CN106236152A - 一种可受孕期预测方法及系统 - Google Patents

Abstract

本发明涉及医学算法领域，提供一种可受孕期预测方法，该方法包括：生成可受孕期的计算方法集合，该计算方法集合包括计算指定用户的可受孕期的多个预定计算方法；所述计算方法集合获取指定用户的可受孕期范围集合，包括可受孕期开始日集合，以及可受孕期结束日集合；生成加权系数集合，所述加权系数集合中的加权系数分别对应所述可受孕期范围集合的每个可受孕期计算方法；计算指定用户的最终可受孕期范围；以及向指定用户提示可受孕期。本发明还相应地提供了一种应用所述可受孕期预测方法的装置。

Description

一种可受孕期预测方法及系统

技术领域

本发明涉及医学算法领域，具体地，涉及一种可受孕期预测方法及应用该方法的系统。

背景技术

目前，因为生活、工作压力大等原因，不孕不育比例逐渐上升，在中国，平均每8对夫妇中就有一对有怀孕的困难；而现今中国放开二胎政策，将会增大备孕人口基数，生育问题将更加受到社会的关注。而对于育龄女性，无论是出于备孕还是避孕的目的，或者是出于掌控怀孕时间和质量的目的，都希望能尽可能准确及时地了解到自己的可受孕期。可受孕期的推算越精准、指示越清晰，对于女性的帮助就越大。

育龄女性的可受孕期是可以推算的，传统上有日历法、B超监测法、基础体温测定法、排卵试纸监测法等。

日历法是最为古老悠久的一种推算女性生理周期的方法。该方法是基于女性的生理周期的方法，女性生理周期主要分为四个阶段：月经期、卵泡期、排卵期和黄体期。月经期是指女性月经来潮的第一天到最后一天之间的时间段，正常情况下为3至7天，但由于体质、年龄、气候地区和生活条件的不同，可能存在差异。卵泡期是从前一次月经停止日起算到卵巢排卵之日止的时间段，通常历时10到12天，在此期间卵细胞成熟。排卵期是指卵细胞和周围卵丘细颗粒细胞一起被排出的过程。排卵期是女性最易受孕的时期。黄体期是指排卵后到月经来潮的前一天，卵巢受黄体刺激激素的影响，分泌黄体激素，维持增厚的子宫内膜，以利于受精卵着床，若无受精卵着床，则子宫内膜崩解，即进入下一次月经期。

当女性生理周期基本稳定，并且黄体功能基本正常时，故而黄体期也基本保持在14天。日历法根据上述女性生理周期的规律推算排卵期，以达到帮助女性备孕或避孕的目的。该方法优势在于简单直观而容易理解，不需要复杂的医学知识，也不需要专业医学人员的介入，普通人完全可以自行掌握并操作。但其问题在于，日历法一般只适用于生理周期规律、生活作息规律的健康女性，因为该方法只是在日期上进行加减计算，而不采集任何体征数据，所以无法感知到女性生殖系统的变化，从而映射到预测结果上。同时基于相同的原因，该方法的自我纠正功能也很弱，导致即使有足量的历史数据，也难以指导面向未来的预测。另外，该方法无法确定女性是否排卵，对排卵质量、黄体功能等重要生殖信息，都缺乏监测手段。

B超监测法是医学临床上技术水平最高、结果最为稳定可靠的计算育龄女性可受孕期的一种方法。此方法需要由具备从业资格的专业医师，在专业医疗仪器上进行操作，直接观察女性的卵巢等生殖系统，从而判断其卵泡发育和排卵状态。该方法优势在于可靠度高，能够直接获取观测结果，并立刻与专业医师交流得到反馈和指导。但其缺点也存在于多个方面：首先成本过于高昂，包括就医的时间成本以及获得专业医疗服务的消费成本；其次是侵入式的B超检测会引发很多人生理和心理上的不适感；最后是对于大多数健康的育龄女性而言，这种检测方法过于复杂，负担太重，引发的心理压力反而可能不利于生殖健康。

基础体温法，是指女性用户每天早晨测量基础体温，绘制基础体温曲线，同时结合月经来潮的信息，确认排卵是否已经发生，同时也可以根据体温曲线，推测出排卵质量、黄体功能等生殖参数。这种方法具有坚实的理论基础，即排卵后急剧上升的黄体酮激素会刺激下丘脑体温调节中枢，使得基础体温跃升0.3-0.5摄氏度，因此在国内妇科临床上有广泛的应用。该方法相对于单纯的日历法，优点在于可以确认排卵时间以及排卵质量；相对于B超监测法，优点在于成本很低，方便家庭监控。然而其劣势在于：第一，基础体温的跃升会发生在排卵日附近4天左右的时间窗口内，所以仅用这一信息难以更精确地定位到排卵日；第二，基础体温在升高后，需要等待3-4天时间来观察是否有回落，然而卵子细胞的可受精能力只能维持12-24小时，因此仅用该方法确认的排卵发生，是过于滞后的。以上所述缺陷，导致基础体温法的指导能力，远不能满足尽快受孕的实际需求。

排卵试纸监测法是近年来逐渐普及的一种家庭中测排卵的方法。该方法基于女性排卵前，体内促黄体生成激素的浓度会出现一个尖峰的医学知识，通过持续测量尿液中的促黄体生成激素浓度变化，预告排卵事件的发生。该方法一旦得到完全掌握之后，操作难度不大，可以在家中使用。不过这种方法的专业性较强，学习成本较高，又不便求助，很多没有经验的女性会出现迷惑或误判的情况。此外，即使用户的判断准确，试纸本身的假阳性概率也高达约7％，这也制约了该方法的有效性和普及度。

上述各种用于推算可受孕期的方法都有各自的科学依据和一定的实用性，但这些方法各自单独使用时，都有各自的局限性，而且缺乏自我纠正的过程，难以根据女性的实际身体情况调整期预测的准确度，因此急需一种能够综合上述各种方法，更准确地进行推算的方法。

发明内容

本发明的目的是提供一种可受孕期预测方法，该方法能够综合各种推算可受孕期的方法，结合其优点，并克服各种方法自身的局限性，并提供一个自纠正的过程，使所述可受孕期预测方法能够根据用户的身体情况实时调整，从而为用户提供一种方便使用而且准确的可受孕期推算方法。

本发明的另一方面还提供了一种可受孕期预测系统，该系统是所述可受孕期预测方法的一种实际应用方式，利用该系统，用户可以方便地预测可孕期，并且该系统可以通过用户提供自身的身体特征值来调整其可受孕期预测的过程，从而能够达到精确预测的目的。

为了实现上述目的，本发明提供一种可受孕期预测方法，该方法包括：生成可受孕期的计算方法集合，该计算方法集合包括计算指定用户的可受孕期的多个预定计算方法；所述计算方法集合获取指定用户的可受孕期范围集合，包括可受孕期开始日集合，以及可受孕期结束日集合；生成加权系数集合，所述加权系数集合中的加权系数分别对应所述可受孕期范围集合的每个可受孕期计算方法；计算指定用户的最终可受孕期范围；以及向指定用户提示可受孕期。

所述方法集合可以在STM算法基础上，包括日历法、排卵试纸法、基础体温法等对可受孕期范围进行推算的各种算法，然后再计算各种方法所能获得的可受孕期的范围。STM理论是一种由现代医学发展起来的可受孕期计算方法。其又称为体温体征法，是结合了基础体温、宫颈黏液等体征数据，以及用户的所有历史信息，综合判断可受孕期的一种方法。该方法主要的优势在于将用户当天的体征数据与历史信息高度结合起来，做充分的交叉参照。STM方法是西方现代医学中自然避孕法的一个重要组成部分，已经获得主流医学界以及世界卫生组织(WHO)的认可和推荐。该方法一方面尽量获取用户的体征数据，并充分参照历史记录，另一方面不需要专业医疗人员或设备的介入，适用于普通家庭。

优选地，所述计算指定用户的最终可受孕期范围通过加权求和方法计算，计算公式为：

$\begin{array}{cc}Start={\mathrm{\Σ}}_{k=1}^N\left({\mathrm{Start}}_k\right)\×\left(A_k\right),& End={\mathrm{\Σ}}_{k=1}^N\left({\mathrm{End}}_k\right)\×\left(A_k\right)\end{array}$

其中Start_k为所述方法集合中第k个方法获取的可受孕期开始日；

End_k为所述方法集合中第k个方法获取的可受孕期结束日；

A_k为所述加权系数集合中第k个方法的加权系数；

N和k均为大于0的自然数，且k≤N；

Start和End分别为指定用户的最终可受孕期开始日及最终可受孕期结束日。

优选地，所述方法集合和所述加权系数集合根据指定用户输入的数据实时地调整。

优选地，所述可受孕期预测方法包括自纠正过程，该自纠正过程包括：根据用户输入的信息，对实际的可受孕期进行后验证；根据该实际的可受孕期，计算所述计算方法集合中各个计算方法的计算误差；根据该误差，强化所述计算方法集合中的特定计算方法和其加权系数，并弱化所述计算方法集合中的其他计算方法和其加权系数。

在通过计算方法集合预测可受孕期的同时，所述可受孕期预测方法还可以同时采集用户输入的数据，该数据可以是用户输入的体温、专业B超结果、血液化验结果等，通过这些数据能够准确计算出用户的实际可受孕期范围，通过该实际准确的可受孕期范围，可对所述计算方法集合中的各方法推算的可受孕期范围进行校正。虽然通过用户输入的体温等数据可以准确地计算出用户的实际可受孕期范围，但此时已是“事后诸葛亮”，用户即使得知了该准确的可受孕期范围，也已来不及做准备。通过所述可受孕期预测方法可提前预测可受孕期范围，给用户充足的准备时间，再通过利用用户输入的数据得出准确的可受孕期范围，对各个算法预测的可受孕期范围进行校正，从而形成一个机器自学习的纠正过程，从而提高其预测的准确性。

其中，对于所述方法和其加权系数的调整可以通过以下方法进行：假设方法K预测的可受孕期开始日为Start_k，通过采集用户输入的数据计算得出的实际可受孕期开始日为S，那么该方法的预测偏差的天数为D_k＝|S-Start_k|，对该方法对应的加权系数的调整可分为弱化和强化两部分，弱化方法可以通过以下公式完成：

A_K调整后＝A_K调整前×(10-D_k)/10

强化的方法可通过以下方式完成：将被弱化的加权系数的被弱化部分赋予给没有误差的计算方法的加权系数，即对于没有误差或误差小的方法，其调整后的加权系数为：A_{K调整后_无误差}＝A_K调整前+(A_{K调整前_有误差}-A_{K调整后_有误差})。

所述可受孕期预测方法通过上述方法或与上述类似的方法调整方法集合中各个方法的加权系数，从而实现对各方法的权重的调整，当某一方法的偏差天数越大时，该方法将被弱化，而当某一方法的偏差天数较少时，该方法将被强化，因此最终可受孕期预测方法作为一个整体，受偏差大的方法的影响较小，而受偏差小的方法的影响较大，从而提高其整体预测的准确性。

通过上述技术方案，所述可受孕期预测方法能够综合多种推算可受孕期的方法，综合各种方法的优缺点，并提供一种自纠正的过程，使该方法可根据用户的实际身体情况纠正所述可受孕期预测方法的准确度，从而可为用户提供一种方便实用、直观并且准确的可受孕期预测方法。

根据本发明的另一方面，提供了一种可受孕期推算系统，该系统包括：方法集合生成装置，用于获取可受孕期的计算方法集合，包括计算指定用户的可受孕期的所有计算方法；可受孕期范围集合获取装置，用于根据所述计算方法集合获取指定用户的可受孕期范围集合，包括可受孕期开始日集合，以及可受孕期结束日集合；加权系数集合生成装置，用于生成加权系数集合，所述加权系数集合中的加权系数分别对应所述可受孕期范围集合的每个可受孕期计算方法；计算装置，用于计算指定用户的最终可受孕期范围；提示装置，用于向用户提示可受孕期。所述方法集合生装置获取STM算法、日历法、体温体征法等能够用于推算可受孕期的各种算法。

优选地，所述计算装置根据以下公式计算指定用户的最终可受孕期范围：

$\begin{array}{cc}Start={\mathrm{\Σ}}_{k=1}^N\left({\mathrm{Start}}_k\right)\×\left(A_k\right),& End={\mathrm{\Σ}}_{k=1}^N\left({\mathrm{End}}_k\right)\×\left(A_k\right)\end{array}$

其中Start_k为所述方法集合中第k个方法获取的可受孕期开始日；

End_k为所述方法集合中第k个方法获取的可受孕期结束日；

A_k为所述加权系数集合中第k个方法的加权系数；

N和k均为大于0的自然数，且k≤N；

Start和End分别为指定用户的最终可受孕期开始日及最终可受孕期结束日。

优选地，所述可受孕期推算系统包括用户信息获取装置，用于获取用户输入的信息。

优选地，所述可受孕期推算系统包括迭代运算装置，用于根据用户输入的信息强化特定方法和其加权系数，并弱化另一部分特定方法和其加权系数，从而形成灵敏迭代和自纠正过程。所述迭代和自纠正的过程可以通过上述可受孕期预测方法中描述过的方法完成。

优选地，其特征在于，所述可受孕期推算系统包括智能硬件和/或移动APP，用于收集用户数据。

优选地，所述智能硬件包括高精度体温计，用于测量用户基础体温。

优选地，所述高精度温度计的精度为0.05摄氏度以内。

优选地，所述智能硬件包括LED灯，用于显示可受孕期。

通过上述技术方案，为用户提供了一种能够根据用户的身体情况调整对可受孕期的预测的系统，该系统使用便捷、预测准确，具有很强的实用性，非常适用于现代社会对于可受孕期预测的需求。

本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：

图1是根据本发明实施例一的可受孕期预测方法的流程图；

图2是根据本发明实施例二的可受孕期预测方法的自纠正过程的流程图；

图3是根据本发明实施例三的可受孕期预测系统的结构图；以及

图4是根据本发明的可受孕期预测系统实施例四的示意图

附图标记说明

310：方法集合生成装置 320：可受孕期范围集合获取装置

330：加权系数集合生成装置 340：计算装置

350：提示装置

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

图1是根据本发明实施例一的可受孕期预测方法的流程图。如图1所示，所述可受孕期预测方法包括以下步骤：

在步骤S110中，生成可受孕期的计算方法集合，该计算方法集合包括计算指定用户的可受孕期的多个预定计算方法；

在步骤S120中，根据所述计算方法集合获取指定用户的可受孕期范围集合，包括可受孕期开始日集合，以及可受孕期结束日集合；

在步骤S130中，生成加权系数集合，所述加权系数集合中的加权系数分别对应所述可受孕期范围集合的每个可受孕期计算方法；

其中，所述方法集合和所述加权系数集合根据指定用户输入的数据实时地调整。指定用户输入的数据可以是用户的体温数据，或者是用户的宫颈粘液数据等表述指定用户身体体征的数据。

对所述方法集合和所述加权系数集合进行实时调整的过程还可以包括自纠正的过程。图2是根据本发明实施例二的可受孕期预测方法的自纠正过程的流程图。如图2所示，该自纠正过程包括以下步骤：

在步骤S131中，根据用户输入的信息，对实际的可受孕期进行后验证。用户输入的信息可以是任何与生理周期有关的体征信息或医学检测结果。

在步骤S132中，根据该实际的可受孕期，计算所述计算方法集合中各个计算方法的计算误差。该误差可以是通过根据用户输入的数据计算得出的实际可受孕期与所述方法集合中各个计算方法计算的可受孕期之间的天数偏差。

在步骤S133中，根据该误差，强化所述计算方法集合中的特定计算方法和其加权系数，并弱化所述计算方法集合中的其他计算方法和其加权系数。被弱化的计算方法和其加权系数是其计算的可受孕期范围与实际可受孕期范围之间偏差天数较多的计算方法，反之，被强化的计算方法和其加权系数是偏差较小的或没有偏差的计算方法。

所述调整或自纠正的方法可通过上述描述过的方法进行。

例如，该弱化的方法可以通过上述描过的公式：A_K调整后＝A_K调整前×(10-D_k)/10，来进行。例如，假设所述计算方法集合中的两个方法为算法1和算法2，并且算法1预测的可受孕期与通过用户输入的数据确定的实际可受孕期之间的误差为3天，而算法2的该误差为0天，其中，算法1的调整前的加权系数A₁(即当前加权系数系数)为0.3，算法2调整前的加权系数A₂(即当前加权系数)为0.1，那么A_{1_调整后}＝0.3×(10-3)/10＝0.21，即，因为算法1的误差较大，其加权系数被由0.3弱化到0.21。而没有误差的算法2的调整后加权系数为A_{2_调整后}＝0.17。在步骤S140中，计算指定用户的最终可受孕期范围。

可受孕期范围可以根据从计算方法集合中获得的可受孕期范围集合和所述加权系数集合，进行加权求和得出，其详细的计算公式已在上述内容中描述过。

在步骤S150中，向指定用户提示可受孕期。提示的方法可以通过声音或是发光二极管等各种方法实现。

图3是根据本发明实施例三的可受孕期预测系统的结构图。如图3所示，所述可受孕期预测系统包括：方法集合生成装置310，用于获取可受孕期的计算方法集合，包括计算指定用户的可受孕期的所有计算方法；可受孕期范围集合获取装置320，用于根据所述计算方法集合获取指定用户的可受孕期范围集合，包括可受孕期开始日集合，以及可受孕期结束日集合；加权系数集合生成装置330，用于生成加权系数集合，所述加权系数集合中的加权系数分别对应所述计算方法集合中的每个计算方法；计算装置340，用于计算指定用户的最终可受孕期范围；提示装置350，用于向用户提示可受孕期。

指定用户的可受孕期范围可通过上述描述过的公式计算得出。

其中，所述可受孕期推算系统包括用户信息获取装置，用于获取用户输入的信息。该用户信息获取装置可以是体温计，用于采集用户体温，或者是输入装置，用户可通过该装置输入B超结果、血液检测结果等数据，或者也可以是拍照设备，用于对用户的一些检测的结果进行拍照后上传。

其中，所述可受孕期推算系统包括迭代运算装置，用于根据用户输入的信息强化特定方法和其系数，并弱化另一部分特定方法和其系数，从而形成灵敏迭代和自纠正过程。

其中，所述可受孕期推算系统包括智能硬件和/或移动APP，用于收集用户数据。

所述智能硬件可以是高精度体温计，用于测量用户基础体温。所述高精度温度计最好是精度在0.05摄氏度以内的体温计。因为基础体温在排卵后的波动只有0.3-0.5摄氏度，因此对测温精度的要求很高，需要做到0.05摄氏度以内，这也是当今全球范围内，普通家用体温计的最高精度。

所述智能硬件还可以包括LED灯，用于显示可受孕期。或者也可以包括蜂鸣器等发声装置，用于通过声音提示可受孕期。

智能硬件还可以包括温敏探头、显示屏幕等，所述LED灯可以设置于显示屏幕上，当然，LED灯也可以以单独的硬件设置。考虑到普通人并不了解医学上的专用术语，因此采用最简单的方式，即两种颜色，来表示处于可受孕期内、或可受孕期外。例如用绿色灯表示处于可受孕期内，红色灯处于可受孕期外，用户可根据其使用所述可受孕期预测系统的目的采取相应对策。提示可受孕期的方法也可以是通过蜂鸣器发出声音的方式来实现。

图4是根据本发明的可受孕期预测系统实施例四的示意图。如图4所示，所述可受孕期预测系统可以结合智能硬件、移动APP以及云端算法与存储功能实现。通过用户日常操作可以提供为了预测用户可受孕期的信息并获取结果，用户提供信息可以在智能硬件和用户日常操作之间交互，智能硬件可以采集用户信息，也可以向用户提示预测结果。同时用户信息也可以直接通过APP采集，并由APP提示预测结果。智能硬件采集的信息也可以上传到APP，APP可以将预测的可受孕期范围通过智能硬件提示给用户。为了提高算法的效率，使算法不受硬件的计算效率或容量的影响，所述可受孕期预测方法或装置中的算法可以在云端运行或存储。

移动APP在近年来发展极为迅速，尤其是随着智能手机的普及，已经为绝大多数人所接受。因此采用移动APP的日常交互形式，有利于用户快速熟悉这种可受孕期预测系统和方法。移动APP最重要的数据收集功能，是用户的各种体征，包括月经的开始与结束、宫颈黏液的观测记录、各种家用试纸的拍照保存、专业B超监测的结果备案等，基于该功能的APP可作为所述用户信息获取装置使用。作为这种医疗相关记录功能的拓展，还可以了解到用户饮食习惯、运动记录、日常生活变化等辅助信息。而移动APP最重要的数据表达功能，一方面是用户近期数个生理周期的统计分析、日历展示，以及对未来数个周期的粗略预测，另一方面则是对该用户整体生殖健康水平的判断，以及相应的指导意见。通过移动APP与用户之间的交互，还可以做到备孕或避孕相关的信息传递、知识教育、日程安排、健康提醒等。

考虑到用户数据的庞杂和不规范性，需要较高的数据处理能力才能快速的运算；并且考虑到用户数据的安全要求、备份需求，以及计算过程的复杂性，为了减轻移动端的计算压力，可以将数据传输到云端进行计算和存储。所述可受孕期预测方法可以在云端服务器上运行。云端计算存储的另一个优势在于，其能够综合不同用户的数据进行交叉比对，从而进行大数据级别的分析和挖掘，对于生殖健康医学的统计分析和流行病学研究，具有强大的支持作用。

以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。

此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (12)

1.一种可受孕期预测方法，其特征在于，该方法包括：

生成可受孕期的计算方法集合，该计算方法集合包括计算指定用户的可受孕期的多个预定计算方法；

根据所述计算方法集合获取指定用户的可受孕期范围集合，包括可受孕期开始日集合，以及可受孕期结束日集合；

生成加权系数集合，所述加权系数集合中的加权系数分别对应所述可受孕期范围集合的每个可受孕期计算方法；

计算指定用户的最终可受孕期范围；以及

向指定用户提示可受孕期。

2.根据权利要求1所述的可受孕期预测方法，其特征在于，所述计算指定用户的最终可受孕期范围通过加权求和方法计算，计算公式为：

$Start={\mathrm{\Σ}}_{k=1}^N\left({\mathrm{Start}}_k\right)\×\left(A_k\right),End={\mathrm{\Σ}}_{k=1}^N\left({\mathrm{End}}_k\right)\×\left(A_k\right)$

其中Start_k为所述方法集合中第k个方法获取的可受孕期开始日；

End_k为所述方法集合中第k个方法获取的可受孕期结束日；

A_k为所述加权系数集合中第k个方法的加权系数；

N和k均为大于0的自然数，且k≤N；

Start和End分别为指定用户的最终可受孕期开始日及最终可受孕期结束日。

3.根据权利要求1或2所述的可受孕期预测方法，其特征在于，所述方法集合和所述加权系数集合根据指定用户输入的数据实时地调整。

4.根据权利要求3所述的可受孕期预测方法，其特征在于，所述可受孕期预测方法包括自纠正过程，该自纠正过程包括：

根据用户输入的信息，对实际的可受孕期进行后验证；

根据该实际的可受孕期，计算所述计算方法集合中各个计算方法的计算误差；

根据该误差，强化所述计算方法集合中的特定计算方法和其加权系数，并弱化所述计算方法集合中的其他计算方法和其加权系数。

5.一种根据权利要求1-4所述的可受孕期预测方法的可受孕期推算系统，其特征在于，该系统包括：

方法集合生成装置，用于获取可受孕期的计算方法集合，包括计算指定用户的可受孕期的所有计算方法；

可受孕期范围集合获取装置，用于根据所述计算方法集合获取指定用户的可受孕期范围集合，包括可受孕期开始日集合，以及可受孕期结束日集合；

加权系数集合生成装置，用于生成加权系数集合，所述加权系数集合中的加权系数分别对应所述可受孕期范围集合的每个可受孕期计算方法；

计算装置，用于计算指定用户的最终可受孕期范围；

提示装置，用于向用户提示可受孕期。

6.根据权利要求5所述的可受孕期预测系统，其特征在于，所述计算装置根据以下公式计算指定用户的最终可受孕期范围：

$Start={\mathrm{\Σ}}_{k=1}^N\left({\mathrm{Start}}_k\right)\×\left(A_k\right),End={\mathrm{\Σ}}_{k=1}^N\left({\mathrm{End}}_k\right)\×\left(A_k\right)$

其中Start_k为所述方法集合中第k个方法获取的可受孕期开始日；

End_k为所述方法集合中第k个方法获取的可受孕期结束日；

A_k为所述加权系数集合中第k个方法的加权系数；

N和k均为大于0的自然数，且k≤N；

Start和End分别为指定用户的最终可受孕期开始日及最终可受孕期结束日。

7.根据权利要求5所述的可受孕期预测系统，其特征在于，所述可受孕期推算系统包括用户信息获取装置，用于获取用户输入的信息。

8.根据权利要求7所述的可受孕期预测方法，其特征在于，所述可受孕期推算系统包括迭代运算装置，用于根据用户输入的信息强化特定方法和其加权系数，并弱化另一部分特定方法和其加权系数，从而形成灵敏迭代和自纠正过程。

9.根据权利要求5-8中任一项所述的可受孕期推算预测系统，其特征在于，所述可受孕期推算系统包括智能硬件和/或移动APP，用于收集用户数据。

10.根据权利要求9所述的可受孕期预测系统，其特征在于，所述智能硬件包括高精度体温计，用于测量用户基础体温。

11.根据权利要求10所述的可受孕期预测系统，其特征在于，所述高精度温度计的精度为0.05摄氏度以内。

12.根据权利要求9所述的可受孕期预测系统，其特征在于，所述智能硬件包括LED灯，用于显示可受孕期。