基于多阶隐马尔可夫模型的健康预警方法

1.一种基于多阶隐马尔可夫模型的健康预警方法，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)建立多阶隐马尔可夫模型，
把人在某一时刻t的健康状态用St表示，则人在不同时间的健康状况用一系列状态表示，人在不同时期的健康状态看成一系列的状态转移；
对人的健康状态指标St用m个指标数据表示，则人在不同时间的健康状况用一系列m维向量表示，St＝(St,1,St,2,……St,m)；
一个人从t时刻状态St到t+1时刻状态St+1转移的概率为Pij，则从t时刻状态到t+1时刻的状态转移概率矩阵为A＝(Pij)N×N,即下面的公式(1)：
St+1＝St A (1)
其中0≤Pij≤1
(四)针对个人的预测与预警，先从个人体征数据信息库中读取相应体征数据，然后获得起初始状态，然后用多阶隐马尔可夫模型做预测。
2.根据权利要求1所述的一种基于多阶隐马尔可夫模型的健康预警方法，其特征在于，所述步骤(1)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所述的一种基于多阶隐马尔可夫模型的健康预警方法，其特征在于，所述步骤(3)中转移概率矩阵A初始值采用专家给定，然后根据病患信息数据和医生增加的病例信息数据更新。
4.根据权利要求3所述的一种基于多阶隐马尔可夫模型的健康预警方法，其特征在于，所述数据更新按下式(2)更新转移概率Pij，
New Pij＝old Pij+dij/N， (2)
其中dij是因病患的数据改变的相应权值增量，-1＜dij＜1，N是总状态数。
5.根据权利要求3所述的一种基于多阶隐马尔可夫模型的健康预警方法，其特征在于，所述数据更新采用概率神经网络的机器学习方法迭代更新与完善。

暂无