辅助评估人群心血管疾病危险程度的数据处理装置、系统及其应用制造方法及图纸

本发明专利技术公开了辅助评估人群心血管疾病危险程度的数据处理装置、系统及其应用。本发明专利技术数据处理装置包括如下模块：数据接收模块被配置为接收变量；然后数据预处理模块对变量数据进行处理；数据存储模块存储判断阈值；数据分析模块对数据预处理模块处理后的数据根据多层神经网络方法分析，输出待测者是否在未来有心血管疾病的风险h(z)数值和时间y数值；h(z)数值与判断阈值比较，判定符合预定判定条件的待测者为或候选为心血管疾病患者，否则待测者不为或候选不为心血管疾病患者；其中当待测者为或候选为心血管疾病患者时，y数值结果，表示待测者在未来出现心血管疾病的时间，并输出判定结果。本发明专利技术对心血管疾病风险评估具有更高的准确率。的准确率。

【技术实现步骤摘要】
辅助评估人群心血管疾病危险程度的数据处理装置、系统及其应用


[0001]本专利技术涉及一种辅助评估人群心血管疾病危险程度的数据处理装置、系统及其应用，属于生物医疗领域。

技术介绍

[0002]传统的Cox回归模型(CPH)是医学研究人员经常用来预测疾病预后死亡或复发风险的生存模型。该模型可以评估各种临床指标在事件中的重要性，并随后告知患者治疗倾向。Cox回归(CPH)通过将临床指标设置为协变量，疾病死亡或复发设置为结局事件建立半参数回归模型，可以计算协变量对事件发生的影响。
[0003]Cox回归模型针对结局事件风险的假设(hypothesis)是事件及其协变量的线性组合，故此该假设是协变量和结局事件的线性函数，被称为线性比例危险条件。但是在现实生活中，这个假设过于简单，忽略了协变量和结局事件可能存在非线性关联的情况。而针对这种非线性效应，只能通过逐步回归的方法来确定，而涉及到多变量协同非线性时，会有一定问题，因此在非线性数据的风险预测上准确率不高。

技术实现思路

[0004]本专利技术的目的是提供辅助评估人群心血管疾病危险程度的数据处理装置、系统及其应用。
[0005]本专利技术提供的一种辅助评估人群心血管疾病危险程度的数据处理装置，包括如下模块：
[0006](A)数据接收模块；所述数据接收模块被配置为接收如下变量：(a1)待测者的人口基线资料数据，所述人口基线资料数据包括年龄、性别、BMI、腰围、臀围、抽烟量、饮酒量、利尿剂使用情况、心绞痛和高血压病史中的至少一种；(a2)待测者的血样信息数据，所述血样信息数据包括收缩压和舒张压、红细胞、白蛋白、甘油三酯中的至少一种；(a3)待测者的睡眠指标数据，所述睡眠指标数据包括PSG、AHI、血氧饱和度中的至少一种；
[0007](B)数据预处理模块；所述数据预处理模块被配置为接收来自所述数据接收模块的所述人口基线资料数据、所述血样信息数据和所述睡眠指标数据，根据待测者心血管事件发生与否和随访时间将上述数据分为：完全数据、右删失数据、左删失数据和区间删失数据；
[0008](C)数据存储模块；所述数据存储模块被配置为存储判断阈值；
[0009](D)数据分析模块；所述数据分析模块被配置为接收来自所述数据接收模块的数据以及来自所述数据预处理模块的数据，根据多层神经网络方法分析；
[0010]所述多层神经网络包括输入层、中间层、输出层组成；所述输入层接受来自所述数据接受模块和所述数据预处理模块的输入变量，功能是为神经网络提供初始数据，包含多个节点，每个节点为一个变量；所述中间层包含多层，每一层的功能是将上一层的计算结果
做一次非线性变换，其中第一个中间层是将输入层的输入变量做非线性转换，每个中间层包含多个节点，每个节点为一个激活函数；所述输出层为神经网络的最终运行结果，输出心血管疾病危险程度；所述输入层和中间层的节点激活函数如式I所示；处于同列的节点构成神经网络的一层；所述中间层的第1层a
(2)
的计算方式为式II所示，所述中间层除第一层剩余的层计算方式为式III所示；所述输出层的激活函数为式IV，输入为中间层最后一层的计算结果，输出结果为待测者是否在未来有心血管疾病的风险，计为h(z)；然后按照式V计算存活时间，即得到待测者在未来可能出现心血管疾病的时间，单位为年，以y表示；
[0011]式I：
[0012]式I中，z＝θ
·
a，a表示单个的神经元，每个神经元的输入为上一层的输出；θ表示每层所采用的参数向量；z是上一层每个神经元a与参数向量θ的点积，经过式I处理后的z为当前神经元的输出，即g(z)；
[0013]式II：
[0014][0015]式II中，所有的θ都由所述多层神经网络在历史数据SHHS中训练得出，1是模型所加的常数项，x代表输入层输入的变量，具体包括age、gender、TG、PSG和AHI；age表示被试的年龄，当被试的年龄为35时，age的取值为35；gender表示被试的性别，男性取值为1，女性取值为0；TG表示所述血样信息数据中甘油三酯的测量值；PSG表示多导睡眠监测的睡眠评分，AHI表示呼吸紊乱指数；
[0016]式III：
[0017]式III中，向量θ由所述多层神经网络在历史数据SHHS中训练得出，每一层计算逻辑是将上一层的输出作为输入，与参数变量θ求点积，最后将结果经过式III的函数转变作为输出；
[0018]式IV：
[0019]式V：
[0020]式IV中，z表示中间层最后一层的计算结果，h(z)表示待测者是否在未来有心血管疾病的风险；
[0021]式V中，y表示待测者在未来出现心血管疾病的时间，单位为年；其他各个参数与式I、式III、式IV中表示的含义相同；
[0022](E)数据比较模块；所述数据比较模块被配置为接收由所述数据分析模块发送的式IV计算得到的h(z)数值，并从所述数据存储模块中调用所述判断阈值与h(z)数值进行比较；
[0023](F)判断模块；所述判断模块被配置为接收由所述数据比较模块发送的比较结果，并根据预定判定条件对比较结果进行判定；将与h(z)数值的比较结果，判定符合所述预定判定条件的所述待测者为或候选为心血管疾病患者，判定不符合所述预定判定条件的所述待测者不为或候选不为心血管疾病患者；其中当所述待测者为或候选为心血管疾病患者时，所述y数值结果，表示待测者在未来可能出现心血管疾病的时间，并输出判定结果。
[0024]本专利技术中，当所述变量数据中包括所述利尿剂使用情况、心绞痛和高血压病史中的至少一种时，是判断其有无，并不是进行定量。
[0025]上述的数据处理装置中，所述预定判定条件为：若所述h(z)数值大于等于所述判断阈值，则所述待测者为或候选为心血管疾病患者；反之，则所述待测者不为或候选不为心血管疾病患者。
[0026]上述的数据处理装置中，所述数据存储模块中存储的所述判断阈值为0.5。
[0027]上述的数据处理装置中，所述数据预处理装置还包括控制模块或控制器；所述控制模块或控制器用于对各个模块进行控制。
[0028]本专利技术进一步提供了一种辅助评估人群心血管疾病危险程度的系统，包括软尺、身高体重计、血压计、血液细胞分析仪、睡眠监控设备和控制装置；
[0029]所述控制装置被配置或被编程以执行下述步骤：
[0030]接收如下变量：(a1)待测者的人口基线资料数据，所述人口基线资料数据包括年龄、性别、BMI、腰围、臀围、抽烟量、饮酒量、利尿剂使用情况、心绞痛和高血压病史中的至少一种；(a2)待测者的血样信息数据，包括收缩压和舒张压、红细胞、白蛋白、甘油三酯中的至少一种；(a3)待测者的睡眠指标数据，所述睡眠指标数据包括PSG、AHI、血氧饱和度中的至少一种；
[0031]根据待测者心血管事件发生与否和随访时间将所述人口基线资料数据、所述血样信息数据和所述睡眠指标数据分为：完全数据、右删失本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种辅助评估人群心血管疾病危险程度的数据处理装置，包括如下模块：(A)数据接收模块；所述数据接收模块被配置为接收如下变量：(a1)待测者的人口基线资料数据，所述人口基线资料数据包括年龄、性别、BMI、腰围、臀围、抽烟量、饮酒量、利尿剂使用情况、心绞痛和高血压病史中的至少一种；(a2)待测者的血样信息数据，所述血样信息数据包括收缩压和舒张压、红细胞、白蛋白、甘油三酯中的至少一种；(a3)待测者的睡眠指标数据，所述睡眠指标数据包括PSG、AHI、血氧饱和度中的至少一种；(B)数据预处理模块；所述数据预处理模块被配置为接收来自所述数据接收模块的所述人口基线资料数据、所述血样信息数据和所述睡眠指标数据，根据待测者心血管事件发生与否和随访时间将上述数据分为：完全数据、右删失数据、左删失数据和区间删失数据；(C)数据存储模块；所述数据存储模块被配置为存储判断阈值；(D)数据分析模块；所述数据分析模块被配置为接收来自所述数据接收模块的数据以及来自所述数据预处理模块的数据，根据多层神经网络方法分析；所述多层神经网络包括输入层、中间层、输出层组成；所述输入层接受来自所述数据接受模块和所述数据预处理模块的输入变量，功能是为神经网络提供初始数据，包含多个节点，每个节点为一个变量；所述中间层包含多层，每一层的功能是将上一层的计算结果做一次非线性变换，其中第一个中间层是将输入层的输入变量做非线性转换，每个中间层包含多个节点，每个节点为一个激活函数；所述输出层为神经网络的最终运行结果，输出心血管疾病危险程度；所述输入层和中间层的节点激活函数如式I所示；处于同列的节点构成神经网络的一层；所述中间层的第1层a
(2)
的计算方式为式II所示，所述中间层除第一层剩余的层计算方式为式III所示；所述输出层的激活函数为式IV，输入为中间层最后一层的计算结果，输出结果为待测者是否在未来有心血管疾病的风险,计为h(z)；然后按照式V计算存活时间，即得到待测者在未来出现心血管疾病的时间，单位为年，以y表示；式I：式I中，z＝θ
·
a，a表示单个的神经元，每个神经元的输入为上一层的输出；θ表示每层所采用的参数向量；z是上一层每个神经元a与参数向量θ的点积，经过式I处理后的z为当前神经元的输出，即g(z)；式II：
式II中，所有的θ都由所述多层神经网络在历史数据SHHS中训练得出，1是模型所加的常数项，x代表输入层输入的变量，具体包括age、gender、TG、PSG和AHI；age表示被试的年龄，当被试的年龄为35时，age的取值为35；gender表示被试的性别，男性取值为1，女性取值为0；TG表示所述血样信息数据中甘油三酯的测量值；PSG表示多导睡眠监测的睡眠评分，AHI表示呼吸紊乱指数；式III：式III中，向量θ由所述多层神经网络在历史数据SHHS中训练得出，每一层计算逻辑是将上一层的输出作为输入，与参数变量θ求点积，最后将结果经过式III的函数转变作为输出；式IV：式V：式IV中，z表示中间层最后一层的计算结果，h(z)表示待测者是否在未来有心血管疾病的风险；式V中，y表示待测者在未来出现心血管疾病的时间，单位为年；其他各个参数与式I、式III、式IV中表示的含义相同；(E)数据比较模块；所述数据比较模块被配置为接收由所述数据分析模块发送的式IV计算得到的h(z)数值，并从所述数据存储模块中调用所述判断阈值与h(z)数值进行比较；(F)判断模块；所述判断模块被配置为接收由所述数据比较模块发送的比较结果，并根据预定判定条件对比较结果进行判定；将与h(z)数值的比较结果，判定符合所述预定判定条件的所述待测者为或候选为心血管疾病患者，判定不符合所述预定判定条件的所述待测
者不为或候选不为心血管疾病患者；其中当所述待测者为或候选为心血管疾病患者时，所述y数值结果，表示待测者在未来出现心血管疾病的时间，并输出判定结果。2.根据权利要求1所述的数据处理装置，其特征在于：所述预定判定条件为：若所述z数值大于等于所述判断阈值，则所述待测者为或候选为心血管疾病患者；反之，则所述待测者不为或候选不为心血管疾病患者。3.根据权利要求1或2所述的数据处理装置，其特征在于：所述数据存储模块中存储的所述判断阈值为0.5。4.根据权利要求1
‑
3中任一项所述的数据处理装置，其特征在于：所述数据预处理装置还包括控制模块或控制器；所述控制模块或控制器用于对各个模块进行控制。5.一种辅助评估人群心血管疾病危险程度的系统，包括软尺、身高体重计、血压计、血液细胞分析仪、睡眠监控设备和控制装置；所述控制装置被配置或被编程以执行下述步骤：接收如下变量：(a1)待测者的人口基线资料数据，所述人口基线资料数据包括年龄、性别、BMI、腰围、臀围、抽烟量、饮酒量、利尿剂使用情况、心绞痛和高血压病史中的至少一种；(a2)待测者的血样信息数据，包括收缩压和舒张压、红细胞、白蛋白、甘油三酯中的至少一种；(a3)待测者的睡眠指标数据，所述睡眠指标数据包括PSG、AHI、血氧饱和度中的至少一种；根据待测者心血管事件发生与否和随访时间将所述人口基线资料数据、所述血样信息数据和所述睡眠指标数据分为：完全数据、右删失数据、左删失数据和区间删失数据；将所述人口基线资料数据、所述血样信息数据和所述睡眠指标数据以及完全数据、右删失数据、左删失数据和区间删失数据，根据多层神经网络方法分析；所述多层神经网络包括输入层、中间层、输出层组成；所述输入层接收输入变量，功能是为神经网络提供初始数据，包含多个节点，每个节点为一个变量；所述中间层包含多层，每一层的功能是将上一层的计算结果做一次非线性变换，其中第一个中间层是将输入层的输入变量做非线性转换，每个中间层包含多个节点，每个节点为一个激活函数；所述输出层为神经网络的最终运行结果，输出心血管疾病危险程度；所述输入层和中间层的节点激活函数如式I所示；处于同列的节点构成神经网络的一层；所述中间层的第1层a
(2)
的计算方式为式II所示，所述中间层除第一层剩余的层计算方式为式III所示；所述输出层的激活函数为式IV，输入为中间层最后一层的计算结果，输出结果为待测者是否在未来有心血管疾病的风险，计为h...

【专利技术属性】
技术研发人员：艾思志，李国华，杨冬雪，李燕，陈志刚，赵国安，
申请(专利权)人：新乡医学院第一附属医院，
类型：发明
国别省市：