论文部分内容阅读
随着大众健康意识的日益提高,普通公民对糖尿病健康服务也提出了新的需求。人们希望能尽早预知糖尿病风险,足不出户地掌握自身病情状态。为满足这一需求,智能健康产业应运而生。当前,互联网时代积累了大量的糖尿病健康数据,包括诊断记录、病历信息、电子档案等;各种各样的健康监测设备层出不穷,实现了个人日常健康信息的随时收集和存储。如何充分利用上述数据,为人们提供便利的糖尿病自主评估服务,进而实现降低我国糖尿病发病率的目的,成为当前亟待解决的问题。应用计算机技术对糖尿病健康数据进行分析,是实施健康预测和辅助诊断的有效解决方案。本文结合现有的糖尿病医学评估工具的不足,对糖尿病健康数据分析方法展开研究,并进行对应的系统开发,以提供糖尿病相关的健康咨询服务。本研究主要涉及以下几个方面:首先,为了解决糖尿病的风险识别和预测问题,进行糖尿病风险计算方法的研究。在抽象化糖尿病输入信息并量化风险参数的基础上,挖掘实际健康数据中的规律,建立一个基于支持向量机(SVM)的糖尿病风险计算模型。该模型处理用户的输入记录,计算出用户患糖尿病的风险,以实现糖尿病早识别、早预防和早治疗的目标。其次,为了合理利用糖尿病的遗传特征,确保糖尿病风险预测的准确性,建立一种糖尿病遗传因素提取机制。该机制结合相关的医学知识,通过追溯糖尿病家族史绘制遗传关系图。并提出相应的遗传特征提取算法,用于充分提取用户的先天性疾病信息。将该机制用于糖尿病风险计算模型,将有效地提高模型的综合性能。再次,为了实现对糖尿病动态疾病信息的预测,进行动态血糖预测方法的研究。提出动态血糖预测模型,将动态血糖数据进行提取和表达,并基于深度信念网(DBN)探索现有的血糖时间序列,以预知未来一段时间内的血糖。该模型可以帮助用户动态掌握和预测血糖水平。最后,在上述工作的基础上,设计并实现一个糖尿病辅助评估系统,从架构、数据库、业务功能、用户接口等方面完成算法应用化。