1.一種糖尿病視網(wǎng)膜病變的預警方法，其特征在于，包括：
獲取預定數(shù)量的樣本患者的糖尿病歷史數(shù)據(jù)；
對預定數(shù)量的樣本患者的糖尿病歷史數(shù)據(jù)進行預處理，獲取醫(yī)療特征數(shù)據(jù)；
建立所述醫(yī)療特征數(shù)據(jù)與視網(wǎng)膜病變發(fā)生的關聯(lián)關系；
根據(jù)所述關聯(lián)關系，得到未曾出現(xiàn)過視網(wǎng)膜病變的患者是否發(fā)生視網(wǎng)膜病變的預警信息。
2.根據(jù)權利要求1所述的糖尿病視網(wǎng)膜病變的預警方法，其特征在于，所述糖尿病歷史數(shù)據(jù)包括：糖尿病確診時間，視網(wǎng)膜檢查歷史和血壓、血糖、糖化血紅蛋白HbA1c及血脂的監(jiān)測數(shù)據(jù)。
3.根據(jù)權利要求1所述的糖尿病視網(wǎng)膜病變的預警方法，其特征在于，所述醫(yī)療特征數(shù)據(jù)包括：糖尿病病程、血壓異常比例、血糖異常比例、HbA1c異常比例及血脂異常比例；所述異常比例由患者的個性化控制目標確定。
4.根據(jù)權利要求2或3所述的糖尿病視網(wǎng)膜病變的預警方法，其特征在于，對預定數(shù)量的患者的糖尿病歷史數(shù)據(jù)進行預處理，獲取醫(yī)療特征數(shù)據(jù)的步驟，包括：
根據(jù)所述視網(wǎng)膜檢查歷史確定所述樣本患者的患者類別；
按照所述患者類別對所述糖尿病歷史數(shù)據(jù)進行預處理，獲取醫(yī)療特征數(shù)據(jù)。
5.根據(jù)權利要求4所述的糖尿病視網(wǎng)膜病變的預警方法，其特征在于，根據(jù)所述視網(wǎng)膜檢查歷史確定所述樣本患者的患者類別的步驟，包括：
將所述視網(wǎng)膜檢查歷史中始終未出現(xiàn)過視網(wǎng)膜病變的樣本患者確定為第一類患者；中途出現(xiàn)視網(wǎng)膜病變的樣本患者確定為第二類患者。
6.根據(jù)權利要求5所述的糖尿病視網(wǎng)膜病變的預警方法，其特征在于，按照所述患者類別對所述糖尿病歷史數(shù)據(jù)進行預處理，獲取醫(yī)療特征數(shù)據(jù)的步驟，包括：
根據(jù)所述第一類患者的視網(wǎng)膜檢查歷史中最后一次檢查的時間，確定所述第一類患者的糖尿病病程；
獲取所述視網(wǎng)膜檢查歷史中最后兩次檢查之間的間隔時間內(nèi)所有的血壓、 血糖、HbA1c及血脂的監(jiān)測數(shù)據(jù)，確定所述監(jiān)測數(shù)據(jù)的異常比例。
7.根據(jù)權利要求5所述的糖尿病視網(wǎng)膜病變的預警方法，其特征在于，按照所述患者類別對所述糖尿病歷史數(shù)據(jù)進行預處理，獲取醫(yī)療特征數(shù)據(jù)的步驟，還包括：
根據(jù)所述第二類患者的視網(wǎng)膜檢查歷史中第一次檢查出視網(wǎng)膜病變的時間，確定所述第二類患者的糖尿病病程；
獲取所述視網(wǎng)膜檢查歷史中最后一次檢查出無病變與第一次檢查出病變之間的時間間隔內(nèi)的所有的血壓、血糖、HbA1c及血脂的監(jiān)測數(shù)據(jù)，確定所述監(jiān)測數(shù)據(jù)的異常比例。
8.根據(jù)權利要求6或7所述的糖尿病視網(wǎng)膜病變的預警方法，其特征在于，建立所述醫(yī)療特征數(shù)據(jù)與視網(wǎng)膜病變發(fā)生的關聯(lián)關系的步驟，包括：
將所述醫(yī)療特征數(shù)據(jù)通過一支持向量機SVM算法得到分類模型參數(shù)；
根據(jù)所述分類模型參數(shù)建立所述醫(yī)療特征數(shù)據(jù)與視網(wǎng)膜病變發(fā)生的關聯(lián)關系的SVM分類模型。
9.根據(jù)權利要求8所述的糖尿病視網(wǎng)膜病變的預警方法，其特征在于，根據(jù)所述關聯(lián)關系，得到未曾出現(xiàn)過視網(wǎng)膜病變的患者是否發(fā)生視網(wǎng)膜病變的預警信息的步驟，包括：
將所述醫(yī)療特征數(shù)據(jù)輸入到所述SVM分類模型中，生成所述未曾出現(xiàn)過視網(wǎng)膜病變的患者是否發(fā)生視網(wǎng)膜病變的預警預測結果。
10.一種糖尿病視網(wǎng)膜病變的預警裝置，其特征在于，包括：
獲取模塊，用于獲取預定數(shù)量的樣本患者的糖尿病歷史數(shù)據(jù)；
數(shù)據(jù)預處理模塊，用于對預定數(shù)量的樣本患者的糖尿病歷史數(shù)據(jù)進行預處理，獲取醫(yī)療特征數(shù)據(jù)；
關系建立模塊，用于建立所述醫(yī)療特征數(shù)據(jù)與視網(wǎng)膜病變發(fā)生的關聯(lián)關系；
病變預警模塊，用于根據(jù)所述關聯(lián)關系，得到未曾出現(xiàn)過視網(wǎng)膜病變的患者是否發(fā)生視網(wǎng)膜病變的預警信息。
11.根據(jù)權利要求10所述的糖尿病視網(wǎng)膜病變的預警裝置，其特征在于，所述糖尿病歷史數(shù)據(jù)包括：糖尿病確診時間，視網(wǎng)膜檢查歷史和血壓、血糖、糖化血紅蛋白HbA1c及血脂的監(jiān)測數(shù)據(jù)。
12.根據(jù)權利要求10所述的糖尿病視網(wǎng)膜病變的預警裝置，其特征在于，
所述醫(yī)療特征數(shù)據(jù)包括：糖尿病病程、血壓異常比例、血糖異常比例、HbA1c異常比例及血脂異常比例；所述異常比例由患者的個性化控制目標確定。
13.根據(jù)權利要求11或12所述的糖尿病視網(wǎng)膜病變的預警裝置，其特征在于，所述數(shù)據(jù)預處理模塊包括：
類別確定子模塊，用于根據(jù)所述視網(wǎng)膜檢查歷史確定所述樣本患者的患者類別；
數(shù)據(jù)預處理子模塊，用于按照所述患者類別對所述糖尿病歷史數(shù)據(jù)進行預處理，獲取醫(yī)療特征數(shù)據(jù)。
14.根據(jù)權利要求13所述的糖尿病視網(wǎng)膜病變的預警裝置，其特征在于，所述類別確定子模塊包括：
類別確定單元，用于將所述視網(wǎng)膜檢查歷史中始終未出現(xiàn)過視網(wǎng)膜病變的樣本患者確定為第一類患者；中途出現(xiàn)視網(wǎng)膜病變的樣本患者確定為第二類患者。
15.根據(jù)權利要求14所述的糖尿病視網(wǎng)膜病變的預警裝置，其特征在于，所述數(shù)據(jù)預處理子模塊包括：
第一數(shù)據(jù)確定單元，用于根據(jù)所述第一類患者的視網(wǎng)膜檢查歷史中最后一次檢查的時間，確定所述第一類患者的糖尿病病程；
第一數(shù)據(jù)獲取處理單元，用于獲取所述視網(wǎng)膜檢查歷史中最后兩次檢查之間的間隔時間內(nèi)所有的血壓、血糖、HbA1c及血脂的監(jiān)測數(shù)據(jù)，確定所述監(jiān)測數(shù)據(jù)的異常比例。
16.根據(jù)權利要求14所述的糖尿病視網(wǎng)膜病變的預警裝置，其特征在于，
所述數(shù)據(jù)預處理子模塊還包括：
第二數(shù)據(jù)確定單元，用于根據(jù)所述第二類患者的視網(wǎng)膜檢查歷史中第一次檢查出視網(wǎng)膜病變的時間，確定所述第二類患者的糖尿病病程；
第二數(shù)據(jù)獲取處理單元，用于獲取所述視網(wǎng)膜檢查歷史中最后一次檢查出無病變與第一次檢查出病變之間的時間間隔內(nèi)的所有的血壓、血糖、HbA1c及血脂的監(jiān)測數(shù)據(jù)，確定所述監(jiān)測數(shù)據(jù)的異常比例。
17.根據(jù)權利要求15或16所述的糖尿病視網(wǎng)膜病變的預警裝置，其特征在于，所述關系建立模塊包括：
模型參數(shù)確定子模塊，用于將所述醫(yī)療特征數(shù)據(jù)通過一支持向量機SVM算法得到分類模型參數(shù)；
分類模型建立模塊，用于根據(jù)所述分類模型參數(shù)建立所述醫(yī)療特征數(shù)據(jù)與視網(wǎng)膜病變發(fā)生的關聯(lián)關系的SVM分類模型。
18.根據(jù)權利要求17所述的糖尿病視網(wǎng)膜病變的預警裝置，其特征在于，所述病變預警模塊包括：
預警生成子模塊，用于將所述醫(yī)療特征數(shù)據(jù)輸入到所述SVM分類模型中，生成所述未曾出現(xiàn)過視網(wǎng)膜病變的患者是否發(fā)生視網(wǎng)膜病變的預警預測結果。
19.一種糖尿病視網(wǎng)膜病變的預警系統(tǒng)，其特征在于，包括糖尿病后臺自我管理系統(tǒng)及移動終端；其中，
所述糖尿病后臺自我管理系統(tǒng)包括如權利要求10-18任一項所述的糖尿病視網(wǎng)膜病變的預警裝置；
所述移動終端用于采集患者的糖尿病歷史數(shù)據(jù)，接收糖尿病后臺自我管理系統(tǒng)返回的視網(wǎng)膜病變的預警信息。