基于云计算在脑血管疾病预测中的研究

邢瑞芳 刘巍 史艳维

摘要：目的：探究使用云计算预测脑血管疾病，为脑血管疾病的预测提供了一种新思路。方法：分析2019年8月至2020年1月，西安航天总医院255例脑血管患者，对照组210例，通过云计算分析数据，通过3D-slicer实现数据可视化。结果：脑血管疾病患者的血脂异常。结论：脑血管疾病患者的血脂异常，定期监测血脂变化对于脑血管病的预测有预防，通过控制血脂等因素可以预测疾病发生。

关键词：云计算;脑血管疾病

中图分类号：R651.15 文献标识码：A

脑血管各项指标变化可以推测心脑血管疾病的发生，血脂的变化㈣，脉压的变化都可以作为统计分析的参考因子，用以预测脑血管疾病的发生。根据云计算可以在疾病预測领域的深入，云计算建立脑血管疾病预测数据模型，根据统计学方法预测脑血管的发病概率并对相关数据实现可视化分析成为一种尝试。首先运用数据挖掘算法进行随机森林预测分析，再根据聚类算法实现可视化分析，由此可以建立预测模型，并提取有关重要性或关联程度的各个特征属性，便于进一步研究。医学图像是存在模糊性，部分图像无法准确分割，决定了医学诊断的模糊性，这时医生的主观诊断是具有不确定性。

数据挖掘算法可以用于脑血管疾病监测。在云计算环境的条件下，采用数据降维处理，并采用权重投票的方式提高预测效率。可视化可以通过云计算和可视化技术实现效果的显示，获取有效的数据信息。

1对象和方法

1.1对象

2019年8月至2020年1月在西安航天总医院的确诊脑出血或脑梗的255例住院患者，其中男性占157例，女性98例，年龄36至83岁，平均（59.8±9.2）岁。对照组210人，包括138名男性和72名女性，平均年龄（57.2±6.4）岁。诊断依据第四届全国脑血管病学术会议标准，经过CT或MRI验证查实。NIHON KOHDEN BSM-2303C日本光电心电监护仪，德国西门子SOMATOM Definition AS+64排128层全是螺旋CT扫描系统。患者首次就诊进行CT扫描，6-8小时进行第二次CT扫描。多田式公式：长×宽×高×π/6，应用该方法计算出血量，这种方法常应用于囊肿体积，出血体积，肿瘤体积估算，患者头颅CT检查结果见图1，图2为血肿扩大组，图3、图4为血肿未扩大组（上排为入院时CT，下排为入院6小时后CT）。

1.2建立模型

1.2.1病史采集

针对病人采集病案号、姓名、年龄、性别、详细病史。了解血压、血脂、血糖、胰岛素、肾功能等各项指标。

1.2.2标本采集

清晨空腹采集静脉血，并制作检验，并准备进行实验室检测。

1.2.3脑血管预测模型

首先根据采集的病人的血脂、血糖、胰岛素、肾功能等各项数据组成原始数据，并进行处理，划分为训练数据和测试数据。运用云计算的贪心算法，先要确定标准，并根据确定的标准将数据排序，对于每次输入，进行选择，在根据贪心算法的选择，继续实行，建立脑血管疾病相关数据模型，通过分层学习，第一设x=an，训练RBM，直至达到平衡。第二，进入下一层的学习，并采用第一个结果的输出。第三，重复执行前面的前两步，直至最后一层。第四，通过极大似然函数做目标函数，并实现网络的最优结构。实现输出数据的目标误差范围，分层模型学习，学习后对模型进行微调。基于随机森林预测分析的数据挖掘和聚类可视化分析方法作为研究课题，以此为基础建立的预测模型可以有效提取出脑血管疾病数据中的各个特征属性的重要性及关联程度。

1.3方法

对脑血管模型的结点个数和网络层数进行优化，设计隐藏层初始值为1，结点数为10个，隐藏层为5个，根据实验发现隐藏层更加敏感，通过对实验的观察结果分析，得到最佳的结点个数，从而确定层数。如表1。

模型建立完成，预测需进行组间比较，P<0.05差异具有统计学意义。

1.4基本思路和方法

（1）将采集数脑血管疾病数据输入脑血管预测模型，并输出结果。

（2）3D-slicer实现数据可视化。如图5，图6。

（3）通过脑血管疾病预测实现统计数据可视化技术可以达到交互式的呈现效果。

2结果分析

如表2所示，脑血管病组与健康组的TG、TC、LDL-C、ApoAI、IP（a）相比P

3讨论

脑血管疾病患者的血脂异常，定期监测血脂变化对于脑血管病的预测有预防，通过控制血脂等因素可以预测疾病发生。系统最终实现输入数据后，可以点击查看预测结果，患脑血管疾病的概率，但结果仅供参考。