基于大数据的糖尿病衰弱现状分析方法及系统

本发明涉及医疗与人工智能，具体涉及一种基于大数据的糖尿病衰弱现状分析方法及系统。

背景技术：

1、糖尿病是一种以高血糖为特征的代谢性疾病，会影响患者的生活质量，甚至导致死亡。糖尿病的早期诊断和健康管理至关重要。但是，糖尿病分析和相应的健康管理建议主要依赖于医生根据患者检查报告给出，不同的医生可能会有不同的诊疗结果。

2、因此，需要结合糖尿病相关的临床数据、前期调查、专家咨询及文献分析的基础上，形成社区(老年)糖尿病衰弱患者健康信念模式，建立一个统一的标准化的评估标准，以便于临床数据的分析与管理，以期改善患者的衰弱状态和血糖水平，提高其躯体功能和生活质量，提高社区卫生服务中心医务人员对糖尿病衰弱现状的认识，对未来社区卫生服务中心开展老年慢性病健康管理工作提供有效指导模式。

技术实现思路

1、鉴于上述问题，提出了本发明以便提供一种克服上述部分问题的基于大数据的糖尿病衰弱现状分析方法及系统。

2、根据本发明的一个方面，提供了一种基于大数据的糖尿病衰弱现状分析方法，包括：

3、获取糖尿病衰弱患者的临床样本，其中，所述临床样本包括糖尿病衰弱患者的基本信息、检验结果信息、健康行为信息以及健康问卷信息；

4、对经过预处理的所述临床样本进行聚类分析，得到所述临床样本的各个聚类簇；

5、利用抽样方法随机抽取所述各个聚类簇及对应的分类标签生成训练样本集；

6、将所述训练样本集输入至高斯回归模型进行训练，得到糖尿病衰弱分析模型，以通过所述糖尿病衰弱分析模型分析糖尿病衰弱现状。

7、更进一步地，所述基本信息包括年龄、性别、职业、身高、体重、腰围以及过敏史；所述检验结果信息包括血清指标数据、尿常规指标数据以及心电图指标数据；所述健康数据包括家族患病史、慢病患病情况以及血压水平，所述健康行为信息包括吸烟、饮酒、饮食、睡眠以及运动；所述健康问卷信息包括生活方式与环境风险因素、心里健康、精神压力以及健康知识数据。

8、更进一步地，所述对经过预处理的所述临床样本进行聚类分析，得到所述临床样本的各个聚类簇进一步包括：

9、利用k-means聚类方法对所述临床样本进行聚类分析得到聚类结果；

10、计算所述聚类结果的凝聚度和分离度得到聚类稳定指标；

11、计算所述聚类稳定指标的最小值对应的聚类数量，得到所述临床样本的聚类簇。

12、更进一步地，所述计算所述聚类结果的凝聚度的具体公式为：

13、

14、其中，i＝1,2,…,n，n为聚类数量，n(i)为第i类数据的个数，d(x,y)为样本x，y的距离，uij为样本i属于j类的隶属度。

15、更进一步地，所述计算所述聚类结果的分离度的具体公式为：

16、

17、其中，k＝1,2,…,n。

18、更进一步地，所述高斯回归模型的协方差函数为：

19、

20、其中，x，x′为任意训练样本，k(x，x′)为协方差函数，σ为估计方差，l，σf，σn为超参数，可通过极大似然函数求得。

21、更进一步地，所述临床样本的每个聚类簇对应于自定义糖尿病风险等级，各个所述自定义糖尿病风险等级对应于糖尿病健康管理建议。

22、更进一步地，所述健康知识数据包括糖尿病合并衰弱相关疾病知识专题、饮食与营养专题、药物使用专题、运动训练专题以及疾病的自我监测专题。

23、更进一步地，所述获取糖尿病衰弱患者的临床样本之后，所述方法还包括：

24、将所述临床样本进行分段，并求解各分段结果对应的平均值，按照所述平均值的偏差范围将所述平均值划分成多个集合，并求解所述集合的平均值；

25、计算所述集合中的测量数据的偏差，并根据所述测量数据的偏差与所述集合的平均值的对应关系设计映射函数，根据所述映射函数对所述测量数据进行标准化。

26、根据本发明的另一方面，提供了一种基于大数据的糖尿病衰弱现状分析系统，包括：

27、样本获取模块，用于获取糖尿病衰弱患者的临床样本，其中，所述临床样本包括糖尿病衰弱患者的基本信息、检验结果信息、健康行为信息以及健康问卷信息；

28、聚类模块，用于对经过预处理的所述临床样本进行聚类分析，得到所述临床样本的各个聚类簇；

29、训练模块，用于利用抽样方法随机抽取所述各个聚类簇及对应的分类标签生成训练样本集；

30、分析模块，用于将所述训练样本集输入至高斯回归模型进行训练，得到糖尿病衰弱分析模型，以通过所述糖尿病衰弱分析模型分析糖尿病衰弱现状。

31、根据本发明提供的方案，获取糖尿病衰弱患者的临床样本，所述临床样本包括糖尿病衰弱患者的基本信息、检验结果信息、健康行为信息以及健康问卷信息；对经过预处理的所述临床样本进行聚类分析，得到所述临床样本的各个聚类簇；利用抽样方法随机抽取所述各个聚类簇及对应的分类标签生成训练样本集；将所述训练样本集输入至高斯回归模型进行训练，得到糖尿病衰弱分析模型，以通过所述糖尿病衰弱分析模型分析糖尿病衰弱现状。本发明通过对大量糖尿病衰弱患者的临床样本进行聚类分析，并将生成的训练样本输入高斯回归模型对糖尿病衰弱现状进行分析，以改善糖尿病患者生活质量。上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

技术特征：

1.一种基于大数据的糖尿病衰弱现状分析方法，其特征在于，包括：

2.根据权利要求1所述的基于大数据的糖尿病衰弱现状分析方法，其特征在于，所述基本信息包括年龄、性别、职业、身高、体重、腰围以及过敏史；所述检验结果信息包括血清指标数据、尿常规指标数据以及心电图指标数据；所述健康数据包括家族患病史、慢病患病情况以及血压水平，所述健康行为信息包括吸烟、饮酒、饮食、睡眠以及运动；所述健康问卷信息包括生活方式与环境风险因素、心里健康、精神压力以及健康知识数据。

3.根据权利要求1或2所述的基于大数据的糖尿病衰弱现状分析方法，其特征在于，所述对经过预处理的所述临床样本进行聚类分析，得到所述临床样本的各个聚类簇进一步包括：

4.根据权利要求3所述的基于大数据的糖尿病衰弱现状分析方法，其特征在于，所述计算所述聚类结果的凝聚度的具体公式为：

5.根据权利要求4所述的基于大数据的糖尿病衰弱现状分析方法，其特征在于，所述计算所述聚类结果的分离度的具体公式为：

6.根据权利要求1所述的基于大数据的糖尿病衰弱现状分析方法，其特征在于，所述高斯回归模型的协方差函数为：

7.根据权利要求3所述的基于大数据的糖尿病衰弱现状分析方法，其特征在于，所述临床样本的每个聚类簇对应于自定义糖尿病风险等级，各个所述自定义糖尿病风险等级对应于糖尿病健康管理建议。

8.根据权利要求1所述的基于大数据的糖尿病衰弱现状分析方法，其特征在于，所述健康知识数据包括糖尿病合并衰弱相关疾病知识专题、饮食与营养专题、药物使用专题、运动训练专题以及疾病的自我监测专题。

9.根据权利要求1所述的基于大数据的糖尿病衰弱现状分析方法，其特征在于，所述获取糖尿病衰弱患者的临床样本之后，所述方法还包括：

10.一种如权利要求1-9所述的基于大数据的糖尿病衰弱现状分析方法的系统，其特征在于，包括：

技术总结
本发明公开了一种基于大数据的糖尿病衰弱现状分析方法及系统，其中方法包括：获取糖尿病衰弱患者的临床样本，其中，所述临床样本包括糖尿病衰弱患者的基本信息、检验结果信息、健康行为信息以及健康问卷信息；对经过预处理的所述临床样本进行聚类分析，得到所述临床样本的各个聚类簇；利用抽样方法随机抽取所述各个聚类簇及对应的分类标签生成训练样本集；将所述训练样本集输入至高斯回归模型进行训练，得到糖尿病衰弱分析模型，以通过所述糖尿病衰弱分析模型分析糖尿病衰弱现状。本发明通过对大量糖尿病衰弱患者的临床样本进行聚类分析，并将生成的训练样本输入高斯回归模型对糖尿病衰弱现状进行分析，以改善糖尿病患者生活质量。

技术研发人员：张伟宏,范超林,孙新领
受保护的技术使用者：郑州大学
技术研发日：
技术公布日：2024/3/11