一种用于预测心脑血管疾病的系统及方法技术方案

本发明专利技术公开了一种用于预测心脑血管疾病的系统及方法，包括：身体指标收集模块、风险预测模块、运动规划模块、中央控制模块、提示警告模块和蓝牙通讯模块；所述身体收集模块用于收集患者的身体指标数据；风险预测模块用于计算用户未来的健康质量；运动规划模块根据身体指标数据和健康质量给出适宜的运动强度；中央控制模块用于接收健康质量以及运动强度指令；提示警告模块基于中央控制模块指令用于给出警报信号；蓝牙通讯模块用于远程无线发送指令给终端用户、私人医生；本发明专利技术本发明专利技术利用GTO算法优化W和U参数提高算法的精度，能够获得BiLSTM中更加准确的模型参数，结合预测模型所得到的数据，将大数据融入智慧医疗，可大大提高慢性病的治疗成功率；本发明专利技术利用MHHO算法为医生提供更准确的数据支持，让医生更好的指导并监督用户的运动状况，大大降低心脑血管疾病复发的可能以及大大降低患心脑血管疾病的可能。可能以及大大降低患心脑血管疾病的可能。可能以及大大降低患心脑血管疾病的可能。

【技术实现步骤摘要】
一种用于预测心脑血管疾病的系统及方法


[0001]本专利技术涉及智慧医疗
，具体涉及一种用于预测心脑血管疾病的系统及方法。

技术介绍

[0002]慢性病是我国乃至世界面临的重大医疗难题之一。慢性病的管理和提前预测，让无数医务工作者一筹莫展。但是随着大数据时代的到来，医疗机构的信息化进程按下快进键，如何通过大数据预测等技术将“大量的医疗数据”转化为可用的“医疗大数据”成为当下行业关注的重要课题。
[0003]在慢性疾病中，心脑血管疾病是重要组成之一，其危害极大，典型症状心悸、心前区疼痛、呼吸困难、自主神经功能紊乱症状、呼吸不畅、胸里发闷、手足冰冷、活动后出现下肢局部疼痛麻木或肌肉无力感等。因此，心脑血管疾病预测不当，会随时影响用户的生命安全。

技术实现思路

[0004]专利技术目的：针对现有技术存在的问题，本专利技术提供一种用于预测心脑血管疾病的系统及方法，对用户的身体各项指标进行检测，并根据风险预测出的患病程度，提供相应的运动规划，最大程度减小用户未来患心脑血管疾病或者复发的可能。
[0005]技术方案：本专利技术所述的一种用于预测心脑血管疾病的系统，包括：身体指标收集模块、风险预测模块、运动规划模块、中央控制模块、提示警告模块和蓝牙通讯模块；所述身体收集模块用于收集患者的身体指标数据；风险预测模块用于计算用户未来的健康质量；运动规划模块根据身体指标数据和健康质量给出适宜的运动强度；中央控制模块用于接收健康质量以及运动强度指令；提示警告模块基于中央控制模块指令用于给出警报信号；蓝牙通讯模块用于远程无线发送指令给终端用户、私人医生；所述身体指标收集模块分别与风险预测模块和运动规划模块连接；所述运动规划模块和风险预测模块连接；所述风险预测模块与中央控制模块连接；所述中央控制模块与蓝牙通讯模块连接；所述蓝牙通讯模块与提示警告模块与连接。
[0006]进一步的，所述身体指标收集模块包括：多导睡眠检测设备；血糖检测仪器、血压血脂检测仪、智能手表、超声波身高体重测量仪。
[0007]本专利技术所述的一种用于预测心脑血管疾病的方法，应用于风险预测模块，风险预测模块利用GTO算法构建GTO
‑
BiLSTM预测模型计算用户未来的健康质量，包括以下步骤：
[0008](31)构建BiLSTM神经网络；
[0009](32)初始化每个种群的个体，计算每个个体适应度值；具体如下：初始化种群数量N；最大迭代次数MaxIt、β、p、w；
[0010](33)根据随机值选择算法的探索机制；
[0011](34)选择最优的适应度值并替换；
[0012](35)判断C和w的大小，根据C和w的值选择相应的更新方式；其中，C表示先增后减的变化函数，w表示是优化操作之前要设置的参数，一般设为最大迭代次数；
[0013](36)获取最优的适度值和最优的大猩猩个体。
[0014]进一步的，所述步骤(31)具体如下：对BiLSTM在神经网络模型中的2个遗忘门、2个输入门和2个输出门6个具有记忆功能的模块、1个总输入层K模块和1个总输出层J模块构建；包括以下步骤：
[0015](311)将收集信息通过总输入层K；其中，收集信息包括：睡眠质量、血糖、血压、血脂、心率、Bmi；
[0016](312)通过查看x
t
和h
t
‑1信息输出0
‑
1之间的向量f
t
，该向量的0值表示信息状态C
t
‑1中的信息丢弃；1则表示保留，公式表示如下：
[0017]f
t
＝σ(W
f
x
t
+U
f
h
t
‑1+b
f
)
[0018][0019]式中，σ表示sigmoid激活函数；W
f
、U
f
表示遗忘门的权重系数；b
f
表示遗忘门的偏置；x
t
表示t时刻的输入；h
t
‑1表示t
‑
1时刻的输出；C
t
‑1表示t
‑
1时刻的信息状态；
[0020](313)通过将x
t
和h
t
‑1信息引入1个tanh层得到1个新的候选信息向量所述公式表示如下：
[0021]i(t)＝σ(W
i
·
h
t
‑1+U
i
x
t
+b
i
)
[0022][0023][0024]式中，W
i
、U
i
表示输入门的权重系数；b
i
表示输入门的偏置；W
c
、U
c
表示候选向量的权重系数；b
c
表示候选向量的偏置；tanh表示双曲正切激活函数；表示候选向量的更新值；
[0025](314)通过将遗忘门和输入门的结果作用于C
t
‑1共同构成t时刻的信息状态c(t)；以及输出门的值的表达式o(t)，上述公式表达如下：
[0026][0027]o(t)＝σ(W
o
·
h
t
‑1+U
o
x
t
+b
o
)
[0028]式中，W
o
、U
o
表示输出门的权重系数；b
o
表示输出门的偏置；
[0029](315)计算隐藏层的状态，表达式如下：
[0030]h(t)＝o(t)
⊙
tanh(c(t))
[0031](316)将睡眠质量、血糖、血压、血脂、心率、BMi作为总输入K
u
(u＝1,2,3,4,5)再输入前向LSTM层，分别对应得到再将睡眠质量、血糖、血压、血脂、心率、BMi作为总输入K
u
(u＝1,2,3,4,5)再输入后向LSTM层，分别对应得到再将对应的向量输入到如下公式：
[0032][0033]其中，α、β均为常数，α+β＝1
[0034]分别得到h
i
(i＝1,2,3,4,5)；
[0035](317)计算总输出层健康质量J，由如下公式所得：
[0036][0037]进一步的，所述步骤(33)具体包括：主要分三个机制，如下：
[0038]当rand1<p时将执行第一个机制，用于增加大猩猩的随机探索空间；机制的公式如下：
[0039]GX(t+1)＝(UB
‑
LB)
×
r1+LB,rand1<p
[0040][0041]F＝cos(2
×
r4)+1
[0042]L＝C
×
l...

【技术保护点】

【技术特征摘要】
1.一种用于预测心脑血管疾病的系统，其特征在于，包括：身体指标收集模块、风险预测模块、运动规划模块、中央控制模块、提示警告模块和蓝牙通讯模块；所述身体收集模块用于收集患者的身体指标数据；风险预测模块用于计算用户未来的健康质量；运动规划模块根据身体指标数据和健康质量给出适宜的运动强度；中央控制模块用于接收健康质量以及运动强度指令；提示警告模块基于中央控制模块指令用于给出警报信号；蓝牙通讯模块用于远程无线发送指令给终端用户、私人医生；所述身体指标收集模块分别与风险预测模块和运动规划模块连接；所述运动规划模块和风险预测模块连接；所述风险预测模块与中央控制模块连接；所述中央控制模块与蓝牙通讯模块连接；所述蓝牙通讯模块与提示警告模块与连接。2.根据权利要求1所述的一种预测心脑血管疾病的系统，其特征在于，所述身体指标收集模块包括：多导睡眠检测设备；血糖检测仪器、血压血脂检测仪、智能手表、超声波身高体重测量仪。3.一种用于预测心脑血管疾病的方法，其特征在于，应用于风险预测模块，风险预测模块利用GTO算法构建GTO
‑
BiLSTM预测模型计算用户未来的健康质量，包括以下步骤：(31)构建BiLSTM神经网络；(32)初始化每个种群的个体，计算每个个体适应度值；包括：初始化种群数量N；最大迭代次数MaxIt、β、p、w；(33)根据随机值选择算法的探索机制；(34)选择最优的适应度值并替换；(35)判断C和w的大小，根据C和w的值选择相应的更新方式；其中，C表示先增后减的变化函数，w表示是优化操作之前要设置的参数，一般设为最大迭代次数；(36)获取最优的适度值和最优的大猩猩个体。4.根据权利要求3所述的方法，所述步骤(31)具体如下：对BiLSTM在神经网络模型中的2个遗忘门、2个输入门和2个输出门6个具有记忆功能的模块、1个总输入层K模块和1个总输出层J模块构建；包括以下步骤：(311)将收集信息通过总输入层K；其中，收集信息包括：睡眠质量、血糖、血压、血脂、心率、Bmi；(312)通过查看x
t
和h
t
‑1信息输出0
‑
1之间的向量f
t
，该向量的0值表示信息状态C
t
‑1中的信息丢弃；1则表示保留，公式表示如下：f
t
＝σ(W
f
x
t
+U
f
h
t
‑1+b
f
)式中，σ表示sigmoid激活函数；W
f
、U
f
表示遗忘门的权重系数；b
f
表示遗忘门的偏置；x
t
表示t时刻的输入；h
t
‑1表示t
‑
1时刻的输出；C
t
‑1表示t
‑
1时刻的信息状态；(313)通过将x
t
和h
t
‑1信息引入1个tanh层得到1个新的候选信息向量所述公式表示如下：i(t)＝σ(W
i
·
h
t
‑1+U
i
x
t
+b
i
)
式中，W
i
、U
i
表示输入门的权重系数；b
i
表示输入门的偏置；W
c
、U
c
表示候选向量的权重系数；b
c
表示候选向量的偏置；tanh表示双曲正切激活函数；表示候选向量的更新值；(314)通过将遗忘门和输入门的结果作用于C
t
‑1共同构成t时刻的信息状态c(t)；以及输出门的值的表达式o(t)，上述公式表达如下：o(t)＝σ(W
o
·
h
t
‑1+U
o
x
t
+b
o
)式中，W
o
、U
o
表示输出门的权重系数；b
o
表示输出门的偏置；(315)计算隐藏层的状态，表达式如下：h(t)＝o(t)
⊙
tanh(c(t))(316)将睡眠质量、血糖、血压、血脂、心率、BMi作为总输入K
u
(u＝1,2,3,4,5)再输入前向LSTM层，分别对应得到再将睡眠质量、血糖、血压、血脂、心率、BMi作为总输入K
u
(u＝1,2,3,4,5)再输入后向LSTM层，分别对应得到再将对应的向量输入到如下公式：其中，α、β均为常数，α+β＝1分别得到h
i
(i＝1,2,3,4,5)；(317)计算总输出层健康质量J，由如下公式所得：5.根据权利要求3所述的方法，所述步骤(33)具体包括：主要分三个机制，如下：当rand1<p时将执行第一个机制，用于增加大猩猩的随机探索空间；机制的公式如下：GX(t+1)＝(UB
‑
LB)
×
r1+LB,rand1<pF＝cos(2
×
r4)+1L＝C
×
l其中，GX(t+1)表示大猩猩下一次迭代时的位置，即下一次的W和U；r1、l和rand都表示0～1之间的随机数；UB、LB表示变量的上下界；r4表示在[
‑
1,1]之间的一个随机数；t表示当前的迭代次数；L表示模拟银背大猩猩的领导能力；C表示一个初始值开始变化较大，在后期变化会逐渐减少；p表示0～1的参数，控制大猩猩对未知位置的迁移策略；当rand2≥0.5时，将执行第二个机制，用于提升GTO对空间的探索程度，机制的公式如下：GX(t+1)＝(r2‑
C)
×
X
r
(t)+L
×
H,rand2≥0.5and rand2≥p
H＝Z
×
X(t)Z＝[
‑
C,C]其中，r2表示0～1之间的随机数；X
r
(t)表示t次数随机选取的大猩猩的位置，即随机的W和U；Z表示[
‑
C,C]区间的一个数；当rand2<0.5时，将执行第三种机制，用于增强GTO的逃离局部最优点的...

【专利技术属性】
技术研发人员：周孟雄，郭仁威，陆鹏，王熠炜，朱琪，苏姣月，汤健康，纪捷，王夫诚，马梦宇，温文潮，纪润东，秦泾鑫，张佳钰，孙娜，黄慧，夏奥运，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：