本申請公開了一種用于用戶妊娠狀態分類的方法、裝置、電子設備及介質。本申請中，可以從產前檢查數據中心調取妊娠期用戶的樣本數據集，樣本數據包括妊娠期用戶的孕周數值；通過隨機森林算法持續優化訓練決策樹模型，得到目標預測模型；獲取待檢測妊娠期用戶的生理特征數據，將待檢測妊娠期用戶的生理特征數據輸入至目標預測模型，得到待檢測妊娠期用戶的妊娠狀態分類結果。通過應用本申請的技術方案，可以通過組合以及優化決策樹模型，得到Bagging類型的隨機森林集成算法來為妊娠期用戶生成可以確定妊娠狀態分類的目標預測模型，從而可以實現根據妊娠期用戶的生理特征數據自動判斷妊娠期用戶妊娠狀態的目的，進而可以針對性的為用戶進行相應的處理。

技術領域

本申請中涉及數據處理技術，尤其是一種用于用戶妊娠狀態分類的方法、裝置、電子設備及介質。

背景技術

隨著通信技術的發展和廣泛應用，機器學習算法在醫療領域的應用頻率和研究深度增長迅速。尤其是針對應用在妊娠期用戶的妊娠狀態監測是機器學習算法中較有特點的一類。

進一步的，在監測妊娠期用戶妊娠狀態的過程中，通常需要根據用戶的特征數據來判定。其中，對于獲取用戶特征數據來說，相關技術中可以通過使用數據挖掘將海量數據中的有用信息挖掘出來，并通過發現用戶特征數據中存在的規律以及其中的相互關系，提供給決策者們使用，這些對醫學決策及醫學研究都有巨大的價值和意義。但疾病數據帶來的數學挖掘挑戰巨大，要處理的疾病數據維度高、數據結構復雜，要求模型有更強大的學習適應能力。

近年來，深度學習得到廣泛應用，由于其強大的自動特征提取和復雜函數的表達能力，非常適合處理疾病數據分析所面臨的問題。因此，如何在妊娠期用戶的特征數據挖掘當中，更好的刻畫數據的豐富內在信息與提高判斷妊娠期用戶的妊娠狀態的準確率，是目前產前數據處理分析的重要課題。

發明內容

本申請實施例提供一種用于用戶妊娠狀態分類的方法、裝置、電子設備及介質，其中，根據本申請實施例的一個方面，提供的一種用于用戶妊娠狀態分類的方法，其特征在于，包括：

從產前檢查數據中心調取妊娠期用戶的樣本數據集，所述樣本數據包括所述妊娠期用戶的孕周數值；

利用包含所述孕周數值的樣本訓練集訓練初始決策樹模型，直至得到訓練收斂的決策樹模型；

通過隨機森林算法持續優化訓練所述決策樹模型，得到目標預測模型；

獲取待檢測妊娠期用戶的生理特征數據，將所述待檢測妊娠期用戶的生理特征數據輸入至所述目標預測模型，得到所述待檢測妊娠期用戶的妊娠狀態分類結果。

可選地，在基于本申請上述方法的另一個實施例中，所述從產前檢查數據中心調取妊娠期用戶的樣本數據集，包括：

從所述產前檢查數據中心調取妊娠期用戶的病案信息、基礎信息、體檢信息、生化檢測信息；

將所述病案信息、基礎信息、體檢信息、生化檢測信息合并作為所述妊娠期用戶的樣本數據集。

可選地，在基于本申請上述方法的另一個實施例中，所述體檢信息包括標準體重指數以及血壓參數，所述生化檢測信息包括血常規參數、尿常規參數以及肝腎功能參數。

可選地，在基于本申請上述方法的另一個實施例中，在所述從產前檢查數據中心調取妊娠期用戶的樣本數據集之后，還包括：

基于所述妊娠期用戶的樣本數據集，確定每個孕周數值以及對應的權重比；

利用所述每個孕周數值以及對應的權重比，并通過隨機森林算法持續優化訓練所述決策樹模型，得到所述目標預測模型。

可選地，在基于本申請上述方法的另一個實施例中，所述生理特征數據包括所述待檢測妊娠期用戶的變量年齡值、鎂值、宮高值、血清無機磷值、平均血小板容積值、腰圍值、總膽固醇值、甲狀腺球蛋白值、球蛋白值、總膽紅素值的至少一種。