System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及医疗与人工智能,具体涉及一种基于大数据和云计算的糖尿病衰弱的管理系统。
技术介绍
1、糖尿病是一种以高血糖为特征的代谢性疾病,会影响患者的生活质量,甚至导致死亡,目前尚无根治的方法。糖尿病属于慢性病。慢病管理是指对慢性非传染性疾病及其风险因素进行定期检测,连续监测,评估与综合干预管理的医学行为及过程,主要内涵包括慢病早期筛查,慢病风险预测、预警与综合干预,以及慢病人群的综合管理,慢病管理效果评估等。慢病管理是对慢性病人和高危人群的管理,包括对其合理膳食、行为习惯、健康心理等多方面的管理和干预,宣传正确的慢病管理理念、知识、技能,扎实做好慢病综合防治工作等。
2、糖尿病的早期诊断和健康管理至关重要,但是,目前糖尿病分析和相应的健康管理建议主要依赖于医生根据患者检查报告给出,不同的医生可能会有不同的诊疗结果。因此,需要结合糖尿病相关的临床数据、前期调查、专家咨询及文献分析的基础上,对临床数据的分析与管理,及时作出健康决策。
3、因此,需要对糖尿病相关的临床数据进行分析、挖掘,以寻找潜在的知识和规律,为风险识别、疾病诊断、医药治疗等方面提供辅助建议,从而更好地指导医护人员、患者等进行疾病的预防和治疗。
技术实现思路
1、鉴于上述问题,提出了本专利技术以便提供一种克服上述部分问题的基于大数据和云计算的糖尿病衰弱的管理系统。
2、根据本专利技术的一个方面,提供了一种基于大数据和云计算的糖尿病衰弱的管理系统,包括:
3、采集糖尿病衰
4、对所述葡萄糖样本以及对应的血糖输出数据进行拟合得到拟合血糖输出结果,根据总体平方和评价所述拟合血糖输出结果,其中,所述总体平方和包括误差平方和以及回归平方和;
5、利用无监督学习能量模型优化所述拟合血糖输出结果对应的分布参数;
6、根据所述血糖输出结果给出干预治疗方案,所述干预治疗方案包括药物干预治疗和生活治疗方案,其中,所述生活治疗方案包括饮食习惯、运动习惯以及健康习惯的建议方案。
7、更进一步地,所述对所述葡萄糖样本以及对应的血糖输出数据进行拟合得到拟合血糖输出结果的具体公式为:
8、
9、其中,为拟合的血糖输出结果,为拟合斜率,xi为葡萄糖样本,为拟合的偏置项,yi为对应的血糖输出。
10、更进一步地,所述拟合斜率的计算公式为:
11、
12、其中,k,b分别为yi=xi+b的斜率和偏置项。
13、更进一步地,分别对所述yi=xi+b的斜率k和偏置项b求偏导得到使得所述误差平方和最小,其中所述误差平方和的表达式为:
14、
15、更进一步地,所述分别对所述yi=xi+b的斜率k和偏置项b求偏导得到进一步包括:
16、分别对所述yi=xi+b的斜率k和偏置项b求偏导:
17、
18、得到:
19、
20、更进一步地,所述无监督学习能量模型的联合概率密度函数为:
21、
22、其中,z为隐变量,u(v,h)为能量函数。
23、更进一步地,所述能量函数u(v,h)的具体公式为:
24、
25、其中,vt为v的转置,ht为h的转置。
26、更进一步地,通过极大似然估计法计算所述联合概率密度函数的分布参数。
27、更进一步地,所述通过极大似然估计法计算所述联合概率密度函数的分布参数的具体公式为:
28、
29、其中,p(v)为p(v,h)的边缘概率分布,θ={w,l,j},θ为分布参数,n为样本总数,v为v的样本集合。
30、根据本专利技术的另一方面,提供了一种融合云计算的可视化糖尿病大数据智能分析装置,包括:
31、采集模块,用于采集糖尿病衰弱患者的葡萄糖样本以及对应的血糖输出数据;
32、拟合模块,用于对所述葡萄糖样本以及对应的血糖输出数据进行拟合得到拟合血糖输出结果,根据总体平方和评价所述拟合血糖输出结果,其中,所述总体平方和包括误差平方和以及回归平方和;
33、优化模块,用于利用无监督学习能量模型优化所述拟合血糖输出结果对应的分布参数;
34、输出模块,用于根据所述血糖输出结果给出干预治疗方案,所述干预治疗方案包括药物干预治疗和生活治疗方案,其中,所述生活治疗方案包括饮食习惯、运动习惯以及健康习惯的建议方案。
35、根据本专利技术提供的方案,采集糖尿病衰弱患者的葡萄糖样本以及对应的血糖输出数据;对所述葡萄糖样本以及对应的血糖输出数据进行拟合得到拟合血糖输出结果,根据总体平方和评价所述拟合血糖输出结果,其中,所述总体平方和包括误差平方和以及回归平方和;利用无监督学习能量模型优化所述拟合血糖输出结果对应的分布参数;根据所述血糖输出结果给出干预治疗方案,所述干预治疗方案包括药物干预治疗和生活治疗方案,其中,所述生活治疗方案包括饮食习惯、运动习惯以及健康习惯的建议方案。本专利技术通过无监督学习能量模型寻找潜在的糖尿病衰弱患者的知识和规律,为风险识别、医药治疗等方面提供辅助建议。上述说明仅是本专利技术技术方案的概述,为了能够更清楚了解本专利技术的技术手段,而可依照说明书的内容予以实施,并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂,以下特举本专利技术的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种基于大数据和云计算的糖尿病衰弱的管理系统,其特征在于,包括:
2.根据权利要求1所述的基于大数据和云计算的糖尿病衰弱的管理系统,其特征在于,所述对所述葡萄糖样本以及对应的血糖输出数据进行拟合得到拟合血糖输出结果的具体公式为:
3.根据权利要求2所述的基于大数据和云计算的糖尿病衰弱的管理系统,其特征在于,所述拟合斜率的计算公式为:
4.根据权利要求3所述的基于大数据和云计算的糖尿病衰弱的管理系统,其特征在于,所述方法还包括:
5.根据权利要求4所述的基于大数据和云计算的糖尿病衰弱的管理系统,其特征在于,所述分别对所述yi=xi+b的斜率k和偏置项b求偏导得到进一步包括:
6.根据权利要求1所述的基于大数据和云计算的糖尿病衰弱的管理系统,其特征在于,所述无监督学习能量模型的联合概率密度函数为:
7.根据权利要求6所述的基于大数据和云计算的糖尿病衰弱的管理系统,其特征在于,所述能量函数U(v,h)的具体公式为:
8.根据权利要求7所述的基于大数据和云计算的糖尿病衰弱的管理系统,其特征在于,所述方
9.根据权利要求8所述的基于大数据和云计算的糖尿病衰弱的管理系统,其特征在于,所述通过极大似然估计法计算所述联合概率密度函数的分布参数的具体公式为:
10.一种融合云计算的可视化糖尿病大数据智能分析装置,其特征在于,包括:
...【技术特征摘要】
1.一种基于大数据和云计算的糖尿病衰弱的管理系统,其特征在于,包括:
2.根据权利要求1所述的基于大数据和云计算的糖尿病衰弱的管理系统,其特征在于,所述对所述葡萄糖样本以及对应的血糖输出数据进行拟合得到拟合血糖输出结果的具体公式为:
3.根据权利要求2所述的基于大数据和云计算的糖尿病衰弱的管理系统,其特征在于,所述拟合斜率的计算公式为:
4.根据权利要求3所述的基于大数据和云计算的糖尿病衰弱的管理系统,其特征在于,所述方法还包括:
5.根据权利要求4所述的基于大数据和云计算的糖尿病衰弱的管理系统,其特征在于,所述分别对所述yi=xi+b的斜率k和偏置项b求偏导得到进一步包...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。