摘要
本发明公开了一种基于机器学习实施数据分析预测分娩时间和分娩方式的处理方法、系统;在初始巡检阶段,通过可穿戴设备接口监测孕妇的心率、血压和体动数据;电子健康记录系统中提取孕妇的既往病史信息;通过超声波设备获取胎儿的发育指标;对采集的孕期数据执行预处理操作得到统一的多源数据集;从预处理后的统一的多源数据集的数据中提取与分娩时间和方式相关性较高的特征记载为目标特征;使用基于所选目标特征训练机器学习模型得到训练好的目标预测模型;输入最新收集待预测的孕期数据,利用训练好的目标预测模型对分娩时间和分娩方式进行预测处理操作,输出分娩时间和方式。上述系统能够全面监测反映每位孕妇的独特健康状况的数据,系统通过各模块的协同工作,实现了对分娩时间和分娩方式的精准预测,为后续生产提供了数据技术支持。
技术关键词
分娩方式
电子健康记录系统
随机森林模型
训练机器学习模型
孕妇
统计特征
超声波设备
可穿戴设备
指标
模型训练模块
特征提取模块
数据采集模块
皮尔逊相关系数
交叉验证方法
心率
血压
生理
机器学习算法
系统为您推荐了相关专利信息
信息采集分析系统
漂流浮标
随机森林模型
采水器
数据存证系统
随机森林模型
数据处理方法
可读存储介质
样本
参数
机器学习模型
故障预测模型
服务器
故障预测方法
长短期记忆网络
叠层片式电感器
低温共烧铁氧体
生料带
随机森林模型
支持向量机模型