[发明专利]一种脑卒中发病风险预测系统、设备、存储介质

说明书

本发明公开一种脑卒中发病风险预测系统，所述系统包括：数据采集单元：用于采集目标人群健康数据信息并进行脱敏处理；预处理单元：用于标准化处理目标人群基本数据信息，标注脑卒中风险类别；特征筛选单元：用于基于IV值分析法筛选脑卒中特征数据，得到对模型预测价值较高的特征数据，组成数据集；模型建立单元：用于利用基于逻辑回归的Adaboost增强学习方法训练数据、建立融合模型；模型预测单元：用于通过融合模型对待测试的样本数据进行预测，得到脑卒中风险类别。本发明基于目标人群健康数据信息实现对脑卒中风险类别的精准分析，可提升发病风险预测效率。

技术领域

本发明属于健康管理技术领域，具体涉及一种脑卒中发病风险预测系统、设备、存储介质。

背景技术

“脑卒中”(cerebral stroke)又称“中风”，是一种急性脑血管疾病，严重威胁人类的生命健康。脑卒中往往具有发病率高、死亡率高和致残率高的特点，尤其对老年人群体会造成严重死亡或遗留不同程度残疾的后果，极度困扰着患者及家庭。

目前医学界认为预防卒中发病是最好的防治措施。然而目前现有技术中仅从临床症状单方面进行风险预测，从而导致无法达到准确识别及过早防治的目标。采用脑卒中发病风险预测模型可用于识别人群中的高危个体并为高危个体提供防治脑卒中的预防干预措施，起到过早识别干预脑卒中的作用。因此，研究设计一种评估准确且方便易用的脑卒中发病风险预测模型具有重要的临床价值，对脑卒中的防治和预防具有重要意义。

发明内容

有鉴于此，本发明提出了一种脑卒中发病风险预测系统、设备、存储介质，用于为高危个体提供方便易用、准确度高的脑卒中发病风险预测方案。

本发明第一方面，公开一种脑卒中发病风险预测系统，所述系统包括：

数据采集单元：用于采集目标人群健康数据信息并进行脱敏处理；

预处理单元：用于标准化处理目标人群基本数据信息，标注脑卒中风险类别；

特征筛选单元：用于基于IV值分析法筛选脑卒中特征数据，得到对模型预测价值较高的特征数据，组成数据集；

模型建立单元：用于利用基于逻辑回归的Adaboost增强学习方法训练数据、建立融合模型；

模型预测单元：用于通过融合模型对待测试的样本数据进行预测，得到脑卒中风险类别。

优选的，所述数据采集单元中，所述目标人群健康数据信息包括姓名、性别、年龄、体重、职业、居住地、血压、心率、血氧、房颤、吸烟史、酗酒史、糖尿病史、心血管疾病史、家族脑卒中史、是否肥胖，以及是否有颈动脉狭窄伴随症状、肢体无力伴随症状、言语障碍伴随症状及对应的伴随症状持续时间。

优选的，所述标准化处理包括：对不规整、不统一的数据进行类型转换，数据填充、数据删除操作；数据转换包括二值型数据转换、连续型数据转换。

优选的，所述模型建立单元具体包括：

弱分类子单元：以多个LR分类器构建弱分类器，初始化样本权重值，采用one-VS-rest形式，训练基于LR的第i个弱分类器；将脑卒中概率值最大的作为每个弱分类器的输出，每个弱分类器中LR分类器的个数等于脑卒中风险类别数；

计算第i个弱分类器的输出权重值α_i：α_i＝max(ln((1-f_i)/f_i)+ln2,0)，f_i为训练样本被弱分类器误分类样本的权重值之和；

强分类子单元：基于多个弱分类器更新强分类器，并计算强分类器分类的错误率；