[发明专利]一种自然流产风险预测系统及构建该系统的方法

权利要求书

1.一种自然流产风险预测系统，包括：

输入装置，用于输入影响自然流产的影响参数；

预测装置，其基于所输入的影响参数对自然流产风险进行预测；

输出装置，用于输出自然流产风险预测结果。

2.如权利要求1所述的自然流产风险预测系统，其特征在于，所述输入装置和输出装置通过互联网与预测装置连接。

3.如权利要求1所述的自然流产风险预测系统，其特征在于，所述输入装置和输出装置通过有线方式和/或无线方式与预测装置连接。

4.如权利要求1所述的自然流产风险预测系统，其特征在于，所述输入装置和输出装置通过固话网络和/或手机网络与预测装置连接。

5.如权利要求1-4中任一项所述的自然流产风险预测系统，其特征在于，所述输出装置为音频输出装置。

6.如权利要求1-4中任一项所述的自然流产风险预测系统，其特征在于，所述预测装置为人工神经网络预测装置。

7.一种构建自然流产风险预测系统的方法，包括如下步骤：

1)对输入的数据进行归一化处理；

2)对归一化处理后的数据进行加权求和，加权求和公式为：

Aj(x‾,w‾)=Σi=0nxiwji]]>

其中x_i表示输入，w_ji表示对应的权值，A_j表示j节点的输出；

3)建立激励函数，激励函数公式为：

Oj(x‾,w‾)=11+eAj(x‾,w‾)]]>

其中，O_j表示j节点经过激励函数后的输出值；

4)神经网络的训练，神经网络训练误差计算公式：

E(x‾,w‾,d‾)=Σj(Oj(x‾,w‾)-dj)2]]>

其中，E表示整个神经网络的误差；

5)最优网络模型的建立，根据输出值的变化，把误差对权值进行求导，从而可以对权值进行微调，使得每次微调后，误差值都能减小。

Δwji=-η∂E∂wji]]>

其中η是网络的学习率，学习率越高，神经网络的收敛越快，但是可能会错过最优解。

8.如权利要求7所述的构建自然流产风险预测系统的方法，其特征在于，在步骤1)中选取下述参数作为影响参数：男/女方文化程度、男/女方职业类型、男/女方年龄、女方既往是否怀孕、是否使用过避孕措施、女方是否进食肉蛋、女方是否厌食蔬菜、女方是否吸烟、女方是否接触二手烟、女方是否饮酒、女方血型以及女方血红蛋白检查值。