一种人体循环系统健康风险预警系统的制作方法
【技术领域】
[0001] 本发明属于亚健康风险预警技术领域，具体涉及一种人体循环系统健康风险预警 系统。
【背景技术】
[0002] 随着我国经济的不断发展，人群中亚健康的比例在逐年增加，约有7亿人口处于 亚健康状态，企业白领、机关公务员由于其工作性质，是亚健康的主要人群之一，企业干部 的身体状况也不容乐观。因而开展对该类人群的健康风险评估预警技术方面的研究，实现 对该类人群健康状况的早期预警、早期干预十分必要。
[0003] WHO的一项全球性调查表明，真正健康的人仅占5%，患有疾病的人占20%，而 75%的人处于健康低质量状态。健康低质量状态又称亚健康状态（也称第三状态、灰色状 态、病前状态、亚临床期、临床前期、潜病期等），此时人体无临床症状或症状感觉轻微，一般 的临床检查指标尚未发生明显改变，但身体已有潜在病理信息。疾病的形成绝非一朝一夕， 经历了从细胞能量改变一一组织能量改变一一器官功能性改变一一器官发生病变的过程， 绝大多数人对器官发生病变之前的一系列变化是很难察觉的，只有当器官功能性改变积累 到一定程度，器官发生病变了，这时人们才能感觉到生病了。所以说，身体的一些疾病是经 历了从健康一一亚健康一一发病的过程。当身体处在组织能量改变和器官功能性改变阶段 时，人的身体就处在亚健康状态。如果此时人们能够及时发现身体存在的健康风险，并采取 健康干预措施，就可防止器官发生病变。目前，一般的身体健康检查手段只能发现人体的组 织器官发生病变或组织器官已经出现明显损伤，而不能及时发现人体亚健康阶段的组织能 量改变和器官功能性改变的情况。因此，健康风险预警技术，以及基于健康风险预警技术基 础上的健康干预对预防疾病的发生有其十分重要的意义！
[0004] 健康风险预警技术就是运用先进的人体全自动全身扫描技术手段对人体进行全 面检测，在对人体各系统主要器官功能性进行评估基础上，结合基础医学、临床医学、预防 医学、中医学知识，对人体的八大系统健康风险进行早期预警。应用此技术可以对处于亚健 康状态的人进行有针对性地早期健康干预，防止器官发生病变。目前，人们进行一般的身体 健康检查仍然没有摆脱由发现疾病到治疗疾病的诊疗模式。这种诊疗模式只能做到"有病 治病"，无法实现"无病防病"的目的。一般的身体健康检查项目只针对人体某些器官进行 检查。同时，还受到医生专业知识水平和诊察思维的局限性影响，无法做到系统、全面地筛 查人体各个器官和系统的健康状况，也无法真正实现人体健康异常信息的早期发现、早期 干预。况且，一般的身体健康检查经常使用X线、介入手段，常常给受检者带来额外的损伤。 这种身体健康检查方式不仅与现代健康整体观和无创性的要求相悖，而且可能引起潜在的 辐射损害和医源性传染。
[0005] 国内外流行病学情况：据统计，美国每年有600万人被怀疑处于亚健康状态，年龄 多在20~45岁之间。有14%的成年男性和20%的妇女表现有明显的疲劳，其中1/8发展 成为亚健康状态中存在的慢性疲劳综合征。我国的亚健康问题也相当严峻，有数据表明，我 国约有7亿人口处于亚健康状态，机关公务员由于其工作性质，是亚健康的主要人群之一， 企业干部的身体状况也不容乐观。
[0006] 人体循环系统出现"亚健康状态"时，循环系统常常表现出以下问题：心供血不足、 脑供血不足、血管狭窄、血管弹性下降、血压升高等。
[0007] 中国中医研究院的刘保延等人设计出亚健康状态中医基本证候特征调查问卷， 包括躯体状况、生活状况、情志状况、精力状况、禀赋状况、社会环境状况等6个部分，共124 个问题条目，采用5级评分，每个条目的分值从1分到5分，意义由好到不好。该问卷全面 翔实，能够在一定程度上对人群的健康状态做出判断，揭示亚健康中医证候的分布规律。王 学良等人在此基础上，研制了亚健康状态中医证候调查表，包含躯体症状、心理症状、社会 症状3个方面，共72个条目，内容上大大简化，易于操作。
[0008] 美国康奈尔大学编制的CMI问卷内容包括4个部分：躯体症状、家庭史和既往史、 一般健康和习惯、精神症状。分成18个部分，共195个条目。每个条目回答"是"者记1分； 回答"否"者记0分，全部条目相加得出CMI的总分。其中，有51个条目是与精神活动有 关的情绪、情感和行为方面的问题，称为M R部分。CMI还确定了筛查标准，在我国的筛查 标准是：男性总分彡935，M-R彡15分；女性总分彡40分，M-R彡20分。达到此标准的即为 筛查到的躯体和心理障碍者。周玲玲等将该量表与自制量表结合，对372名中小学教师进 行了亚健康调查，发现中小学教师亚健康发生率为55. 11%。
[0009] 很多学者用世界流行的MDI健康评估法对亚健康状态进行定量研究，它本来是 WHO用于对人类死亡危害最大的疾病所提示的各项指标进行测定，根据被测者的实际检测 状况逐项打分（采取百分制，满分为100分），对应于WHO的健康定义，进行综合评价，其标 准是：85分以上为健康状态，70分以下为疾病状态，70~85分为亚健康状态（第三状态）。 MDI所依据的提示包括依次排列的对心脑血管疾病监测及中风预报、恶性肿瘤征象提示、脏 器病变提示、血液及过敏性疾病提示、体内污染测定、内分泌系统检查、肢体损害探测、服药 效果探测等躯体性指标，以及近年来增加的心理、社交障碍指标MDI健康评估量表。
[0010] 机器学习是当今大数据时代的核心研究方向，机器学习的研究成果被广泛应用到 模式识别、计算机视觉、数据挖掘、控制论等领域当中，并渗透到人们日常生活的方方面面 当中。而在机器学习的研究当中，分类器的研究占据着举足轻重的地位，绝大部分的实际问 题都可以转换成一个分类问题，分类器的性能往往是一个应用成果与否的关键。挖掘分类 器（如支持向量机（SVM)、极限学习机（ELM)等）的巨大潜力已经成为了当今机器学习的主 流研究方向。
[0011] 极限学习机是从单隐藏层的神经网络发展而来的，并具有易于实现，速度快，泛化 能力强等特点，而成为广大学者的研究对象。单隐藏层反馈神经网络具有两个比较突出的 能力：（1)可以直接从训练样本中拟合出复杂的映射函数，（2)可以为大量难以用传统分类 参数技术处理的自然或者人工现场提供模型。但是单隐藏层反馈神经网络缺少比较快速的 学习方法。误差反向传播算法每次迭代需要更新很多个值，所花费的时间远远低于所容忍 的时间。经常可以看到为训练一个单隐藏层反馈神经网络花费了数小时，数天或者更多的 时间。极限学习机在很多领域进行分类预测时得到了广泛应用。
[0012] 统计学习理论建立在结构风险最小化原则基础上，它是专门针对小样本情况下的 机器学习问题而建立的一套新的理论体系。基于统计学习理论的支持向量机算法具有理论 完备、全局优化、适应性强、推广能力好等优点，是机器学习研究的新热点。它在最小化经验 风险的同时，有效提高了算法的泛化能力，具有良好的应用价值和发展前景。
[0013] 基于数据的机器学习是现代智能技术中的重要方面，研究从观测数据样本出发寻 找规律，利用这些规律对未来数据或无法观测的数据进行预测，包括模式识别、神经网络等 在内的现有机器学习方法的重要基础是传统的统计学，前提是有足够多的样本，即传统统 计学研究的是样本数目趋于无穷大时的渐近理论，当样本数目有限时难以取得理想的效 果。Vapnik的统计学习理论（Statistical Learning Theory, SLT)则着重提出了小样本情 况下的统计规律和学习方法性质，为机器学习问题建立了一个较好的理论框架，并由此发 展了一种新的通用学习方法--支持向量机（Support Vector Machine，SVM)。
[0014] SVM通过引入核函数，将样本向量映射到高维特征空间，然后在高维空间中构造最 优分类面，获得线性最优决策函数。SVM可以通过控制超平面的间隔度量来抑制函数的过拟 合；通过采用核函数巧妙解决了维数问题，避免了学习算法计算复杂度与样本维数的直接 相关；也由于SRM原则的使用，SVM具有了良好的推广能力。
[0015] 支持向量机的特点
[0016] 1.系统结构简单表面上支持向量机的结构类似与于三层前馈神经网络，但它们有 着根本的不同。支持向量机结构非常简单，不需要过多的先验知识。它的隐层是由算法自 动确定的，可以随实际问题的需要而自适应的调节规模与大小，不存在类似神经网络的结 构选择问题。而神经网络的隐层数和每层的节点数目都是事先确定好的，神经网络的算法 中仅自动产生网络权值。
[0017] 2.全局最优性支持向量机是通过求解最优超平面来进行学习的，在高维特征空间 中的超平面对应原始模式空间中的非线性分类面。寻找最优超平面的问题是利用Lagrange 优化方法转化为二次规划问题，能够保证支持向量机算法得到的是全局最优解，使它成为 一种优秀的学习算法。在神经网络中，得到的结果可能是局部最优解。特别是当训练样本 的维数较高时，高维空间可能存在许多局部极值，且不同的局部极值之间