本发明涉及人工智能，尤其是一种早发冠心病预测方法及系统。
背景技术：
1、冠状动脉粥样硬化性心脏病是一种临床上常见的因冠状动脉狭窄或阻塞导致心肌缺血缺氧所致的心脏病。随着人们生活水平、饮食习惯和精神压力的不断改变，青少年的超重、肥胖呈明显增加趋势，导致冠心病的发病年龄也越来越低龄化，即早发冠心病（男＜55岁，女＜65岁）。早发冠心病正以不低的比率在年轻人群中发病，发病前多无征兆、发病急、多表现为急性冠脉综合征（acute coronary syndrome, acs）。近年来acs的发病率和死亡率逐渐升高，尤其是早发冠心病罹患acs不但严重威胁生命健康，也给家庭、社会带来了沉重的经济负担，因而亟需对早发冠心病进行准确预测以针对可能罹患早发冠心病的人群进行防治策略研究。
2、现有的早发冠心病预测方法大部分采用机器学习方法，利用低密度脂蛋白（ldl）、c-反应蛋白（crp）等医学生化指标，并结合目标对象的年龄、性别等基础信息实现对早发冠心病的预测。然而，现有的早发冠心病预测方法所依据的医学生化指标与早发冠心病不具有强相关性，如c-反应蛋白在目标对象体内具有炎症时也会呈现升高现象，因此无法全面、准确地预测目标对象是否会罹患早发冠心病。
技术实现思路
1、为解决上述现有技术问题，本发明提供早发冠心病预测方法及系统，能够全面、准确地对目标对象进行早发冠心病预测。
2、为了达到上述技术目的，本发明所采取的技术方案包括：
3、第一方面，本发明提供了一种早发冠心病预测方法，包括：
4、获取目标对象的相关数据，相关数据包括个人数据、基础医疗数据和拓展医疗数据，个人数据包括身高和体重，基础医疗数据包括甘油三酯数据和空腹血糖数据，拓展医疗数据包括肌酸激酶、c-反应蛋白、纤维蛋白原；或者，拓展医疗数据为0；
5、对相关数据进行编码处理，并对编码后的相关数据进行特征提取，得到个人数据对应的第一特征向量集、基础医疗数据对应的第二特征向量集和拓展医疗数据对应的第三特征向量集；
6、在第二特征向量集中分别选取各个特征向量作为样本，采用relief特征选择算法为第一特征向量集中的特征向量、第二特征向量集中的特征向量以及第三特征向量集中的特征向量分配权重；
7、将分配好权重的第一特征向量集、第二特征向量集、第三特征向量集送入预设的残差网络，得到残差输出结果，残差网络包括若干个残差块以及在每个残差块做特征融合后的位置设置的软阈值去除层；
8、将残差输出结果通过softmax函数进行归一化处理，得到早发冠心病预测结果。
9、另外，本发明的一种早发冠心病预测方法，还可以具有以下附加的技术特征：
10、进一步地，本发明的一种早发冠心病预测方法中，获取目标对象的相关数据包括：
11、响应于目标对象完成诊疗服务或者体检服务，读取目标对象的数据；
12、确认目标对象的数据中存在基础医疗数据，将目标对象的数据确定为相关数据。
13、进一步地，在本发明中，在获取目标对象的相关数据后，早发冠心病预测方法还包括：
14、将个人数据、基础医疗数据和拓展医疗数据分别存储至各自对应的不同的数据表中。
15、进一步地，在本发明中，对相关数据进行编码处理包括：
16、分别对个人数据中的所有项、基础医疗数据中的所有项和拓展医疗数据中的所有项求均值、方差、最大值、最小值后做标准化。
17、进一步地，在本发明中，对编码后的相关数据进行特征提取，得到个人数据对应的第一特征向量集、基础医疗数据对应的第二特征向量集和拓展医疗数据对应的第三特征向量集包括：
18、采用预设的特征提取网络对编码后的相关数据进行特征提取，得到第一特征向量集、第二特征向量集和第三特征向量集，特征提取网络包括由稠密网络组成的稠密块以及依次设置在稠密块后的max-pooling层、dropout层、flatten层和dense层。
19、进一步地，在本发明中，早发冠心病预测方法还包括：
20、以图表的形式展示相关数据和早发冠心病预测结果。
21、第二方面，本发明提出了一种早发冠心病预测系统，包括：
22、服务端模块，所述服务端模块包括用户管理子单元和数据分析子单元；
23、其中，用户管理子单元用于获取目标对象的相关数据，相关数据包括个人数据、基础医疗数据和拓展医疗数据，个人数据包括身高和体重，基础医疗数据包括甘油三酯数据和空腹血糖数据，拓展医疗数据包括肌酸激酶、c-反应蛋白、纤维蛋白原；或者，拓展医疗数据为0；
24、数据分析子单元用于对相关数据进行编码处理，并对编码后的相关数据进行特征提取，得到个人数据对应的第一特征向量集、基础医疗数据对应的第二特征向量集和拓展医疗数据对应的第三特征向量集；数据分析子单元用于在第二特征向量集中分别选取各个特征向量作为样本，采用relief特征选择算法为第一特征向量集中的特征向量、第二特征向量集中的特征向量以及第三特征向量集中的特征向量分配权重；数据分析子单元用于将分配好权重的第一特征向量集、第二特征向量集、第三特征向量集送入预设的残差网络，得到残差输出结果，残差网络包括若干个残差块以及在每个残差块做特征融合后的位置设置的软阈值去除层；数据分析子单元还用于将残差输出结果通过softmax函数进行归一化处理，得到早发冠心病预测结果。
25、进一步地，在本发明中，早发冠心病预测系统还包括客户端模块，客户端模块包括数据采集子单元、数据上传子单元；
26、其中，数据采集子单元用于响应于目标对象完成诊疗服务或者体检服务，读取目标对象的数据；
27、数据上传子单元用于确认目标对象的数据中存在基础医疗数据，将目标对象的数据确定为相关数据。
28、进一步地，在本发明中，客户端模块还包括数据展示子单元；
29、数据展示子单元用于以图表的形式展示相关数据和早发冠心病预测结果。
30、进一步地，在本发明中，用户管理子单元还用于将个人数据、基础医疗数据和拓展医疗数据分别存储至各自对应的不同的数据表中。
31、本发明的有益效果体现在，通过获取目标对象的个人数据、基础医疗数据和拓展医疗数据，其中个人数据包括身高和体重，基础医疗数据包括甘油三酯数据和空腹血糖数据，拓展医疗数据包括肌酸激酶、c-反应蛋白、纤维蛋白原，或者为0；然后对相关数据进行编码处理后进行特征提取，得到个人数据对应的第一特征向量集、基础医疗数据对应的第二特征向量集和拓展医疗数据对应的第三特征向量集，并在第二特征向量集中分别选取各个特征向量作为样本，采用relief特征选择算法为第一特征向量集中的特征向量、第二特征向量集中的特征向量以及第三特征向量集中的特征向量分配权重，使得第二特征向量集中的特征向量的权重最高，同时为第一特征向量集中的特征向量和第三特征向量集中的特征向量分配了适宜的权重，进而将分配好权重的第一特征向量集、第二特征向量集和第三特征向量集送入设置有软阈值去除层的残差网络，在特征融合的同时滤除不必要的特征，最终将残差输出结果通过softmax函数进行归一化处理，得到早发冠心病预测结果。本发明引入了与早发冠心病存在更明显相关性的个人数据和基础医疗数据，结合拓展医疗数据，为个人数据对应的第一特征向量集、基础医疗数据对应的第二特征向量集、拓展医疗数据对应的第三特征向量集分配适宜的权重，全面地并以适宜的权重考虑目标对象各项指标对早发冠心病患病概率的影响，并在特征处理过程中引入软阈值去除层滤除影响早发冠心病预测结果准确性的不必要特征，最终通过归一化处理得到早发冠心病患病概率，提高了早发冠心病预测结果的全面性和准确性。
1.一种早发冠心病预测方法，其特征在于，包括：
2.根据权利要求1所述的一种早发冠心病预测方法，其特征在于，所述获取目标对象的相关数据包括：
3.根据权利要求1所述的一种早发冠心病预测方法，其特征在于，在所述获取目标对象的相关数据后，所述方法还包括：
4.根据权利要求1所述的一种早发冠心病预测方法，其特征在于，所述对所述相关数据进行编码处理包括：
5.根据权利要求1所述的一种早发冠心病预测方法，其特征在于，所述对编码后的所述相关数据进行特征提取，得到所述个人数据对应的第一特征向量集、所述基础医疗数据对应的第二特征向量集和所述拓展医疗数据对应的第三特征向量集包括：
6.根据权利要求1所述的一种早发冠心病预测方法，其特征在于，所述方法还包括：
7.一种早发冠心病预测系统，其特征在于，包括：
8.根据权利要求7所述的一种早发冠心病预测系统，其特征在于，所述系统还包括客户端模块，所述客户端模块包括数据采集子单元、数据上传子单元；
9.根据权利要求8所述的一种早发冠心病预测系统，其特征在于，所述客户端模块还包括数据展示子单元；
10.根据权利要求7所述的一种早发冠心病预测系统，其特征在于，所述用户管理子单元还用于将所述个人数据、所述基础医疗数据和所述拓展医疗数据分别存储至各自对应的不同的数据表中。
