分类将血压数据划分为三个模糊语义集：中、偏高、高；根据三角形隶属函数确定收缩压和舒张压对应的各个模糊语义集隶属函数；分别对舒张压和收缩压的中、偏高、高三个模糊语义集生成对应的模糊规则，最终血压输出为正常、高血压前期和高血压三种状态。4.根据权利要求1所述的一种基于模糊逻辑的血压分级量化方法，其特征在于，根据T
‑
S模糊模型构建血压分级网络，具体为：根据T
‑
S模糊模型构建血压分级网络，在所述血压分级网络中前件网络及后件网络均包括三层；所述前件网络的第一层将输入数据划分为模糊空间，形成语言值变量的模糊语义集合，第二层根据隶属函数获取模糊语义集合的隶属度，第三层通过计算隶属度的加权和获取规则的适用性；所述后件网络的第一层表示输入组件，第二层表示模糊规则并计算每个模糊规则的后验部分，第三层为后验规则的加权和，加权因子是每个模糊规则的归一化使用程度；所述前件网络的输出作为所述后件网络的第三层的连接权重。5.根据权利要求4所述的一种基于模糊逻辑的血压分级量化方法，其特征在于，所述T
‑
S模糊模型的模糊规则为：...

【专利技术属性】
技术研发人员：李亚，林天欣，戴青云，
申请(专利权)人：广东技术师范大学，
类型：发明
国别省市：