[發(fā)明專利]一種基于增量式神經網絡模型的高血壓預測方法和預測系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201610861827.0
• 申請日: 2016-09-28
• 公開（公告）號: CN106650206A
• 公開（公告）日: 2017-05-10
• 發(fā)明（設計）人: 楊濱
• 申請（專利權）人: 湖南老碼信息科技有限責任公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發(fā)明屬于醫(yī)療技術領域，特別是涉及一種基于增量式神經網絡模型的高血壓預測方法和預測系統(tǒng)。

背景技術

當前國內各健康管理系統(tǒng)均設置高血壓預測評價，其使用的預測方式為數據匹配。其原理是將個人生活數據輸入系統(tǒng)由系統(tǒng)匹配固定數據然后得出患病幾率。但由于人體和疾病的復雜性、不可預測性，在生物信號與信息的表現形式上、變化規(guī)律(自身變化與醫(yī)學干預后變化)上，對其進行檢測與信號表達，獲取的數據及信息的分析、決策等諸多方面都存在非常復雜的非線性聯系。所以使用傳統(tǒng)的數據匹配只能是盲目的數據篩查，無法判斷數據與數據之間的邏輯關聯以及變量，得到的值域偏差大，造成系統(tǒng)預測的特異性十分差，所以目前的國內健康管理系統(tǒng)無法有效對個人的高血壓進行準確預測。

此前大部分對高血壓預測都是使用BP神經網絡模型，但是當新的檢測數據產生的時候，都必須再次訓練神經網絡模型，運算效率極低。而且當系統(tǒng)用戶規(guī)模增加后，服務器將無法及時完成訓練任務。

發(fā)明內容

本發(fā)明的目的就在于克服現有技術的不足，提供了一種基于增量式神經網絡模型的高血壓預測方法和預測系統(tǒng)，本發(fā)明通過神經網絡模型訓練預測大量醫(yī)院患者病理數據，找到高血壓病理與高血壓早期生活細節(jié)變化、臨床癥狀、檢測標準值、高危人群特征，這幾項病因之間的邏輯關聯和變量，最終形成對高血壓患病幾率準確預測的高血壓病理神經網絡模型，本發(fā)明通過采集用戶日常生活數據，主動分析其數據的周期性、規(guī)律性最終通過高血壓病理神經網絡模型預測用戶的患高血壓概率，以視覺效果的方式提醒用戶即時就醫(yī)，當神經網絡模型預測不準確時通過增量式算法不斷修正神經網絡模型，以針對每個設備用戶建立訓練出針對該用戶的神經網絡模型，隨著使用時間的增加，以建立對該用戶量身定做的神經網絡模型，準確率被大幅提高。

為了實現上述目的，本發(fā)明提供了一種基于增量式神經網絡模型的高血壓預測方法，包括如下步驟：

步驟(1)、獲取醫(yī)院高血壓病因病理數據源與病人日常監(jiān)控數據，從而建立高血壓日常數據數據庫；

步驟(2)、根據步驟(1)建立的高血壓日常數據數據庫以離線的方式對神經網絡模型進行訓練，以得到訓練好的高血壓病理神經網絡模型；

步驟(3)、通過智能監(jiān)控設備對用戶的日常生活數據進行采集，并將采集的日常生活數據發(fā)送至服務器，服務器將用戶的日常生活數據保存至用戶日常數據記錄表中；

步驟(4)、從用戶日常數據記錄表中提取當日數據，形成n維向量，并對n維向量做歸一化處理后輸入步驟(2)中訓練好的高血壓病理神經網絡模型中進行高血壓危險程度概率預測，得到高血壓概率結果數組P，服務器將數組P中最高概率對應的高血壓危險程度值W傳送給智能家庭高血壓護理設備；

步驟(5)、智能家庭高血壓護理設備接收服務器傳送的高血壓危險程度值W后，判斷高血壓危險程度值W是否大于等于3，如果大于等于3，則警示器警示以提醒用戶，如果小于3，則警示器不警示；

步驟(6)、當用戶接收到警示器警示時，用戶自行去醫(yī)院檢查，并將檢查結果通過智能家庭高血壓護理設備傳送回服務器，服務器判斷檢查結果是否正確，如果檢查結果錯誤，則說明高血壓病理神經網絡模型預測不準確，如果檢查結果正確，則說明高血壓病理神經網絡模型預測準確；

步驟(7)、當檢查結果錯誤時，從用戶日常數據記錄表中抽取m天內的記錄保存至增量數據表中，當增量數據表中的記錄數量大于h條時，執(zhí)行增量式算法，對高血壓病理神經網絡模型進行動態(tài)修正；

步驟(8)、重復步驟(3)～(7)。

進一步地，神經網絡模型的輸入層為n個節(jié)點，隱含層個數為n*2+1，輸出層為1個節(jié)點，從高血壓日常數據數據庫表中提取k條記錄進行訓練，每條記錄是一個n維向量，所有數據在使用前先經歸一化處理，使其數值在[0,1]區(qū)間,然后執(zhí)行如下步驟對神經網絡模型進行訓練：

1)輸入一個n維向量到神經網絡模型，計算神經網絡模型中所有的權向量到該輸入n維向量的距離，距離最近的神經元即為獲勝神經元，其計算公式如下：

其中：W_k是獲勝神經元的權向量,||...||為歐幾里得距離；

2)調整獲勝神經元和獲勝神經元領域內的神經元的權向量，公式如下：