本发明属于生物信息学，具体涉及一种基于感知机算法预测心脏病的系统。
背景技术：
1、心脏病常用的检测方法共有六种，包括心电图检测、多排ct检查、心肌酶学检测、冠状动脉造影、ect检测和超声心动图。这些检测方法一方面准确率较低、很难发现早期病变、且费用昂贵；另一方面，随着心脏病患病人数不断增加，使得医疗临床数据集更加复杂，由于医疗过程的复杂性，仅通过人工的提取、整合及诊断是否得心脏病，不仅过程繁琐复杂，而且准确率和效率方面都不能达到很好的效果。因此，引入一个新型的预测方法来辅助人工进行疾病诊断是当务之急。
2、机器学习是人工智能的一个重要分支，涉及概率论、统计学等，它是用来使人工智能模拟人类学习的重要手段。机器学习主要分为两个方面，其一是“训练”，即通过各种现有的学习资料构建模型，学习资料越多，模型构建越准确。其二便是“决策”，决策是利用第一步训练构建好的模型进行分析计算，“决策”的正确率都由“训练”所构建的模型决定。近年来，机器学习一跃成为科技行业热点，具有高效、周期短、正确率高的优势。中国专利cn114093448a公开了一种新的疾病风险预测模型的构建方法，利用机器学习来进行数据缺失值填补，并对疾病预测模型参数进行有效优化，从而构建形成适用于临床的疾病风险预测模型。
3、感知机模型是机器学习中一种算法模型，其原理为使用训练集训练模型，得到一个分类效果最好的超平面。超平面方程为：w1*x1+w2*x2+…+wn*xn+b＝0。感知机模型就是f(x)＝sign(w·x+b)，其中sign是符号函数。每一个感知机模型，都对应着一个超平面wx+b＝0，这个超平面的参数是(w,b)，其中w为权重(weight)，b为偏置(bias)，输出分为两类，分别是f(x)＞0和f(x)＜0。如果有训练集中某个点(xi,yi)，使得yi(w*xi+b)<0，则称该超平面w*x+b＝0对该点分类失败，此点为误分类点。根据损失函数判断误分类点的值，以此能够了解模型的效果。中国专利cn104200202b公开了一种基于累加感知机的人体上半身检测方法，该方法是将传统的感知机算法级联，利用滑动窗口在各级感知机分类结果的累加值，以一种由粗到精的方式逐级推进，完成精确的人体上半身分类和定位，从而构成了独特的累加感知机算法。但是当前现有技术中并没有通过感知机模型预测心脏病的系统。
技术实现思路
1、除非上下文另有明确指示，否则如本文所用的单数形式“一个”、“一种”和“所述”包括单数和复数指示物。通过端点表述的数值范围包括在对应范围内的所有数值和分数，以及所表述的端点。
2、本发明针对现有技术存在的问题，提供了一种基于感知机算法预测心脏病的系统，该系统能够对患者的心脏患病情况进行预测，且预测准确率和效率高，能够有效地辅助医疗诊断。
3、为实现上述目的，本发明采用的技术方案如下：
4、一种基于感知机算法预测心脏病的系统，包括数据集获取模块、数据预处理模块、预测模块和评估模块；
5、所述预测模块中使用感知机预测模型进行预测；所述感知机预测模型为：f(x)＝sign(w·x+b)，其中x代表特征值，sign代表符号函数，w代表权重，b代表偏置。
6、优选地，所述的数据集获取模块用于获取心脏病患者的数据；所述数据包括年龄、性别、胸部疼痛类型、血压、胆固醇、空腹血糖、心电图结果、最大心跳数、运动时心绞痛情况、运动相对于休息的st depression、心电图st segment的倾斜度、透视检查看到的血管数、缺陷种类、患病情况中的至少6种特征。
7、优选地，所述的数据预处理模块，用于数据集获取模块中数据的预处理，所述预处理包括归一化处理，所述归一化处理，具体为：将所述数据进行线性变化，将数据映射到[0,1]区间。
8、优选地，所述预处理包括标准化处理；所述标准化处理的公式为：
9、
10、其中，x代表特征值，μ为该特征值的均值，σ为该特征值的标准差，x*为标准化后的特征值。
11、优选地，所述预处理后的数据集随机包括训练集。
12、优选地，所述训练集用于感知机预测模型的训练。
13、优选地，所述预处理后的数据集随机包括测试集。
14、优选地，所述测试集用于测试感知机预测模型的准确性。
15、优选地，所述感知机预测模型中所述w和b分别为损失函数值最小时所对应的w和b。
16、优选地，所述损失函数的公式为：
17、优选地，所述评估模块用于输出预测结果。
18、优选地，所述系统对心脏病患者的预测方法，包括以下步骤：
19、s1、使用数据集获取模块获取心脏病患者数据；
20、s2、使用数据预处理模块对步骤s1选取的数据进行预处理；
21、s3、将步骤s2预处理后的数据输入感知机预测模型进行预测；
22、s4、预测结果通过评估模块输出评估报告。
23、优选地，所述评估报告为患有心脏病的概率。
24、相对于现有技术，本发明具有以下有益效果：
25、本发明提供了一种基于感知机算法预测心脏病的系统，该系统基于感知机预测模型与医疗领域进行结合，通过分析患者身体属性和相关数据等，对患者的患病情况进行初步预测，预测准确率和效率大大提高；与传统医疗诊断相比，该系统的预测准确率和效率大大提高，准确率在90％以上，且预测时间仅为0.2秒，能最有效地辅助医疗诊断。
1.一种基于感知机算法预测心脏病的系统，其特征在于：包括数据集获取模块、数据预处理模块、预测模块和评估模块；
2.根据权利要求1所述的系统，其特征在于：所述的数据集获取模块用于获取心脏病患者的数据；所述数据包括年龄、性别、胸部疼痛类型、血压、胆固醇、空腹血糖、心电图结果、最大心跳数、运动时心绞痛情况、运动相对于休息的stdepression、心电图st segment的倾斜度、透视检查看到的血管数、缺陷种类、患病情况中的至少6种特征。
3.根据权利要求1所述的系统，其特征在于：所述的数据预处理模块，用于数据集获取模块中数据的预处理，所述预处理包括归一化处理，所述归一化处理，具体为：将所述数据进行线性变化，将数据映射到[0,1]区间。
4.根据权利要求1所述的系统，其特征在于：所述预处理包括标准化处理；所述标准化处理的公式为：
5.根据权利要求3所述的系统，其特征在于：所述预处理后的数据集随机包括训练集。
6.根据权利要求3所述的系统，其特征在于：所述训练集用于感知机预测模型的训练。
7.根据权利要求6所述的系统，其特征在于：所述感知机预测模型中所述w和b分别为损失函数值最小时所对应的w和b。
8.根据权利要求7所述的系统，其特征在于：所述损失函数的公式为：
9.根据权利要求1所述的系统，其特征在于：所述评估模块用于输出预测结果。
10.根据权利要求1-9任一项所述的系统，其特征在于：所述系统对心脏病患者的预测方法包括以下步骤：
