[发明专利]胎儿估重方法、装置、系统、存储介质和计算机设备

权利要求书

1.一种胎儿估重方法，其特征在于，包括以下步骤：

获取孕妇的身份信息；

当根据所述孕妇的身份信息从预设数据库查询到对应孕妇的B超检查数据时，则调取所述孕妇的身份信息对应的B超检查数据；

获取所述孕妇的孕期数据；

根据所述孕妇的B超检查数据和所述孕妇的孕期数据，采用训练后的神经网络模型，评估得到胎儿的预测体重并输出。

2.根据权利要求1所述的胎儿估重方法，其特征在于，在所述获取孕妇的身份信息之后，还包括步骤：

当根据所述孕妇的身份信息从预设数据库未查询到对应孕妇的B超检查数据时，根据接收的指示信息获取孕妇的B超检查数据。

3.根据权利要求1所述的胎儿估重方法，其特征在于，在所述获取孕妇的身份信息的步骤之前，还包括：

获取训练样本数据和神经网络模型；

根据所述训练样本数据对所述神经网络模型进行训练，得到神经网络模型的输出结果；

根据所述神经网络模型的输出结果和所述训练样本数据对应的预设实际结果建立代价函数；

根据梯度下降法求解得到所述代价函数的最优解，根据所述最优解和所述神经网络模型得到训练后的神经网络模型。

4.根据权利要求3所述的胎儿估重方法，其特征在于，所述根据所述训练样本数据对所述神经网络模型进行训练，得到神经网络模型的输出结果的步骤，包括：

根据所述训练样本数据和所述神经网络模型当前层的初始权重得到当前层的输出结果，对次数进行迭代得到迭代次数；

将所述当前层的输出结果作为下一层的训练样本数据，将下一层作为当前层，再次根据所述训练样本数据和所述神经网络模型当前层的初始权重得到当前层的输出结果，对次数进行迭代得到迭代次数的步骤，直至迭代次数达到预设次数，将当前层的输出结果作为所述神经网络模型的输出结果。

5.根据权利要求3所述的胎儿估重方法，其特征在于，所述根据所述神经网络模型的输出结果和所述训练样本数据对应的预设实际结果建立代价函数，具体为：

J(W)＝||a-Y||2

其中，J(W)为代价函数，a为神经网络模型的输出结果，Y为训练样本对应的预设实际结果。

6.根据权利要求3所述的胎儿估重方法，其特征在于，所述根据梯度下降法求解得到所述代价函数的最优解，具体为：

W = W - k * ∂ ∂ w J ( W ) ]]>

其中，J(W)为代价函数，k为学习速率，W为权重。

7.一种胎儿估重装置，其特征在于，包括：

孕妇身份信息获取模块，用于获取孕妇的身份信息；

数据调取模块，用于当根据所述孕妇的身份信息从预设数据库查询到对应孕妇的B超检查数据时，则调取所述孕妇的身份信息对应的B超检查数据；

孕期数据获取模块，用于获取所述孕妇的孕期数据；

体重评估模块，用于根据所述孕妇的B超检查数据和所述孕妇的孕期数据，采用训练后的神经网络模型，评估得到胎儿的预测体重并输出。