有较大差异，神经 网络的训练和测试结果会呈现出较大的随机性。
[0018] 3.推广能力强支持向量机基于统计学习理论，采用结构风险最小化原则，能在经 验风险与模型复杂度之间做合理的折衷，能够尽量提高学习机的推广性能，即使由有限训 练样本得到的决策规则对独立的测试集仍能够得到较小的误差。神经网络采用了保持置信 范围并最小化经验风险的策略，但并没有明确的依据来指导如何构造学习机器使得置信范 围最小；而SVM采用的使保持经验风险固定并最小化置信范围的方法。从获得良好推广能 力的角度来看，SVM显然比神经网络要高明得多。
[0019] 极限学习机（ELM)和支持向量机（SVM)比较分析：
[0020] 极限学习机ELM是一种简单易用、有效的单隐层前馈神经网络SLFNs学习算法。传 统的神经网络学习算法（如BP算法）需要人为设置大量的网络训练参数，并且很容易产 生局部最优解。极限学习机只需要设置网络的隐层节点个数，在算法执行过程中不需要调 整网络的输入权值以及隐元的偏置，并且产生唯一的最优解，因此具有学习速度快且泛化 性能好的优点。本文将极限学习机引入到储层渗透率的预测中，通过对比支持向量机，分 析其在储层渗透率预测中的可行性和优势。实验结果表明，极限学习机与支持向量机有近 似的预测精度，但在参数选择以及学习速度上极限学习机具有明显的优势。
[0021] 对支持向量机（Support Vector Machine,简称SVM)而言，在学习过程中，需要人 为设置核函数、误差控制参数以及惩罚系数等参数，参数确定困难，且需要消耗大量时间 进行参数调整。极限学习机（Extreme Learning Machine,简称ELM)作为单隐层前馈神经 网络的一种新型学习算法，只需要设置网络的隐层节点个数，在算法执行过程中不需要调 整网络的输入权值以及隐元的偏置，并且产生唯一的最优解。因此，具有参数选择容易、学 习速度快且泛化性能好的优点。
[0022] 亚健康的研究目前还存在着许多问题，比较突出的有如下三点：（1)病因尚未达 成共识。例如慢性疲劳综合征是亚健康状态的一种，有人认为其成因是病毒感染引起的，也 有人认为是免疫系统功能失调造成的。（2)缺乏统一的评判标准。关于亚健康状态，在世界 范围内尚未形成统一的评判标准。（3)治疗效果难以评估。亚健康的表现多种多样，而且对 亚健康的治疗多属于对症治疗，给疗效评价带来困难。
【发明内容】
[0023] 针对现有技术存在的问题，本发明提供一种人体循环系统健康风险预警系统。
[0024] 本发明的技术方案如下：
[0025] -种人体循环系统健康风险预警系统，包括：
[0026] 人体健康扫描系统：用于扫描和评估人体循环系统各组织和器官的功能值，包括 左心室、颈动脉、心肌、前庭压力、大动脉、植物神经、甲状腺素的功能值；
[0027] 循环系统健康风险预警数据处理器：获取循环系统的临床指标数据，利用人体循 环系统健康风险预警模型，基于人体循环系统各组织和器官的功能值和循环系统的临床指 标数据进行人体循环系统健康风险预警；所述人体循环系统健康风险预警模型的输入为人 体循环系统各组织和器官的功能值和循环系统的临床指标数据，输出为循环系统健康风险 预警结果；所述循环系统的临床指标数据包括：循环系统病史、体查、DR、心电图、动态心电 图、血管和心脏彩超、动脉硬化检测、冠脉CT、检验科化验指标；所述循环系统健康风险预 警结果包括：循环系统健康状态、冠状动脉、心脏亢进、心脏抑制；
[0028] 循环系统健康风险预警结果显示器：显示循环系统健康风险预警数据处理器输出 的循环系统健康风险预警结果；
[0029] 人体健康扫描系统的输出端连接循环系统健康风险预警数据处理器的输入端，循 环系统健康风险预警数据处理器的输出端连接循环系统健康风险预警结果显示器。
[0030] 所述循环系统健康风险预警数据处理器包括：
[0031] 数据采集单元：采集人体健康扫描系统扫描和评估的人体循环系统各组织和器官 的功能值、循环系统的临床指标数据；
[0032] 人体循环系统健康风险预警模型建立单元：根据扫描和评估的人体循环系统各组 织和器官的功能值历史数据和循环系统的临床指标历史数据以及相应的循环系统健康风 险历史预警结果训练人体循环系统健康风险预警模型；
[0033] 人体循环系统健康风险预警单元：利用人体循环系统健康风险预警模型，基于当 前采集到的人体循环系统各组织和器官的功能值、循环系统的临床指标数据，进行人体循 环系统健康风险预警，得到人体循环系统健康风险预警结果，输出至循环系统健康风险预 警结果显示器。
[0034] 所述人体循环系统健康风险预警模型建立单元包括：
[0035] 样本生成模块：根据扫描和评估的人体循环系统各组织和器官的功能值历史数据 和循环系统的临床指标历史数据以及相应的循环系统健康风险历史预警结果生成样本集， 将样本集中的一部分样本作为训练样本，其余作为测试样本；
[0036] 模型训练模块：将样本集中的训练样本作为输入，将循环系统健康风险历史预警 结果作为输出，分别采用极限学习机ELM和支持向量机SVM模型，进行人体循环系统健康风 险预警模型训练，训练得到人体循环系统健康风险预警模型；
[0037] 模型测试模块：利用样本集中的测试样本，分别对采用极限学习机ELM训练出的 人体循环系统健康风险预警模型和采用支持向量机SVM模型训练出的人体循环系统健康 风险预警模型的训练结果进行测试；
[0038] 模型选择模块：选择测试结果评价高即测试结果准确率高的人体循环系统健康风 险预警模型作为最终的人体循环系统健康风险预警模型。
[0039] 有益效果：
[0040] 本发明利用全身健康扫描系统，作为一种快速、无痛、无创、低成本的健康检测设 备，可在短时间内对肌体循环系统主要器官功能进行全面扫描就可获取个体的健康信息， 对人体循环系统主要器官功能性进行评估，及时发现人体的组织能量改变和器官功能性改 变情况。并通过结合循环系统的临床指标数据，预测潜在的危险因素及疾病发展方向，对人 体的循环系统健康风险进行早期预警。同时，运用健康风险预警结果对处于亚健康状态的 人进行有针对性的健康干预，实现"无病防病"的目的。
[0041] 本发明突破了传统的体检模式，以全自动全身健康扫描系统设备为依托的无创伤 筛查为基础，结合基础医学、临床医学、预防医学、中医学知识，建立人体循环系统健康风险 预警系统。同时，将该预警结果可应用于健康干预。探索建立一套以环境医学、运动医学、 中医学、心理学、营养学、保健学为基础的综合健康干预措施的数据库，开发建立适合我国 出入境人员的健康风险预警和健康干预管理系统。并且，还可在我国企事业单位职工、社区 居民中逐步推广应用。真正实现人体健康异常信息的早期发现、早期干预的目的，达到减少 病痛、延缓衰老，降低医疗支出，减轻政府负担的效果。
[0042] 本发明可以对国家机关的外交人员、国际合作科研项目的人员、我国维和部队军 人，以及海外工程项目技术人员等高精尖出入境人才的身体状况进行长期常态化的健康管 理，实现这些人才健康状况风险早期预警，并通过科学的综合健康干预措施和及时跟踪指 导，使他们保持一个良好的健康状况和充沛的精力，高效率的完成他们的工作，为我国对外 开的发展做出贡献。
[0043] 美国疾病管理协会一项研究成果表明：90%的个人和企业通过健康管理，医疗费 用可减少90% ;而10%的个人和企业未参加健康管理，医疗费用则增加90%。可见本发明 的实施及推广应用可以大大提高劳动生产率，节约医疗费用，增加企业效益。
[0044] 我国慢性病死亡人数占总死亡人数的比例已由1993年的73. 8%上升到2000年的 80. 9%，2005年中国慢性病死亡人数高达750万。本发明的系统能够尽早发现人体的患病 风险，使人们还处于亚健康的状态时就通过健康干预手段控制健康风险进一步发展，达到 恢复健康的目的。这将极大的降低我国居民疾病患病率上升的速度。同时减少人们遭受病 痛的折磨，降低了看病、治病的费用，对个人、家庭、单位乃至整个社会都减轻了负担。
【附图说明】
[0045] 图1是本发明【具体实施方式】的人体循环系统健康风险预警系统框图；
[0046] 图2是本发明【具体实施方式】的循环系统健康风险预警数据处理器框图；
[0047] 图3是本发明【具体实施方式】的利用人体循环系统健康风险预警系统进行人体循 环系统健康风险预警的流程图。
【具体实施方式】
[0048] 下面结合附图对本发明的【具体实施方式】做详细说明。
[0049] 本实施方式采集2012年1月至2013年6月期间出入境人员的人体健康扫描系 统数据和临床指标数据，样本量为两万份，采集地点为呼和浩特市、四平市、沈阳市、张家口 市、武汉市。人群的年龄段为：18岁~70岁，男