高血压的控制是全球范围内的重大公共卫生问题。高血压的治疗目标是降低血压,治疗目的是最大限度地降低总的心血管疾病的危险性。而临床治疗中高血压的控制率较低,造成这些问题的一个关键原因是缺乏有效的方法来评估高血压患者的心血管状态。 本课题应用数据挖掘技术,建立了基于生理参数分析的心血管状态评估模型,模型的输入为临床获取的心血管参数,输出是可用于评估心血管状态的特征值,基于此模型建立了高血压疾病的评估方法。本课题主要完成了以下工作: 1.对心血管参数进行聚类分析; 2.利用人工神经网络等方法分析外周血管参数,提出了外周血管评估指数; 3.利用判断矩阵等方法分析心功能参数,提出了心功能评估指数: 4.用外周血管评估指数和心功能评估指数构成参数平面,应用约登指数将该平面分割为9个区域,分别对应不同的心血管状态; 5.利用模糊数学等方法得到3幅参数平面上的隶属度等势线图,并确定心血管状态的二维隶属度。 聚类分析成功的将心血管参数分为外周血管参数和心功能参数两大类,结果与生理意义一致。对342例样本的测试结果表明:正常血压、高血压前期和高血压三组人群的心血管状态在参数平面上的分布具有特异性。对个体分析可给出心血管危险分层、外周血管评估指数、心功能评估指数、约登指数分割平面对应的区域、心血管状态的二维隶属度,由此可以客观的评估心血管状态。 本课题建立的模型为高血压疾病评估提供了一种新的思路,该方法进一步完善后,可应用于高血压及其他慢性疾病的辅助诊断。