基于深度信念网络的个人健康评估模型

摘要

随着大众对健康认知的提升，体质检测所采集的基本健康信息以及生理参数指标数据呈指教级增长。基于医疗大数据技术，提出对收集的生理健康数据进行前期预处理和特征提取，通过运用反向传播网络和受限玻尔兹曼机，提出一种基于深度信念网络的个人健康评估模型。该模型能通过训练大量人体健康参数信息，将个人健康评估结果分为3类9级：Healthy（A、B、C），SubHealthy（D＋、D、D），Unhealthy（F＋、F、F），评估出个人健康危险因素与健康状态之间的量化关系。