一种卵巢低反应概率的预测方法及系统

本发明涉及人工智能，尤其涉及一种卵巢低反应概率的预测方法及系统。

背景技术：

1、随着生育年龄的推迟，越来越多的高龄女性需要借助辅助生殖技术来实现怀孕和生育。然而，由于年龄和生理特点的影响，一些高龄女性在接受辅助生殖治疗时可能会出现卵巢低反应，即卵巢对生殖激素刺激的反应不足，导致卵泡数量少、质量差，从而影响卵子的质量和数量。针对这种情况，拮抗剂方案通过使用拮抗剂抑制黄体生成素的分泌，阻止卵泡早期发育，以控制卵泡生长速度和数量。在实施该方案前，临床医生通常会依据一些基础指标预测卵巢低反应的概率，通过预测得到的概率帮助医生评估患者在整个治疗过程中卵巢低反应的风险，并及时调整治疗方案。

2、然而，当前的预测方法往往只考虑少数指标，如基础生理指标(如年龄、激素水平等)，并未充分考虑治疗过程中的动态变化，无法全面捕捉患者在整个治疗周期中卵巢反应状态的动态变化，也不能提供连续或阶段性的风险评估。此外，这些预测方法也无法全面捕捉到影响卵巢反应的潜在生物标志物和信号通路，因此，仍存在对于高龄女性的卵巢低反应概率的预测精度不高的问题。

技术实现思路

1、本发明提供一种卵巢低反应概率的预测方法及系统，其主要目的在于解决对于高龄女性的卵巢低反应概率的预测精度不高的问题。

2、为实现上述目的，本发明提供的一种卵巢低反应概率的预测方法，所述方法包括：

3、获取不同模态的卵巢反应数据，根据所述卵巢反应数据进行多模态数据联合，得到关联特征；

4、对所述关联特征进行特征选择，得到关键特征；

5、根据所述关键特征构建状态转移概率矩阵；

6、对所述状态转移概率矩阵进行阈值优化，得到状态概率模型；

7、获取受试者的综合数据，利用所述状态概率模型对所述综合数据进行卵巢低反应概率预测，得到受试者卵巢低反应概率。

8、可选地，所述根据所述卵巢反应数据进行多模态数据联合，得到关联特征，包括：

9、对所述卵巢反应数据中数值类数据进行归一化，得到归一化数据，利用如下公式对所述数值类数据进行归一化：

10、

11、其中，g为得到的归一化数据，x为数值类数据中的数据值，μ为数据值对应的均值，σ为数据值对应的标准差；

12、对所述卵巢反应数据中图像类数据进行卵巢特征提取，得到卵巢数据；

13、对所述卵巢反应数据中基因类数据进行差异提取，得到基因数据；

14、将所述归一化数据、所述卵巢数据以及所述基因数据按列拼接，得到关联特征。

15、可选地，所述对所述卵巢反应数据中图像类数据进行卵巢特征提取，得到卵巢数据，包括：

16、对所述图像类数据进行滤波处理，得到平滑图像；

17、对所述平滑图像进行边缘检测，得到卵巢结构；

18、根据所述卵巢结构进行区域分割，得到卵巢区域；

19、对所述卵巢区域进行参数计算，得到卵巢数据。

20、可选地，所述对所述卵巢反应数据中基因类数据进行差异提取，得到基因数据，包括:

21、对所述基因类数据进行序列矫正，得到基因数组；

22、对所述基因数组进行基因检验，得到差异基因；

23、根据所述差异基因进行通路富集分析，得到基因数据。

24、可选地，所述对所述关联特征进行特征选择，得到关键特征，包括：

25、利用预设的回归算法从所述关联特征中筛选出相关特征；

26、根据所述相关特征进行主成分分析，得到关键特征。

27、可选地，所述利用预设的回归算法从所述关联特征中筛选出相关特征，包括：

28、利用预设的回归算法拟合所述关联特征数据，得到回归系数，所述预设的回归算法为：

29、y＝xβ+ε

30、其中，y为关联特征中卵巢反应情况，x为所述关联特征构成的特征矩阵，β为回归系数，ε为预设的随机误差；

31、根据所述回归系数对所述关联特征进行权重排序，得到权重序列；

32、利用所述权重序列从所述关联特征中提取出相关特征。

33、可选地，所述根据所述相关特征进行主成分分析，得到关键特征，包括：

34、计算所述相关特征的协方差矩阵；

35、对所述协方差矩阵进行特征值分解，得到特征值以及特征向量；

36、计算出特征值的累计贡献率；

37、根据所述累计贡献率从所述特征向量中筛选出主要特征；

38、计算所述主要特征在所述相关特征上的投影，得到关键特征。

39、可选地，所述根据所述关键特征构建状态转移概率矩阵，包括：

40、对所述关键特征进行状态划分，得到反应状态；

41、根据所述反应状态计算状态转移概率；

42、根据所述状态转移概率以及所述反应状态生成状态转移概率矩阵。

43、可选地，所述对所述状态转移概率矩阵进行阈值优化，得到状态概率模型，包括：

44、根据所述转移概率以及对应的预设概率阈值集合对所述状态转移概率矩阵进行优化，得到优化模型；

45、对所述优化模型利用所述关键特征进行交叉验证，得到状态概率模型。

46、为了解决上述问题，本发明还提供一种卵巢低反应概率的预测系统，所述系统包括：

47、数据联合模块，用于获取不同模态的卵巢反应数据，根据所述卵巢反应数据进行多模态数据联合，得到关联特征；

48、特征选择模块，用于对所述关联特征进行特征选择，得到关键特征；

49、矩阵构建模块，用于根据所述关键特征构建状态转移概率矩阵；

50、阈值优化模块，用于对所述状态转移概率矩阵进行阈值优化，得到状态概率模型；

51、模型应用模块，用于获取受试者的综合数据，利用所述状态概率模型对所述综合数据进行卵巢低反应概率预测，得到受试者卵巢低反应概率。

52、本发明实施例通过获取不同模态的卵巢反应数据，对卵巢反应数据进行多模态数据联合，可以更加全面的捕捉影响卵巢反应的因素，进而根据不同的因素进行卵巢低反应概率预测，得到更加准确的概率预测结果；通过对关键特征构建状态转移概率矩阵，可以量化不同的生理状态以及生理状态之间的转换规律，进而通过量化的转换规律推测出可能出现的未来状态，提高预测准确性。因此本发明提出的一种卵巢低反应概率的预测方法及系统，可以解决对于高龄女性的卵巢低反应概率的预测精度不高的问题。

技术特征：

1.一种卵巢低反应概率的预测方法，其特征在于，所述方法包括：

2.如权利要求1所述的卵巢低反应概率的预测方法，其特征在于，所述根据所述卵巢反应数据进行多模态数据联合，得到关联特征，包括：

3.如权利要求2所述的卵巢低反应概率的预测方法，其特征在于，所述对所述卵巢反应数据中图像类数据进行卵巢特征提取，得到卵巢数据，包括：

4.如权利要求2所述的卵巢低反应概率的预测方法，其特征在于，所述对所述卵巢反应数据中基因类数据进行差异提取，得到基因数据，包括:

5.如权利要求1所述的卵巢低反应概率的预测方法，其特征在于，所述对所述关联特征进行特征选择，得到关键特征，包括：

6.如权利要求5所述的卵巢低反应概率的预测方法，其特征在于，所述利用预设的回归算法从所述关联特征中筛选出相关特征，包括：

7.如权利要求5所述的卵巢低反应概率的预测方法，其特征在于，所述根据所述相关特征进行主成分分析，得到关键特征，包括：

8.如权利要求1所述的卵巢低反应概率的预测方法，其特征在于，所述根据所述关键特征构建状态转移概率矩阵，包括：

9.如权利要求1所述的卵巢低反应概率的预测方法，其特征在于，所述对所述状态转移概率矩阵进行阈值优化，得到状态概率模型，包括：

10.一种卵巢低反应概率的预测系统，其特征在于，所述系统包括：

技术总结本发明涉及人工智能技术，揭露了一种卵巢低反应概率的预测方法及系统，所述方法包括：获取不同模态的卵巢反应数据，根据卵巢反应数据进行多模态数据联合，得到关联特征；对关联特征进行特征选择，得到关键特征；根据关键特征构建状态转移概率矩阵；对状态转移概率矩阵进行阈值优化，得到状态概率模型；获取受试者的综合数据，利用状态概率模型对综合数据进行卵巢低反应概率预测，得到受试者卵巢低反应概率。本发明可以解决对于高龄女性的卵巢低反应概率的预测精度不高的问题。技术研发人员：吕冬冬,王婧彦受保护的技术使用者：郑州大学第三附属医院（河南省妇幼保健院）技术研发日：技术公布日：2024/6/11