[发明专利]人工智能中基于改进粒子群算法的数据分析处理方法及系统

说明书

本发明实施例提供一种人工智能中基于改进粒子群算法的数据分析处理方法及系统，其包括以下步骤：步骤S1，采用信息熵属性约束条件和柔性逻辑对与慢性病致病因子相关的数据进行约简和分类；步骤S2，利用约简和分类的数据构建迭代复杂柔性逻辑矩阵；步骤S3，对迭代复杂柔性逻辑矩阵进行归一化算法处理；步骤S4，优化稀疏迭代复杂柔性逻辑矩阵，以构建统一的深度学习样本集。该人工智能中基于改进粒子群算法的数据分析处理方法及系统利用粗糙集和柔性逻辑理论，简化训练样本集，消除冗余数据，提高了DBN的学习效率。

技术领域

本发明涉及慢性病干预领域，尤其涉及一种人工智能中基于改进粒子群算法的数据分析处理方法及系统。

背景技术

随着经济社会的快速发展，慢性病已经成为影响我国居民健康的重大公共卫生问题。据卫生部统计，我国目前已确诊的慢性病患者超过2.6亿人，且每年死于慢性病的人数超过300万人。更为严重的是，伴随我国工业化、城镇化、老龄化进程的加快和环境污染的加剧，慢性病发病人数正以每年550万例快速增长，平均每天增长1.5万例，而且因慢性病致死的人数已经上升至居民总死亡人数的85％，医疗费用负担占疾病总负担的70％，因此慢性病已经严重影响我国经济社会的发展和人民生活质量的提高。

随着医疗技术水平的提升，当前慢性病对我国居民的危害已经取代了过去流行性传染病对人体的伤害，尤其是近年来，在中老年人群中，对导致慢性病危险因素的知晓率和控制率都很低。危险因素长期大量蓄积与伤害人体，势必增加中老年人患慢性病的风险，致使慢性病患病率逐年上升，成为导致我国居民死亡的第一要因。可见慢性病已经成为影响人民对美好生活追求的头号杀手。据此，国务院2017年2月首次发布了《中国防治慢性病中长期规划(2017—2025年)》，规划要求到2020年由慢性病导致的过早死亡率较2015年降低10％，到2025年降低20％，力争30—70岁人群因心脑血管疾病、癌症、慢性呼吸系统疾病和糖尿病导致的过早死亡率较2015年降低20％，逐步提高居民健康期望寿命，有效控制慢性病发生。

慢性病主要包括心脑血管疾病、恶性肿瘤、糖尿病和慢性呼吸系统疾病等。据研究，慢性病的发生与个人生活方式(60％)、遗传因素(15％)、社会条件(10％)、医疗条件(8％)和自然环境(7％)等因素密切相关，而目前我国对于慢性病的防控研究深度还远远不够，很多慢性病致病机理尚未完全清楚，精准有效的防控措施与方法有待研究。

当前慢性病治疗是世界性难题，发达国家主要依托健康管理，采用以预防为主、治疗为辅的措施，降低慢性病发病率，这与我国中医所倡导的“不治已病，治未病”同一渊源。医疗实践发现：治疗慢性病关键在于早发现，早预防，即：可以通过慢性病健康管理进行精准干预。慢性病健康干预是指对影响慢性病健康的不良行为、不良生活方式、生态环境及个人习惯等危险因素，结合遗传基因进行综合处置的医疗措施和方法。其中精准诊断和

精准干预是健康管理的关键所在，是慢性病综合防治的重点。健康管理重在“精准预防”，

即：在患者身体还处于亚健康状态时期，就提前采用各种医疗措施进行精准干预，阻断病变器官或组织进一步恶化。

当前慢性病精准医疗的快速发展得益于大规模人类基因组生物数据库的建立、高通量蛋白组学、代谢组学以及各种检测手段的兴起，还有人工智能、计算分析和大规模数据处理技术的发展。该项工作如果采用传统的人工防控模式，工作量大、效率低、覆盖面小、难以普及推广，甚至不可能实现。而随着人工智能、数据挖掘、大数据、物联网和云端超级计算技术的快速发展，深度置信网络(Deep Belief Network,DBN)学习算法在人工智能和计算机精准医疗等领域的广泛应用，为慢性病的精准防控提供了技术支持。

但由于慢性病的医学机理比较复杂，相关风险因素较多，各因素之间相互影响，且影响量呈非线性关系，而且描述病理信息的数据格式也比较复杂，既有连续数据又有离散数据，既有定性又有定量，甚至还有图像信息等，数据量巨大。而当神经网络规模较大，输入样本较多时，数据冗余，其学习能力将受到制约，降低了DBN的学习效率。