[发明专利]心脑血管疾病风险预测方法及装置

摘要

本发明实施例提供的一种心脑血管疾病风险预测方法及装置，包括：获取样本集；将样本集中的样本分为预设数量的局部簇，根据预设的第一K值与所述第一距离集合，计算得到输入样本的第一K值个第一邻近样本，从而确定目标局部簇，计算所述输入样本与所述目标局部簇中样本的距离，从而确定所述输入样本第二K值个第二邻近样本；确定输入样本的标签，确定输入样本是否是心脑血管疾病患者的样本；最终确定待预测患者是否是心脑血管疾病患者。本实施例考虑到心脑血管疾病患者特征数据相似度较高，避免了不同样本数据对训练预测模型的影响。因此，可以提高预测待预测患者是否是心脑血管疾病患者的准确率。

主权项

1.一种心脑血管疾病风险预测方法，其特征在于，所述方法包括：获取样本集；所述样本集根据设置完标签的患者医疗数据库集的多个样本所确定的；一条样本包括：患者的编号、特征及特征数据；所述标签包括：第一标签和第二标签；第一标签标识心脑血管疾病患者样本；第二标签标识非心脑血管疾病患者样本；获取一条输入样本；所述输入样本由待预测患者的医疗健康体检数据及医疗就诊数据合并构成；使用余弦‑大间隔最近邻居COS‑LMNN算法进行度量学习，得到所述样本集的全局度量矩阵；使用预设的聚类算法，将样本集中的样本分为预设数量的局部簇；根据所述全局度量矩阵，使用余弦相似度算法，计算所述输入样本与所述样本集中样本的距离，组成第一距离集合；根据预设的第一K值与所述第一距离集合，使用k近邻算法，计算得到输入样本的第一K值个第一邻近样本；确定所述第一邻近样本所在的局部簇；在所述第一邻近样本所在的局部簇中，选择第一邻近样本的数量超过第一预设阈值的局部簇，作为目标局部簇；将所述输入样本划入所述目标局部簇；根据COS‑LMNN算法学习得到的所述目标局部簇的局部度量矩阵，使用余弦相似度算法计算，所述输入样本与所述目标局部簇中样本的距离，组成第二距离集合；在所述目标局部簇中，根据预设的第二K值与所述第二距离集合，使用k近邻算法，确定所述输入样本的第二K值个第二邻近样本；统计第二邻近样本的第一标签个数与第二标签个数；如果第二邻近样本的第一标签个数与第二标签个数的比值超过预设标签阈值，则将第一标签作为输入样本的标签，否则将第二标签作为输入样本的标签；根据所述输入样本的标签，确定输入样本是否是心脑血管疾病患者的样本；如果输入样本是心脑血管疾病患者的样本，则确定输入样本中的待预测患者是心脑血管疾病患者；如果输入样本不是心脑血管疾病患者的样本，则确定输入样本中的待预测患者不是心脑血管疾病患者。