[发明专利]人工授精成功率的影响因素计算方法、系统及计算机设备

说明书

本发明涉及一种人工授精成功率的影响因素计算方法、系统及计算机设备，所述方法包括：收集病例的结构化信息，提取妊娠信息及其相关特征；对相关特征进行转换，使得特征能被用户与算法接受；采用交叉验证的方式训练极大无关多元逻辑回归模型；输出最优超参下每个类别对应的模型参数，并对所有模型参数进行最大最小归一化，将参数约束到[0，1]区间内，作为影响度输出；该方法能够最大化类别差异，分别给出每个类别的影响因素的重要性，能够有效降低影响因素多重共线性带来的影响，具有良好的可解释性。

技术领域

本发明机器学习领域，尤其涉及基于极大无关多元逻辑回归的多囊卵巢综合征患者夫精宫腔内人工授精成功率的影响因素计算方法、系统及计算机设备。

背景技术

辅助生殖在现代医学中，获得了飞速的发展。辅助生殖旨在通过对精子、卵细胞、胚胎的人工操作，帮助没有生育能力的夫妇妊娠。该技术包括人工授精和体外授精-胚胎移植。夫精宫腔内人工授精是指收集丈夫的精液，直接或经处理以后注入女性子宫内的一种助孕技术，因其实用性、非侵入性、廉价成本，广泛应用于不孕不育的治疗当中。医学研究者们已经条分缕析影响授精成功率的因素，进一步地提高了人工授精方法的成功率。但是影响因素的联合分布较为复杂，卡方检验等方法仅能检验单个因素和目标列关系，无法量化影响因素之间的重要程度，在多症并发的情况下，所得分析结果可能已经隐藏真实信息。

多囊卵巢综合症是一种荷尔蒙紊乱的内分泌疾病，主要表现为雄性激素增多、排卵障碍和卵巢多囊样改变。多囊卵巢综合症影响大约有十分之一的妇女，是导致女性不孕的原因之一。在此症状下，若存在通畅输卵管，则可以进行人工授精的方式受孕。在夫妇多症综合影响下，影响人工授精成功率的因素分析变得较为复杂。人工分组进行对比分析的方式，无可避免的会忽略掉一些非主流的因素。机器学习的重要性分析方法也被研究者们采用，它可以量化因素与因素之间，因素与目标之间重要性，但是症状的形成原因是往往是由多个因素共同引起的，使得机器学习中变量之间独立同分的基础假设难以满足，甚至拟合出的模型根本不能工作。本发明旨在削弱独立同分布变量对模型的最终影响，使得模型能够准确量化出因素和因素之间，因素和变量之间的重要性。

人工授精技术的主要环节为精液的前期处理和授精的时机。影响因素分析能够有效提高多囊卵巢综合症患者临床妊娠率。研究人员常用卡方检验来统计样本的实际观测值与理论推断值之间的偏离程度，其相关性的计算结果不受其他因素影响，因素与因素之间的重要程度对比分析较为困难。逻辑斯蒂回归(以下简称逻辑回归)是一种简单有效的二分类回归算法，在数据量足够多的情况下能够获得合理的后验分布。在对二分类任务建模的同时，能够直接输出各个特征对于妊娠影响的重要程度。但是患者所表现的临床特征具有高度相关性，在线性模型中表现为特征的多重共线性，导致模型不能准确描述真实场景。

发明内容

本发明为解决上述问题，本发明提出了一种基于极大无关多元逻辑回归的多囊卵巢综合征患者夫精宫腔内人工授精成功率的影响因素计算方法、系统及计算机设备。本发明引入机器学习的方法对特征重要性作出量化，增加不相关惩罚项至多元逻辑回归模型的优化目标中，对模型的各组参数进行不相关干预，极大化类别特征之间的差异，减小特征之间多重共线性带来的影响。

根据本发明的一个方面，提供一种基于极大无关多元逻辑回归的多囊卵巢综合征患者夫精宫腔内人工授精成功率的影响因素计算方法，包括：

步骤1，收集病例的结构化信息，提取是否妊娠信息及其相关特征；

步骤2，对妊娠信息及其相关特征进行转换；

步骤3，采用交叉验证结合网格搜索的方式训练极大无关多元逻辑回归模型；

步骤4，输出最优超参下每个类别对应的模型参数，对所有模型参数进行最大最小归一化，将参数约束到[0，1]区间内，作为影响度输出。

根据本发明的另一个方面，提供一种基于极大无关多元逻辑回归的多囊卵巢综合征患者夫精宫腔内人工授精成功率的影响因素计算系统，包括：