心血管疾病风险控制方法、系统及存储介质技术方案

本发明专利技术涉及智能医疗领域，提供一种心血管疾病风险控制方法、系统及存储介质，能够对待检测者的心血管疾病风险进行预警，并且能够帮助心血管疾病发病风险高的检测者通过给出心血管疾病风险控制方案来不断调整其生活习惯，进而达到降低其未来罹患心血管病的风险的技术效果。术效果。术效果。

【技术实现步骤摘要】
心血管疾病风险控制方法、系统及存储介质


[0001]本专利技术涉及智能医疗
，涉及一种心血管疾病风险控制方法、系统及存储介质、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]心血管疾病是我国死亡率最高的一类疾病，世界卫生组织已将其列为21世纪危害人类健康的头号杀手。具有熬夜、抽烟、久坐等不良生活习惯的人罹患心血管疾病的概率显著高于有健康生活习惯的人。因此，通过进行心血管疾病的健康管理可以降低个人患心血管疾病风险。
[0003]现有技术中通过心血管健康管理算法进行心血管疾病的健康管理的方法，具有的弊端如下：
[0004]1)目前用于进行心血管疾病风险评估的指标仅有抽烟与否、胆固醇含量、身高、体重与年龄等；评估指标有限导致评估结果个性化差，准确率低；
[0005]2)给出的生活习惯调整方案只有调整的目标结果，不包含调整的合理步骤，导致被评估者的执行情况不理想。
[0006]因此，亟需一种能够体现个体差异的用于降低心血管疾病风险的健康管理方法。

技术实现思路

[0007]本专利技术提供一种心血管疾病风险控制方法、系统、电子设备及计算机可读存储介质，以克服现有技术的问题，达到通过利用心血管疾病风险控制智能体调整待检测者的生活习惯，降低的待检测者罹患心血管疾病的风险技术效果。
[0008]为实现上述目的，本专利技术提供的一种心血管疾病风险控制方法，方法包括：获取待检测者的行为数据，行为数据为某一时间下个体的状态数据；
[0009]将所述行为数据输入预训练的心血管疾病风险预测模型，获得待检测者的心血管疾病风险值；筛选所述心血管疾病风险值大于设定风险阈值的待检测者的行为数据作为心血管疾病高风险者的状态数据；
[0010]将状态数据输入预先训练好的心血管疾病风险控制智能体，得到心血管疾病风险控制方案；其中，心血管疾病风险控制智能体是基于强化学习训练获得；
[0011]将待检测者执行心血管疾病风险控制方案后的状态数据输入心血管疾病风险控制智能体，实时获得待测者的心血管疾病风险评估值；所述心血管疾病风险控制智能体基于所述心血管疾病风险评估值确定进一步的心血管疾病风险控制方案。
[0012]进一步，优选的，心血管疾病风险预测模型为：
[0013]f(x
V
)＝f(x
DV
，x
UV
，x
IV
)＝f(x
DV
，x
UV
，D(x
DV
，x
UV
))
[0014]其中，x
V
为测试样本，f(x
V
)是心血管疾病风险预测模型f对x
V
的期望预测输出；D是一个回归模型，回归模型D的输入为DV数据和UV数据，输出为IV数据；
[0015]DV为可直接改变的特征，包括每日吸烟量、每日饮酒量以及每日运动量；
[0016]UV为不可改变的特征，包括年龄、性别和地域；
[0017]IV为可间接改变的特征，包括BMI指数、血糖浓度、血压、体脂率和腰围。
[0018]进一步，优选的，基于强化学习的心血管疾病风险控制智能体的训练方法包括：
[0019]搭建用于心血管疾病风险控制的智能体环境以及用于心血管疾病风险控制的强化学习模型；其中，智能体环境为(S，A，R，γ)；其中，S为包括心血管疾病特征的状态空间；心血管疾病特征作包括可直接改变的特征、不可改变的特征和可间接改变的特征；A为包括可直接改变的特征的动作空间，R是奖励函数，为状态转移概率函数，γ∈(0，1]是奖励衰减因子；
[0020]利用智能体环境对用于心血管疾病风险控制的强化学习模型输出的序列行动进行评估，并给予所述序列行动对应的奖励以及下一个时刻的序列行动，以累积奖励最大化为目标集中训练，以获得智能体π
*
(a|s)；其中，智能体π
*
(a|s)的输入为环境的状态，输出为环境的状态下选择执行的序列行动；
[0021]通过广义优势函数和策略迭代至智能体模型收敛，获得训练好的基于强化学习的心血管疾病风险控制智能体。
[0022]进一步，优选的，心血管疾病风险预测模型通过最优特征变量集训练获得；最优特征变量集的获取方法为：
[0023]将包含心血管疾病行为特征的数据集作为训练集输入行为特征重要性评价模型；通过行为特征重要性评价模型对训练集中的心血管疾病的行为特征进行重要性评价，输出重要性评价符合设定阈值的心血管疾病的行为特征作为影响因素集合；
[0024]将影像因素集合作为最优特征变量集。
[0025]进一步，优选的，累积奖励通过以下公式获取：
[0026][0027]其中，B(s
t
，a
t
)为背景分，B(s
t
，a
t
)＝α(c
‑
f(s
t
+a
t
))，α为奖励缩放系数，c代表对行动的宽容程度系数，c∈(0，1]，f(s
t
+a
t
)为状态为s
t
、动作为a
t
时，心血管疾病风险预测模型的输出值；
‑
p为惩罚分参数，为终局分参数，且当智能体获胜则智能体失败则智能体处于非终局状态下，则
[0028]进一步，优选的，所述通过广义优势函数和策略迭代使所述智能体模型收敛的方法包括：
[0029]用优势函数估计且
[0030]其中，是优势函数在时间步t的估计，q
π
为策略提升函数，v
π
为策略评估函数；
[0031][0032][0033]计算策略更新并经过K个时间步长，用小批量
SGD执行策略更新；其中，θ表示智能体策略的参数；为累积奖励；π(a|s)为策略函数；π(a|s)为策略函数；为状态转移概率；γ为奖励衰减因子；πθ(at/st)表示在指定策略π，状态值st下选择动作值at的累积奖励的期望；为损失函数；
[0034]不断迭代上述步骤至智能体模型收敛。
[0035]通过以下公式获得，
[0036][0037]其中，E表示期望；为新旧策略比例，其中θ为策略神经网络的参数，π
θ
(a
t
|s
t
)代表t时刻的策略，是上一轮迭代的策略；
[0038]clip(r
t
(θ)，1
‑
ε，1+ε)表示将新旧策略比例控制在1附近；
[0039]表示是在策略函数π的第k个策略时，优势函数在时间步t的估计；
[0040]ε表示超参数。
[0041]为了解决上述问题，本专利技术还提供一种心血管疾病风险控制系统，
[0042]行为数据获取单元，用于获取待检测者的行为数据，行为数据为某一时间下个体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种心血管疾病风险控制方法，其特征在于，方法包括：获取待检测者的行为数据，所述行为数据为某一时间下个体的状态数据；将所述行为数据输入预训练的心血管疾病风险预测模型，获得待检测者的心血管疾病风险值；筛选所述心血管疾病风险值大于设定风险阈值的待检测者的行为数据作为心血管疾病高风险者的状态数据；将所述状态数据输入预先训练好的心血管疾病风险控制智能体，得到心血管疾病风险控制方案；其中，所述心血管疾病风险控制智能体是基于强化学习训练获得；将待检测者执行心血管疾病风险控制方案后的状态数据输入心血管疾病风险控制智能体，实时获得待测者的心血管疾病风险评估值；所述心血管疾病风险控制智能体基于所述心血管疾病风险评估值确定进一步的心血管疾病风险控制方案。2.如权利要求1所述的心血管疾病风险控制方法，其特征在于，所述心血管疾病风险预测模型为：f(x
V
)＝f(x
DV
，x
UV
，x
IV
)＝f(x
DV
，x
UV
，D(x
DV
，x
UV
))其中，x
V
为测试样本，f(x
V
)是心血管疾病风险预测模型f对x
V
的期望预测输出；D是一个回归模型，回归模型D的输入为DV数据和UV数据，输出为IV数据；DV为可直接改变的特征，包括每日吸烟量、每日饮酒量以及每日运动量；UV为不可改变的特征，包括年龄、性别和地域；IV为可间接改变的特征，包括BMI指数、血糖浓度、血压、体脂率和腰围。3.如权利要求2所述的心血管疾病风险控制方法，其特征在于，所述基于强化学习的心血管疾病风险控制智能体的训练方法包括：搭建用于心血管疾病风险控制的智能体环境以及用于心血管疾病风险控制的强化学习模型；其中，智能体环境为其中，S为包括心血管疾病特征的状态空间；所述心血管疾病特征作包括可直接改变的特征、不可改变的特征和可间接改变的特征；A为包括可直接改变的特征的动作空间，R是奖励函数，为状态转移概率函数，γ∈(0，1]是奖励衰减因子；利用所述智能体环境对所述用于心血管疾病风险控制的强化学习模型输出的序列行动进行评估，并给予所述序列行动对应的奖励以及下一个时刻的序列行动，以累积奖励最大化为目标集中训练，以获得智能体π
*
(a|s)；其中，所述智能体π
*
(a|s)的输入为环境的状态，输出为所述环境的状态下选择执行的序列行动；通过广义优势函数和策略迭代至所述智能体模型收敛，获得训练好的基于强化学习的心血管疾病风险控制智能体。4.如权利要求3所述的心血管疾病风险控制方法，其特征在于，所述心血管疾病风险预测模型通过最优特征变量集训练获得；所述最优特征变量集的获取方法为：将包含心血管疾病行为特征的数据集作为训练集输入行为特征重要性评价模型；通过所述行为特征重要性评价模型对所述训练集中的心血管疾病的行为特征进行重要性评价，输出重要性评价符合设定阈值的心血管疾病的行为特征作为影响因素集合；将所述影像因素集合作为最优特征变量集。
5.如权利要求3所述的心血管疾病风险控制方法，其特征在于，所述累积奖励通过以下公式获取：其中，B(...

【专利技术属性】
技术研发人员：张学工，卞海洋，江瑞，郝敏升，闾海荣，
申请(专利权)人：清华大学，
类型：发明
国别省市：