[发明专利]基于智能决策支持的高血压患者心血管危险分层评估方法

权利要求书

1.一种基于智能决策支持的高血压患者心血管危险分层评估方法，其特征在于，所述基于智能决策支持的高血压患者心血管危险分层评估方法包括：

第一步，利用血管检测设备采取GM(1，N)模型对患者血管血压、血管硬化指数、血管阻力指数等参数进行检测；

第二步，利用脉搏计检测患者脉搏数据；利用心率检测设备检测患者心率数据；

第三步，利用心血管疾病管理智能决策技术支持程序创建患者健康档案；

第四步，利用计算机通过数据处理程序构建心血管病患者的健康分层模型；

第五步，利用预测程序根据检测的参数对高血压患者的心血管风险进行预测；具体包括：

(1)、获取医院高血压治病病因病理数据源与病人日常监控数据，从而建立高血压日常数据数据库；

(2)、根据步骤(1)建立的高血压日常数据数据库以离线的方式对神经网络模型进行训练，以得到训练好的高血压病理神经网络模型；

(3)、通过智能监控设备对用户的日常生活数据进行采集，并将采集的日常生活数据发送至服务器，服务器将用户的日常生活数据保存至用户日常数据记录表中；

(4)、从用户日常数据记录表中提取当日数据，形成n维向量，并对n维向量做归一化处理后输入步骤(2)中训练好的高血压病理神经网络模型中进行高血压危险程度概率预测，得到高血压概率结果数组P，服务器将数组P中最高概率对应的高血压危险程度值W传送给智能家庭高血压护理设备；

(5)、智能家庭高血压护理设备接收服务器传送的高血压危险程度值W后，判断高血压危险程度值W是否大于等于3，如果大于等于3，则警示器警示以提醒用户，如果小于3，则警示器不警示；

(6)、当用户接收到警示器警示时，用户自行去医院检查，并将检查结果通过智能家庭高血压护理设备传送回服务器，服务器判断检查结果是否正确，如果检查结果错误，则说明高血压病理神经网络模型预测不准确，如果检查结果正确，则说明高血压病理神经网络模型预测准确；

(7)、当检查结果错误时，从用户日常数据记录表中抽取m天内的记录保存至增量数据表中，当增量数据表中的记录数量大于h条时，执行增量式算法，对高血压病理神经网络模型进行动态修正；

(8)、重复步骤(3)～(7)；

第六步，利用存储器采用神经网络方法对检测的患者血管参数、脉搏、心率数据进行存储；

第七步，通过显示器通过时域高通滤波非均匀性校正算法显示高血压患者心血管危险分层评估系统界面及检测的数据；

所述基于智能决策支持的高血压患者心血管危险分层评估方法利用存储器采用神经网络方法，对检测的患者血管参数、脉搏、心率数据的增益和偏移进行反馈修正后存储，具体算法为：

(1)输入第k帧信息，对第k帧信息进行修正并输出：

Y_ij＝G_ijX_ij+O_ij

式中：X_ij为存储器单元(i，j)的实际输出值；G_ij为该单元的增益系数；O_ij为该单元的偏置系数；Y_ij为该单元校正后的输出；

(2)计算邻域平均值作为(i，j)点的真值：

式中：为校正后信息的四邻域均值，是校正后的期望输出；

(3)计算误差函数：

式中：F_ij是输出值与期望输出之间的误差，它是增益系数和偏置系数的函数；

(4)采用最速下降法，对每个对象的校正系数进行迭代更新：

式中：α、β为神经网络的学习率；

(5)回到(1)，对第k+1帧进行操作。

2.如权利要求1所述的基于智能决策支持的高血压患者心血管危险分层评估方法，其特征在于，所述基于智能决策支持的高血压患者心血管危险分层评估方法通过显示器通过时域高通滤波非均匀性校正算法显示高血压患者心血管危险分层评估系统界面及检测的数据，通过非均匀性校正，具体算法为：

y(n)＝x(n)-f(n)

式中，M为根据截止频率而预先设定的时间常量，x(n)为第n帧的输入，f(n)为第n帧的低通输出，y(n)为校正后输出。