一种基于大数据的AI的个人肥胖风险预测系统及方法技术方案

本发明专利技术公开了一种基于大数据的AI的个人肥胖风险预测系统及方法，属于医学健康领域，包括数据收集模块、多维特征构建模块、风险标签动态生成模块、模型训练与风险预测模块、可信度评估与校准模块等。系统通过穿戴式设备、生化接口和健康平台API采集多源异构数据，统一编码为标准时序序列后构建行为‑代谢‑环境耦合特征。采用图神经网络结合因果因子分解对动态特征与标签进行联合建模，输出个体肥胖风险预测结果。通过蒙特卡洛Dropout与置信区间校准机制提升结果可信度，并将校准信息反馈至特征构建环节优化建模策略。最终以可视化热力图与因果路径图形式呈现关键风险因素，生成个体化干预建议向量。有益效果：提高预测准确性，增强个体干预针对性。

【技术实现步骤摘要】

本专利技术涉及医学健康领域，更具体地说，涉及一种基于大数据的ai的个人肥胖风险预测系统及方法。

技术介绍

1、近年来，随着可穿戴设备、健康app和体征监测系统的普及，个人健康数据采集日益丰富，大数据驱动的健康风险预测成为研究热点。传统方法主要基于线性回归、决策树或浅层神经网络，结合少量行为或生理特征进行建模，虽可实现基本风险分级，但在处理高维异构数据、多因素交互及个体差异性方面存在显著局限。近年来，图神经网络与因果推理技术的引入推动了健康预测模型向更深层次发展，实现了复杂关联建模与因果因子识别的初步尝试。

2、然而，现有系统普遍存在以下不足：一是建模结构单一，难以整合多源数据中的图结构信息；二是忽视时间序列偏移与群体异质性影响，导致预测结果偏倚；三是缺乏因果因子筛选机制，预测结果难以解释；四是风险预测可信度未明确标定，无法形成稳定反馈机制。因此，亟需一种融合多图谱建模、因果剥离分析与风险校准机制的ai系统，全面提升肥胖风险预测的精准性、解释性与适应性。

技术实现思路

1、本专利技术的目的在于提供一本文档来自技高网...

【技术保护点】

1.一种基于大数据的AI的个人肥胖风险预测系统，其特征在于，所述一种基于大数据的AI的个人肥胖风险预测系统包括数据收集模块、多维特征构建模块、风险标签动态生成模块、模型训练与风险预测模块、反馈闭环优化模块、可信度评估与校准模块、可视化解释与干预建议模块；

2.根据权利要求1所述的一种基于大数据的AI的个人肥胖风险预测系统，其特征在于，所述多维特征构建模块包括三层嵌套结构，第一层为输入重构层，对每类时序数据进行周期平滑处理，采用3×1卷积核加双向LSTM对行为频率类数据进行时间重建，第二层为多头嵌套注意力结构，包括步态-心率联合注意头、生理-环境波动协同注意头、社交-摄食交叉注...

【技术特征摘要】

1.一种基于大数据的ai的个人肥胖风险预测系统，其特征在于，所述一种基于大数据的ai的个人肥胖风险预测系统包括数据收集模块、多维特征构建模块、风险标签动态生成模块、模型训练与风险预测模块、反馈闭环优化模块、可信度评估与校准模块、可视化解释与干预建议模块；

2.根据权利要求1所述的一种基于大数据的ai的个人肥胖风险预测系统，其特征在于，所述多维特征构建模块包括三层嵌套结构，第一层为输入重构层，对每类时序数据进行周期平滑处理，采用3×1卷积核加双向lstm对行为频率类数据进行时间重建，第二层为多头嵌套注意力结构，包括步态-心率联合注意头、生理-环境波动协同注意头、社交-摄食交叉注意头，每个注意头基于自注意机制与窗口卷积提取短期内的相互依赖关系并动态加权；第三层为特征对齐层，采用最大信息系数重排技术将多头输出按因果耦合强度重新排序，通过跳跃残差连接输出行为-代谢-环境三类耦合特征组并按标签窗口结构输出给下一模块。

3.根据权利要求2所述的一种基于大数据的ai的个人肥胖风险预测系统，其特征在于，所述最大信息系数重排技术以多类特征组间的非线性映射关系为基础，使用滑动窗口下的加权动态时间规整算法对不同特征序列进行对齐，并计算多阶互信息增益，通过基于谱聚类构建的映射序列图中提取最强互联节点路径，最终重组耦合特征序列长度，使输出特征在时间上与标签生成窗口完全一致。

4.根据权利要求1所述的一种基于大数据的ai的个人肥胖风险预测系统，其特征在于，所述风险标签动态生成模块通过密集时间窗下的演变聚类图卷积结构生成个体动态风险标签，首先对多维耦合特征序列进行3重降维处理，主成分分析、最大方差保持投影、嵌入图核降维，再基于图结构密度变化率构建演化图，对每...

【专利技术属性】
技术研发人员：刘雁军，任亦星，杨华武，张彤彤，张婷，王兵，王海波，余佳慧，朱红梅，李琴，刘阳，郭沛森，付珞，
申请(专利权)人：成都市第三人民医院，
类型：发明
国别省市：