[发明专利]一种基于多源医学数据的糖尿病风险预测模型

权利要求书

1.一种基于多源医学数据的糖尿病风险预测模型，其特征在于：包括以下步骤：

步骤一、多源数据采集：

对不同地区采用问卷调查；

采集国内已有的临床糖尿病患者数据集；

采集国外已有的临床糖尿病患者数据集；

步骤二、数据处理：

数据筛选：将采集的数据中明显不合理以及无效的数据筛除，而后将体质指数、睡眠时间、饮食习惯、每天运动时间、空腹血糖值、餐后血糖值、血脂值和耐糖量试验值等数据采用同一度量单位、同一格式进行标准化，对于缺失的数据采用平均值进行填补；

数据分类：将筛选后的数据按照性别、年龄、是否怀孕、直系亲属中是否有糖尿病患者进行分类；

步骤三、模型建立：使用卷积神经网络建立风险预测模型；

步骤四、模型验证；

步骤五、根据风险预测模型对糖尿病风险进行分析。

2.根据权利要求1所述的一种基于多源医学数据的糖尿病风险预测模型，其特征在于：在步骤一中问卷调查的内容包括性别、年龄、是否怀孕、直系亲属中是否有糖尿病患者、体质指数、睡眠时间、饮食习惯、每天运动时间、空腹血糖值、餐后血糖值、血脂值和耐糖量试验值。

3.根据权利要求1所述的一种基于多源医学数据的糖尿病风险预测模型，其特征在于：在步骤三中所述卷积神经网络的网络结构为卷积层与池化层交替连接，起到特征提取的作用，然后将学习到的特征输入到随后的全连接层，在全连接层采用了Dropout层以防止过拟合，最后是Softmax分类器，根据最后的特征预测分类，三维卷积运算公式为：

其中，表示l层中在三维的容积空间进行卷积的核，表示卷积核中的每个体素的权值,对应的特征空间节点的输出值为

4.根据权利要求1所述的一种基于多源医学数据的糖尿病风险预测模型，其特征在于：在步骤三中模型建立方法为：将同一种类的数据为基本单元随机分成相同的十份，然后将其中的一组放进测试组，其余九组放进训练组，将训练组的数据根据序列中的顺序存放在一个三维矩阵中，作为卷积神经网络的输入数据，训练组由卷积神经网络训练出用于预测结果的模型参数，得到风险预测模型，然后将测试组数据输入到预测模型，最后输入预测的结果，而后再将剩下种类的数据各自随机分成相同的十份，依次使用卷积神经网络训练出用于模型参数，而后得到各自种类数据的风险预测模型。

5.根据权利要求1所述的一种基于多源医学数据的糖尿病风险预测模型，其特征在于：在步骤四中采用国内外已有的临床糖尿病患者数据集对建立的风险预测模型进行验证，选取结果最为准确的预测模型作为最终的风险预测模型。