[发明专利]糖尿病数据分析模型训练及数据管理方法、装置和设备

权利要求书

1.一种糖尿病数据分析模型训练方法，其特征在于，所述方法包括：

获取与糖尿病相关的临床数据，并对所述临床数据进行预处理，其中，所述临床数据包括目标对象身体基础信息、临床生化检验结果数据及预设健康问卷问答数据；

对经过预处理的临床数据进行层次聚类分析，并基于层次聚类分析的结果进行模糊聚类分析，以确定所述临床数据的最佳分类数量；

将按照所述最佳分类数量分类后的各临床数据及对应的分类标签作为模型训练样本，输入到初始糖尿病数据分析模型中，进行模型训练，得到目标糖尿病数据分析模型。

2.根据权利要求1所述的方法，其特征在于，对经过预处理的临床数据进行层次聚类分析，包括：

将每一条经过预处理的临床数据作为一个类，计算每两个类之间的相似度，并将相似度满足预设条件的两个类聚合为一个类，直到满足预设迭代聚类停止条件；

将层次聚类停止时的聚类数量作为第一聚类数量。

3.根据权利要求2所述的方法，其特征在于，基于层次聚类分析的结果进行模糊聚类分析，以确定所述临床数据的最佳分类数量，包括：

以所述第一聚类数量及对应的聚类中心，分别作为首次模糊聚类的初始聚类数量和初始聚类中心，对经过预处理的临床数据进行模糊聚类分析并进行聚类有效性函数计算；

将所述第一聚类数量依次递减，并采用预设方式减少一个对应的聚类中心，作为下一次模糊聚类分析的初始聚类数量和初始聚类中心，重复对经过预处理的临床数据进行模糊聚类分析并进行聚类有效性函数计算的过程，直到模糊聚类分析的初始聚类数量小于或等于二；

比较历次模糊聚类分析的聚类有效性函数的数值，将聚类有效性函数数值的最小值对应的聚类数量作为所述临床数据的最佳分类数量。

4.根据权利要求3所述的方法，其特征在于，针对每次聚类分析结果，计算聚类有效性函数的数值，包括：

计算聚类结果的内聚度和分离度，其中，所述内聚度表示为所述分离度表示为c表示聚类数量，n(i)表示第i类数据的个数，d(x，y)表示样本x与样本y间的欧式距离，u_ij表示样本i属于j类的隶属度；

将所述内聚度和所述分离度的比值作为所述聚类有效性函数的数值。

5.根据权利要求3所述的方法，其特征在于，所述对经过预处理的临床数据进行模糊聚类分析，包括：

初始化模糊聚类分析的参数，所述参数包括迭代停止阈值、最大迭代次数和隶属度矩阵；

根据对应的初始聚类数量和初始聚类中心进行数据聚类，并根据聚类结果更新所述隶属度矩阵和分类中心；

当更新后的隶属度矩阵与初始化的隶属度矩阵的差值小于所述迭代停止阈值或迭代次数超过所述最大迭代次数时，完成一次模糊聚类分析；

否则，重新对对经过预处理的临床数据进行聚类。

6.根据权利要求1所述的方法，其特征在于，在将经过预处理的临床数据进行层次聚类分析之前，所述方法还包括：

将所述经过预处理的临床数据映射到预设高维数据空间。

7.根据权利要求1-6中任一所述的方法，其特征在于，所述临床数据的每一个分类对应一个预设糖尿病风险等级，且各预设糖尿病风险等级设置有对应的糖尿病健康管理建议。

8.一种糖尿病数据管理方法，其特征在于，所述方法包括：

获取糖尿病临床数据，并对所述糖尿病数据进行预处理，其中，所述临床数据包括目标对象身体基础信息、临床生化检验结果数据及预设健康问卷问答数据；

将经过预处理的糖尿病临床数据输入至由权利要求1-7中任一所述的方法训练得到的目标糖尿病数据分析模型中，以获取所述糖尿病临床数据分类结果；

将糖尿病临床数据分类结果对应的预设糖尿病风险等级，及所述预设糖尿病风险等级对应的糖尿病健康管理建议反馈给目标对象。