基于大数据和人工智能的精子受精功能预测模型的制作方法

1.本发明属于受精功能预测技术领域，具体涉及基于大数据和人工智能的精子受精功能预测模型。


背景技术：

2.辅助生殖技术的发展，已能帮助那些因严重男性因素导致不育的夫妇获得健康子代。然而迄今为止，尚缺乏有效的精子受精功能评估指标。生殖生物学和生殖遗传学的发展为评估精子结构和功能提供了许多值得借鉴的评估方法，如精子膜功能检测、顶体功能检测及遗传物质完整性检测，但这些检测对精子功能评估的准确性非常有限，难以作为独立的临床目标；并且目前对精子受精功能的检测，需要患者进行多项身体检测，过程繁琐，易对患者造成心理负担。


技术实现要素：

3.本发明提供了基于大数据和人工智能的精子受精功能预测模型，拟解决现有技术中提到的在进行受精功能检测时，需要进行繁琐的各项身体检测，易造成患者的心理负担的问题。
4.本发明采用的技术方案如下：
5.基于大数据和人工智能的精子受精功能预测模型，包括以下步骤：
6.步骤1：通过精子数据库得到精子的受精功能以及对应的提供者；
7.步骤2：基于精子数据库得到对应提供者的医疗信息；
8.步骤3：基于受精功能以及影响受精功能的关联特征以及关联特征持续时间建立预测模型；
9.步骤4：基于精子数据库中得到的受精功能以及医疗信息对预测模型进行训练，得到不同关联特征所对应的相关权重；
10.步骤5：获取待检测者所存在的关联特征，将待检测者所存在的关联特征输入预测模型中进行计算，得到每个关联特征对受精功能的影响因子；
11.步骤6：基于步骤5中得到的所有关联特征的影响因子得到受精功能预测结果。
12.本发明提供了一种基于大数据和人工智能的精子受精功能预测模型，基于精子数据库中的精子的受精功能以及对应的提供者的医疗信息建立预测模型；通过将待检测者的相关信息输入预测模型中，得到各个关联特征的影响因子，再基于所有关联特征的影响因子得到受精功能预测结果；通过本发明实现了精子受精功能的自动预测，基于待检测者的历史医疗数据以及生活习性实现了受精功能的自动预测；避免了繁琐的检测项目造成待检测者心理负担；本发明中所述的精子数据库即为现有的人类精子数据库。
13.并且本发明在建立所述预测模型时还充分考虑到了关联特征的持续时间，例如生活习性中的抽烟、喝酒等不良嗜好；该类不良嗜好持续的时间越长对精子的受精功能影响越大；故本发明充分的考虑到不良嗜好或部分病理原因所持续的时间对受精功能的影响呈
正相关的因素，使得本发明的预测精度更加精确。
14.优选的，所述关联特征包括生活关联特征和病理关联特征。
15.优选的，所述生活关联特征包括影响受精功能的生活习惯；所述病理关联特征包括影响受精功能的病理因素。
16.优选的，所述步骤4中包括以下步骤：
17.步骤4.1：将精子数据库中得到的受精功能以及医疗信息按照对应的提供者构建数组结构；
18.步骤4.2：将步骤4.1中所构建的所有数组结构分为测试集和训练集；
19.步骤4.3：基于训练集对预测模型进行训练，得到不同关联特征所对应的相关权重；
20.步骤4.4：基于测试集以及不同关联特征所对应的相关权重对预测模型进行测试，若测试结果不准确则调整模型参数，直至测试结果准确，得到不同关联特征所对应的相关权重。
21.优选的，所述步骤6包括以下步骤：
22.步骤6.1：获取步骤5中所有关联特征的影响因子，并检测所获取的影响因子中是否存在结果为1的影响因子，若存在则直接输出无受精功能；若并不存在结果为1的影响因子则执行步骤6.2；
23.步骤6.2：基于获取的所有关联特征的影响因子，对受精功能进行预测：
24.设共有n个关联特征，对应所述关联特征的影响因子为x1、x2、x3、x4……
xn，且 x1、x2、x3、x4……
xn大于等于零小于等于1；
25.z＝(x1 x2 x3 x4
……
xn)/n；
26.式中：z为所有关联特征对受精功能的影响度；
27.步骤6.3：建立优等、中等、差等以及无受精功能等级，并分别对应优等、中等、差等以及无受精功能等级建立z所对应的区间范围；
28.步骤6.4：基于输出的z的值，确定所属的区间范围，进而确定被检测者的受精功能等级。
29.优选的，所述测试集和训练集按照7比3的比例进行划分。
30.综上所述，由于采用了上述技术方案，本发明的有益效果是：
31.本发明提供了一种基于大数据和人工智能的精子受精功能预测模型，基于精子数据库中的精子的受精功能以及对应的提供者的医疗信息建立预测模型；通过将待检测者的相关信息输入预测模型中，得到各个关联特征的影响因子，再基于所有关联特征的影响因子得到受精功能预测结果；通过本发明实现了精子受精功能的自动预测，基于待检测者的历史医疗数据以及生活习性实现了受精功能的自动预测；避免了繁琐的检测项目造成待检测者心理负担；
32.并且本发明在建立所述预测模型时还充分考虑到了关联特征的持续时间，例如生活习性中的抽烟、喝酒等不良嗜好；该类不良嗜好持续的时间越长对精子的受精功能影响越大；故本发明充分的考虑到不良嗜好或部分病理原因所持续的时间对受精功能的影响呈正相关的因素，使得本发明的预测精度更加精确。
附图说明
33.本发明将通过例子并参照附图的方式说明，其中：
34.图1是本发明的流程示意框图。
具体实施方式
35.本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
36.下面结合图1对本发明作详细说明。
37.基于大数据和人工智能的精子受精功能预测模型，包括以下步骤：
38.步骤1：通过精子数据库得到精子的受精功能以及对应的提供者；
39.步骤2：基于精子数据库得到对应提供者的医疗信息；
40.步骤3：基于受精功能以及影响受精功能的关联特征以及关联特征持续时间建立预测模型；
41.所述关联特征包括生活关联特征和病理关联特征。
42.优选的，所述生活关联特征包括影响受精功能的生活习惯；所述病理关联特征包括影响受精功能的病理因素。
43.所述影响受精功能的生活习惯包括：接触放射性素、接触有毒有害物质、吸烟以及酗酒等；
44.所述影响受精功能的病理因袭包括：乙肝、丙肝、梅毒、淋病、艾滋病、衣原体、支原体、巨细胞病毒、风疹病毒、单纯疱疹病毒和弓形体、致病菌感染以及遗传病等。
45.步骤4：基于精子数据库中得到的受精功能以及医疗信息对预测模型进行训练，得到不同关联特征所对应的相关权重；
46.所述步骤4中包括以下步骤：
47.步骤4.1：将精子数据库中得到的受精功能以及医疗信息按照对应的提供者构建数组结构；
48.步骤4.2：将步骤4.1中所构建的所有数组结构分为测试集和训练集；所述测试集和训练集按照7比3的比例进行划分。
49.步骤4.3：基于训练集对预测模型进行训练，得到不同关联特征所对应的相关权重；
50.步骤4.4：基于测试集以及不同关联特征所对应的相关权重对预测模型进行测试，若测试结果不准确则调整模型参数，直至测试结果准确，得到不同关联特征所对应的相关权重。
51.步骤5：获取待检测者所存在的关联特征，将待检测者所存在的关联特征输入预测模型中进行计算，得到每个关联特征对受精功能的影响因子；
52.步骤6：基于步骤5中得到的所有关联特征的影响因子得到受精功能预测结果。
53.所述步骤6包括以下步骤：
54.步骤6.1：获取步骤5中所有关联特征的影响因子，并检测所获取的影响因子中是否存在结果为1的影响因子，若存在则直接输出无受精功能；若并不存在结果为1的影响因子则执行步骤6.2；
55.步骤6.2：基于获取的所有关联特征的影响因子，对受精功能进行预测：
56.设共有n个关联特征，对应所述关联特征的影响因子为x1、x2、x3、x4……
xn，且 x1、x2、x3、x4……
xn大于等于零小于等于1；
57.z＝(x1 x2 x3 x4
……
xn)/n；
58.式中：z为所有关联特征对受精功能的影响度；
59.步骤6.3：建立优等、中等、差等以及无受精功能等级，并分别对应优等、中等、差等以及无受精功能等级建立z所对应的区间范围；
60.步骤6.4：基于输出的z的值，确定所属的区间范围，进而确定被检测者的受精功能等级。
61.本发明提供了一种基于大数据和人工智能的精子受精功能预测模型，基于精子数据库中的精子的受精功能以及对应的提供者的医疗信息建立预测模型；通过将待检测者的相关信息输入预测模型中，得到各个关联特征的影响因子，再基于所有关联特征的影响因子得到受精功能预测结果；通过本发明实现了精子受精功能的自动预测，基于待检测者的历史医疗数据以及生活习性实现了受精功能的自动预测；避免了繁琐的检测项目造成待检测者心理负担；
62.并且本发明在建立所述预测模型时还充分考虑到了关联特征的持续时间，例如生活习性中的抽烟、喝酒等不良嗜好；该类不良嗜好持续的时间越长对精子的受精功能影响越大；故本发明充分的考虑到不良嗜好或部分病理原因所持续的时间对受精功能的影响呈正相关的因素，使得本发明的预测精度更加精确。
63.以上所述实施例仅表达了本技术的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术技术方案构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。