本發(fā)明涉及醫(yī)療數(shù)據(jù)信息處理，尤其涉及基于常規(guī)檢驗數(shù)據(jù)的人體營養(yǎng)元素缺乏風險智能預測方法。

背景技術：

1、人體健康依賴于多種營養(yǎng)元素的均衡攝入，這些元素包括維生素、礦物質、蛋白質、脂肪及碳水化合物等，它們在人體內各自承擔著不同的生理功能，共同維持著生命的正常運作。營養(yǎng)需求的多樣性要求個體在日常飲食中廣泛攝取各類食物，以確保獲得全面而充足的營養(yǎng)支持。然而，隨著現(xiàn)代生活方式的快速變化，人們面臨著前所未有的營養(yǎng)挑戰(zhàn)?？旃?jié)奏的生活節(jié)奏導致飲食不規(guī)律、快餐文化盛行，加之環(huán)境污染、食物加工過程中的營養(yǎng)損失以及個人不良飲食習慣等因素，使得人體營養(yǎng)元素缺乏成為普遍現(xiàn)象。這些挑戰(zhàn)不僅影響了營養(yǎng)素的正常吸收和利用，還加劇了營養(yǎng)不良和健康問題的風險。

2、人體營養(yǎng)元素的缺乏會直接導致一系列健康問題，包括生長發(fā)育遲緩、免疫功能下降、貧血、骨骼異常以及神經系統(tǒng)癥狀等，長期缺乏還可能增加慢性疾病的風險。因此，營養(yǎng)元素缺乏的提早發(fā)現(xiàn)和動態(tài)監(jiān)測對于確保個體獲得全面而均衡的營養(yǎng)支持具有重要作用。這不僅有助于及時發(fā)現(xiàn)和糾正營養(yǎng)問題，還能確保每個人根據(jù)其健康需求獲得適當?shù)臓I養(yǎng)支持，從而促進整體健康水平的提升。

3、但是，現(xiàn)如今的人體營養(yǎng)元素測定技術往往側重于單一營養(yǎng)素的檢測，忽略了營養(yǎng)系統(tǒng)的整體性和營養(yǎng)素之間的相互作用。這種做法無法全面評估個體的營養(yǎng)狀況，可能導致評估結果的偏差。例如，若忽視維生素c對鐵吸收的促進作用，將直接影響對貧血風險的準確評估?；诖?，面對多種營養(yǎng)元素缺乏的復雜情況，多標簽識別技術通過整合多種檢測原理與信號處理技術，實現(xiàn)多種營養(yǎng)素的同時檢測，大幅提升檢測效率。但是，高昂的成本、繁瑣的操作流程以及對專業(yè)人員的依賴，使得生化檢測技術在普及上遇到障礙。簡化檢測流程、降低成本，提高檢測技術的便捷性和普及性，也是當前亟待解決的問題。

4、此外，人體營養(yǎng)狀況受多種因素影響，呈現(xiàn)動態(tài)變化。因此，構建一個有效的動態(tài)監(jiān)測機制，實時跟蹤和評估個體的營養(yǎng)狀況，對于營養(yǎng)干預和健康管理具有重要意義。因此，本發(fā)明提出了一種基于常規(guī)檢驗數(shù)據(jù)的人體營養(yǎng)元素缺乏風險智能預測方法。

技術實現(xiàn)思路

1、本發(fā)明的目的是提供基于常規(guī)檢驗數(shù)據(jù)的人體營養(yǎng)元素缺乏風險智能預測方法，旨在預測人體營養(yǎng)元素缺乏風險結果，為健康管理提供有力支持。

2、為實現(xiàn)上述目的，本發(fā)明提供了基于常規(guī)檢驗數(shù)據(jù)的人體營養(yǎng)元素缺乏風險智能預測方法，其特征在于，包括以下步驟：

3、s1、獲取受試者基本個人信息以及常規(guī)檢驗數(shù)據(jù)；

4、s2、對步驟s1中獲取的數(shù)據(jù)信息進行數(shù)據(jù)清洗；

5、s3、全面評估個體營養(yǎng)狀況，規(guī)范化標注營養(yǎng)元素缺乏的風險標簽；

6、s4、訓練人體營養(yǎng)元素缺乏風險預測模型；

7、s5、確定人體營養(yǎng)元素缺乏風險預測模型的最佳閾值；

8、s6、評估基于常規(guī)檢驗數(shù)據(jù)的人體營養(yǎng)元素缺乏風險預測的可行性。

9、優(yōu)選的，在步驟s1中，受試者的基本信息，包括年齡、性別、病史；受試者的常規(guī)檢驗數(shù)據(jù)，包括血常規(guī)、尿常規(guī)、生化檢驗、糞常規(guī)。

10、優(yōu)選的，在步驟s2中，對步驟s1中獲取的數(shù)據(jù)信息進行數(shù)據(jù)清洗，具體過程如下：

11、s21、清除異常數(shù)；

12、基于統(tǒng)計方法，識別與正常數(shù)據(jù)范圍相差過大或過小的樣本；對于異常值，選擇直接剔除或根據(jù)數(shù)據(jù)分布情況采用合適的統(tǒng)計方法進行修正；

13、s22、填補缺失數(shù)據(jù)；

14、分析缺失數(shù)據(jù)的類型和分布，判斷缺失類型；對于不同的數(shù)據(jù)特征和業(yè)務背景，選擇不同的填補方法填補數(shù)據(jù)集中的缺失信息，確保數(shù)據(jù)分析的完整性；

15、s23、使用z-score標準化公式調整數(shù)據(jù)的分布，如下所示：

16、

17、其中，x為原始數(shù)據(jù)，μ為均值，σ為標準差，將每個數(shù)據(jù)點轉換為新的標準化值。

18、優(yōu)選的，在步驟s3中，全面評估個體營養(yǎng)狀況，規(guī)范化標注營養(yǎng)元素缺乏的風險標簽，具體過程如下：

19、s31、收集受試者不同生物樣本的生化分析結果，分析其中特定營養(yǎng)素的濃度水平；其中，生物樣本包括血液、尿液、頭發(fā)、唾液；特定營養(yǎng)素包括維生素、礦物質、脂肪酸、氨基酸

20、s32、將來自不同生物樣本的營養(yǎng)素濃度信息融合，對個體營養(yǎng)狀況進行全面評估；

21、s33、對受試者的常規(guī)檢驗數(shù)據(jù)進行系統(tǒng)化處理，即標注出規(guī)范化的營養(yǎng)元素缺乏風險的標簽。

22、優(yōu)選的，在步驟s4中，訓練人體營養(yǎng)元素缺乏風險預測模型，具體過程如下：

23、s41、根據(jù)步驟s33標注的標簽對常規(guī)檢驗數(shù)據(jù)進行多標簽分類訓練，基于全連接神經網絡算法構建人體營養(yǎng)元素缺乏風險預測模型；

24、s42、引入sigmoid激活函數(shù)，預測多標簽分類任務中每個標簽的獨立概率；其中，sigmoid函數(shù)的輸出范圍在0到1之間；使用二分類交叉熵損失函數(shù)，進行每個標簽的獨立二分類。

25、優(yōu)選的，在步驟s5中，通過最大化約登指數(shù)方法確定人體營養(yǎng)元素缺乏風險預測模型的最佳閾值，如下所示：

26、約登指數(shù)＝敏感性+特異性-1?(2)；

27、

28、優(yōu)選的，在步驟s6中，可行性評估包括人體營養(yǎng)元素缺乏風險預測模型的整體評估和針對各個元素預測性能的評估；其中，人體營養(yǎng)元素缺乏風險預測模型整體評估采用前五準確率、準確率評價指標；各元素預測性能評估指標為準確率、敏感性和特異性；

29、

30、因此，本發(fā)明采用上述基于常規(guī)檢驗數(shù)據(jù)的人體營養(yǎng)元素缺乏風險智能預測方法，采用多標簽分類方法與閾值優(yōu)化技術，全面提升對人體多種營養(yǎng)元素缺乏風險的識別能力，依托常規(guī)檢驗數(shù)據(jù)，無需復雜生化設備，為營養(yǎng)狀況提供全面評估；通過閾值優(yōu)化提升識別準確性，減少誤判，降低了檢測成本與時間，實現(xiàn)了營養(yǎng)狀況的動態(tài)監(jiān)測與即時反饋，助力個性化營養(yǎng)干預方案的精準制定，具有全面性、高效性、準確性及實時動態(tài)監(jiān)測的特點。

31、下面通過附圖和實施例，對本發(fā)明的技術方案做進一步的詳細描述。

技術特征：

1.基于常規(guī)檢驗數(shù)據(jù)的人體營養(yǎng)元素缺乏風險智能預測方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的基于常規(guī)檢驗數(shù)據(jù)的人體營養(yǎng)元素缺乏風險智能預測方法，其特征在：在步驟s1中，受試者的基本信息，包括年齡、性別、病史；受試者的常規(guī)檢驗數(shù)據(jù)，包括血常規(guī)、尿常規(guī)、生化檢驗、糞常規(guī)。

3.根據(jù)權利要求1所述的基于常規(guī)檢驗數(shù)據(jù)的人體營養(yǎng)元素缺乏風險智能預測方法，其特征在于，在步驟s2中，對步驟s1中獲取的數(shù)據(jù)信息進行數(shù)據(jù)清洗，具體過程如下：

4.根據(jù)權利要求1所述的基于常規(guī)檢驗數(shù)據(jù)的人體營養(yǎng)元素缺乏風險智能預測方法，其特征在于，在步驟s3中，全面評估個體營養(yǎng)狀況，規(guī)范化標注營養(yǎng)元素缺乏的風險標簽，具體過程如下：

5.根據(jù)權利要求4所述的基于常規(guī)檢驗數(shù)據(jù)的人體營養(yǎng)元素缺乏風險智能預測方法，其特征在于，在步驟s4中，訓練人體營養(yǎng)元素缺乏風險預測模型，具體過程如下：

6.根據(jù)權利要求4所述的基于常規(guī)檢驗數(shù)據(jù)的人體營養(yǎng)元素缺乏風險智能預測方法，其特征在于，在步驟s5中，通過最大化約登指數(shù)方法確定人體營養(yǎng)元素缺乏風險預測模型的最佳閾值，如下所示：

7.根據(jù)權利要求1所述的基于常規(guī)檢驗數(shù)據(jù)的人體營養(yǎng)元素缺乏風險智能預測方法，其特征在于：在步驟s6中，可行性評估包括人體營養(yǎng)元素缺乏風險預測模型的整體評估和針對各個元素預測性能的評估；其中，人體營養(yǎng)元素缺乏風險預測模型整體評估采用前五準確率、準確率評價指標；各元素預測性能評估指標為準確率、敏感性和特異性；

技術總結
本發(fā)明屬于醫(yī)療數(shù)據(jù)信息處理技術領域，公開了基于常規(guī)檢驗數(shù)據(jù)的人體營養(yǎng)元素缺乏風險智能預測方法，包括以下步驟：獲取受試者基本個人信息以及常規(guī)檢驗數(shù)據(jù)；對獲取的數(shù)據(jù)信息進行數(shù)據(jù)清洗；全面評估個體營養(yǎng)狀況，規(guī)范化標注營養(yǎng)元素缺乏的風險標簽；訓練人體營養(yǎng)元素缺乏風險預測模型；確定人體營養(yǎng)元素缺乏風險預測模型的最佳閾值；評估基于常規(guī)檢驗數(shù)據(jù)的人體營養(yǎng)元素缺乏風險預測的可行性。本發(fā)明采用上述基于常規(guī)檢驗數(shù)據(jù)的人體營養(yǎng)元素缺乏風險智能預測方法，全面提升對人體多種營養(yǎng)元素缺乏風險的識別能力，降低了檢測成本與時間，實現(xiàn)了營養(yǎng)狀況的動態(tài)監(jiān)測與即時反饋，具有全面性、高效性、準確性及實時動態(tài)監(jiān)測的特點。

技術研發(fā)人員：陳超,宋彪,王亞楠,侯艷
受保護的技術使用者：內蒙古衛(wèi)數(shù)數(shù)據(jù)科技有限公司
技術研發(fā)日：
技術公布日：2025/1/9