基于多数据融合的卵巢储备功能减退预测方法

本发明涉及基于多数据融合的卵巢储备功能减退预测方法，其技术方案包括以下步骤：定期采集与卵巢储备相关的生物标志物数据，包括抗缪勒管激素AMH、促卵泡激素FSH、黄体生成素LH、雌二醇E2，以及包含卵泡数量和卵巢体积的超声图像数据；采集时间点覆盖月经周期的关键阶段，获取动态变化曲线数据，捕捉卵巢储备功能的变化趋势；利用LSTM深度学习模型对多次采集的生物标志物数据进行分析，建模出每个患者的卵巢储备功能随时间的变化趋势；通过分析AMH、FSH生物标志物的周期性波动，预测未来卵巢储备功能出现的减退时间节点；在S1.1的LSTM深度学习模型基础上，结合患者包括年龄、基因、生活方式、疾病史的个体特征进行个性化风险评估。