一種智能評估心臟衰老程度的方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開一種智能評估心臟衰老程度的方法及系統(tǒng)，其中，包括步驟：首先收集影響心臟年齡的影響因子，建立影響心臟年齡的影響因子指標體系，然后將影響因子進行分類，并對影響因子進行預處理，建立心臟年齡數(shù)據(jù)模型；將預處理后的影響因子作為輸入組成一個樣本集，先后將獲得的樣本集及心臟年齡數(shù)據(jù)模型輸入到人工智能學習算法中進行訓練，建立一種反映心臟年齡影響因子和心臟衰老程度評估測定之間的關(guān)系模型；最后采用建立的關(guān)系模型對個體測定者樣本進行回歸分析和學習，從而測定出個體心臟衰老程度評估值。本發(fā)明方法為健康和亞健康個體及心臟疾患個體提供了全程無創(chuàng)性、及時性、便利性、普適性預警作用。
【專利說明】
一種智能評估心臟衰老程度的方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及心臟衰老程度評估領(lǐng)域，尤其涉及一種智能評估心臟衰老程度的方法 及系統(tǒng)。
【背景技術(shù)】
[0002] 生活中，一個人的外表比實際年齡或大或小的現(xiàn)象比較常見，而人的心臟和實際 年齡也可能不一樣。如果預防措施得當，心臟完全可以比實際年齡"年輕"，反之，心臟則會 過早衰老。隨著社會發(fā)展、生活節(jié)奏的加快以及生活水平的提高，人們不健康的生活方式、 行為、習慣常常導致心臟提前衰老，引起心臟病，致使心臟病發(fā)病呈上升趨勢，且發(fā)病年輕 化趨勢明顯，尤其是青中年。調(diào)查發(fā)現(xiàn)：男性冠心病事件發(fā)生率上升最為明顯，其中35歲至 44歲年齡組的急性冠心病事件發(fā)生率在3年內(nèi)增加了30%多，44歲至55歲年齡組增加了 20%多。心臟病有突然致死的危險，至今依然是排名第一的致死因素。雖然大多數(shù)能捱過第 一次心臟病發(fā)作，但風險依在，依然不容樂觀。對于所有人，知道自己的衰老程度將有助于 理解身體的狀況，理解改善生活方式、行為、習慣和其他預防措施可以減少未來心臟病發(fā)病 的風險;對于大多數(shù)人，計算心臟衰老程度評估值能夠讓自己知道在年輕時堅持養(yǎng)成良好 健康的生活習慣對身體有多大潛在益處，而不會到了年老時再去尋醫(yī)問藥。因此，對心臟衰 老程度及時評估，以盡早采取措施，進行干預、治療，防患于未然，就顯得尤為重要。目前，對 因心臟輕微受損（心臟輕度衰老）而未引起心臟病變個體即亞健康狀態(tài)，醫(yī)學上尚未有檢 測、檢查、評估方法，即存在評估盲區(qū)；對因心臟中、重度受損（心臟中、重度衰老)而引起心 臟疾患的個體進行檢測、檢查、評估的方法主要有:冠脈造影、彩超、光學相干斷層成像、動 態(tài)心電圖、心肌酶檢測以及心功能評定等，這些方法或價格昂貴、或有創(chuàng)傷性、或不適用于 常規(guī)體檢、或準確性低、或便利性差，因而不易對心臟衰老程度進行及時、隨時、便捷、準確 評估，造成心臟病上升趨勢明顯，心臟病事件居高不下。
[0003] 因此，現(xiàn)有技術(shù)還有待于改進和發(fā)展。

【發(fā)明內(nèi)容】

[0004] 鑒于上述現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種智能評估心臟衰老程度的 方法及系統(tǒng)，旨在解決現(xiàn)有方法或價格昂貴、或有創(chuàng)傷性、或不適用于常規(guī)體檢、或準確性 低、或便利性差的問題。
[0005] 本發(fā)明的技術(shù)方案如下：
[0006] -種智能評估心臟衰老程度的方法，其中，包括步驟：
[0007] A、首先收集影響心臟年齡的影響因子，建立影響心臟年齡的影響因子指標體系， 然后將影響因子進行分類，并對影響因子進行預處理，建立心臟年齡數(shù)據(jù)模型；
[0008] B、將預處理后的影響因子作為輸入組成一個樣本集，先后將獲得的樣本集及心臟 年齡數(shù)據(jù)模型輸入到人工智能學習算法中進行訓練，建立一種反映心臟年齡影響因子和心 臟衰老程度評估測定之間的關(guān)系模型；
[0009] C、最后采用建立的關(guān)系模型對個體測定者樣本進行回歸分析和學習，從而測定出 個體心臟衰老程度評估值。
[0010] 所述的智能評估心臟衰老程度的方法，其中，步驟A中，預處理具體包括:對影響因 子進行離散化處理，處理后采用主成分分析法對影響因子進行篩選，消除重復信息。
[0011] 所述的智能評估心臟衰老程度的方法，其中，步驟B中，所述心臟年齡數(shù)據(jù)模型為： Η=Κ · Y；
[0012] 式中:Η代表心臟年齡，K代表心臟衰老程度評估值，Y代表實際年齡。
[0013] 所述的智能評估心臟衰老程度的方法，其中，步驟Β中，將獲得的樣本集及心臟年 齡數(shù)據(jù)模型輸入到支持向量機進行訓練。
[0014] 所述的智能評估心臟衰老程度的方法，其中，步驟Β中，反映心臟年齡影響因子和 心臟衰老程度評估測定之間的關(guān)系模型為：
[0017] 式中：yi代表生活方式、行為和習慣危險因子分數(shù)中的一種，χι代表生活方式、行為 和習慣保護因子分數(shù)中的一種，P代表遺傳因子分數(shù)。
[0018] -種如上任一所述智能評估心臟衰老程度的方法的系統(tǒng)，其中，包括：
[0019] 處理及建立模塊，用于首先收集影響心臟年齡的影響因子，建立影響心臟年齡的 影響因子指標體系，然后將影響因子進行分類，并對影響因子進行預處理，建立心臟年齡數(shù) 據(jù)模型；
[0020] 訓練及建立模塊，用于將預處理后的影響因子作為輸入組成一個樣本集，先后將 獲得的樣本集及心臟年齡數(shù)據(jù)模型輸入到人工智能學習算法中進行訓練，建立一種反映心 臟年齡影響因子和心臟衰老程度評估測定之間的關(guān)系模型；
[0021] 分析及測定模塊，用于最后采用建立的關(guān)系模型對個體測定者樣本進行回歸分析 和學習，從而測定出個體心臟衰老程度評估值。
[0022] 所述智能評估心臟衰老程度的方法的系統(tǒng)，其中，處理及建立模塊中，預處理具體 包括:對影響因子進行離散化處理，處理后采用主成分分析法對影響因子進行篩選，消除重 復信息。
[0023] 所述智能評估心臟衰老程度的方法的系統(tǒng)，其中，訓練及建立模塊中，所述心臟年 齡數(shù)據(jù)模型為:Η=Κ · Y;
[0024] 式中:Η代表心臟年齡，K代表心臟衰老程度評估值，Y代表實際年齡。
[0025] 所述智能評估心臟衰老程度的方法的系統(tǒng)，其中，訓練及建立模塊中，將獲得的樣 本集及心臟年齡數(shù)據(jù)模型輸入到支持向量機進行訓練。
[0026]所述智能評估心臟衰老程度的方法的系統(tǒng)，其中，訓練及建立模塊中，反映心臟年 齡影響因子和心臟衰老程度評估測定之間的關(guān)系模型為：
[0029]式中：yi代表生活方式、行為和習慣危險因子分數(shù)中的一種，Xl代表生活方式、行為 和習慣保護因子分數(shù)中的一種，P代表遺傳因子分數(shù)。
[0030] 有益效果:本發(fā)明方法為健康和亞健康個體及心臟疾患個體提供了全程無創(chuàng)性、 及時性、便利性、普適性預警作用。為把人類醫(yī)學推進到預測性、預防性和個性化的精準醫(yī) 學新時代，開辟了有益路徑，起到了精準防治作用。
【附圖說明】
[0031] 圖1為本發(fā)明影響心臟年齡的影響因子指標體系示意圖。
[0032] 圖2為本發(fā)明心臟年齡動物模型示意圖。
[0033] 圖3為本發(fā)明智能評估心臟衰老程度的方法另一較佳實施例的流程圖。
【具體實施方式】
[0034] 本發(fā)明提供一種智能評估心臟衰老程度的方法及系統(tǒng)，為使本發(fā)明的目的、技術(shù) 方案及效果更加清楚、明確，以下對本發(fā)明進一步詳細說明。應當理解，此處所描述的具體 實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0035] 本發(fā)明的一種智能評估心臟衰老程度的方法較佳實施例，其中，包括步驟：
[0036] A、首先收集影響心臟年齡的影響因子，建立影響心臟年齡的影響因子指標體系， 然后將影響因子進行分類，并對影響因子進行預處理，建立心臟年齡數(shù)據(jù)模型；
[0037] B、將預處理后的影響因子作為輸入組成一個樣本集，先后將獲得的樣本集及心臟 年齡數(shù)據(jù)模型輸入到人工智能學習算法中進行訓練，建立一種反映心臟年齡影響因子和心 臟衰老程度評估測定之間的關(guān)系模型；
[0038] C、最后采用建立的關(guān)系模型對個體測定者樣本進行回歸分析和學習，從而測定出 個體心臟衰老程度評估值。
[0039] 本發(fā)明步驟A具體為，首先復習文獻，進行研究、分析，根據(jù)科學性、系統(tǒng)性、全面性 和可操性原則，科學、準確地收集影響心臟年齡的影響因子，建立影響心臟年齡的影響因子 指標體系，如圖1所示，影響心臟年齡的影響因子包括實際年齡、心率、生活方式、行為、習 慣、體重指數(shù)、遺傳因子、身體健康狀況等等。其中，生活方式、行為、習慣中可分為危險因子 和保護因子兩類，如，危險因子包括性格急躁或暴躁、久坐或懶動、吸煙、熬夜、口味重、喜食 零食、生活無規(guī)律、愛生氣、情緒易波動、酗酒、抑郁、精神緊張、神經(jīng)質(zhì)等;保護因子包括有 氧運動、性格豪爽或豁達、溫和、生活規(guī)律、飲食清淡、常飲茶、喜食堅果、海魚、興趣廣泛等。
[0040] 進一步地，步驟A中，預處理具體包括:對影響因子進行離散化處理，處理后采用主 成分分析法對影響因子進行篩選，消除重復信息。
[0041] 具體地，建立影響心臟年齡的影響因子指標體系后，對影響心臟年齡的影響因子 進行離散化處理。心臟年齡的影響因子數(shù)據(jù)需要進行離散化處理，如，心率2 55次/分與心 率<54次/分時，同時，心臟年齡影響因子單位不同，如，體重指數(shù)與心率大小的數(shù)據(jù)相關(guān)比 較大，為了消除這些因素對心臟衰老程度評估的不利影響，將影響心臟年齡的影響因子分 數(shù)進行歸一化處理，將它們縮放到〇和1之間，具體為：
[0043] 上式中：X 表示影響因子原始值，4為歸一化后的值，max(Xi)和min(Xi)分別為求 最大值和最小值函數(shù)。根據(jù)心臟年齡動物模型中各影響因子對心臟年齡的影響作用，確定 生活方式、遺傳因子、體重指數(shù)、心率等影響因子原始值為1，則身體健康狀況影響因子原始 值為2X2,即為4。
[0044] 具體地，對影響心臟年齡的影響因子離散化處理后，采用主成分分析法 (principal component analysis，PCA)對影響心臟年齡的影響因子進行篩選，消除重復信 息。這是因為從圖1影響心臟年齡的影響因子指標體系可知，這些影響因子可能存在多重共 線性，特別是當各個指標之間存在著高度的相互依賴性關(guān)系時，如久坐與懶動、抑郁與精神 緊張等，這會給心臟年齡和心臟衰老程度評估值帶來不合理的解釋。為了得到一個準確、可 靠的心臟年齡動物模型，需要從眾多影響心臟年齡的影響因子中挑選出對心臟年齡影響大 的影響因子。為此，本發(fā)明采用主成分分析(principal component analysis，PCA)對影響 心臟年齡的影響因子進行篩選，消除重復信息，建立心臟年齡動物模型(見圖2)。
[0045] 本發(fā)明步驟B具體為，上述步驟A預處理后的影響因子作為輸入組成一個樣本集， 將獲得的樣本集及心臟年齡數(shù)據(jù)模型輸入到人工智能學習算法中進行訓練，建立一種反映 心臟年齡影響因子和心臟衰老程度評估測定之間的關(guān)系模型；其中，所述心臟年齡數(shù)據(jù)模 型為:Η = Κ · Y;式中：Η代表心臟年齡，K代表心臟衰老程度評估值，Y代表實際年齡。反映心 臟年齡影響因子和心臟衰老程度評估測定之間的關(guān)系模型為：
[0048]式中：yi代表生活方式、行為和習慣危險因子分數(shù)中的一種，Xl代表生活方式、行為 和習慣保護因子分數(shù)中的一種，P代表遺傳因子分數(shù)。
[0049] 進一步地，本發(fā)明將獲得的樣本集及心臟年齡數(shù)據(jù)模型輸入到支持向量機進行訓 練。所述支持向量機是一種新型人工智能技術(shù)，具有模擬人的自學習及自組織能力的特點， 本發(fā)明采用支持向量機(support vector machine，SVM)對心臟衰老程度評估測定，克服了 傳統(tǒng)心臟衰老程度評估值測定方法的許多缺點。本發(fā)明通過采用主成分分析法(PCA)與支 持向量機(SVM)相結(jié)合進行心臟衰老程度評估測定，從而有效提高了心臟衰老程度評估測 定的效率和準確率。
[0050] 具體地，例如，設訓練樣本集為{xi，yi}，i = l，2，···，n，XieRn，yie {+1 ,-1}，那么支 持向量機的超平面方程為：
[0051] wx+b = 0
[0052] 那么支持向量機分類的決策函數(shù)為：
[0053] f (x) =sgn(wx+b)
[0054] 對于一個樣本線性可分問題，其經(jīng)驗風險可以為0,然而根據(jù)結(jié)構(gòu)風險最小化原 貝1J，求最大分類間隔的超平面問題可以轉(zhuǎn)化為：
[0058] 通過引入Lagrange乘子法得該問題的對偶形式為：
[0062]由上式可求得，支持向量機的最優(yōu)分類超平面判決函數(shù)為：
[0064]對于非線性問題，由于支持向量機的超平面分類能力有限，支持向量機引入核函 數(shù)，其通過非線性地映射爐將輸入矢量變換到高維特征空間中進行線性映射可表示為：
[0065 ] φ(Λ.) = % (JV)丄，乳,(>)]'
[0066]應用Lagrange乘子法，支持向量機求解的超平面可表示成：
[0068]其中，ai 表示 Lagrange。
[0069] 根據(jù)Hibert-Schmidt原理，只要一種核函數(shù)滿足Mercer條件，那么其就可以對應 于某一變換空間中的內(nèi)積。即：
[0070] /?(.ν,,.γ,) = (,γ,.χφ-,)
[0071]只要選擇適當?shù)暮撕瘮?shù)，就可以對非線性分類問題變換后的線性分類問題，并稱 其為支持向量機的判決函數(shù)：
[0073] 具體地，本發(fā)明智能評估心臟衰老程度的步驟為：
[0074] 智能評估心臟衰老程度的步驟分為兩個階段：訓練階段和測試階段，訓練階段是 利用心臟年齡影響因子和心臟衰老程度評估測定之間的關(guān)系模型對個體樣本進行學習，并 進行模型參數(shù)尋優(yōu)，建立心臟衰老程度評估智能測定模型；測試階段就是利用建立的心臟 衰老程度評估智能測定模型對待測個體進行測試，檢測模型有效性和可行性。
[0075] 圖3為本發(fā)明智能評估心臟衰老程度的方法另一較佳實施例的流程圖，如圖所示， 具體步驟如下：
[0076] (1)、心臟衰老程度評估測定樣本收集:利用心臟年齡影響因子和心臟衰老程度評 估測定之間的關(guān)系模型對已測的心臟衰老程度評估測定個體多例的數(shù)據(jù)，作為輸入支持向 量機的樣本集。
[0077] (2)、指標歸一化處理:對心臟衰老程度評估測定影響因子進行歸一化處理，消除 影響因子間的差異。
[0078] (3)、主成分分析:采用主成分分析對歸一化的心臟衰老程度評估測定影響因子進 行分析，提取對心臟衰老程度評估測定結(jié)果比較重要的m個主成分。
[0079] (4)、訓練樣本輸入支持向量機進行學習：首先選擇支持向量機核函數(shù)及各參數(shù)的 相應范圍。然后支持向量機訓練，具體為，將選擇的m個主成分支持向量機的輸入，將心臟衰 老程度評估測定的具體類別作為支持向量機的期望輸出，組成心臟衰老程度評估測定樣本 集，將數(shù)據(jù)分成訓練集和測試集兩部分，將訓練集輸入到支持向量機進行學習，并采用網(wǎng)絡 搜索方法對支持向量機參數(shù)優(yōu)化，找到支持向量機最優(yōu)訓練參數(shù)。
[0080] (5)、測定精度達到要求，并建立心臟衰老程度評估智能測定關(guān)系模型：反復迭代， 直到測定精度達到要求。然后采用最優(yōu)參數(shù)建立心臟衰老程度評估智能測定器，并采用測 定分類器對測試樣本進行分類，最后計算出心臟衰老程度評估智能測定的準確率，并輸出 測定結(jié)果。
[0081] 基于上述方法，本發(fā)明還提供一種如上任一所述智能評估心臟衰老程度的方法的 系統(tǒng)，其中，包括：
[0082] 處理及建立模塊，用于首先收集影響心臟年齡的影響因子，建立影響心臟年齡的 影響因子指標體系，然后將影響因子進行分類，并對影響因子進行預處理，建立心臟年齡數(shù) 據(jù)模型；
[0083]訓練及建立模塊，用于將預處理后的影響因子作為輸入組成一個樣本集，先后將 獲得的樣本集及心臟年齡數(shù)據(jù)模型輸入到人工智能學習算法中進行訓練，建立一種反映心 臟年齡影響因子和心臟衰老程度評估測定之間的關(guān)系模型；
[0084] 分析及測定模塊，用于最后采用建立的關(guān)系模型對個體測定者樣本進行回歸分析 和學習，從而測定出個體心臟衰老程度評估值。
[0085] 所述智能評估心臟衰老程度的方法的系統(tǒng)，其中，訓練及建立模塊中，所述心臟年 齡數(shù)據(jù)模型為:Η=Κ · Y;
[0086] 式中:Η代表心臟年齡，K代表心臟衰老程度評估值，Y代表實際年齡。
[0087]所述智能評估心臟衰老程度的方法的系統(tǒng)，其中，訓練及建立模塊中，將獲得的樣 本集及心臟年齡數(shù)據(jù)模型輸入到支持向量機進行訓練。
[0088]所述智能評估心臟衰老程度的方法的系統(tǒng)，其中，訓練及建立模塊中，反映心臟年 齡影響因子和心臟衰老程度評估測定之間的關(guān)系模型為：
[0091] 式中：yi代表生活方式、行為和習慣危險因子分數(shù)中的一種，Xl代表生活方式、行為 和習慣保護因子分數(shù)中的一種，P代表遺傳因子分數(shù)。
[0092] 關(guān)于上述模塊的技術(shù)細節(jié)在前面的方法中已有詳述，故不再贅述。
[0093] 下面通過具體實施例對本發(fā)明進行詳細說明。
[0094] 實施例1
[0095] 胡某，女，1979年8月出生，事業(yè)單位工作人員，身高1.60米，2015年12月10日做心 臟衰老程度評估測定。體重56kg，心率76次/分，口味重，每天運動半小時左右，余無特殊。輸 入體重56kg，身高1.6m，心率76次/分，點擊"口味重，有氧運動半小時"，即顯示檢測結(jié)果：心 臟衰老程度評估值:111.26 %。表示心臟年齡較實際年齡大11.26 %，示心臟輕度受損，盡管 胡某自覺癥狀無明顯不適感，醫(yī)學有關(guān)檢查、檢驗未發(fā)現(xiàn)陽性指標，處于健康、或亞健康狀 態(tài)，但仍建議:清淡飲食，定期復查。
[0096] 實施例2
[0097]肖某，男，1958年4月出生，鄉(xiāng)鎮(zhèn)干部，身高1.72米，2014年12月5日做心臟衰老程度 評估值測定。體重78kg，心率77次/分，性格豪爽，常飲茶，平時久坐，口味重，常熬夜。輸入體 重78kg，身高1.72m，心率77次/分，點擊"性格豪爽，飲茶，久坐，口味重，熬夜"，即顯示檢測 結(jié)果:心臟衰老程度評估值：131.90%。表示心臟年齡較實際年齡大31.90%，為心臟重度衰 老。建議:清淡飲食，適量運動，少坐，減少熬夜頻率，同時建議到醫(yī)院做進一步檢查。醫(yī)院檢 查結(jié)果：空腹血糖11.3mol/L，血膽固醇7.3mol/L，甘油三酯2.28mol/L，Bp:156/94mmHg，6 電圖：可見弓背向上型ST段抬高、寬而深的Q波，冠狀動脈造影顯示雙支病變。即住院治療， 給予降糖、降壓、降脂等處理，行經(jīng)皮冠狀動脈介入治療(PCI)，住院20天后出院。2015年12 月20日再做心臟衰老程度評估值測定。檢查:體重72kg，心率66次/分，性格豪爽，飲茶，飲食 清淡，每天適量運動半小時左右，少坐，不熬夜;Bp: 132/82mmHg，空腹血糖5.5mol/L，血膽固 醇6.1mol/L，甘油三酯1.92mol/L，有冠心病史。根據(jù)以上資料，點擊"體重72kg，身高1.72m， 心率66次/分，性格豪爽，飲茶，飲食清淡，有氧運動半小時，血脂異常，冠心、病"，即顯示檢測 結(jié)果：心臟衰老程度評估值：105.81 %，表示心臟年齡較實際年齡大5.81 %，示心臟受損較 前明顯好轉(zhuǎn)，心臟衰老進程明顯延緩。建議:堅持服藥，適量控制體重，定期復查。該案例提 示：心臟衰老程度評估值測定為個體心臟疾患者提供了無創(chuàng)性、及時性、普適性預警方法， 達到了降低心臟病事件發(fā)生、延緩心臟衰老進程的目的。
[0098] 通過以上兩個實施例，顯示本發(fā)明的心臟衰老程度評估方法為把人類醫(yī)學推進到 預測性、預防性和個性化的精準醫(yī)學新時代提供了很好實證，起到了精準防治作用。
[0099]綜上所述，本發(fā)明提供的一種智能評估心臟衰老程度的方法及系統(tǒng)，本發(fā)明首先 收集影響心臟年齡的影響因子，建立影響心臟年齡的影響因子指標體系，然后將影響因子 進行分類，并對影響因子進行預處理，建立心臟年齡數(shù)據(jù)模型;將預處理后的影響因子作為 輸入組成一個樣本集，先后將獲得的樣本集及心臟年齡數(shù)據(jù)模型輸入到人工智能學習算法 中進行訓練，建立一種反映心臟年齡影響因子和心臟衰老程度評估測定之間的關(guān)系模型； 最后采用建立的關(guān)系模型對個體測定者樣本進行回歸分析和學習，從而測定出個體心臟衰 老程度評估值。本發(fā)明方法為健康和亞健康個體及心臟疾患個體提供了全程無創(chuàng)性、及時 性、便利性、普適性預警作用。
[0100]應當理解的是，本發(fā)明的應用不限于上述的舉例，對本領(lǐng)域普通技術(shù)人員來說，可 以根據(jù)上述說明加以改進或變換，所有這些改進和變換都應屬于本發(fā)明所附權(quán)利要求的保 護范圍。
【主權(quán)項】
1. 一種智能評估心臟衰老程度的方法，其特征在于，包括步驟： A、 首先收集影響心臟年齡的影響因子，建立影響心臟年齡的影響因子指標體系，然后 將影響因子進行分類，并對影響因子進行預處理，建立心臟年齡數(shù)據(jù)模型； B、 將預處理后的影響因子作為輸入組成一個樣本集，先后將獲得的樣本集及心臟年齡 數(shù)據(jù)模型輸入到人工智能學習算法中進行訓練，建立一種反映心臟年齡影響因子和心臟衰 老程度評估測定之間的關(guān)系模型； C、 最后采用建立的關(guān)系模型對個體測定者樣本進行回歸分析和學習，從而測定出個體 心臟衰老程度評估值。2. 根據(jù)權(quán)利要求1所述的智能評估心臟衰老程度的方法，其特征在于，步驟A中，預處理 具體包括:對影響因子進行離散化處理，處理后采用主成分分析法對影響因子進行篩選，消 除重復信息。3. 根據(jù)權(quán)利要求1所述的智能評估心臟衰老程度的方法，其特征在于，步驟B中，所述心 臟年齡數(shù)據(jù)模型為:Η=Κ · Y; 式中:Η代表心臟年齡，K代表心臟衰老程度評估值，Y代表實際年齡。4. 根據(jù)權(quán)利要求1所述的智能評估心臟衰老程度的方法，其特征在于，步驟Β中，將獲得 的樣本集及心臟年齡數(shù)據(jù)模型輸入到支持向量機進行訓練。5. 根據(jù)權(quán)利要求1所述的智能評估心臟衰老程度的方法，其特征在于，步驟Β中，反映心 臟年齡影響因子和心臟衰老程度評估測定之間的關(guān)系模型為：鐘； 式中：yi代表生活方式、行為和習慣危險因子分數(shù)中的一種，Xl代表生活方式、行為和習 慣保護因子分數(shù)中的一種，P代表遺傳因子分數(shù)。6. -種如權(quán)利要求1~5任一所述智能評估心臟衰老程度的方法的系統(tǒng)，其特征在于， 包括： 處理及建立模塊，用于首先收集影響心臟年齡的影響因子，建立影響心臟年齡的影響 因子指標體系，然后將影響因子進行分類，并對影響因子進行預處理，建立心臟年齡數(shù)據(jù)模 型； 訓練及建立模塊，用于將預處理后的影響因子作為輸入組成一個樣本集，先后將獲得 的樣本集及心臟年齡數(shù)據(jù)模型輸入到人工智能學習算法中進行訓練，建立一種反映心臟年 齡影響因子和心臟衰老程度評估測定之間的關(guān)系模型； 分析及測定模塊，用于最后采用建立的關(guān)系模型對個體測定者樣本進行回歸分析和學 習，從而測定出個體心臟衰老程度評估值。7. 根據(jù)權(quán)利要求6所述智能評估心臟衰老程度的方法的系統(tǒng)，其特征在于，處理及建立 模塊中，預處理具體包括:對影響因子進行離散化處理，處理后采用主成分分析法對影響因 子進行篩選，消除重復信息。8. 根據(jù)權(quán)利要求6所述智能評估心臟衰老程度的方法的系統(tǒng)，其特征在于，訓練及建立 模塊中，所述心臟年齡數(shù)據(jù)模型為:Η=Κ · Y; 式中:Η代表心臟年齡，K代表心臟衰老程度評估值，Y代表實際年齡。9. 根據(jù)權(quán)利要求6所述智能評估心臟衰老程度的方法的系統(tǒng)，其特征在于，訓練及建立 模塊中，將獲得的樣本集及心臟年齡數(shù)據(jù)模型輸入到支持向量機進行訓練。10. 根據(jù)權(quán)利要求6所述智能評估心臟衰老程度的方法的系統(tǒng)，其特征在于，訓練及建 立模塊中，反映心臟年齡影響因子和心臟衰老程度評估測定之間的關(guān)系模型為：式中：yi代表生活方式、行為和習慣危險因子分數(shù)中的一種，Xl代表生活方式、行為和習 慣保護因子分數(shù)中的一種，P代表遺傳因子分數(shù)。
【文檔編號】G06F19/00GK105868532SQ201610169247
【公開日】2016年8月17日
【申請日】2016年3月22日
【發(fā)明人】曾金生
【申請人】曾金生