[发明专利]早产风险预测方法、装置、计算机设备及存储介质

权利要求书

1.早产风险预测方法，其特征在于，包括：

获取孕期的医疗数据，并对所述医疗数据进行划分，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早产风险预测模型内进行早产风险预测，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，所述早产风险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并依序训练GRU模型以及LGBM模型所得的。

2.根据权利要求1所述的早产风险预测方法，其特征在于，所述初始数据包括产妇个人档案资料、产前检查资料、孕检数据、超声影像检查记录以及产时分娩数据中的分娩时间。

3.根据权利要求1所述的早产风险预测方法，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，以得到合格数据；

对所述合格数据进行孕检结果变化特征群的提取，以得到预处理后的数据。

4.根据权利要求1所述的早产风险预测方法，其特征在于，所述早产风险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并依序训练GRU模型以及LGBM模型所得的，包括：

构建GRU模型；

采用若干个医疗数据进行预处理后形成的样本集对所述GRU模型进行训练，并得到第一预测结果；

构建LGBM模型；

利用所述第一预测结果对所述LGBM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模型以及所述LGBM模型，以得到早产风险预测模型。

5.根据权利要求1所述的早产风险预测方法，其特征在于，所述利用所述第一预测结果对所述LGBM模型进行训练，包括：

将所述第一预测结果进行特征融合，以得到GRU特征；

利用所述GRU特征对所述LGBM模型进行训练。

6.根据权利要求5所述的早产风险预测方法，其特征在于，所述利用所述GRU特征对所述LGBM模型进行训练，包括：

计算所述LGBM模型的负梯度；

更新本轮回归树；

基于单边梯度采样算法计算方差增益值；

利用互补特征压缩算法减少所述GRU特征的维度；

对每轮产生的基学习器通过线性相加，以得到训练后的所述LGBM模型。

7.根据权利要求4所述的早产风险预测方法，其特征在于，所述评价指标包括准确率、灵敏度、特异性以及ROC曲线。

8.早产风险预测装置，其特征在于，包括：

数据获取单元，用于获取孕期的医疗数据，并对所述医疗数据进行划分，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早产风险预测模型内进行早产风险预测，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。

9.一种计算机设备，其特征在于，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权利要求1至7中任一项所述的方法。

10.一种存储介质，其特征在于，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如权利要求1至7中任一项所述的方法。