CN104484575A - 基于主成分分析的健康个性化改善方法 - Google Patents
基于主成分分析的健康个性化改善方法 Download PDFInfo
- Publication number
- CN104484575A CN104484575A CN201410848020.4A CN201410848020A CN104484575A CN 104484575 A CN104484575 A CN 104484575A CN 201410848020 A CN201410848020 A CN 201410848020A CN 104484575 A CN104484575 A CN 104484575A
- Authority
- CN
- China
- Prior art keywords
- health
- personalized
- pca
- principal component
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供一种基于主成分分析的健康个性化改善方法,包括如下步骤,建立标准健康知识库:记录体征数据的正常值,体检和常规检查数据的正常值,用于将来与个人真实健康数据比对;建立个人体征数据信息库,存储个人的健康信息,包括体征数据,体检和常规检查数据。用于与标准健康知识库比对,跟踪数据变化,以分析健康状况走势,提供健康预警以及个性化改善方案;基于PCA的健康主成分分析提取主要因素;利用挖掘关联规则算法分析给出个性化改善方案。通过本发明的方法,根据人体体征数据的变化,用这些数据做主要因素提取与相关性分析,可以给出关于人体健康的个性化改善方案以及相关药品或保健方式的推荐。
Description
技术领域
本发明属于计算机信息领域,特别是涉及到一种基于主成分分析的健康个性化改善方法。
背景技术
现阶段人们逐渐认识到“以健康为中心”和“治未病”理念是现代医疗服务的发展趋势,由此健康服务模式开始从传统单向的被动健康服务模式向互动的主动健康服务模式转变,具体体现在:一是“未病先防”(即预防保健);二是“既病防变”或“已病早治”;三是连续性的医疗服务(诊疗服务、疾病管理、健康预警为系列化),实现早期干预、视点前移,以疾病/人为中心的主动服务模式。
人体体征数据是庞大的,但依据个人时间序列的记录数据和其他会员数据的参考,其变化有一定规律。用这些数据做主要因素提取与相关性分析,可以给出个性化改善方案以及相关药品或保健方式的推荐。
发明内容
本发明要解决的问题是设计一种基于主成分分析的健康个性化改善方法,对于个体的人提供给出个性化改善方案以及相关药品或保健方式。
需要说明的是,本发明基于主成分分析的健康个性化改善方法,是信息学的一种应用,通过信息分析得到适用于自身的健康个性化改善方案,并非属于疾病的诊断和治疗方法,因此不违反专利法第二十五条的相关规定。
为了达到上述目的,本发明采取的技术方案为:一种基于主成分分析的健康个性化改善方法,其特征在于,包括如下步骤:
(一)建立标准健康知识库:记录体征数据的正常值,体检和常规检查数据的正常值,用于将来与个人真实健康数据比对;
(二)建立个人体征数据信息库,存储个人的健康信息,包括体征数据,体检和常规检查数据。用于与标准健康知识库比对,跟踪数据变化,以分析健康状况走势,提供健康预警以及个性化改善方案;
(三)基于PCA的健康主成分分析提取主要因素;
(四)利用挖掘关联规则算法分析给出个性化改善方案。
优选的,所述步骤(一)中体征数据包括体重、心率、血压、脉率、呼吸频率、体温、热消耗量、运动量、睡眠量血糖和血氧、激素和BMI指数,体脂含量;所述体检和常规检查数据包括尿常规各项、生化全项、血流变9项、肿瘤标志物3项。
优选的,所述步骤(三)中主成分分析的方法为:
(1)计算相关系数矩阵;
(2)计算特征值与特征向量;
(3)计算主成分贡献率及累计贡献率;
(4)计算主成分载荷;
(5)各主成分排序。
优选的,所述步骤(四)中挖掘关联规则算法采用Apriori算法或者是IBM IntelligentMiner算法。
优选的,所述步骤(四)中个性化改善方案包括与标准保健方案比较得出的个性化的改善建议和与标准化治疗方案比较得出的治疗决策支持与治疗路径优化。
本发明的有益效果为:通过本发明的方法,根据人体体征数据的变化,用这些数据做主要因素提取与相关性分析,可以给出关于人体健康的个性化改善方案以及相关药品或保健方式的推荐。
具体实施方式
下面结合具体实施例对本发明做进一步说明。
建立标准健康知识库:记录体征数据的正常值,体检和常规检查数据的正常值,用于将来与个人真实健康数据比对;
建立个人体征数据信息库,存储个人的健康信息,包括体征数据,体检和常规检查数据。用于与标准健康知识库比对,跟踪数据变化,以分析健康状况走势,提供健康预警以及个性化改善方案;
依据这两个数据库:
1.基于PCA的健康主成分分析提取主要因素
PCA主成分分析法是一种数学变换的方法,旨在利用降维的思想,把多指标转化为少数几个综合指标。它把给定的一组相关变量通过线性变换转成另一组不相关的变量,这些新的变量按照方差依次递减的顺序排列。
利用主成分分析法对会员体征数据进行交叉分析,得出用户现在的体质状况,产生该会员的健康风险指数,给出影响健康的主要因素和各因素排序。
思路:一个研究对象,往往是多要素的复杂系统。变量太多无疑会增加分析问题的难度和复杂性,利用原变量之间的相关关系,用较少的新变量代替原来较多的变量,并使这些少数变量尽可能多的保留原来较多的变量所反应的信息,这样问题就简单化了。
原理:假定有n个样本,每个样本共有p个变量,构成一个n×p阶的数据矩阵,
记原变量指标为x1,x2,…,xp,设它们降维处理后的综合指标,即新变量为z1,z2,z3,…,zm(m≤p),则
系数lij的确定原则:
①zi与zj(i≠j;i,j=1,2,…,m)相互无关;
②z1是x1,x2,…,xP的一切线性组合中方差最大者,z2是与z1不相关的x1,x2,…,xP的所有线性组合中方差最大者;zm是与z1,z2,……,zm-1都不相关的x1,x2,…xP,的所有线性组合中方差最大者。
新变量指标z1,z2,…,zm分别称为原变量指标x1,x2,…,xP的第1,第2,…,第m主成分。
从以上的分析可以看出,主成分分析的实质就是确定原来变量xj(j=1,2,…,p)在诸主成分zi(i=1,2,…,m)上的荷载lij(i=1,2,…,m;j=1,2,…,p)。
从数学上可以证明,它们分别是相关矩阵m个较大的特征值所对应的特征向量。
主成分分析的计算步骤
(1)计算相关系数矩阵
lij(i,j=1,2,…,p)为原变量xi与xj的相关系数,lij=lji,其计算公式为
(2)、计算特征值与特征向量
解特征方程|λI-R|=0,常用雅可比法(Jacobi)求出特征值,并使其按大小顺序排列λ1≥λ2≥…≥λp≥0;
分别求出对应于特征值λi的特征向量ei(i=1,2,L,p),要求||ei||=1,即其中eij表示向量ei的第j个分量。
(3)、计算主成分贡献率及累计贡献率
贡献率: (i=1,2,L,p)
累计贡献率: (i=1,2,L,p)
一般取累计贡献率达85%-95%的特征值,所对应的第1、第2、…、第m(m≤p)个主成分。
(4)、计算主成分载荷
(5)、各主成分得分
如会员有关的体征数据为性别、年龄、身高、体重、腰围、收缩压、舒张压、高血压、年限、冠心病,实验室检查项目:空腹血糖、餐后2h血糖、胆固醇、甘油三脂、高脂血、糖耐量、高密度脂蛋白、低密度脂蛋白、尿酸、尿素氮、肌嵌、肌配、谷丙转氨酶等及生活习惯及自我保健情况:吸烟、饮酒、参与血糖监测和尿糖监测情况等,饮食因素:主食、甜食等,体力活动量以及生活事件等30多个指标。可利用PCA计算出其影响健康的主要因素和各因素排序。
2.利用算法挖掘关联分析给出个性化改善方案
针对会员体征数据,以及会员行为模式和习惯偏好,利用上述步骤1得到主要因素,采用经典的挖掘关联规则的Apriori算法或者是IBM Intelligent Miner,给出导致会员健康的几项关键因素(生理活动和饮食习惯),如睡眠、饮食、运动量、遗传等等。一方面,与标准保健方案比较,给出个性化的改善建议(personalized medicine/health care),另一方面,与标准化治疗方案比较,给出治疗决策支持与治疗路径优化。同时给出用户可以看到自己的健康风险指数和同龄、同性别人群的平均风险指数,并且能明确自己的健康风险在同龄人群中的排位和预防措施。
以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于主成分分析的健康个性化改善方法,其特征在于,包括如下步骤:
(一)建立标准健康知识库:记录体征数据的正常值,体检和常规检查数据的正常值,用于将来与个人真实健康数据比对;
(二)建立个人体征数据信息库,存储个人的健康信息,包括体征数据,体检和常规检查数据。用于与标准健康知识库比对,跟踪数据变化,以分析健康状况走势,提供健康预警以及个性化改善方案;
(三)基于PCA的健康主成分分析提取主要因素;
(四)利用挖掘关联规则算法分析给出个性化改善方案。
2.根据权利要求1所述的一种基于主成分分析的健康个性化改善方法,其特征在于,所述步骤(一)中体征数据包括体重、心率、血压、脉率、呼吸频率、体温、热消耗量、运动量、睡眠量血糖和血氧、激素和BMI指数,体脂含量;所述体检和常规检查数据包括尿常规各项、生化全项、血流变9项、肿瘤标志物3项。
3.根据权利要求1所述的一种基于主成分分析的健康个性化改善方法,其特征在于,所述步骤(三)中主成分分析的方法为:
(1)计算相关系数矩阵;
(2)计算特征值与特征向量;
(3)计算主成分贡献率及累计贡献率;
(4)计算主成分载荷;
(5)各主成分排序。
4.根据权利要求1所述的一种基于主成分分析的健康个性化改善方法,其特征在于,所述步骤(四)中挖掘关联规则算法采用Apriori算法或者是IBM Intelligent Miner算法。
5.根据权利要求1所述的一种基于主成分分析的健康个性化改善方法,其特征在于,所述步骤(四)中个性化改善方案包括与标准保健方案比较得出的个性化的改善建议和与标准化治疗方案比较得出的治疗决策支持与治疗路径优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410848020.4A CN104484575A (zh) | 2014-12-30 | 2014-12-30 | 基于主成分分析的健康个性化改善方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410848020.4A CN104484575A (zh) | 2014-12-30 | 2014-12-30 | 基于主成分分析的健康个性化改善方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104484575A true CN104484575A (zh) | 2015-04-01 |
Family
ID=52759116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410848020.4A Pending CN104484575A (zh) | 2014-12-30 | 2014-12-30 | 基于主成分分析的健康个性化改善方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104484575A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105938516A (zh) * | 2016-04-12 | 2016-09-14 | 宁波大红鹰学院 | 关联规则算法在血液变与中风关系中的应用方法及装置 |
CN107491628A (zh) * | 2016-06-12 | 2017-12-19 | 杭州线条科技有限公司 | 个性化用户健康风险系数分析系统及方法 |
CN107610777A (zh) * | 2017-09-07 | 2018-01-19 | 广州九九加健康管理有限公司 | 健康管理平台的肿瘤康复管理及生存质量分析方法及系统 |
CN107658020A (zh) * | 2017-09-07 | 2018-02-02 | 广州九九加健康管理有限公司 | 一种基于精准健康管理的智能健康评估分析方法及系统 |
CN108074644A (zh) * | 2016-11-10 | 2018-05-25 | 北京工商大学 | 基于皮肤测量的平和体质评估方法及评估系统 |
CN109196592A (zh) * | 2016-04-28 | 2019-01-11 | 快天知血合同会社 | 健康状态评价系统、健康状态评价装置以及健康状态评价方法 |
CN110025939A (zh) * | 2019-04-03 | 2019-07-19 | 平顶山教育学院(平顶山市文化旅游学校) | 一种声乐呼吸训练仪 |
CN111370090A (zh) * | 2020-03-05 | 2020-07-03 | 北京动亮健康科技有限公司 | 匹配运动效果案例的方法和系统 |
CN112472079A (zh) * | 2020-11-23 | 2021-03-12 | 青岛歌尔智能传感器有限公司 | 血氧饱和度检测装置、设备及存储介质 |
CN113016036A (zh) * | 2018-11-22 | 2021-06-22 | 欧姆龙株式会社 | 文档生成装置、文档生成方法以及程序 |
CN113380405A (zh) * | 2021-03-11 | 2021-09-10 | 东莞市人民医院 | 一种移动健康管理平台及其控制方法 |
CN115271802A (zh) * | 2022-07-19 | 2022-11-01 | 广州善元堂健康科技股份有限公司 | 一种保健产品的智能分析方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0973495A (ja) * | 1995-09-07 | 1997-03-18 | Hitachi Eng Co Ltd | 保健情報データ表示・検索装置及び表示・検索方法 |
CN1959688A (zh) * | 2005-11-01 | 2007-05-09 | 王达桂 | 生命管理系统及其方法 |
-
2014
- 2014-12-30 CN CN201410848020.4A patent/CN104484575A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0973495A (ja) * | 1995-09-07 | 1997-03-18 | Hitachi Eng Co Ltd | 保健情報データ表示・検索装置及び表示・検索方法 |
CN1959688A (zh) * | 2005-11-01 | 2007-05-09 | 王达桂 | 生命管理系统及其方法 |
Non-Patent Citations (4)
Title |
---|
张虎军: "《个性化健康管理的方法》", 《中医药导报》 * |
李明翼: "《基于主成分分析建立的肺胸部生理健康检查模型》", 《中国组织工程研究与临床康复》 * |
用户名为617985845: "主成分分析法的原理应用及计算步骤", 《百度文库》 * |
缪柏其: "《主成分分析和因子分析在体检数据分析中的应用--中国科技大学高级知识分子健康状况及影响因素分析》", 《数理统计与管理》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105938516A (zh) * | 2016-04-12 | 2016-09-14 | 宁波大红鹰学院 | 关联规则算法在血液变与中风关系中的应用方法及装置 |
CN109196592A (zh) * | 2016-04-28 | 2019-01-11 | 快天知血合同会社 | 健康状态评价系统、健康状态评价装置以及健康状态评价方法 |
CN107491628A (zh) * | 2016-06-12 | 2017-12-19 | 杭州线条科技有限公司 | 个性化用户健康风险系数分析系统及方法 |
CN108074644A (zh) * | 2016-11-10 | 2018-05-25 | 北京工商大学 | 基于皮肤测量的平和体质评估方法及评估系统 |
CN107610777A (zh) * | 2017-09-07 | 2018-01-19 | 广州九九加健康管理有限公司 | 健康管理平台的肿瘤康复管理及生存质量分析方法及系统 |
CN107658020A (zh) * | 2017-09-07 | 2018-02-02 | 广州九九加健康管理有限公司 | 一种基于精准健康管理的智能健康评估分析方法及系统 |
CN113016036A (zh) * | 2018-11-22 | 2021-06-22 | 欧姆龙株式会社 | 文档生成装置、文档生成方法以及程序 |
CN110025939A (zh) * | 2019-04-03 | 2019-07-19 | 平顶山教育学院(平顶山市文化旅游学校) | 一种声乐呼吸训练仪 |
CN110025939B (zh) * | 2019-04-03 | 2020-10-02 | 平顶山教育学院(平顶山市文化旅游学校) | 一种声乐呼吸训练仪 |
CN111370090A (zh) * | 2020-03-05 | 2020-07-03 | 北京动亮健康科技有限公司 | 匹配运动效果案例的方法和系统 |
CN111370090B (zh) * | 2020-03-05 | 2021-11-09 | 北京动亮健康科技有限公司 | 匹配运动效果案例的方法和系统 |
CN112472079A (zh) * | 2020-11-23 | 2021-03-12 | 青岛歌尔智能传感器有限公司 | 血氧饱和度检测装置、设备及存储介质 |
CN113380405A (zh) * | 2021-03-11 | 2021-09-10 | 东莞市人民医院 | 一种移动健康管理平台及其控制方法 |
CN115271802A (zh) * | 2022-07-19 | 2022-11-01 | 广州善元堂健康科技股份有限公司 | 一种保健产品的智能分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104484575A (zh) | 基于主成分分析的健康个性化改善方法 | |
Kumar et al. | Performance analysis of machine learning algorithms on diabetes dataset using big data analytics | |
Guidi et al. | A machine learning system to improve heart failure patient assistance | |
US20200315518A1 (en) | Apparatus for processing data for predicting dementia through machine learning, method thereof, and recording medium storing the same | |
Nahar et al. | Association rule mining to detect factors which contribute to heart disease in males and females | |
Cismondi et al. | Reducing unnecessary lab testing in the ICU with artificial intelligence | |
Shouman et al. | Integrating decision tree and k-means clustering with different initial centroid selection methods in the diagnosis of heart disease patients | |
CN112890816A (zh) | 一种个人用户的健康指数评分方法和装置 | |
Mogaveera et al. | e-Health monitoring system with diet and fitness recommendation using machine learning | |
Khan et al. | A Comparative Study of Machine Learning classifiers to analyze the Precision of Myocardial Infarction prediction | |
Marbaniang et al. | Cardiovascular disease (CVD) prediction using machine learning algorithms | |
Nabi et al. | Machine learning approach: Detecting polycystic ovary syndrome & it's impact on bangladeshi women | |
Grant et al. | Machine learning versus traditional methods for the development of risk stratification scores: a case study using original Canadian Syncope Risk Score data | |
Liu et al. | Manifold ranking based scoring system with its application to cardiac arrest prediction: a retrospective study in emergency department patients | |
Kaur et al. | Artificial Intelligence approaches for Predicting Hypertension Diseases: Open Challenges and Research Issues | |
Ichikawa et al. | Impact of predicting health-guidance candidates using massive health check-up data: a data-driven analysis | |
Reddy et al. | Predicting relapse of the myocardial infarction in hospitalized patients | |
Zhang et al. | Survival topic models for predicting outcomes for trauma patients | |
Nissa et al. | Heart disease prediction using machine learning techniques | |
CN112037876B (zh) | 慢性病病程阶段分析系统、装置和存储介质 | |
JP2008186439A (ja) | 在宅健康管理システム | |
Al-Dallal et al. | Prediction of non-communicable diseases using class comparison data mining | |
Vijayakumar et al. | An Intelligent stacking Ensemble-Based Machine Learning Model for Heart abnormality | |
Singh et al. | Heart Disease Prediction Using Machine Learning Algorithm | |
Vamsi et al. | Prediction of micro vascular and macro vascular complications in type-2 diabetic patients using machine learning techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150401 |