预产期精准预测方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术涉及预产期精准预测方法、装置、计算机设备及存储介质，该方法包括获取孕期的医疗数据，并按照孕期进行医疗数据的划分，以得到初始数据；对所述初始数据进行预处理，以得到预处理后的数据；对预处理后的数据输入至预产期预测模型内进行预产期预测，以得到预测结果；反馈所述预测结果至终端，以在终端进行显示；其中，所述预产期预测模型是通过若干个医疗数据进行预处理后形成样本集进行训练所得的。本发明专利技术实现结合不同孕期的生理参数特点，获取不同孕期的相关特征并进行重要性分析，获取更加准确的预测结果。

【技术实现步骤摘要】
预产期精准预测方法、装置、计算机设备及存储介质
本专利技术涉及人工智能
，更具体地说是指预产期精准预测方法、装置、计算机设备及存储介质。
技术介绍
EDD(精准预测分娩日期，EstimateDeliverydate)即预产期有助于妊娠结局和临床决策，包括早产儿和足月儿的早期筛查，制定胎儿发育不良的措施，合理安排产前检查时间和分娩护理措施等，旨在保障分娩安全，提高产科工作效率。预产期的精准预测对孕妇和新生儿的生命安全及其健康结果都至关重要，目前临床上多采用基于LMP(末次月经，lastmenstrualperiod)和超声检查的方法推算预产期，如Naegele规则。然而此类方法具有明显的局限性，如LMP数据的获取主要依靠产妇回忆，难以保证LMP数据的可靠性，而月经周期不规律、口服避孕药和早孕出血等情况亦会影响对LMP的判断；而超声数据的获取需经专门培训的医务人员，且检查精度受其技术水平的影响。因此，现有的预产期预测的准确率较低，且易受医务人员个人因素的干扰，大约仅5％的新生儿在预产期当天出生。互联网+时代下，机器学习模型以其高精度、高效率在在母胎医学领域中得到广泛的应用，旨在获得更加精准的预产期。一类研究致力于寻找更加有效的预产期“标志物”，如L和RussellFung等人的研究，在基于LMP和超声数据的基础上，利用血液代谢物和胎儿生物测定数据以提高预测精度；而SchinkT等人则利用医疗索赔数据来估计怀孕的开始时间，并由此推算预产期。此类研究虽然在一定程度上提高了预产期的精确度，但使用的计算模型较为单一，数据获取的成本较高，且方法的推广性较差，其实用性和科学性需经进一步的多中心、大样本的验证。另一类研究则是整合诊疗数据的挖掘数据方法，以获取孕期的相关特征，如TorresMT等人分析新生儿的脚、脸和耳朵的超声图像，并结合完全卷积网络、支持向量回归等模型实现预产期预测，但目前此类预测模型忽略了时间序列因素的影响，再者准确的预产期需要评估孕妇的身体状况，并通过判断孕妇各个阶段的胎儿发育状况来分析近期的趋势，综上所述，现有的方式并不能做到更加准确的预测预产期。因此，有必要设计一种新的方法，实现结合不同孕期的生理参数特点，获取不同孕期的相关特征并进行重要性分析，获取更加准确的预测结果。
技术实现思路
本专利技术的目的在于克服现有技术的缺陷，提供预产期精准预测方法、装置、计算机设备及存储介质。为实现上述目的，本专利技术采用以下技术方案：预产期精准预测方法，包括：获取孕期的医疗数据，并按照孕期进行医疗数据的划分，以得到初始数据；对所述初始数据进行预处理，以得到预处理后的数据；对预处理后的数据输入至预产期预测模型内进行预产期预测，以得到预测结果；反馈所述预测结果至终端，以在终端进行显示；其中，所述预产期预测模型是通过若干个医疗数据进行预处理后形成样本集进行训练所得的。其进一步技术方案为：所述预产期预测模型是通过GBDT模型和GRU模型结合所得。其进一步技术方案为：所述初始数据包括固定医疗数据和动态医疗数据，其中，所述固定医疗数据包括产前数据集以及妊娠早期数据集，所述动态医疗数据包括妊娠中晚期数据集。其进一步技术方案为：所述对所述初始数据进行预处理，以得到预处理后的数据，包括：对所述初始数据中的临床病例资料进行筛选和汇总，以得到汇总后的数据；对汇总后的数据进行数据转换和特征提取，以得到关键特征；对所述关键特征进行缺失值填补，以得到填补结果；对所述填补结果进行归一化处理，以得到处理后的数据；对处理后的数据进行异常值剔除，以得到预处理后的数据。其进一步技术方案为：所述预产期预测模型是通过若干个医疗数据进行预处理后形成样本集进行训练所得的，包括：对若干个医疗数据进行预处理后形成样本集基于树的计算实时变量的信息增益率进行特征选择，以得到第一特征；对若干个医疗数据进行预处理后形成样本集利用梯度提升树生成第二特征；融合第一特征以及第二特征，以得到新特征；构建GRU模型，利用所述新特征对所述GRU模型进行训练，采用预设定的评价指标评价训练后的所述GRU模型，以得到预产期预测模型。其进一步技术方案为：所述对若干个医疗数据进行预处理后形成样本集基于树的计算实时变量的信息增益率进行特征选择，以得到第一特征，包括：对若干个医疗数据进行预处理后形成样本集内固定医疗数据分别通过XGBoost模型和RF模型计算对应的预测值，并对两个预测值进行求平均值，以得到第一平均值；选择第一平均值大于预设的信息增益率阈值所对应的动态数据，以得到固定特征；对若干个医疗数据进行预处理后形成样本集内动态医疗数据分别通过XGBoost模型和RF模型计算每个阶段的预测值，并计算每个阶段的预测值的平均值，以得到第二平均值；选择第二平均值大于预设的信息增益率阈值所对应的动态数据，以得到动态特征；其中，所述第一特征包括动态特征以及固定特征。其进一步技术方案为：所述对若干个医疗数据进行预处理后形成样本集利用梯度提升树生成第二特征，包括：构建梯度提升树，并利用梯度提升树对若干个医疗数据进行预处理后形成样本集中的妊娠早期数据集生成第二特征；其中，所述构建梯度提升树，包括：计算梯度提升树的负梯度；更新对应的基学习器；对每轮产生的基学习器通过线性相加，以得到梯度提升树。本专利技术还提供了预产期精准预测装置，包括：数据获取单元，用于获取孕期的医疗数据，并按照孕期进行医疗数据的划分，以得到初始数据；预处理单元，用于对所述初始数据进行预处理，以得到预处理后的数据；预测单元，用于对预处理后的数据输入至预产期预测模型内进行预产期预测，以得到预测结果；发送单元，用于反馈所述预测结果至终端，以在终端进行显示。本专利技术还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如上述的方法。本专利技术还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现上述的方法。本专利技术与现有技术相比的有益效果是：本专利技术通过获取医疗数据，并对医疗数据进行预处理后，输入由GBDT模型和GRU模型结合的预产期预测模型内进行自动预测，由此获取精准地预产期，实现结合不同孕期的生理参数特点，获取不同孕期的相关特征并进行重要性分析，获取更加准确的预测结果。下面结合附图和具体实施例对本专利技术作进一步描述。附图说明为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的预产期精准预测方法的应用场景示意图；图2为本专利技术实施例提本文档来自技高网...

【技术保护点】
1.预产期精准预测方法，其特征在于，包括：/n获取孕期的医疗数据，并按照孕期进行医疗数据的划分，以得到初始数据；/n对所述初始数据进行预处理，以得到预处理后的数据；/n对预处理后的数据输入至预产期预测模型内进行预产期预测，以得到预测结果；/n反馈所述预测结果至终端，以在终端进行显示；/n其中，所述预产期预测模型是通过若干个医疗数据进行预处理后形成样本集进行训练所得的。/n

【技术特征摘要】
1.预产期精准预测方法，其特征在于，包括：
获取孕期的医疗数据，并按照孕期进行医疗数据的划分，以得到初始数据；
对所述初始数据进行预处理，以得到预处理后的数据；
对预处理后的数据输入至预产期预测模型内进行预产期预测，以得到预测结果；
反馈所述预测结果至终端，以在终端进行显示；
其中，所述预产期预测模型是通过若干个医疗数据进行预处理后形成样本集进行训练所得的。


2.根据权利要求1所述的预产期精准预测方法，其特征在于，所述预产期预测模型是通过GBDT模型和GRU模型结合所得。


3.根据权利要求1所述的预产期精准预测方法，其特征在于，所述初始数据包括固定医疗数据和动态医疗数据，其中，所述固定医疗数据包括产前数据集以及妊娠早期数据集，所述动态医疗数据包括妊娠中晚期数据集。


4.根据权利要求1所述的预产期精准预测方法，其特征在于，所述对所述初始数据进行预处理，以得到预处理后的数据，包括：
对所述初始数据中的临床病例资料进行筛选和汇总，以得到汇总后的数据；
对汇总后的数据进行数据转换和特征提取，以得到关键特征；
对所述关键特征进行缺失值填补，以得到填补结果；
对所述填补结果进行归一化处理，以得到处理后的数据；
对处理后的数据进行异常值剔除，以得到预处理后的数据。


5.根据权利要求1所述的预产期精准预测方法，其特征在于，所述预产期预测模型是通过若干个医疗数据进行预处理后形成样本集进行训练所得的，包括：
对若干个医疗数据进行预处理后形成样本集基于树的计算实时变量的信息增益率进行特征选择，以得到第一特征；
对若干个医疗数据进行预处理后形成样本集利用梯度提升树生成第二特征；
融合第一特征以及第二特征，以得到新特征；
构建GRU模型，利用所述新特征对所述GRU模型进行训练，采用预设定的评价指标评价训练后的所述GRU模型，以得到预产期预测模型。


6.根据权利要求5所述的预产期精准预测方法，其特征在于，所述...

【专利技术属性】
技术研发人员：袁贞明，俞凯，邹旭，张艺超，吴英飞，
申请(专利权)人：杭州和乐科技有限公司，
类型：发明
国别省市：浙江;33