[发明专利]一种用于慢病检测及风险评估的过滤系统及方法

说明书

本申请的目的是提供一种用于慢病检测及风险评估的过滤系统及方法，本申请通过获取受检测用户的多维度健康信息；对所述多维度健康信息进行特征提取及构造，得到标准化数据；对所述标准化数据进行特征权重的计算，将得到的特征权重与所述标准化数据进行加权求和，得到重构的输入特征数据，以输入至深度学习框架模型中；通过对深度学习框架模型的输入数据进行预处理，对重点信息增强了权重，训练方式更具有针对性，使得模型的训练过程速度更快、效果更好，提高模型的可解释性。

技术领域

本申请涉及慢病检测领域，尤其涉及一种慢病检测及风险评估的过滤系统及方法。

背景技术

慢性非传染性疾病(简称慢性病)是我国居民的主要死亡原因和疾病负担，是制约健康预期寿命提高的重要因素。国内外实践经验证明，慢性病的预后与疾病发现的早晚密切相关。发现越早、干预越早，治疗和管理的效果越好，早发现、早干预是关键。但目前医疗健康系统非旨在可持续照顾慢病患者，人们只能在有限的指导下进行自我慢病管理。如何提供可操作，可持续反馈和可持续的健康监督，给患者提供个性化健康意见及降低成本的健康服务是极为重要的。

目前市场上对于慢性病的预测与防治，多集中于小而精的监测硬件，或者是从数据采集到数据存储，数据查询等的一体化管理平台，可使用的方式包括慢病结合AI现状，全量数据做预测；但是，对于慢病防控结合AI，目前尚且存在一些问题，医疗行业事关生命，监管较严，而深度学习的可解释性不足问题目前尚未完全解决，因此基于可解释性不足的AI算法所进行的慢性病预测需要时间验证。

发明内容

本申请的一个目的是提供一种用于慢病检测及风险评估的过滤系统及方法，解决现有技术中使用慢性病结合AI现状的方式中深度学习的可解释性不足、耗费资源的问题。

根据本申请的一个方面，提供了一种用于慢病检测及风险评估的过滤系统，该系统包括：

数据获取模块、数据汇聚模块及数据过滤模块，

其中，所述数据获取模块用于获取受检测用户的多维度健康信息；

所述数据汇聚模块用于对所述多维度健康信息进行特征提取及构造，得到标准化数据；

所述数据过滤模块用于对所述标准化数据进行特征权重的计算，将得到的特征权重与所述标准化数据进行加权求和，得到重构的输入特征数据，以输入至深度学习框架模型中。

进一步地，所述系统包括：健康预测模块和反馈优化模块，其中，所述健康预测模块用于根据所述重构的输入特征数据进行预测受检测用户的健康，得到预测结果；

所述反馈优化模块用于根据所述预测结果与所述受检测用户的多维度健康信息确定反馈结果，将所述反馈结果反馈至数据库中。

进一步地，所述多维度健康信息包括：基础体征指标、疾病史、基础疾病、就诊记录、生活环境数据、生活习惯数据、家族遗传病史数据。

进一步地，所述数据过滤模块用于对从数据库中获取到的历史数据按照慢性病种类进行划分，分成不同慢性病数据子集。

进一步地，所述数据过滤模块用于对所述慢性病数据子集与所述标准化数据进行相似度计算，平均后得到权值；对所述权值进行归一化，得到特征权重，将得到的特征权重与所述标准化数据进行加权求和，得到重构的输入特征数据。

根据本申请另一个方面，还提供了一种用于慢病检测及风险评估的过滤方法，该方法包括：

获取受检测用户的多维度健康信息；

对所述多维度健康信息进行特征提取及构造，得到标准化数据；

对所述标准化数据进行特征权重的计算，将得到的特征权重与所述标准化数据进行加权求和，得到重构的输入特征数据，以输入至深度学习框架模型中。