基于卷积神经网络的心脏数据风险分析方法、系统及介质与流程

本发明涉及心脏风险分析，具体为基于卷积神经网络的心脏数据风险分析方法、系统及介质。

背景技术：

1、心脏风险分析技术是一种用于评估个体心脏疾病风险的方法。通过收集个体的生理指标、临床数据和心脏相关信息，利用数学模型和算法进行分析和预测，以确定个体患心脏疾病的可能性和风险水平。

2、现有的心脏风险分析技术通常都是基于各项心脏数据的正常范围设定阈值，在数据偏离正常范围后就判断心脏数据具有风险，此方法考虑不够全面，部分数据轻度偏离正常范围时的心脏并非就是病患心脏数据或是风险心脏数据，同时，由于不同的个体之间存在差异，而现有的心脏风险分析技术在风险分析时缺少对用户体征数据的分析，导致分析结果的准确性以及可信度不足，比如在申请公开号为：“cn107066798a”的中国专利中，公开了“一种心脏健康质量预警系统及其预警方法”，该方案就缺少用户体征数据的分析，没有考虑不同的个体之间存在的差异，导致分析结果的准确性以及可信度不足，现有的心脏风险分析技术还存在对心脏数据的分析不够全面以及缺少对用户体征数据的分析，导致心脏数据的风险分析结果不够准确以及缺少可信基础的问题。

技术实现思路

1、本发明旨在至少在一定程度上解决现有技术中的技术问题之一，通过结合大量心脏数据计算分析健康指数范围、病患指数范围以及风险指数范围，再对用户的心脏数据进行分析，同时基于用户的体征数据查找心脏检测数据库中是否存在近似数据，以提高分析结果的可信度，以解决现有的心脏风险分析技术还存在对心脏数据的分析不够全面以及缺少对用户体征数据的分析，导致心脏数据的风险分析结果不够准确以及缺少可信基础的问题。

2、为实现上述目的，第一方面，本技术提供基于卷积神经网络的心脏数据风险分析方法，包括：

3、建立心脏检测数据库，录入心脏数据以及体征预留数据；

4、对心脏数据进行学习提取，通过多组的数据不断筛选，得到用于比对的比对数据；

5、获取用户的心脏检测数据以及体征数据；

6、将用户的心脏检测数据与比对数据进行比对分析，同时对体征数据以及体征预留数据进行分析，根据分析结果输出分析结果信号；

7、获取分析结果信号，根据分析结果信号向用户发送风险预警信息。

8、进一步地，录入心脏数据以及体征预留数据中，心脏数据包括健康心脏数据以及病患心脏数据；所述体征预留数据包括预留体重、预留血糖以及预留血脂；其中，每一份健康心脏数据或病患心脏数据均对应一组体征预留数据。

9、进一步地，对心脏数据进行学习提取，通过多组的数据不断筛选，得到用于比对的比对数据包括如下子步骤：

10、获取健康心脏数据以及病患心脏数据；所述健康心脏数据包括健康心率、健康血压、健康心脏血氧饱和度以及健康心率变异性；所述病患心脏数据包括病患心率、病患血压、病患心脏血氧饱和度以及病患心率变异性；

11、获取心率正常范围、血压正常范围、心脏血氧饱和度正常范围以及心率变异性正常范围；分别计算其范围的中值，得到心率中值、血压中值、心脏血氧饱和度中值以及心率变异性中值；

12、通过心脏指数公式对心率中值、血压中值、心脏血氧饱和度中值以及心率变异性中值以及心脏数据进行计算，得到健康心脏指数以及病患心脏指数；

13、所述心脏指数公式配置为：

14、；其中，ce为心脏指数，hr为健康心率或病患心率，mhr为心率中值，bp为健康血压或病患血压，mbp为血压中值，cb为健康心脏血氧饱和度或病患心脏血氧饱和度，mcb为心脏血氧饱和度中值，cd为健康心率变异性或病患心率变异性，mcd为心率变异性中值，α为血氧饱和系数，β为变异性系数，α和β为常数且大于零；

15、对健康心脏数据以及病患心脏数据进行筛选。

16、进一步地，对健康心脏数据以及病患心脏数据进行筛选包括如下子步骤：

17、获取所有的健康心脏指数以及病患心脏指数，整合健康心脏指数，得到健康心脏指数的范围，标记为健康指数范围；整合病患心脏指数，得到病患心脏指数的范围，标记为病患指数范围；

18、获取健康指数范围与病患指数范围重复的指数范围，标记为重复指数范围；

19、获取重复指数范围内的健康心脏指数以及病患心脏指数，分别标记为健康待定指数以及病患待定指数；

20、获取健康待定指数的健康心率、健康血压、健康心脏血氧饱和度以及健康心率变异性，分别标记为健康待定心率、健康待定血压、健康待定心脏血氧饱和度以及健康待定心率变异性；获取病患待定指数的病患心率、病患血压、病患心脏血氧饱和度以及病患心率变异性，分别标记为病患待定心率、病患待定血压、病患待定心脏血氧饱和度以及病患待定心率变异性；

21、分别判断健康待定心率、健康待定血压、健康待定心脏血氧饱和度以及健康待定心率变异性是否处于心率正常范围、血压正常范围、心脏血氧饱和度正常范围以及心率变异性正常范围内，若均处于正常范围，则输出心脏健康信号；若存在不处于正常范围的分析结果，则输出心脏数据风险信号；

22、分别判断病患待定心率、病患待定血压、病患待定心脏血氧饱和度以及病患待定心率变异性是否处于心率正常范围、血压正常范围、心脏血氧饱和度正常范围以及心率变异性正常范围内，若均处于正常范围，则输出心脏健康信号；若存在不处于正常范围的分析结果，则输出心脏数据风险信号；

23、若输出心脏健康信号，则将对应的健康待定指数或病患待定指数划分到健康心脏指数中；若输出心脏数据风险信号，则将对应的健康待定指数或病患待定指数标记为风险心脏指数；

24、对所有健康心脏指数以及病患心脏指数分析完成后，重新计算健康指数范围以及病患指数范围，同时计算风险心脏指数的范围，标记为风险指数范围，整合健康指数范围、病患指数范围以及风险指数范围为比对数据；

25、通过卷积神经网络实时更新健康指数范围、病患指数范围以及风险指数范围。

26、进一步地，获取用户的心脏检测数据包括获取用户的检测心率、检测血压、检测心脏血氧饱和度以及检测心率变异性；获取用户的体征数据包括获取用户的用户体重、用户血糖以及用户血脂。

27、进一步地，将用户的心脏检测数据与风险数据进行比对分析，同时对体征数据以及体征预留数据进行分析，根据分析结果输出分析结果信号包括如下子步骤：

28、通过心脏指数公式计算用户的心脏检测数据，得到用户心脏指数；

29、将用户心脏指数与健康指数范围、病患指数范围以及风险指数范围进行比对，查找用户心脏指数所处范围为健康指数范围、病患指数范围或风险指数范围，若所处范围为健康指数范围，则输出心脏数据健康信号；若所处范围为病患指数范围，则输出心脏数据患病信号；若所处范围为风险指数范围，则输出心脏数据风险信号；将心脏数据健康信号、心脏数据患病信号以及心脏数据风险信号整合标记为分析结果信号；

30、将用户的体征数据与体征预留数据进行相似度计算，所述相似度计算为将体征数据与体征预留数据进行比值计算，判断计算结果是否大于1，若大于1，则将计算结果的反比标记为体征相似度；若不大于1，则将计算结果标记为体征相似度；

31、查找体征相似度均大于第一相似度阈值的体征预留数据，标记为相似体征比对数据；

32、对相似体征比对数据对应的心脏数据进行分析，进一步判断用户的心脏数据是否存在风险。

33、进一步地，对相似体征比对数据对应的心脏数据进行分析包括如下子步骤：

34、将相似体征比对数据对应的心脏数据标记为相似体征心脏数据；

35、对用户的心脏检测数据以及相似体征心脏数据进行相似度计算，将计算结果标记为用户数据相似度，所述用户数据相似度包括心率相似度、血压相似度、心脏血氧饱和度相似度以及心率变异性相似度；

36、计算心率相似度、血压相似度、心脏血氧饱和度相似度以及心率变异性相似度的平均值，标记为用户数据平均相似度；

37、查找用户数据平均相似度中的最大值，标记为用户数据最大相似度，将用户数据最大相似度与第一相似度阈值进行比对，若用户数据最大相似度小于第一相似度阈值，则输出不存在已有数据信号；若用户数据最大相似度大于等于第一相似度阈值，则输出存在已有数据信号；

38、将不存在已有数据信号以及存在已有数据信号整合标记为数据验证信号。

39、进一步地，获取分析结果信号，根据分析结果信号向用户发送风险预警信息包括如下子步骤：

40、当数据验证信号为不存在已有数据信号时，发送数据补充信息至管理端；

41、当数据验证信号为存在已有数据信号时，获取分析结果信号，若分析结果信号为心脏数据健康信号，则向用户发送心脏数据健康信息；若分析结果信号为心脏数据患病信号，则向用户发送心脏患病信息；若分析结果信号为心脏数据风险信号，则向用户发送心脏数据存在风险信息。

42、第二方面，本技术提供基于卷积神经网络的心脏数据风险分析系统，包括心脏检测数据库、数据筛选模块、实时数据获取模块、比对模块以及提醒模块；所述心脏检测数据库、学习提取模块、实时数据获取模块以及提醒模块分别与比对模块数据连接；

43、所述心脏检测数据库用于存储多组心脏数据以及体征预留数据；

44、所述数据筛选模块包括心脏指数计算单元以及风险指数筛选单元，所述心脏指数计算单元用于计算健康心脏指数、病患心脏指数以及用户心脏指数；所述风险指数筛选单元用于筛选风险指数范围、健康指数范围以及病患指数范围；

45、所述实时数据获取模块包括心脏数据获取单元以及体征数据获取单元，所述心脏数据获取单元用于获取用户的心脏检测数据；所述体征数据获取单元用于获取用户的体征数据；

46、所述比对模块包括心脏指数比对单元以及体征数据比对单元，所述心脏指数比对单元用于将用户的用户心脏指数与健康指数范围、病患指数范围以及风险指数范围进行比对，根据比对结果输出分析结果信号；所述体征数据比对单元用于比对用户的体征数据以及体征预留数据，同时比对心脏检测数据以及心脏数据，查找心脏检测数据库中是否存在已有的相似数据，根据分析结果输出数据验证信号；

47、所述提醒模块用于根据分析结果信号以及数据验证信号向用户发送提醒信息。

48、第三方面，本技术提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，运行如上任意一项所述方法中的步骤。

49、本发明的有益效果：本发明通过建立心脏检测数据库，收集大量的心脏数据以及体征预留数据，通过数学模型对心脏数据进行计算，基于大量的心脏数据来分析健康心脏、病患心脏以及风险心脏的不同的范围，优势在于，基于大量的心脏数据进行计算可以使得计算结果的可信度大幅提升，且不易出现错误，提高了心脏数据风险分析的准确性以及可信度；

50、本发明通过对计算得到的健康指数范围以及病患指数范围进行比对筛选，对两者的重复范围进行数据校正，并从中分析得到风险指数范围，优势在于，基于数据分析得到的风险指数范围比人为设定的阈值更加具有说服力，同时还校正了心脏检测数据库中的错误数据，进一步提高了心脏数据风险分析的准确性以及可信度；

51、本发明通过计算用户的心脏检测数据，得到用户心脏指数，再根据健康指数范围、病患指数范围以及风险指数范围判断用户的心脏的状态，再根据用户的体征数据查找心脏检测数据库中是否有相近似的数据，优势在于，本方法是基于心脏检测数据库分析得到的各种数据，若能够在心脏检测数据库中查找到近似数据，则大幅提高了此次心脏数据风险分析的可信度以及准确性。

52、本技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术了解。本技术的目的和其他优点可通过在所写的说明书、权利要求书以及附图中所特别指出的结构来实现和获得。