[发明专利]一种孕期检查数据的缺失数据处理方法

说明书

本发明公开了一种孕期检查数据的缺失数据处理方法，包括：S1：将孕期数据集进行筛选，并对筛选后的数据集进行划分；S2：将经过步骤S1处理得到的数据集进行标准化处理；S3：利用卷积神经网络对经过标准化处理的数据集进行深度学习，输出填补后的结果；S4：对填补后的结果进行优化，输出最终填补结果；本发明能更有效地利用孕检数据的时序性和数据间的非线性关系，提供更高质量的数据集。

技术领域

本发明涉及信息数据处理技术领域，更具体的说是涉及一种孕期检查数据的缺失数据处理方法。

背景技术

目前，孕妇在孕期容易出现妊娠期并发症，包括妊娠糖尿病、妊娠高血压、妊娠贫血等症状。因此，需要对孕妇的健康状况进行实时、连续的监测和管理。

但是，孕检数据有着纬度高、数据量大、时序性、缺失率高等特点；目前对缺失数据处理的技术有多种，如最普通的有均值填补，利用样本整体的均值进行缺失值填补；先验值填补，通过医学专家补充缺失值。此外还有以下等在效果和适用场景更有优势的填补技术，如回归填补，利用各指标数据与孕周的关系建立回归模型进行插值；KNN(K-NearestNeighbors)填补，基于某种相似度度量算法，选取待填补样本的K个最相似的样本，以这些样本的完整数据的加权平均值来填补缺失数据；矩阵补全算法，通过原始数据分解为两个低秩矩阵，然后使用梯度下降法求解近似值来还原缺失值。但由于孕检数据有着维度大，缺失率高，时序性、包含较多非线性关系等特点，这些方法自身的局限性使得无法更有效的对数据进行处理。

因此，如何提供一种能够解决上述问题的孕检数据缺失填补方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种孕期检查数据的缺失数据处理方法，能更有效地利用孕检数据的时序性和数据间的非线性关系，提供更高质量的数据集。

为了实现上述目的，本发明采用如下技术方案：

一种孕期检查数据的缺失数据处理方法，包括：

S1：将孕期数据集进行筛选，并对筛选后的数据集进行划分；

S2：将经过步骤S1处理得到的数据集进行标准化处理；

S3：利用卷积神经网络对经过标准化处理的数据集进行深度学习，输出填补后的结果；

S4：对填补后的结果进行优化，输出最终填补结果。

优选的，所述卷积神经网络包括：输入层、卷积网络层、长短时记忆网络训练层、线性处理层以及输出层，所述输入层、所述卷积网络层、所述长短时记忆网络训练层、所述线性处理层以及所述输出层依次级联。

优选的，所述步骤S1具体包括：剔除样本量低于200的孕期数据集，并对剔除后的数据集划分为标记数据集及训练数据集。

优选的，所述步骤S2具体为：对所述标记数据集及所述训练数据集进行标准化处理。

优选的，所述步骤S3具体包括：

S31：设缺失序列为X＝{x₁,x₂,...,x_i,...,x_n}，其中a_i表示序列X中时刻数据x_i的可忽略度，并将a_i的结果记为序列A＝{a₁,a₂,...,a_i,...,a_n}，

其中

同时将b_i的结果记为序列B＝{b₁,b₂,...,b_i,...,b_n}，