[发明专利]婴儿发育情况预测方法、装置、存储介质及电子设备

说明书

公开了一种婴儿发育情况预测方法、装置、存储介质及电子设备，属于计算机程序技术领域。该方法包括：获取待测样本的单次肢体运动数据及对应的月龄数据；进行数据处理，得到与月龄数据相对应的针对待测样本单次肢体运动的特征值；将预定次数的与待测样本相对应的单次肢体运动的特征值及对应的月龄数据带入至堆叠式极限学习机的数学模型，进行逻辑运算；以堆叠式极限学习机的逻辑运算的输出结果作为待测样本发育正常或者发育迟缓的依据，得到婴儿发育情况的预测结果。该装置、存储介质及电子设备能够用于实现该方法。通过其能够对婴儿进行发育情况预测，进一步得到婴儿发育迟缓的可能性，据此，能够为婴儿发育迟缓的早期干预提供可靠的依据。

技术领域

本发明涉及计算机程序技术领域，特别是涉及一种婴儿发育情况预测方法、装置、存储介质及电子设备。

背景技术

现有技术通常是要等到婴幼儿2岁以后才能确诊婴幼儿是否发育迟缓。然而，时至此时才确诊婴幼儿发育迟缓，对婴幼儿的干预已经相对较晚，不利于发育迟缓的婴幼儿恢复。因此，就需要一种能够针对婴儿发育情况进行预测的方法，从而能够为发育迟缓的婴幼儿的恢复进行干预提供依据。

发明内容

有鉴于此，本发明提供了一种婴儿发育情况预测方法、装置、存储介质及电子设备，通过其能够对婴儿进行发育情况预测，进一步得到婴儿发育迟缓的可能性，据此，能够为婴儿发育迟缓的早期干预提供可靠的依据，从而更加适于实用。

为了达到上述第一个目的，本发明提供的婴儿发育情况预测方法的技术方案如下：

本发明提供的婴儿发育情况预测方法包括以下步骤：

获取待测样本的单次肢体运动数据及对应的月龄数据；

针对所述待测样本的单次肢体运动数据进行数据处理，得到与月龄数据相对应的针对所述待测样本单次肢体运动的特征值；

将预定次数的与所述待测样本相对应的单次肢体运动的特征值及对应的月龄数据带入至堆叠式极限学习机的数学模型，进行逻辑运算；

以所述堆叠式极限学习机的逻辑运算的输出结果作为所述待测样本发育正常或者发育迟缓的依据，得到所述婴儿发育情况的预测结果。

本发明提供的婴儿发育情况预测方法还可采用以下技术措施进一步实现。

作为优选，所述堆叠式极限学习机的数学模型的构建方法包括以下步骤：

获取训练样本的单次肢体运动数据及对应的月龄数据，其中，所述训练样本为已知发育状况的样本；

针对所述训练样本的单次肢体运动数据进行数据处理，得到与月龄数据相对应的针对所述训练样本单次肢体运动的特征值；

将所述与月龄数据相对应的针对所述训练样本单次肢体运动的特征值带入至逻辑运算公式：当所述训练样本为多个时，得到多个基于所述逻辑运算公式的表达式；

其中，

L-为单隐层神经网络的节点数，

g(x)-为激活函数，

w_i＝[W_i1,w_i2,...,w_in]^T-为第i个隐层单元的输入权重，

bi-为第i个隐层单元的偏置，

β_i＝[β_i1,β_i2,...,β_im]^T-为第i个隐层单元的输出权重，

oj-为针对训练样本，应用堆叠式极限学习机进行分类后的逻辑运算输出结果，其中，所述逻辑运算输出结果包括发育正常和发育迟缓2个大类；