本发明属于患病风险评估，具体是一种多模态数据融合的冠心病风险评估系统。
背景技术：
1、冠心病，全称冠状动脉粥样硬化性心脏病，有时也叫缺血性心脏病，是指冠状动脉粥样硬化导致心肌缺血、缺氧而引起的心脏病。冠心病由于病因无法根除，因此无法真正治愈，而且还可能会反复发作、进行性加重。因此，对于冠心病的预防尤为重要；现有的预防手段主要是通过风险评估，识别出具有冠心病高风险的人群。这样，医生和患者可以在疾病发作之前就采取适当的预防措施和干预措施，如改善生活方式、调整饮食习惯、加强锻炼、控制血压和血糖等，从而有效延缓或阻止冠心病的发展。
2、现有的冠心病风险评估系统主要是通过整合患者的临床数据、生理指标以及生活习惯等信息，利用数学模型和算法来预测患者发生冠心病的风险。而在整合患者的信息过程中，由于患者的既往病史或其他因素影响下，例如一些与冠心病在某一时段均有相同或相似表征的其他疾病，其会影响冠心病的正常诊断，从而导致将其他疾病误诊为冠心病，以至直接影响风险评估系统的准确性。因此，亟需一种多模态数据融合的冠心病风险评估系统，能够降低其他疾病对冠心病诊断的干扰，从而提高冠心病评估结果的准确性。
技术实现思路
1、为了解决上述问题，本发明的目的是提供一种多模态数据融合的冠心病风险评估系统，能够对与冠心病具有相同或相似表征的其他疾病进行验证判断，排除其他疾病表征对冠心病诊断的干扰，提高冠心病风险评估结果的准确性。
2、为了实现上述目的，本发明的技术方案如下：
3、一种多模态数据融合的冠心病风险评估系统，包括：数据采集模块、筛选模块、数据预处理模块、数据融合模块、风险评估模块以及输出模块；
4、数据采集模块，用于从多个数据源收集与冠心病风险评估相关的多模态数据；
5、筛选模块，用于从多模态数据中获取患者的所有表征，筛选出冠心病相关表征，基于冠心病进展将冠心病相关表征进行分类归纳，基于患者的既往病史中携带的表征对分类归纳后的表征进行去重消除；
6、数据预处理模块，用于对去重消除后的多模态数据进行清洗、标准化和特征提取；
7、数据融合模块，用于采用融合算法，将预处理后的多模态数据整合成统一的表示；
8、风险评估模块，用于基于机器学习或深度学习技术，利用融合后的多模态数据训练得到风险评估模型，利用风险评估模型预测和评估患者的冠心病风险；
9、输出模块，用于将风险评估结果以可视化的形式呈现给用户。
10、进一步，多模态数据包括但不限于生物标志物数据、医学影像数据、患者生理数据、遗传信息和患者生活习惯数据。
11、进一步，还包括精细化判断模块；精细化判断模块用于获取同时存在于冠心病和既往病史中的第一表征，并判断该第一表征的归属，并基于第一表征的归属以及冠心病相关的表征判断患者冠心病进展。
12、进一步，精细化判断模块对于第一表征归属的判断逻辑为基于第一表征在冠心病中的进展，获取第一表征出现之前的表征，若第一表征出现之前的表征完整且连续，则判断第一表征为冠心病所携带，反之，若第一表征出现之前的表征不连续，则判断第一表征为既往病史所携带。
13、进一步，进展包括早期、中期以及晚期。
14、进一步，精细化判断模块对于患者冠心病进展的判断逻辑为：将冠心病相关表征根据冠心病进展分为早期、中期以及晚期，以冠心病相关表征在进展中的出现时间为第一判断依据，并以出现时间越靠后冠心病相关表征为准；其中，若冠心病相关表征中出现第一表征，则以第一表征的归属为第二判断依据，并排除既往病史的干扰后以第一判断依据判断患者的冠心病进展。
15、进一步，还包括验证模块；验证模块用于若第一表征归属为既往病史时，分析既往病史的疾病类型，获取该疾病类型出现的所有表征，并基于筛选模块所获取的患者的所有表征，判断第一表征是否由既往病史引起的，若该疾病类型出现的所有表征均涵盖于患者的所有表征中，则判断第一表征由既往病史引起的；反之，若该疾病类型出现的所有表征未涵盖于患者的所有表征中，则判断第一表征不是由既往病史引起的，并将第一表征重新归属于冠心病。
16、进一步，数据源包括但不限于医疗影像系统、电子病历系统、生物传感器和患者自报数据。
17、进一步，融合算法包括但不限于特征级融合、决策级融合。
18、进一步，冠心病相关表征包括但不限于血压、血脂、血糖、体重指数、心电图异常、心肌酶谱。
19、采用上述方案有以下有益效果：
20、1、本方案，通过利用数据采集模块对冠心病相关的数据进行采集，确保系统能够获取到全面、多样化的数据，为后续的冠心病风险评估提供丰富的信息基础；相较于现有技术，通过筛选模块从多模态数据中提取出与冠心病直接相关的患者表征，如胸痛、心悸、心电图异常等。然后，基于冠心病进展的不同阶段，对这些表征进行分类归纳。通过基于患者的既往病史中携带的表征，对分类归纳后的表征进行去重消除，使系统能够专注于与冠心病直接相关的表征，提高风险评估的准确性和效率。去重消除进一步保证了数据的纯净性，减少了其他疾病所携带的表征对评估结果的干扰。
21、2、本方案通过采用融合算法，将预处理后的多模态数据整合成统一的表示。这个表示能够综合多个数据源的信息，更全面地反映患者的冠心病风险，系统能够充分利用来自不同数据源的信息，以此提高风险评估的全面性和准确性。
22、3、本方案，通过数据预处理模块，使数据更加规范、一致，便于后续的数据融合和风险评估模型训练。同时特征提取有助于捕捉数据中的关键信息，提高模型的性能。
23、4、本方案，通过精细化判断模块对患者冠心病的进展进行判断，从而获取患者冠心病的具体发展情况，以此提高冠心病风险评估的全面性。
24、5、本方案，通过精细化判断模块将筛选模块筛除的表征进行分析判断，以此避免筛选模块将由冠心病引起的表征消除，影响冠心病风险评估的准确性。若直接将冠心病和既往病史中相同或相似的表征进行去重消除，将无法确定该表征的来源，本方案通过将第一表征即冠心病和既往病史中相同或相似的表征与第一表征出现之前的表征比对，判断其是否连续完整，从而确定第一表征的来源，确保最终输入风险评估模型的数据的可靠性，以此提高冠心病风险评估的准确性。
25、6、本方案，验证模块通过分析既往病史的疾病类型和该疾病类型的所有表征，与患者的所有表征进行比对，以确定第一表征是否真正由既往病史引起，以此能够更加准确地判断冠心病的进展和患者的健康状况。
1.一种多模态数据融合的冠心病风险评估系统，其特征在于：包括：数据采集模块、筛选模块、数据预处理模块、数据融合模块、风险评估模块以及输出模块；
2.根据权利要求1所述的多模态数据融合的冠心病风险评估系统，其特征在于：多模态数据包括但不限于生物标志物数据、医学影像数据、患者生理数据、遗传信息和患者生活习惯数据。
3.根据权利要求1所述的多模态数据融合的冠心病风险评估系统，其特征在于：还包括精细化判断模块；精细化判断模块用于获取同时存在于冠心病和既往病史中的第一表征，并判断该第一表征的归属，并基于第一表征的归属以及冠心病相关的表征判断患者冠心病进展。
4.根据权利要求3所述的多模态数据融合的冠心病风险评估系统，其特征在于：精细化判断模块对于第一表征归属的判断逻辑为基于第一表征在冠心病中的进展，获取第一表征出现之前的表征，若第一表征出现之前的表征完整且连续，则判断第一表征为冠心病所携带，反之，若第一表征出现之前的表征不连续，则判断第一表征为既往病史所携带。
5.根据权利要求4所述的多模态数据融合的冠心病风险评估系统，其特征在于：进展包括早期、中期以及晚期。
6.根据权利要求5所述的多模态数据融合的冠心病风险评估系统，其特征在于：精细化判断模块对于患者冠心病进展的判断逻辑为：将冠心病相关表征根据冠心病进展分为早期、中期以及晚期，以冠心病相关表征在进展中的出现时间为第一判断依据，并以出现时间越靠后冠心病相关表征为准；其中，若冠心病相关表征中出现第一表征，则以第一表征的归属为第二判断依据，并排除既往病史的干扰后以第一判断依据判断患者的冠心病进展。
7.根据权利要求6所述的多模态数据融合的冠心病风险评估系统，其特征在于：还包括验证模块；验证模块用于若第一表征归属为既往病史时，分析既往病史的疾病类型，获取该疾病类型出现的所有表征，并基于筛选模块所获取的患者的所有表征，判断第一表征是否由既往病史引起的，若该疾病类型出现的所有表征均涵盖于患者的所有表征中，则判断第一表征由既往病史引起的；反之，若该疾病类型出现的所有表征未涵盖于患者的所有表征中，则判断第一表征不是由既往病史引起的，并将第一表征重新归属于冠心病。
8.根据权利要求7所述的多模态数据融合的冠心病风险评估系统，其特征在于：数据源包括但不限于医疗影像系统、电子病历系统、生物传感器和患者自报数据。
9.根据权利要求8所述的多模态数据融合的冠心病风险评估系统，其特征在于：融合算法包括但不限于特征级融合、决策级融合。
10.根据权利要求9所述的多模态数据融合的冠心病风险评估系统，其特征在于：冠心病相关表征包括但不限于血压、血脂、血糖、体重指数、心电图异常、心肌酶谱。
