基于矩阵分解的心脑疾病风险认知模型建立方法及应用技术

本申请实施例公开了一种基于矩阵分解的心脑疾病风险认知模型建立方法及应用，其中基于矩阵分解的心脑疾病风险认知模型建立方法包括：采集预设时间范围内的目标人群生命体征数据和征兆信息，并进行脱敏处理；标准化处理预设时间范围内的所述目标人群生命体征数据和征兆信息，标注心脑血管疾病风险程度和类别，建立目标人群生命体征数据和征兆信息与心脑血管疾病风险程度和类别的对应关系；基于所述目标人群生命体征数据和信息与所述对应关系，获取心脑血管疾病发病风险分类；利用所述目标人群生命体征数据和信息

【技术实现步骤摘要】
基于矩阵分解的心脑疾病风险认知模型建立方法及应用


[0001]本申请涉及人工智能
，具体涉及一种基于矩阵分解的心脑疾病风险认知模型建立方法及应用
。

技术介绍

[0002]随着人们生活水平的不断提高，心脑血管疾病已成为威胁国人健康的第一杀手
。
由于心脑血管病演变较慢，许多人虽然眼前看似健康，但若干年后很有可能会发病；而一旦发病，就很难彻底治愈
。
若能预测发生在未来的心脑血管病，尽早给以干预治疗，以降低发病的风险，是预防心脑血管病的重要课题
。
[0003]因此，需要一种能够实现对心脑血管疾病发病风险认知和精准分析的方案
。

技术实现思路

[0004]本申请实施例的目的在于提供一种基于矩阵分解的心脑疾病风险认知模型建立方法及应用，用以解决现有技术中缺少一种能够实现对心脑血管疾病发病风险认知和精准分析的方案的问题
。
[0005]为实现上述目的，本申请实施例提供一种基于矩阵分解的心脑疾病风险认知模型建立方法，包括：采集预设时间范围内的目标人群生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于矩阵分解的心脑疾病风险认知模型建立方法，其特征在于，包括：采集预设时间范围内的目标人群生命体征数据和征兆信息，并进行脱敏处理；标准化处理预设时间范围内的所述目标人群生命体征数据和征兆信息，标注心脑血管疾病风险程度和类别，建立目标人群生命体征数据和征兆信息与心脑血管疾病风险程度和类别的对应关系；基于所述目标人群生命体征数据和信息与所述对应关系，获取心脑血管疾病发病风险分类；利用所述目标人群生命体征数据和信息
、
所述对应关系
、
心脑血管疾病发病风险分类，进行时序概率矩阵分解，建立所述风险认知模型
。2.
根据权利要求1所述的基于矩阵分解的心脑疾病风险认知模型建立方法，其特征在于，所述标准化处理预设时间范围内的所述目标人群生命体征数据和征兆信息，包括：对不规整
、
不统一的所述目标人群生命体征数据和征兆信息进行数据类型转换，数据填充
、
数据删除操作，所述数据类型转换包括二值型数据转换
、
连续型数据转换
。3.
根据权利要求1所述的基于矩阵分解的心脑疾病风险认知模型建立方法，其特征在于，所述标准化处理预设时间范围内的所述目标人群生命体征数据和征兆信息，还包括：根据每个样本特征信息携带的疾病名称信息对样本特征信息进行标记，得到多个携带疾病名称标签的样本特征信息
。4.
根据权利要求1所述的基于矩阵分解的心脑疾病风险认知模型建立方法，其特征在于，所述基于所述目标人群生命体征数据和信息与所述对应关系，获取心脑血管疾病发病风险分类，包括：通过决策树算法将心脑血管疾病发病风险预测的低维特征根据向量矩阵进行分类，获得所述心脑血管疾病发病风险预测所需要的数据和信息，包括与心脑血管疾病发病风险预测相关联的所述目标人群生命体征数据和征兆信息
。5.
根据权利要求1所述的基于矩阵分解的心脑疾病风险认知模型建立方法，其特征在于，所述进行时序概率矩阵分解，建立所述风险认知模型，包括：首先利用矩阵分解提取原始时序数据的特征，然后通过时序模型挖掘特征的趋势，最后根据预测的特征得到心脑血管疾病发病风险预测结果并进行推荐
。6.
根据权利要求5所述的基于矩阵分解的心脑疾病风险认知模型建立方法，其特征在于，所述矩阵分解算法包括：将患者评分矩阵分解为矩阵患者特征矩阵和心脑血管疾病发风险特征矩阵的乘积；将患者特征向量乘以所述心脑血管疾病发病风险特征矩阵得到患者对每个心脑血管疾病发病风险的评分；从所述评分中过滤掉患者已经操作过的心脑血管疾病发病风险，针对剩下的心脑血管疾病发病风险得分做降序排列取排名前预设位的心脑血管疾病发病风险推荐给患者
。7.
根据权利要求5所述的基于矩阵分解的心脑疾病风险认知模型建立方法，其特征在于，所述矩阵分解算法还包括：给定时间序列
T<...

【专利技术属性】
技术研发人员：杜登斌，
申请(专利权)人：吾征智能技术北京有限公司，
类型：发明
国别省市：