本发明涉及医学，尤其涉及一种用于心源性猝死的诊断模型及其构建方法。
背景技术：
1、心源性猝死(sudden cardiac death)是一种因心血管疾病引起的，难以预期的急性自然死亡。全世界每年发生心源性猝死约500万例，占心血管疾病死亡的50％左右，由于心源性猝死发生的急骤性和不可预测性，其诊断也是一个十分困难的工作。
2、目前的诊断实践过程中，进行尸体的心源性猝死的诊断主要是通过尸检结束后依靠法医的主观经验给出诊断结果，但是这样的结果存在较大的偶然性，可能受到多种主观以及客观因素的影响，导致诊断结果不够精确。
技术实现思路
1、本发明提供一种用于心源性猝死的诊断模型及其构建方法，用以解决目前在进行心源性猝死的诊断时，主要依靠法医的主观经验给出诊断结果，结果不够精确的缺陷，本申请的方案可以基于样本数据构建逻辑回归模型，并通过诊断计算器获取输入的特征值并调用该逻辑回归模型，可以对心源性猝死进行精确的诊断。
2、本发明提供一种用于心源性猝死的诊断模型的构建方法，包括：
3、收集数据样本，并基于所述数据样本构建训练集，所述训练集中包括诊断特征，所述诊断特征表征所述训练集中的数据样本为心源性猝死；
4、对所述训练集中的诊断特征进行数据插补和变量筛选；
5、基于所述训练集构建逻辑回归模型，所述逻辑回归模型的自变量为所述诊断特征，所述逻辑回归模型的因变量为所述诊断特征对应的样本的诊断结果；
6、基于所述逻辑回归模型构建诊断计算器，所述诊断计算器将接收的特征值输入所述逻辑回归模型中进行心源性猝死的诊断。
7、根据本发明提供的用于心源性猝死的诊断模型的构建方法，所述诊断特征包括数据样本的解剖数据和病理分析结果；
8、所述解剖数据包括数据样本的心脏重量，和/或，左心室壁厚度，和/或，右心室壁厚度，和/或，二尖瓣周长，和/或，主动脉瓣周长，和/或，三尖瓣周长，和/或，肺动脉瓣周长，和/或，左前降支的狭窄程度，和/或，左回旋支的狭窄程度，和/或，右冠脉的狭窄程度；
9、所述病理分析结果包括心肌梗死，和/或，心肌病，和/或，传导系统病变，和/或，瓣膜炎，和/或，心外膜炎，和/或，心肌炎，和/或，心内膜炎和心包炎。
10、所述诊断特征还包括所述数据样本的身长，和/或，腹壁皮下脂肪厚度，和/或，性别，和/或，年龄。
11、根据本发明提供的用于心源性猝死的诊断模型的构建方法，所述解剖数据包括数据样本的左前降支的狭窄程度、左回旋支的狭窄程度、右冠脉的狭窄程度、左心室壁厚度以及肺动脉瓣周长。
12、所述病理分析结果包括心肌梗死、心肌病、瓣膜炎、心包炎、心肌炎、传导系统病变。
13、根据本发明提供的用于心源性猝死的诊断模型的构建方法，所述诊断特征还包括所述数据样本的年龄。
14、根据本发明提供的用于心源性猝死的诊断模型的构建方法，所述对所述训练集中的诊断特征进行数据插补和变量筛选，包括：
15、采用迷失森林插补的方法对所述训练集中的诊断特征进行数据插补；
16、采用十折交叉验证的lasso回归方法和基于随机森林的递归特征消除方法对所述训练集中的诊断特征进行变量筛选。
17、根据本发明提供的用于心源性猝死的诊断模型的构建方法，所述采用十折交叉验证的lasso回归方法和基于随机森林的递归特征消除方法对所述训练集中的诊断特征进行变量筛选，包括：
18、采用十折交叉验证的lasso回归方法对所述训练集中的诊断特征进行变量筛选得到第一变量集；
19、采用基于随机森林的递归特征消除方法对所述训练集中的诊断特征进行变量筛选得到第二变量集；
20、将所述第一变量集和所述第二变量集取交集获得变量筛选的结果。
21、根据本发明提供的用于心源性猝死的诊断模型的构建方法，所述诊断计算器将接收的特征值输入所述逻辑回归模型中进行心源性猝死的诊断，包括：
22、通过输入框获取待测尸体的诊断特征；
23、将所述待测尸体的诊断特征输入所述逻辑回归模型；
24、通过所述逻辑回归模型衍生的诺曼图计算所述诊断特征对应的诊断概率，所述诊断概率反映所述待测尸体被诊断为心源性猝死的概率；
25、若所述诊断特征对应的诊断概率高于预先计算得到的临界概率值，确定所述待测尸体为心源性猝死。
26、根据本发明提供的用于心源性猝死的诊断模型的构建方法，所述临界概率值通过如下方式计算得到：
27、计算所述训练集的约登指数；
28、基于所述约登指数的最大值确定所述临界概率值。
29、本发明还提供一种用于心源性猝死的诊断模型的构建系统，包括：
30、数据采集模块，用于收集数据样本，并基于所述数据样本构建训练集，所述训练集中包括诊断特征，所述诊断特征表征所述训练集中的数据样本为心源性猝死；
31、数据处理模块，用于对所述训练集中的诊断特征进行数据插补和变量筛选；
32、模型构建模块，用于基于所述训练集构建逻辑回归模型，所述逻辑回归模型的自变量为所述诊断特征，所述逻辑回归模型的因变量为所述诊断特征对应的样本的诊断结果；
33、模型诊断模块，用于基于所述逻辑回归模型构建诊断计算器，所述诊断计算器将接收的特征值输入所述逻辑回归模型中进行心源性猝死的诊断。
34、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如上述任一种用于心源性猝死的诊断模型的构建方法。
35、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种用于心源性猝死的诊断模型的构建方法。
36、本发明还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如上述任一种用于心源性猝死的诊断模型的构建方法。
37、本发明提供的构建方法中，可以以表征心源性猝死的数据样本来构建训练集，通过这种构建专门的训练集的方式可以提高训练过程的精确度，此外通过数据插补以及变量筛选的方式可以提高训练集中数据的完整度以及简化训练集进而简化训练的难度，训练集处理结束之后，可以构建逻辑回归模型和诊断计算器，诊断计算器通过图形用户界面获取到操作人员输入的尸体的各项特征值之后，可以输入至逻辑回归模型中，在逻辑回归模型中可以基于输入的各项诊断特征值得到对于尸体的心源性猝死的诊断结果，这个过程中不需要法医人员根据经验判断，基本避免了外界的主观以及客观因素影响导致诊断结果不精确的现象，可以显著提高心源性猝死的诊断精确度。
1.用于心源性猝死的诊断模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的用于心源性猝死的诊断模型的构建方法，其特征在于，所述诊断特征包括数据样本的解剖数据和病理分析结果；
3.根据权利要求2所述的用于心源性猝死的诊断模型的构建方法，其特征在于，所述解剖数据包括数据样本的左前降支的狭窄程度、左回旋支的狭窄程度、右冠脉的狭窄程度、年龄、左心室壁厚度以及肺动脉瓣周长。
4.根据权利要求3所述的用于心源性猝死的诊断模型的构建方法，其特征在于，所述诊断特征还包括所述数据样本的身长，和/或，腹壁皮下脂肪厚度，和/或，性别，和/或，年龄。
5.根据权利要求1所述的用于心源性猝死的诊断模型的构建方法，其特征在于，所述对所述训练集中的诊断特征进行数据插补和变量筛选，包括：
6.根据权利要求5所述的用于心源性猝死的诊断模型的构建方法，其特征在于，所述采用十折交叉验证的lasso回归方法和基于随机森林的递归特征消除方法对所述训练集中的诊断特征进行变量筛选，包括：
7.根据权利要求1所述的用于心源性猝死的诊断模型的构建方法，其特征在于，所述诊断计算器将接收的特征值输入所述逻辑回归模型中进行心源性猝死的诊断，包括：
8.根据权利要求7所述的用于心源性猝死的诊断模型的构建方法，其特征在于，所述临界概率值通过如下方式计算得到：
9.用于心源性猝死的诊断模型的构建系统，其特征在于，包括：
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8任一项所述用于心源性猝死的诊断模型的构建方法。