[发明专利]用于用户妊娠状态分类的方法、装置、电子设备及介质

说明书

本申请公开了一种用于用户妊娠状态分类的方法、装置、电子设备及介质。本申请中，可以从产前检查数据中心调取妊娠期用户的样本数据集，样本数据包括妊娠期用户的孕周数值；通过随机森林算法持续优化训练决策树模型，得到目标预测模型；获取待检测妊娠期用户的生理特征数据，将待检测妊娠期用户的生理特征数据输入至目标预测模型，得到待检测妊娠期用户的妊娠状态分类结果。通过应用本申请的技术方案，可以通过组合以及优化决策树模型，得到Bagging类型的随机森林集成算法来为妊娠期用户生成可以确定妊娠状态分类的目标预测模型，从而可以实现根据妊娠期用户的生理特征数据自动判断妊娠期用户妊娠状态的目的，进而可以针对性的为用户进行相应的处理。

技术领域

本申请中涉及数据处理技术，尤其是一种用于用户妊娠状态分类的方法、装置、电子设备及介质。

背景技术

随着通信技术的发展和广泛应用，机器学习算法在医疗领域的应用频率和研究深度增长迅速。尤其是针对应用在妊娠期用户的妊娠状态监测是机器学习算法中较有特点的一类。

进一步的，在监测妊娠期用户妊娠状态的过程中，通常需要根据用户的特征数据来判定。其中，对于获取用户特征数据来说，相关技术中可以通过使用数据挖掘将海量数据中的有用信息挖掘出来，并通过发现用户特征数据中存在的规律以及其中的相互关系，提供给决策者们使用，这些对医学决策及医学研究都有巨大的价值和意义。但疾病数据带来的数学挖掘挑战巨大，要处理的疾病数据维度高、数据结构复杂，要求模型有更强大的学习适应能力。

近年来，深度学习得到广泛应用，由于其强大的自动特征提取和复杂函数的表达能力，非常适合处理疾病数据分析所面临的问题。因此，如何在妊娠期用户的特征数据挖掘当中，更好的刻画数据的丰富内在信息与提高判断妊娠期用户的妊娠状态的准确率，是目前产前数据处理分析的重要课题。

发明内容

本申请实施例提供一种用于用户妊娠状态分类的方法、装置、电子设备及介质，其中，根据本申请实施例的一个方面，提供的一种用于用户妊娠状态分类的方法，其特征在于，包括：

从产前检查数据中心调取妊娠期用户的样本数据集，所述样本数据包括所述妊娠期用户的孕周数值；

利用包含所述孕周数值的样本训练集训练初始决策树模型，直至得到训练收敛的决策树模型；

通过随机森林算法持续优化训练所述决策树模型，得到目标预测模型；

获取待检测妊娠期用户的生理特征数据，将所述待检测妊娠期用户的生理特征数据输入至所述目标预测模型，得到所述待检测妊娠期用户的妊娠状态分类结果。

可选地，在基于本申请上述方法的另一个实施例中，所述从产前检查数据中心调取妊娠期用户的样本数据集，包括：

从所述产前检查数据中心调取妊娠期用户的病案信息、基础信息、体检信息、生化检测信息；

将所述病案信息、基础信息、体检信息、生化检测信息合并作为所述妊娠期用户的样本数据集。

可选地，在基于本申请上述方法的另一个实施例中，所述体检信息包括标准体重指数以及血压参数，所述生化检测信息包括血常规参数、尿常规参数以及肝肾功能参数。

可选地，在基于本申请上述方法的另一个实施例中，在所述从产前检查数据中心调取妊娠期用户的样本数据集之后，还包括：

基于所述妊娠期用户的样本数据集，确定每个孕周数值以及对应的权重比；

利用所述每个孕周数值以及对应的权重比，并通过随机森林算法持续优化训练所述决策树模型，得到所述目标预测模型。

可选地，在基于本申请上述方法的另一个实施例中，所述生理特征数据包括所述待检测妊娠期用户的变量年龄值、镁值、宫高值、血清无机磷值、平均血小板容积值、腰围值、总胆固醇值、甲状腺球蛋白值、球蛋白值、总胆红素值的至少一种。