一种基于机器学习的动脉硬化风险预测方法和装置制造方法及图纸

本发明专利技术公开了一种基于机器学习的动脉硬化风险预测方法和装置，属于机器学习技术领域，所述方法包括：通过获取目标对象的电子病历数据并进行规范化处理；将规范化的电子病历数据输入基于LightGBM算法的机器学习模型中识别动脉硬化的高风险个体；结合输入特征的贡献值量化各特征对动脉硬化风险预测结果的影响，为患者提供针对性的健康管理建议。其中通过对大量临床数据的学习构建的动脉硬化风险预测模型不仅能够提高动脉硬化风险预测的准确性，还能够揭示传统统计方法难以发现的风险因素之间的复杂关系进而实现个性化健康管理方案的设计与实施，从而为预防和治疗动脉硬化提供更加科学的依据。

【技术实现步骤摘要】

本专利技术属于机器学习，更具体地，涉及一种基于机器学习的动脉硬化风险预测方法和装置。

技术介绍

1、动脉硬化是一种以动脉壁增厚、变硬和失去弹性为特征的疾病，它通常随着年龄的增长而发展，并且是导致心血管疾病的主要因素之一。这种病理状态能够影响中大型动脉，包括冠状动脉、脑动脉、肾动脉等重要部位的血管，从而增加心脏病发作、中风以及其他严重健康问题的风险。现有的动脉硬化评估方法主要包括测量血压、血脂分析、心电图检查、超声波成像、计算机断层扫描(ct)血管成像以及脉搏波传导速度(pwv)检测等技术手段。

2、动脉硬化的发生和发展是由多种因素共同作用的结果，包括但不限于高血压、高胆固醇、吸烟、肥胖、糖尿病、缺乏运动以及遗传因素等。这些风险因素通过复杂的生理机制促进动脉内膜脂质沉积，进而导致动脉壁的炎症反应、纤维化和平滑肌细胞增生等变化，最终引起管腔狭窄或闭塞。

3、然而，由于需要考虑的因素过多，现有技术中的动脉硬化风险预测往往不够准确。

技术实现思路

1、针对现有技术的以上缺陷或改进需求，本专利技本文档来自技高网...

【技术保护点】

1.一种基于机器学习的动脉硬化风险预测方法，其特征在于，包括：

2.如权利要求1所述的基于机器学习的动脉硬化风险预测方法，其特征在于，所述S2包括：从所述规范化处理后的电子病历数据中筛选出与动脉硬化有关的分类特征数据，包括：年龄、性别、身体质量指数、低密度脂蛋白胆固醇、估算肾小球滤过率、是否为糖尿病、是否吸烟、是否为高血压、尿酸、甘油三酯和超敏C反应蛋白。

3.如权利要求2所述的基于机器学习的动脉硬化风险预测方法，其特征在于，所述各个样本对应的动脉硬化的诊断风险结果采用脉搏波传导速度进行评估；当PWV＜1400cm/s时，动脉硬化程度分类为正常，分类数值用0表示；...

【技术特征摘要】

1.一种基于机器学习的动脉硬化风险预测方法，其特征在于，包括：

2.如权利要求1所述的基于机器学习的动脉硬化风险预测方法，其特征在于，所述s2包括：从所述规范化处理后的电子病历数据中筛选出与动脉硬化有关的分类特征数据，包括：年龄、性别、身体质量指数、低密度脂蛋白胆固醇、估算肾小球滤过率、是否为糖尿病、是否吸烟、是否为高血压、尿酸、甘油三酯和超敏c反应蛋白。

3.如权利要求2所述的基于机器学习的动脉硬化风险预测方法，其特征在于，所述各个样本对应的动脉硬化的诊断风险结果采用脉搏波传导速度进行评估；当pwv＜1400cm/s时，动脉硬化程度分类为正常，分类数值用0表示；当pwv≥1400cm/s时，动脉硬化程度分类为异常，分类数值用1表示。

4.如权利要求1所述的基于机器学习的动脉硬化风险预测方法，其特征在于，所述s1包括：对所述目标对象的电子病历数据进行去除重复记录、纠正格式不一致、填充缺失值以及处理异常值，再进行统一编码得到所述规范化处理后的电子病历数据。

5.如权利要求1所述的基于机器学习的动脉硬化风险预测方法，其特征在于，所述...

【专利技术属性】
技术研发人员：徐然然，莫德夏梦，
申请(专利权)人：华中科技大学同济医学院附属同济医院，
类型：发明
国别省市：