一种基于临床数据的急性生理慢性健康评估方法及系统技术方案

本发明专利技术属数据分析技术领域，公开了一种基于临床数据的急性生理慢性健康评估方法及系统

【技术实现步骤摘要】
一种基于临床数据的急性生理慢性健康评估方法及系统


[0001]本专利技术属数据分析
，具体涉及一种基于临床数据的急性生理慢性健康评估方法及系统
。

技术介绍

[0002]随着经济的发展和人们生活水平的日益提升，大家对美好生活和健康体魄的需求日益提升
。
在中老年群体，由于身体素质的下降，伴随着各种疾病的影响和侵蚀，而现有的医疗水平，无法实现对中老年群体的实时健康监控，只能在用户身体表征明显或主动医院体检时才能察觉出急性生理慢性健康问题的存在
。
[0003]现有的健康评估方案，大多依赖专业医生的丰富经验和专业知识，通过对用户进行面对面观察，对医疗报告
、
化验单等进行人工分析，工作量大，对医疗资源带来巨大压力，并且人工分析效率低下，存在误分析可能，准确性低下，导致无法对急性生理体征进行及时的判断，也无法对潜在的慢性健康体征进行准确评估
。

技术实现思路

[0004]为了解决现有技术存在的工作量大
、
分析效率低下以及准确性低下的问题，本专利技术目的在于提供一种基于临床数据的急性生理慢性健康评估方法及系统
。
[0005]本专利技术所采用的技术方案为：
[0006]一种基于临床数据的急性生理慢性健康评估方法，包括如下步骤：
[0007]根据急性生理慢性健康评分规则和若干急性生理慢性健康专家知识，构建专家知识库；
[0008]获取若干历史用户的历史临床数据和历史用户图像数据，并对若干历史临床数据进行聚类和样本均衡，得到不同体征类型的若干样本均衡后历史临床数据集；
[0009]将若干样本均衡后历史临床数据集输入专家知识库进行优化，得到若干样本均衡后历史临床主成分数据和优化后专家知识库；
[0010]使用深度学习算法，构建体征严重程度预测模型，并将若干样本均衡后历史临床主成分数据和对应的历史用户图像数据输入体征严重程度预测模型进行优化，得到优化后体征严重程度预测模型；
[0011]获取当前用户的实时临床数据及实时用户图像数据，将当前用户的实时临床数据输入优化后专家知识库进行评估，得到急性生理慢性健康评分和对应的实时临床主成分数据；
[0012]将当前用户的实时临床主成分数据和对应的实时用户图像数据输入优化后体征严重程度预测模型进行预测，得到体征严重程度预测结果；
[0013]将急性生理慢性健康评分和体征严重程度预测结果按照预设报告格式生成对应的急性生理慢性健康评估报告
。
[0014]进一步地，急性生理慢性健康评分规则包括急性生理评分规则
、
年龄评分规则以
及慢性健康评分规则，急性生理评分规则包括若干临床指标
、
临床数据范围以及对应的急性生理分值，年龄评分规则包括若干年龄指标
、
年龄数据范围以及对应的年龄分值，慢性健康评分规则包括若干慢性健康指标
、
慢性健康标准和对应的慢性健康分值
。
[0015]进一步地，急性生理慢性健康评分规则还包括急性生理慢性健康评分计算函数，公式为：
[0016]P
＝
w1·
p1+w2·
p2+w3·
p3[0017]式中，
P
为急性生理慢性健康评分；
p1、p2、p3为急性生理评分
、
年龄评分
、
慢性健康评分；
w1、w2、w3为急性生理评分
、
年龄评分
、
慢性健康评分的对应的权值
。
[0018]进一步地，获取若干历史用户的历史临床数据和历史用户图像数据，并对若干历史临床数据进行聚类和样本均衡，得到不同体征类型的若干样本均衡后历史临床数据集，包括如下步骤：
[0019]获取若干历史用户的历史临床数据和历史用户图像数据；
[0020]使用
k
均值聚类算法对若干历史临床数据进行聚类，得到若干聚类中心，并为聚类中心添加体征类型标签；
[0021]根据历史临床数据与若干聚类中心的欧氏距离，将历史临床数据聚类至对应的聚类中心，并将聚类中心的体征类型标签作为历史临床数据的体征类型标签，得到不同体征类型的若干历史临床数据集；
[0022]更新若干历史临床数据集的聚类中心，得到若干更新后聚类中心；
[0023]根据到更新后聚类中心预设的欧氏距离阈值，对若干历史临床数据集进行样本均衡，得到不同体征类型且样本数量相同的若干样本均衡后历史临床数据集
。
[0024]进一步地，欧氏距离的公式为：
[0025][0026]式中，
D
为历史临床数据
(x1,x2,...x
n
)
到聚类中心
(y1,y2,...y
n
)
的欧氏距离；
n
为历史临床数据的维度总数
。
[0027]进一步地，历史临床数据集包括属于同一体征类型的若干历史临床数据；
[0028]样本均衡后历史临床数据集包括属于同一体征类型的若干样本均衡后历史临床数据
。
[0029]进一步地，将若干样本均衡后历史临床数据集输入专家知识库进行优化，得到若干样本均衡后历史临床主成分数据和优化后专家知识库，包括如下步骤：
[0030]将当前体征类型的样本均衡后历史临床数据集中样本均衡后历史临床数据转换为对应的包含若干数据行向量的样本均衡后历史临床数组；
[0031]根据专家知识库中急性生理慢性健康评分规则包括的临床指标
、
年龄指标以及慢性健康指标，对样本均衡后历史临床数组进行主成分筛选，得到对应的主若干成分数据行向量；
[0032]将若干主成分数据行向量进行组合，得到当前体征类型对应的样本均衡后历史临床主成分数据；
[0033]遍历所有体征类型的样本均衡后历史临床数据集，得到不同体征类型对应的若干样本均衡后历史临床主成分数据；
[0034]根据不同体征类型的若干样本均衡后历史临床主成分数据的数据均值，对专家知识库中急性生理慢性健康评分规则包括的临床数据范围
、
年龄数据范围以及慢性健康标准进行优化，得到优化后专家知识库
。
[0035]进一步地，深度学习算法为
Double
‑
CNN
‑
Attention
‑
BiLSTM
算法，体征严重程度预测模型包括第一特征提取通道
、
第二特征提取通道
、
特征融合层以及分类层，特征融合层分别与第一特征提取通道
、
第二特征提取通道以及分类层连接；
[0036]第一特征提取通道包括依次连接的第一
CNN
层
、
第一
Attention
...

【技术保护点】

【技术特征摘要】
1.
一种基于临床数据的急性生理慢性健康评估方法，其特征在于：包括如下步骤：根据急性生理慢性健康评分规则和若干急性生理慢性健康专家知识，构建专家知识库；获取若干历史用户的历史临床数据和历史用户图像数据，并对若干历史临床数据进行聚类和样本均衡，得到不同体征类型的若干样本均衡后历史临床数据集；将若干样本均衡后历史临床数据集输入专家知识库进行优化，得到若干样本均衡后历史临床主成分数据和优化后专家知识库；使用深度学习算法，构建体征严重程度预测模型，并将若干样本均衡后历史临床主成分数据和对应的历史用户图像数据输入体征严重程度预测模型进行优化，得到优化后体征严重程度预测模型；获取当前用户的实时临床数据及实时用户图像数据，将当前用户的实时临床数据输入优化后专家知识库进行评估，得到急性生理慢性健康评分和对应的实时临床主成分数据；将当前用户的实时临床主成分数据和对应的实时用户图像数据输入优化后体征严重程度预测模型进行预测，得到体征严重程度预测结果；将急性生理慢性健康评分和体征严重程度预测结果按照预设报告格式生成对应的急性生理慢性健康评估报告
。2.
根据权利要求1所述的一种基于临床数据的急性生理慢性健康评估方法，其特征在于：所述的急性生理慢性健康评分规则包括急性生理评分规则
、
年龄评分规则以及慢性健康评分规则，所述的急性生理评分规则包括若干临床指标
、
临床数据范围以及对应的急性生理分值，所述的年龄评分规则包括若干年龄指标
、
年龄数据范围以及对应的年龄分值，所述的慢性健康评分规则包括若干慢性健康指标
、
慢性健康标准和对应的慢性健康分值
。3.
根据权利要求2所述的一种基于临床数据的急性生理慢性健康评估方法，其特征在于：所述的急性生理慢性健康评分规则还包括急性生理慢性健康评分计算函数，公式为：
P
＝
w1·
p1+w2·
p2+w3·
p3式中，
P
为急性生理慢性健康评分；
p1、p2、p3为急性生理评分
、
年龄评分
、
慢性健康评分；
w1、w2、w3为急性生理评分
、
年龄评分
、
慢性健康评分的对应的权值
。4.
根据权利要求1所述的一种基于临床数据的急性生理慢性健康评估方法，其特征在于：获取若干历史用户的历史临床数据和历史用户图像数据，并对若干历史临床数据进行聚类和样本均衡，得到不同体征类型的若干样本均衡后历史临床数据集，包括如下步骤：获取若干历史用户的历史临床数据和历史用户图像数据；使用
k
均值聚类算法对若干历史临床数据进行聚类，得到若干聚类中心，并为聚类中心添加体征类型标签；根据历史临床数据与若干聚类中心的欧氏距离，将历史临床数据聚类至对应的聚类中心，并将聚类中心的体征类型标签作为历史临床数据的体征类型标签，得到不同体征类型的若干历史临床数据集；更新若干历史临床数据集的聚类中心，得到若干更新后聚类中心；根据到更新后聚类中心预设的欧氏距离阈值，对若干历史临床数据集进行样本均衡，得到不同体征类型且样本数量相同的若干样本均衡后历史临床数据集
。5.
根据权利要求4所述的一种基于临床数据的急性生理慢性健康评估方法，其特征在
于：所述的欧氏距离的公式为：式中，
D
为历史临床数据
(x1,x2,...x
n
)
到聚类中心
(y1,y2,...y
n
)
的欧氏距离；
n
为历史临床数据的维度总数
。6.
根据权利要求4所述的一种基于临床数据的急性生理慢性健康评估方法，其特征在于：所述的历史临床数据集包括属于同一体征类型的若干历史临床数据；所述的样本均衡后历史临床数据集包括属于同一体征类型的若干样本均衡后历史临床数据
。7.
根据权利要求6所述的一种基于临床数据的急性生理慢性健康评估方法，其特征在于：将若干样本均衡后历史临床数据集输入专家知识库进行优化，得到若干样本均衡后历史临床主成分数据和优化后专家知识库，包括如下步骤：将当前体征类型的样本均衡后历史临床数据集中样本均衡后历史临床数据转换为对应的包含若干数据行向量的样本均衡后历史临床数组；根据专家知识库中急性生理慢性健康评分规则包括的临床指标
、
年龄指标以及慢...

【专利技术属性】
技术研发人员：卢虎强，梁元才，王景程，陈珊瑜，黄立民，
申请(专利权)人：武威市人民医院，
类型：发明
国别省市：