[发明专利]基于人工智能的脑卒中疾病预测方法及装置

说明书

本申请公开了一种基于人工智能的脑卒中疾病预测方法及装置，其中，方法包括：采集适用于卒中筛查大数据研究及人工智能算法训练的数据集，生成脑卒中筛查数据集；基于脑卒中筛查数据集，识别脑卒中危险因素，并利用人工智能算法建立脑卒中疾病预测模型；利用脑卒中疾病预测模型预测患者的脑卒中疾病预测结果。本申请实施例以人工智能技术及特点为基础，围绕使用神经网络及深度学习算法的训练与应用为目标，建立适用于人工智能技术的卒中筛查模型及智能化研究方法。由此，解决了相关技术中缺少适用于人工智能技术的标准化模型，及在卒中筛查预防领域的深度集成和应用的问题。

技术领域

本申请涉及生物、医疗和医疗器械技术领域，特别涉及一种基于人工智能的脑卒中疾病预测方法及装置。

背景技术

脑卒中作为危害国民健康的重大疾病之一，已经超越心血管病及恶性肿瘤跃居首位，卒中的致残、致死及复发给社会和家庭带来了沉重的负担，也严重影响了国民经济水平，与之伴随的是巨大的医疗资源的消耗。我国作为卒中大国，近年来逐步加强对于脑卒中高危人群的早期筛查和防治的工作力度。但由于我国人口基数较大，不同地区医疗资源分布不均及城乡发展水平存在差异，筛查所带来的工作量极大，且缺乏针对不同层次高危人群的干预策略，对高危人群的统一管理效率不高。同时随着信息技术的高度发展，人工智能技术被越来越多地应用于医疗健康研究中，国内外很多研究者已经开展人工智能技术应用于脑卒中筛查、防治领域的研究及应用,发挥了越来越重要的辅助诊疗作用。

近年来，随着以大数据为基础的智能化医疗研究越来越受到关注，很多学者开始运用人工智能技术的相关算法开展智能化脑卒中筛查领域的研究。早期的脑卒中筛查方法，主要是基于结构化数据进行数据挖掘，并分析风险预测模型因素，根据已知危险因素建立预测模型。后期逐步通过建立符合深度学习框架的ANN，基于已经封装好的机器学习算法进行研究，主要运用的数据分析研究方法如贝叶斯回归、决策树分析等。Feigin等采用贝叶斯回归方法研究发现可能导致卒中的危险因素有环境中的颗粒物污染、固体燃料污染、铅暴露，还有高钠、高糖饮食、少水果蔬菜谷物、饮酒、体力活动缺乏、吸二手烟、高体重指数、高空腹血糖、高收缩压、高总胆固醇、肾小球滤过率等。杜秋明等使用判别分析、回归分析方法，包括逻辑回归、贝叶斯回归等来分析危险因素，另有研究采用决策树方法，来寻找相关危险因素。可见通过人工智能技术能够发现多种潜在的或相关的危险因素，涉及面更广泛。2002—2013年中国国家卒中筛查研究显示诸多因素与脑卒中发生相关，其中最大的危险因素是高血压(人群归因风险53.2％)，其次是家族史、血脂异常、心房颤动、糖尿病、缺乏体育活动、吸烟和超重/肥胖。综上，虽已有部分使用统计学方法或人工智能算法进行卒中的预测和危险因素分析的研究，但缺少适用于人工智能技术的标准化模型，及在卒中筛查预防领域的深度集成和应用。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的第一目的在于提出一种基于人工智能的脑卒中疾病预测方法。

本申请的第二个目的在于提出一种基于人工智能的脑卒中疾病预测装置。

本申请的第三个目的在于提出一种电子设备。

本申请的第四个目的在于提出一种非临时性计算机可读存储介质。

为达到上述目的，本申请第一方面实施例提供一种基于人工智能的脑卒中疾病预测方法，包括以下步骤：采集适用于卒中筛查大数据研究及人工智能算法训练的数据集，生成脑卒中筛查数据集；基于所述脑卒中筛查数据集，识别脑卒中危险因素，并利用人工智能算法建立脑卒中疾病预测模型；利用所述脑卒中疾病预测模型预测患者的脑卒中疾病预测结果。

可选地，在本申请的实施例中，所述采集适用于卒中筛查大数据研究及人工智能算法训练的数据集，包括：采集与脑卒中疾病研究的风险因素特征相关联的数据；对所述与脑卒中疾病研究的风险因素特征相关联的数据进行特征化处理，建立所述脑卒中筛查数据集。