[发明专利]基于生理信息熵的人体体成分预测方法

说明书

本发明揭示了一种基于生理信息熵的人体体成分预测方法。相较于现有技术，本发明基于生理信息熵的人体体成分预测方法可有效地减少特征参数间的冗余性，简化人体成分预测的拟合模型；解决参数众多、参数耦合的建模难题；建立的人体体成分预测模型可提高人体体成分预测精度，为人体体成分研究和临床应用提供更为有效的检测手段。

技术领域

本发明涉及生物信息学领域，尤其涉及一种基于生理信息熵的人体体成分预测方法。

背景技术

人体成分的变化在一定程度上反映了身体健康状况的变化，人体成分的准确预测对人体营养状况的调节及疾病的预防有着重要意义。影响人体成分的参数众多，目前主要包括生理电阻抗参数和普通生理特征参数两类。这些生理参数之间还存在着高度非线性、严重关联的特点，现有的人体体成分模型难以满足这一需要。

随着医疗测量技术的不断进步，可测得的生理特征大规模发展，并呈现出样本少、维数高等特点，这给传统生理数据的处理及分析带来了巨大的挑战，其中冗余特征的存在间接加重了不利影响，导致人体体成分预测存在不足。

鉴于上述问题，有必要提出一种新的人体体成分预测方法，以解决上述问题。

发明内容

针对现有技术的不足，本发明解决的技术问题是提供一种基于生理信息熵的人体体成分预测方法，该方法可以有效地减少特征参数间的冗余性，简化人体成分预测的拟合模型；解决参数众多、参数耦合的建模难题；建立的人体体成分预测模型可提高人体体成分预测精度，为人体体成分研究和临床应用提供更为有效的检测手段。

为解决上述技术问题，本发明的技术方案是这样实现的：

一种基于生理信息熵的人体体成分预测方法，包括如下步骤：

S1：收集数据并构造生理信息样本数据集T＝(O,F,C)，其中F＝{f1,f2,…,fm}、C＝{c1,c2,…,ck}和O＝{o1,o2,…,on}分别表示原始特征、类别和数据样本集；

S2：利用平均直方图方法估计原始特征集F中的各个特征f的概率密度分布、信息熵和互信息；

S3：从原始特征集F中选出初始特征子集S；

S4：计算初始特征子集S的评价函数J(f)并记录初始特征子集的数目，采用双向搜索的搜索策略对原始特征集进行搜索，计算J(f)，添加或删除特征；

S5：设定评价函数值J(f)达到最高为终止条件进行判断，若条件满足，则选择算法结束，返回初始特征子集S作为最终结果；否则搜索过程继续循环，生成新的候选子集，返回步骤S4，直到终止条件满足为止；

S6：构造预测人体体成分所需的拟合模型；

S7：对拟合模型进行求解。

进一步地，八段阻抗值，性别，年龄，身高，体重，种族为第一特征；第一特征的平方、倒数及乘积等组合为第二特征；原始特征集F由第一特征和第二特征共同组成。