一种慢性病风险评估模型建立方法、介质及系统技术方案

本发明专利技术提供了一种慢性病风险评估模型建立方法、介质及系统，属于风险评估技术领域，该慢性病风险评估模型建立方法、介质及系统获取慢性病患者和健康人群的相关数据，建立初始神经网络；根据所述慢性病影响因素计算风险等级，所述风险等级以所述慢性病患病的可能性进行划分，分为超危、高危、中危、低危四个等级；根据所述风险等级进行风险分析，获取慢性病患病风险的风险事件，根据所述风险事件获取慢性病风险分析结果；对所述初始神经网络进行优化训练，得到慢性病风险评估模型，将待分析对象的样本参数输入至慢性病风险评估模型中进行慢性病风险评估；根据慢性病风险评估模型的输出数据得到所述待分析对象的慢性病风险评估结果。果。果。

【技术实现步骤摘要】
一种慢性病风险评估模型建立方法、介质及系统


[0001]本专利技术属于风险评估
，具体而言，涉及一种慢性病风险评估模型建立方法、介质及系统。

技术介绍

[0002]随着社会经济的快速发展，慢性病已经成为影响居民健康的重大医疗问题。现代社会生活节奏加快，人们往往忽视健康，摄入过多的高热量、高脂肪、高糖食物，缺乏运动，熬夜，吸烟和饮酒等不良生活习惯增加了慢性病的风险。据卫生部统计，我国目前已确诊的慢性病患者超过2.6亿人，且每年死于慢性病的人数超过300万人。慢性病的危害主要是造成脑、心、肾等重要脏器的损害，易造成伤残，影响劳动能力和生活质量，且医疗费用极其昂贵，增加了社会和家庭的经济负担。我国慢性病患者技术庞大，慢性病管理难度巨大，如何有效评估慢性病具有重要意义。
[0003]随着医学技术的发展，对慢性病的诊断能力和意识得到提高，使得许多慢性病在早期就被发现和诊断，进而增加了患病年龄段的统计数据，但由于慢性病致病因素多，变量间关系错综复杂，采用传统的风险评估方法难以发现病变的内在规律，严重影响了慢性病精准防控措施的有效实施。

技术实现思路

[0004]有鉴于此，本专利技术提供一种慢性病风险评估模型建立方法、介质及系统，能够根据待检测者的日常生活习惯判断是否患病，解决慢性病在日常生活中容易被忽视的问题，可以实现人们能够独立判断是否患有慢性病。
[0005]本专利技术是这样实现的：
[0006]本专利技术第一方面提供一种慢性病风险评估模型建立方法，其中，
[0007]S10，获取样本参数，所述样本参数包括慢性病患者参数和健康人群参数的相关数据，所述样本参数用于分析常见慢性病影响因素，所述慢性病影响因素包括饮食、运动、熬夜以及遗传，所述相关数据包括所述慢性病患者和所述健康人群的年龄、性别、体重指数、血压、血糖、胆固醇指标；
[0008]S20，获取慢性病患者和健康人群的相关数据，建立初始神经网络；
[0009]S30，根据所述慢性病影响因素计算风险等级，所述风险等级以所述慢性病患病的可能性进行划分，分为超危、高危、中危、低危四个等级；
[0010]S40，根据所述风险等级进行风险分析，获取慢性病患病风险的风险事件，根据所述风险事件获取慢性病风险分析结果，所述风险事件为所述慢性病潜在影响因素中，包括不合理饮食、缺乏运动、长期熬夜以及遗传；
[0011]S50，对所述初始神经网络进行优化训练，得到慢性病风险评估模型，将待分析对象的样本参数输入至慢性病风险评估模型中进行慢性病风险评估；
[0012]S60，根据慢性病风险评估模型的输出数据得到所述待分析对象的慢性病风险评
估结果。
[0013]本专利技术提供的一种慢性病风险评估模型建立方法、介质及系统的技术效果如下：通过卷积神经网络，可以建立所述慢性病风险评估模型，具体步骤是：
[0014]获取所述慢性病患者的相关数据，输入是所述慢性病患者的训练数据，输出是所述医生判断的患病风险轻重，建立所述初始神经网络，利用所述初始神经网络，可以经过所述训练集和所述验证集，
[0015]对所述慢性病风险评估模型进行验证和测试，通过反向传播对参数进行优化，可以实时更新所述骨干层的参数，将所述初始神经网络参数进行转化，实现由低精度到高精度的操作过程，获得更为精确的所述参数，由此得到与所述医生判断的患病风险轻重更相近的所述慢性病风险评估模型，通过交叉熵损失函数的计算可以计算损失函数值，对参数进行优化，可以使所述慢性病风险评估模型更精确，通过建立所述慢性病风险评估模型可以根据所述待分析对象的样本参数对所述待分析对象进行风险评估，根据所述慢性病风险评估模型的输出数据得到所述待分析对象的慢性病风险评估结果。
[0016]在上述技术方案的基础上，本专利技术的一种慢性病风险评估模型建立方法、介质及系统还可以做如下改进：
[0017]其中，建立所述慢性病风险评估模型，具体步骤为：
[0018]获取所述慢性病影响因素以及持续时间的相关数据，作为训练数据；
[0019]所述训练数据具体为：随机采集100个慢性病患者的100天机体活动测评，所述慢性病患者包括重度慢性病患者以及轻度慢性病患者；
[0020]根据所训练数据提取所述慢性病潜在影响因素并确定所述相关数据具体数值，所述相关数据包括所述慢性病患者的年龄、性别、体重指数、血压、血糖、胆固醇指标；
[0021]基于所述训练数据以及医生判断的患病风险轻重作为深度学习网络训练样本，将深度学习网络训练样本按6：4的比例划分为训练集、验证集，构建所述初始神经网络；
[0022]采用所述训练集对所述初始神经网络通过训练得到所述慢性病风险评估模型；
[0023]采用所述验证集对所述慢性病风险评估模型进行验证和测试，优化所述慢性病风险评估模型；
[0024]其中，所述慢性病潜在影响因素包括：不合理饮食、缺乏运动、长期熬夜以及遗传。
[0025]采用上述改进方案的有益效果为：通过采集所述重度慢性病患者以及所述轻度慢性病患者的所述训练数据，可以对所述慢性病潜在影响因素进行风险分析，获得所述慢性病潜在影响因素对慢性病患病的影响程度；
[0026]通过将深度学习网络训练样本划分为所述训练集、所述验证集，可以通过训练得到所述慢性病风险评估模型并对所述初始神经网络进行训练和测试，并对得到的所述慢性病风险评估模型进行优化。
[0027]进一步的，所述采用所述训练集对所述初始神经网络通过训练得到所述慢性病风险评估模型，具体步骤为：
[0028]获取所述训练数据，其中，所述慢性病潜在影响因素根据所述持续时间对应标记分数，根据统计，我们将所述慢性病潜在影响定义为标记积分1，其他情况标记积分为0；
[0029]所述慢性病潜在影响因素包括不合理饮食、缺乏运动、长期熬夜；
[0030]其中，所述不合理饮食为在所述100天机体活动测评中，累计超过40天饮食时间不
规律，所述标记分数为1；其中，所述饮食时间不规律包括时间上不规律以及结构上不规律，所述时间上不规律是指未按时进食，所述结构上不规律指饮食结构单一或不能满足人体生理活动需求；
[0031]所述缺乏运动为在所述100天机体活动测评中，累计超过40天未进行运动活动，所述标记积分为1；
[0032]所述长期熬夜为在所述100天机体活动测评中，累计超过40天在11:00后入睡，标记分数为1；
[0033]以所述训练数据作为样本，并以对应的所述标记分数作为标签，对所述机体活动测评结果进行向量计算；
[0034]获取所述积分向量以及对应所述医生判断的患病风险轻重，对所述积分向量的权重对由所述慢性病风险评估模型的所述医生判断的患病风险轻重的输出进行加权，以及将所述加权医生输出求和，输出的慢性病患病风险即为所述加权医生输出求和；
[0035]对所述初始神经网络进行训练，以获得慢性病风险评估模型。
[0036]采用上述改进方案的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种慢性病风险评估模型建立方法、介质及系统，其特征在于，S10，获取样本参数，所述样本参数包括慢性病患者参数和健康人群参数的相关数据，所述样本参数用于分析常见慢性病影响因素，所述慢性病影响因素包括饮食、运动、熬夜以及遗传，所述相关数据包括所述慢性病患者和所述健康人群的年龄、性别、体重指数、血压、血糖、胆固醇指标；S20，获取慢性病患者和健康人群的相关数据，建立初始神经网络；S30，根据所述慢性病影响因素计算风险等级，所述风险等级以所述慢性病患病的可能性进行划分，分为超危、高危、中危、低危四个等级；S40，根据所述风险等级进行风险分析，获取慢性病患病风险的风险事件，根据所述风险事件获取慢性病风险分析结果，所述风险事件为所述慢性病潜在影响因素中，包括不合理饮食、缺乏运动、长期熬夜以及遗传；S50，对所述初始神经网络进行优化训练，得到慢性病风险评估模型，将待分析对象的样本参数输入至慢性病风险评估模型中进行慢性病风险评估；S60，根据慢性病风险评估模型的输出数据得到所述待分析对象的慢性病风险评估结果。2.根据权利要求1所述的一种慢性病风险评估模型建立方法、介质及系统，其特征在于，建立所述慢性病风险评估模型，具体步骤为：获取所述慢性病影响因素以及持续时间的相关数据，作为训练数据；所述训练数据具体为：随机采集100个慢性病患者的100天机体活动测评，所述慢性病患者包括重度慢性病患者以及轻度慢性病患者；根据所训练数据提取所述慢性病潜在影响因素并确定所述相关数据具体数值，所述相关数据包括所述慢性病患者的年龄、性别、体重指数、血压、血糖、胆固醇指标；基于所述训练数据以及医生判断的患病风险轻重作为深度学习网络训练样本，将深度学习网络训练样本按6：4的比例划分为训练集、验证集，构建所述初始神经网络；采用所述训练集对所述初始神经网络通过训练得到所述慢性病风险评估模型；采用所述验证集对所述慢性病风险评估模型进行验证和测试，优化所述慢性病风险评估模型；其中，所述慢性病潜在影响因素包括：不合理饮食、缺乏运动、长期熬夜以及遗传。3.根据权利要求2所述的一种慢性病风险评估模型建立方法、介质及系统，其特征在于，所述采用所述训练集对所述初始神经网络通过训练得到所述慢性病风险评估模型，具体步骤为：获取所述训练数据，其中，所述慢性病潜在影响因素根据所述持续时间对应标记分数，根据统计，我们将所述慢性病潜在影响定义为标记积分1，其他情况标记积分为0；所述慢性病潜在影响因素包括不合理饮食、缺乏运动、长期熬夜；其中，所述不合理饮食为在所述100天机体活动测评中，累计超过40天饮食时间不规律，所述标记分数为1；其中，所述饮食时间不规律包括时间上不规律以及结构上不规律，所述时间上不规律是指未按时进食，所述结构上不规律指饮食结构单一或不能满足人体生理活动需求；所述缺乏运动为在所述100天机体活动测评中，累计超过40天未进行运动活动，所述标
记积分为1；所述长期熬夜为在所述100天机体活动测评中，累计超过40天在11:00后入睡，标记分数为1；以所述训练数据作为样本，并以对应的所述标记分数作为标签，对所述机体活动测评结果进行向量计算；获取所述积分向量以及对应所述医生判断的患病风险轻重，对所述积分向量的权重对由所述慢性病风险评估模型的所述医生判断的患病风险轻重的输出进行加权，以及将所述加权医生输出求和，输出的慢性病患病风险即为所述加权医生输出求和；对所述初始神经网络进行训练，以获得慢性病风险评估模型。4.根据...

【专利技术属性】
技术研发人员：刘仲春，张迎迎，
申请(专利权)人：青岛市市北区镇江路街道社区卫生服务中心，
类型：发明
国别省市：