买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海中医药大学附属曙光医院;陕西中科通大生命科学技术有限公司

摘要：本发明属风险预测技术领域，公开了一种脑卒中风险的预测方法及系统。所述的方法包括如下步骤：抓取脑卒中风险评估知识大数据和历史临床大数据；进行数据预处理；构建脑卒中风险知识图谱；进行数据二次处理；使用深度学习算法，构建脑卒中风险预测模型；对实时临床数据进行数据降维；进行脑卒中风险预测；获取脑卒中预防措施。所述的系统包括依次连接的大数据抓取模块、数据预处理模块、知识图谱构建模块、数据二次处理模块、脑卒中风险预测模型构建模块、数据降维模块、脑卒中风险等级预测模块以及脑卒中预防措施获取模块。本发明解决了现有技术存在的效率低，准确性差，医疗资源浪费以及数据价值低问题。

主权项：1.一种脑卒中风险的预测方法，其特征在于：包括如下步骤：抓取脑卒中风险评估知识大数据和历史临床大数据；所述的脑卒中风险评估知识大数据包括由脑卒中专业术语知识、脑卒中临床表现知识、脑卒中风险判断知识以及脑卒中预防措施知识构成的若干脑卒中风险评估知识；所述的历史临床大数据包括由用户基本信息、健康问诊信息、历史临床指标以及历史临床参数构成的若干历史临床数据；对脑卒中风险评估知识大数据和历史临床大数据进行数据预处理，得到预处理后脑卒中风险评估知识大数据和预处理后历史临床大数据，包括如下步骤：对脑卒中风险评估知识大数据进行依次的错误数据剔除和重复数据删除，得到预处理后脑卒中风险评估知识大数据；对历史临床大数据进行依次的错误数据剔除、重复数据删除、隐私数据脱敏以及归一化处理，得到标准化历史临床大数据；所述的标准化历史临床大数据包括若干标准化历史临床数据；对标准化历史临床大数据进行数据聚类处理和数据均衡处理，得到预处理后历史临床大数据，包括如下步骤：使用Circle混沌映射对FCM聚类算法的隶属度进行初始化，得到Circle混沌映射隶属度；根据Circle混沌映射隶属度，生成FCM聚类算法的若干聚类中心及对应的数据类别；根据标准化历史临床大数据与聚类中心的欧式距离，将预设距离范围内的标准化历史临床数据划分至对应的数据类别；若聚类中心的合并函数值或合并函数值的变化值小于预设阈值，则将每一数据类别中相同数量的标准化历史临床数据进行整合，得到预处理后历史临床大数据；否则，更新聚类中心及对应的数据类别，得到更新后聚类中心及对应的更新后数据类别，并根据更新后聚类中心及对应的更新后数据类别，重复数据聚类处理和数据均衡处理；根据预处理后脑卒中风险评估知识大数据，构建脑卒中风险知识图谱，包括如下步骤：使用BERT-BILSTM-GAT-CRF算法，构建脑卒中命名实体抽取模型，使用BiGRU-Attention构建脑卒中实体关系抽取模型；使用脑卒中命名实体抽取模型抽取预处理后脑卒中风险评估知识大数据中的若干脑卒中命名实体，使用脑卒中实体关系抽取模型抽取预处理后脑卒中风险评估知识大数据中的若干脑卒中实体关系；根据若干脑卒中命名实体和对应的若干脑卒中实体关系，构建脑卒中风险知识图谱；使用脑卒中风险知识图谱，对预处理后历史临床大数据进行数据二次处理，得到历史脑卒中临床关键数据训练样本集；根据历史脑卒中临床关键数据训练样本集，使用深度学习算法，构建脑卒中风险预测模型，包括如下步骤：将DBN网络的网络参数初始值作为IGWO寻优算法的寻优目标；根据寻优目标，使用IGWO寻优算法进行迭代寻优，得到最优的网络参数初始值；根据最优的网络参数初始值，设置DBN网络的网络结构，得到初始的脑卒中风险预测模型；将历史脑卒中临床关键数据训练样本集输入初始的脑卒中风险预测模型进行优化训练，得到最优的脑卒中风险预测模型；采集用户的实时临床数据，对实时临床数据进行数据降维，得到实时脑卒中关键临床数据；将实时脑卒中关键临床数据输入脑卒中风险预测模型进行脑卒中风险预测，得到用户的脑卒中风险等级预测结果；将用户的脑卒中风险等级预测结果和对应的实时临床数据输入脑卒中风险知识图谱，得到对应的脑卒中预防措施。

全文数据：

权利要求：

百度查询： 上海中医药大学附属曙光医院 陕西中科通大生命科学技术有限公司 一种脑卒中风险的预测方法及系统