CN117727456A - 一种基于人工智能的产科心理评估模型塑造系统及方法 - Google Patents

Abstract

本发明涉及评估模型塑造技术领域，具体为一种基于人工智能的产科心理评估模型塑造系统及方法，所述系统包括指标评估介入分析模块，所述指标评估介入分析模块结合待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重及待测孕产妇的家庭成员中的抑郁病患信息，得到针对待测孕产妇的每个调查指标对应的评估因子介入系数。本发明在进行产科心理评估模型塑造的过程中，考虑到不同的产期阶段内导致孕产妇抑郁的调查指标侧重内容的差异，并结合待测孕产妇的家庭成员中的抑郁病患信息及待测孕产妇当前的调查问卷结果，实现对待测孕产妇的产科心理评估模型的塑造及对待测孕产妇当前时间的抑郁风险系数的预测，确保对孕产妇心理评估的准确性。

Description

一种基于人工智能的产科心理评估模型塑造系统及方法

技术领域

本发明涉及评估模型塑造技术领域，具体为一种基于人工智能的产科心理评估模型塑造系统及方法。

背景技术

妊娠、分娩和产后恢复是育龄妇女一生中重大的改变，但也是妇女发生抑郁、精神疾病的高危时期。孕产妇精神压力过大，容易导致焦虑、抑郁状态，不仅对其身心健康产生直接的影响，而且对胎儿的健康发育成长也有很大关系，增加产科并发症、早产儿、低体重儿、新生儿畸形、手术产等发生的危险性。产后抑郁症对产妇的身心健康、家庭关系等都会产生不良影响。

然而，当前妇保工作仍偏重于孕妇身体保健和胎儿的生长发育情况，缺乏对孕产妇心理健康情况的重视；现有的临床诊断技术中，孕产妇精神压力的诊断方法主要依赖于问卷评估或量表检查，这种诊断方法很大程度上取决于医生的经验和水平，缺乏客观性和一致性；同时，现有技术未考虑到不同产期阶段内导致孕产妇抑郁的调查指标的侧重点存在差异，进而现有的产科心理评估模型存在较大的缺陷，其对孕产妇的心理评估结果的精度存在较大的偏差。

发明内容

本发明的目的在于提供一种基于人工智能的产科心理评估模型塑造系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于人工智能的产科心理评估模型塑造方法，所述方法包括以下步骤：

S1、通过预置的调查问卷对待测孕产妇进行问卷调查，并将调查问卷结果中各项调查指标对应的调查结果进行采集；

S2、获取待测孕产妇的数据信息，构建待测孕产妇的阶段筛选因子集合，记为第一集合；根据历史数据中对应阶段筛选因子集合与第一集合相同的各个孕产妇的历史调查问卷结果，构建待测孕产妇的风险关联指标集，并生成待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重；

S3、结合待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重及待测孕产妇的家庭成员中的抑郁病患信息，得到针对待测孕产妇的每个调查指标对应的评估因子介入系数；

S4、获取针对待测孕产妇的每个调查指标对应的评估因子介入系数，结合待测孕产妇当前的调查问卷结果，塑造针对待测孕产妇的产科心理评估模型，预测待测孕产妇当前时间的抑郁风险系数；

S5、针对待测孕产妇当前时间的抑郁风险系数，对待测孕产妇当前的产科心理状态进行预警管理。

进一步的，所述预置的调查问卷包括多项调查指标，每个调查指标包括相应调查指标对应事件的多个程度划分级别；数据库中每个调查指标对应的划分级别对应一个预置的事件程度评估系数；

所述阶段筛选因子集合包括年龄及当前时间相应孕产妇所属的产期阶段，将待测孕产妇从开始怀孕至相应预产期之后一年构成的时间区间划分成不同的产期阶段，每个产期阶段对应的持续时长不同且每个产期阶段对应的时间区间是预置的。

进一步的，所述S2中构建待测孕产妇的风险关联指标集的方法包括以下步骤：

S201、获取待测孕产妇对应的第一集合及历史数据中各个孕产妇对应的历史调查问卷结果；

S202、获取历史数据中对应阶段筛选因子集合与第一集合相同的各个孕产妇的历史调查问卷结果，将所得各个历史调查问卷结果构成的集合记为关联问卷集合；将所得关联问卷集合中第j个元素对应的历史调查问卷结果记为Bj；将Bj中对应的划分级别相应的事件程度评估系数大于等于第一阈值的调查指标记为异常指标；所述第一阈值为数据库中预置的常数；

S203、提取Bj中异常指标构成的集合，记为Cj；并获取j为不同值时，关联问卷集合中各个Cj构成的数组，记为第一参照数组；剔除第一参照数组中对应未患有抑郁症的孕产妇的所有元素，得到第二参照数组；

S204、获取第二参照数组中各个元素分别对应集合的并集，记为CB；统计CB内每个元素对应的异常指标在第二参照数组内出现的个数与第二参照数组内元素总个数的比值，记为相应异常指标对应的异常占比；

S205、提取第二参照数组中对应异常占比大于等于第二阈值的所有异常指标构成的集合，记作为待测孕产妇的风险关联指标集，所述第二阈值为数据库中预置的常数；

本发明考虑不同产期阶段内导致孕产妇抑郁的调查指标的侧重内容存在的差异，实现对调查问卷中符合待测孕产妇当前产期阶段侧重的调查指标内容，同时，孕产妇的每个产期阶段对应的调查指标侧重内容并非一成不变，而是随着历史数据的变化而动态变化的；

所述S2中生成待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重的方法包括以下步骤：

S211、获取待测孕产妇的风险关联指标集，从待测孕产妇的风险关联指标集中任选一个元素对应的异常指标记为M；

S212、将M作为一个节点，分析M所属的任意一个链与待测孕产妇的风险关联指标集中除M之外的剩余元素之间的关联关系，所述链包括多个节点且每个节点对应待测孕产妇的风险关联指标集中的一个元素；不同的链中包括同一异常指标对应的节点；不同链的节点交集中包括0个、1个或多个节点；

将待测孕产妇的风险关联指标集中除M之外的剩余元素中的一个记为M1，若M1属于M所属的相应的链，则不继续判定M1与M所属的相应的链之间的关联关系，反之，则需要判定M1与M所属的相应的链之间的关联关系，

当N1与N2的商大于等于第三阈值且第三阈值为数据库中预置的常数时，则判定该M所属的相应的链与M1之间存在关联关系，需要对M所属的相应的链进行更新，更新时将M1作为一个节点添加到M所属的相应的链中；反之，则判定该M所属的相应的链与M1之间存在关联关系，不需要对M所属的相应的链进行更新；

N1表示关联问卷集合中同时包含M所属的任意一个链中所有节点及M1的元素个数，N2表示关联问卷集合中同时包含M所属的任意一个链中所有节点的元素个数；

S213、得到多个包含待测孕产妇的风险关联指标集中元素的链，且一个链中节点构成的集合不为其余任意一个链中节点构成的集合的子集；

S214、得到历史调查问卷结果中，除待测孕产妇的风险关联指标集内元素之外的调查指标分别对应的链；所述历史调查问卷结果中，除待测孕产妇的风险关联指标集内元素之外的每个调查指标对应的链唯一且相应链只含有一个节点，该节点为该调查指标本身；

S215、生成待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重，将待测孕产妇的调查问卷中第i项调查指标对应的阶段影响偏重记为Wi，

Wi＝Gi·max{Li_d|d∈[1，di]}，

其中，Gi表示待测孕产妇的调查问卷中第i项调查指标对应的评估干扰系数；

所述Gi＝XYi/XZi，XYi表示历史数据库内所有孕产妇的调查问卷中第i项调查指标异常的抑郁人数；XZi表示历史数据库内所有孕产妇的调查问卷中第i项调查指标异常的人数；

max{Li_d|d∈[1，di]}表示待测孕产妇的调查问卷中第i项调查指标对应的链关联调校系数；Li_d表示含有待测孕产妇的调查问卷中第i项调查指标的第n条链对应的链关联调校系数；di表示含有待测孕产妇的调查问卷中第i项调查指标的链的总个数；

Li_d＝G1Li_d/G2Li_d，

将含有待测孕产妇的调查问卷内第i项调查指标的第d条链记为Hid，

其中，G1Li_d表示关联问卷集合中，同时包含Hid内所有节点的历史调查问卷结果中的抑郁人数与同时包含Hid内所有节点的历史调查问卷结果总人数的比值；

G2Li_d表示所有阶段筛选因子集合对应的各个孕产妇的历史调查问卷结果中，同时包含Hid内所有节点的历史调查问卷结果中的抑郁人数与同时包含Hid内所有节点的历史调查问卷结果总人数的比值，且G2Li_d＞0。

本发明获取待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重时，根据待测孕产妇的风险关联指标集，先实现对调查问卷中属于待测孕产妇的风险关联指标集内的调查指标所属的各条链的构建，再实现对调查问卷中不属于待测孕产妇的风险关联指标集内的调查指标所属的链的构建，并根据调查问卷中每个调查指标对应的链实现对相应的阶段影响偏重的计算，为后续得到针对待测孕产妇的每个调查指标对应的评估因子介入系数提供了数据支撑。

进一步的，所述S3中得到针对待测孕产妇的每个调查指标对应的评估因子介入系数的方法包括以下步骤：

S31、获取待测孕产妇的调查问卷中第i项调查指标对应的阶段影响偏重记为Wi；

S32、获取待测孕产妇的家庭成员中的抑郁病患信息，得到待测孕产妇的家庭干扰影响偏重，记为K；所述K等于待测孕产妇前n代内的血缘亲属中抑郁病患的人数占比；

S33、得到针对待测孕产妇的每个调查指标对应的评估因子介入系数，将针对待测孕产妇的第i个调查指标对应的评估因子介入系数记为Yi，

所述Yi＝Wi+K·r，其中r表示综合转化系数且r为预置的常数。

进一步的，所述S4的具体步骤如下：

S41、获取针对待测孕产妇的每个调查指标对应的评估因子介入系数，将针对待测孕产妇的第i个调查指标对应的评估因子介入系数记为Yi；

S42、获取待测孕产妇当前的调查问卷结果，将待测孕产妇当前的调查问卷结果中，第i个调查指标对应事件的程度划分级别相应的事件程度评估系数记为Pi；

S43、塑造对待测孕产妇的产科心理评估模型，所述产科心理评估模型的输入量为每个调查指标对应的指标输入数据对，所述产科心理评估模型的输出量为相应孕产妇对应的调查结果对应的抑郁风险系数的预测值，所述指标输入数据对由相应调查指标对应评估因子介入系数与相应的时间程度评估系数构成；

S44、预测待测孕产妇当前时间的抑郁风险系数，记为YF，

其中，i1表示待测孕产妇对应的调查问卷中调查指标的总个数。

进一步的，所述S5中对待测孕产妇当前的产科心理状态进行管理时，

若待测孕产妇当前时间的抑郁风险系数小于预设值，则判定待测孕产妇的产科心理状态正常；

若待测孕产妇当前时间的抑郁风险系数大于等于预设值，则判定待测孕产妇的产科心理状态异常，待测孕产妇存在抑郁风险，并向管理员及待测孕产妇进行预警提醒，辅助管理员后续针对待测孕产妇的管理决策。

一种基于人工智能的产科心理评估模型塑造系统，所述系统包括以下模块：

指标信息采集模块，所述指标信息采集模块通过预置的调查问卷对待测孕产妇进行问卷调查，并将调查问卷结果中各项调查指标对应的调查结果进行采集；

风险关联指标分析模块，所述风险关联指标分析模块获取待测孕产妇的数据信息，构建待测孕产妇的阶段筛选因子集合，记为第一集合；根据历史数据中对应阶段筛选因子集合与第一集合相同的各个孕产妇的历史调查问卷结果，构建待测孕产妇的风险关联指标集，并生成待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重；

指标评估介入分析模块，所述指标评估介入分析模块结合待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重及待测孕产妇的家庭成员中的抑郁病患信息，得到针对待测孕产妇的每个调查指标对应的评估因子介入系数；

模型塑造预测模块，所述模型塑造预测模块获取针对待测孕产妇的每个调查指标对应的评估因子介入系数，结合待测孕产妇当前的调查问卷结果，塑造针对待测孕产妇的产科心理评估模型，预测待测孕产妇当前时间的抑郁风险系数；

风险预警管理模块，所述风险预警管理模块针对待测孕产妇当前时间的抑郁风险系数，对待测孕产妇当前的产科心理状态进行预警管理。

进一步的，所述风险关联指标分析模块包括第一集合获取单元、风险关联指标集合构建单元及阶段影响偏重生成单元，

所述第一集合获取单元获取待测孕产妇的数据信息，构建待测孕产妇的阶段筛选因子集合，记为第一集合；

所述风险关联指标集合构建单元根据历史数据中对应阶段筛选因子集合与第一集合相同的各个孕产妇的历史调查问卷结果，构建待测孕产妇的风险关联指标集；

所述阶段影响偏重生成单元根据风险关联指标集合构建单元构建的待测孕产妇的风险关联指标集，生成待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重。

与现有技术相比，本发明所达到的有益效果是：本发明在进行产科心理评估模型塑造的过程中，考虑到不同的产期阶段内导致孕产妇抑郁的调查指标侧重内容的差异，通过待测孕产妇的风险关联指标集，构建调查问卷中每个调查指标对应的链，实现对待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重的获取，并结合待测孕产妇的家庭成员中的抑郁病患信息及待测孕产妇当前的调查问卷结果，实现对待测孕产妇的产科心理评估模型的塑造及对待测孕产妇当前时间的抑郁风险系数的预测，确保对孕产妇心理评估的准确性。

附图说明

附图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，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种基于人工智能的产科心理评估模型塑造方法的流程示意图；

图2是本发明一种基于人工智能的产科心理评估模型塑造系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供技术方案：一种基于人工智能的产科心理评估模型塑造方法，所述方法包括以下步骤：

S1、通过预置的调查问卷对待测孕产妇进行问卷调查，并将调查问卷结果中各项调查指标对应的调查结果进行采集；

所述预置的调查问卷包括多项调查指标，每个调查指标包括相应调查指标对应事件的多个程度划分级别；数据库中每个调查指标对应的划分级别对应一个预置的事件程度评估系数；

S2、获取待测孕产妇的数据信息，构建待测孕产妇的阶段筛选因子集合，记为第一集合；根据历史数据中对应阶段筛选因子集合与第一集合相同的各个孕产妇的历史调查问卷结果，构建待测孕产妇的风险关联指标集，并生成待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重；所述阶段筛选因子集合包括年龄及当前时间相应孕产妇所属的产期阶段，将待测孕产妇从开始怀孕至相应预产期之后一年构成的时间区间划分成不同的产期阶段，每个产期阶段对应的持续时长不同且每个产期阶段对应的时间区间是预置的。

所述S2中构建待测孕产妇的风险关联指标集的方法包括以下步骤：

S201、获取待测孕产妇对应的第一集合及历史数据中各个孕产妇对应的历史调查问卷结果；

S202、获取历史数据中对应阶段筛选因子集合与第一集合相同的各个孕产妇的历史调查问卷结果，将所得各个历史调查问卷结果构成的集合记为关联问卷集合；将所得关联问卷集合中第j个元素对应的历史调查问卷结果记为Bj；将Bj中对应的划分级别相应的事件程度评估系数大于等于第一阈值的调查指标记为异常指标；所述第一阈值为数据库中预置的常数；

S203、提取Bj中异常指标构成的集合，记为Cj；并获取j为不同值时，关联问卷集合中各个Cj构成的数组，记为第一参照数组；剔除第一参照数组中对应未患有抑郁症的孕产妇的所有元素，得到第二参照数组；

S204、获取第二参照数组中各个元素分别对应集合的并集，记为CB；统计CB内每个元素对应的异常指标在第二参照数组内出现的个数与第二参照数组内元素总个数的比值，记为相应异常指标对应的异常占比；

S205、提取第二参照数组中对应异常占比大于等于第二阈值的所有异常指标构成的集合，记作为待测孕产妇的风险关联指标集，所述第二阈值为数据库中预置的常数；

本实施例中通过历史数据中各个孕产妇的历史调查问卷结果分别对应阶段筛选因子集合与第一集合的匹配，实现对待测孕产妇对应的关联问卷集合的智能筛选(通过人工智能技术对数据进行匹配)，为后续步骤中准确获取待测孕产妇的风险关联指标集提供了数据依据。

所述S2中生成待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重的方法包括以下步骤：

S211、获取待测孕产妇的风险关联指标集，从待测孕产妇的风险关联指标集中任选一个元素对应的异常指标记为M；

S212、将M作为一个节点，分析M所属的任意一个链与待测孕产妇的风险关联指标集中除M之外的剩余元素之间的关联关系，所述链包括多个节点且每个节点对应待测孕产妇的风险关联指标集中的一个元素；不同的链中包括同一异常指标对应的节点；不同链的节点交集中包括0个、1个或多个节点；

将待测孕产妇的风险关联指标集中除M之外的剩余元素中的一个记为M1，若M1属于M所属的相应的链，则不继续判定M1与M所属的相应的链之间的关联关系，反之，则需要判定M1与M所属的相应的链之间的关联关系，

当N1与N2的商大于等于第三阈值且第三阈值为数据库中预置的常数时，则判定该M所属的相应的链与M1之间存在关联关系，需要对M所属的相应的链进行更新，更新时将M1作为一个节点添加到M所属的相应的链中；反之，则判定该M所属的相应的链与M1之间存在关联关系，不需要对M所属的相应的链进行更新；

N1表示关联问卷集合中同时包含M所属的任意一个链中所有节点及M1的元素个数，N2表示关联问卷集合中同时包含M所属的任意一个链中所有节点的元素个数；

S213、得到多个包含待测孕产妇的风险关联指标集中元素的链，且一个链中节点构成的集合不为其余任意一个链中节点构成的集合的子集；

S214、得到历史调查问卷结果中，除待测孕产妇的风险关联指标集内元素之外的调查指标分别对应的链；所述历史调查问卷结果中，除待测孕产妇的风险关联指标集内元素之外的每个调查指标对应的链唯一且相应链只含有一个节点，该节点为该调查指标本身；

S215、生成待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重，将待测孕产妇的调查问卷中第i项调查指标对应的阶段影响偏重记为Wi，

Wi＝Gi·max{Li_d|d∈[1，di]}，

其中，Gi表示待测孕产妇的调查问卷中第i项调查指标对应的评估干扰系数；

所述Gi＝XYi/XZi，XYi表示历史数据库内所有孕产妇的调查问卷中第i项调查指标异常的抑郁人数；XZi表示历史数据库内所有孕产妇的调查问卷中第i项调查指标异常的人数；

max{Li_d|d∈[1，di]}表示待测孕产妇的调查问卷中第i项调查指标对应的链关联调校系数；Li_d表示含有待测孕产妇的调查问卷中第i项调查指标的第n条链对应的链关联调校系数；di表示含有待测孕产妇的调查问卷中第i项调查指标的链的总个数；

Li_d＝G1Li_d/G2Li_d，

将含有待测孕产妇的调查问卷内第i项调查指标的第d条链记为Hid，

其中，G1Li_d表示关联问卷集合中，同时包含Hid内所有节点的历史调查问卷结果中的抑郁人数与同时包含Hid内所有节点的历史调查问卷结果总人数的比值；

G2Li_d表示所有阶段筛选因子集合对应的各个孕产妇的历史调查问卷结果中，同时包含Hid内所有节点的历史调查问卷结果中的抑郁人数与同时包含Hid内所有节点的历史调查问卷结果总人数的比值，且G2Li_d＞0。

本实施例中待测孕产妇对应调查问卷内每个调查指标对应的G1Li_d存在为0的情况，若获取到的G1Li_d为0时，则无需继续获取对应的G2Li_d，直接判定相应调查指标对应的Li_d＝0。

S3、结合待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重及待测孕产妇的家庭成员中的抑郁病患信息，得到针对待测孕产妇的每个调查指标对应的评估因子介入系数；

所述S3中得到针对待测孕产妇的每个调查指标对应的评估因子介入系数的方法包括以下步骤：

S31、获取待测孕产妇的调查问卷中第i项调查指标对应的阶段影响偏重记为Wi；

S32、获取待测孕产妇的家庭成员中的抑郁病患信息，得到待测孕产妇的家庭干扰影响偏重，记为K；所述K等于待测孕产妇前n代内的血缘亲属中抑郁病患的人数占比；

S33、得到针对待测孕产妇的每个调查指标对应的评估因子介入系数，将针对待测孕产妇的第i个调查指标对应的评估因子介入系数记为Yi，

所述Yi＝Wi+K·r，其中r表示综合转化系数且r为预置的常数。

本实施例中待测孕产妇的血缘亲属包括与待测孕产妇存在血缘关系的长辈及同辈，如父母、爷爷奶奶、姥姥姥爷、叔、姑、舅及姨等；

S4、获取针对待测孕产妇的每个调查指标对应的评估因子介入系数，结合待测孕产妇当前的调查问卷结果，塑造针对待测孕产妇的产科心理评估模型，预测待测孕产妇当前时间的抑郁风险系数；

所述S4的具体步骤如下：

S41、获取针对待测孕产妇的每个调查指标对应的评估因子介入系数，将针对待测孕产妇的第i个调查指标对应的评估因子介入系数记为Yi；

S42、获取待测孕产妇当前的调查问卷结果，将待测孕产妇当前的调查问卷结果中，第i个调查指标对应事件的程度划分级别相应的事件程度评估系数记为Pi；

S43、塑造对待测孕产妇的产科心理评估模型，所述产科心理评估模型的输入量为每个调查指标对应的指标输入数据对，所述产科心理评估模型的输出量为相应孕产妇对应的调查结果对应的抑郁风险系数的预测值，所述指标输入数据对由相应调查指标对应评估因子介入系数与相应的时间程度评估系数构成；

S44、预测待测孕产妇当前时间的抑郁风险系数，记为YF，

其中，i1表示待测孕产妇对应的调查问卷中调查指标的总个数。

S5、针对待测孕产妇当前时间的抑郁风险系数，对待测孕产妇当前的产科心理状态进行预警管理。

所述S5中对待测孕产妇当前的产科心理状态进行管理时，

若待测孕产妇当前时间的抑郁风险系数小于预设值，则判定待测孕产妇的产科心理状态正常；

若待测孕产妇当前时间的抑郁风险系数大于等于预设值，则判定待测孕产妇的产科心理状态异常，待测孕产妇存在抑郁风险，并向管理员及待测孕产妇进行预警提醒，辅助管理员后续针对待测孕产妇的管理决策。

如图2所示，一种基于人工智能的产科心理评估模型塑造系统，所述系统包括以下模块：

指标信息采集模块，所述指标信息采集模块通过预置的调查问卷对待测孕产妇进行问卷调查，并将调查问卷结果中各项调查指标对应的调查结果进行采集；

风险关联指标分析模块，所述风险关联指标分析模块获取待测孕产妇的数据信息，构建待测孕产妇的阶段筛选因子集合，记为第一集合；根据历史数据中对应阶段筛选因子集合与第一集合相同的各个孕产妇的历史调查问卷结果，构建待测孕产妇的风险关联指标集，并生成待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重；

指标评估介入分析模块，所述指标评估介入分析模块结合待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重及待测孕产妇的家庭成员中的抑郁病患信息，得到针对待测孕产妇的每个调查指标对应的评估因子介入系数；

模型塑造预测模块，所述模型塑造预测模块获取针对待测孕产妇的每个调查指标对应的评估因子介入系数，结合待测孕产妇当前的调查问卷结果，塑造针对待测孕产妇的产科心理评估模型，预测待测孕产妇当前时间的抑郁风险系数；

风险预警管理模块，所述风险预警管理模块针对待测孕产妇当前时间的抑郁风险系数，对待测孕产妇当前的产科心理状态进行预警管理。

所述风险关联指标分析模块包括第一集合获取单元、风险关联指标集合构建单元及阶段影响偏重生成单元，

所述第一集合获取单元获取待测孕产妇的数据信息，构建待测孕产妇的阶段筛选因子集合，记为第一集合；

所述风险关联指标集合构建单元根据历史数据中对应阶段筛选因子集合与第一集合相同的各个孕产妇的历史调查问卷结果，构建待测孕产妇的风险关联指标集；

所述阶段影响偏重生成单元根据风险关联指标集合构建单元构建的待测孕产妇的风险关联指标集，生成待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于人工智能的产科心理评估模型塑造方法，其特征在于，所述方法包括以下步骤：

S1、通过预置的调查问卷对待测孕产妇进行问卷调查，并将调查问卷结果中各项调查指标对应的调查结果进行采集；

S2、获取待测孕产妇的数据信息，构建待测孕产妇的阶段筛选因子集合，记为第一集合；根据历史数据中对应阶段筛选因子集合与第一集合相同的各个孕产妇的历史调查问卷结果，构建待测孕产妇的风险关联指标集，并生成待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重；

S3、结合待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重及待测孕产妇的家庭成员中的抑郁病患信息，得到针对待测孕产妇的每个调查指标对应的评估因子介入系数；

S4、获取针对待测孕产妇的每个调查指标对应的评估因子介入系数，结合待测孕产妇当前的调查问卷结果，塑造针对待测孕产妇的产科心理评估模型，预测待测孕产妇当前时间的抑郁风险系数；

S5、针对待测孕产妇当前时间的抑郁风险系数，对待测孕产妇当前的产科心理状态进行预警管理。

2.根据权利要求1所述的一种基于人工智能的产科心理评估模型塑造方法，其特征在于：所述预置的调查问卷包括多项调查指标，每个调查指标包括相应调查指标对应事件的多个程度划分级别；数据库中每个调查指标对应的划分级别对应一个预置的事件程度评估系数；

所述阶段筛选因子集合包括年龄及当前时间相应孕产妇所属的产期阶段，将待测孕产妇从开始怀孕至相应预产期之后一年构成的时间区间划分成不同的产期阶段，每个产期阶段对应的持续时长不同且每个产期阶段对应的时间区间是预置的。

3.根据权利要求1所述的一种基于人工智能的产科心理评估模型塑造方法，其特征在于：所述S2中构建待测孕产妇的风险关联指标集的方法包括以下步骤：

S201、获取待测孕产妇对应的第一集合及历史数据中各个孕产妇对应的历史调查问卷结果；

S202、获取历史数据中对应阶段筛选因子集合与第一集合相同的各个孕产妇的历史调查问卷结果，将所得各个历史调查问卷结果构成的集合记为关联问卷集合；将所得关联问卷集合中第j个元素对应的历史调查问卷结果记为Bj；将Bj中对应的划分级别相应的事件程度评估系数大于等于第一阈值的调查指标记为异常指标；所述第一阈值为数据库中预置的常数；

S203、提取Bj中异常指标构成的集合，记为Cj；并获取j为不同值时，关联问卷集合中各个Cj构成的数组，记为第一参照数组；剔除第一参照数组中对应未患有抑郁症的孕产妇的所有元素，得到第二参照数组；

S204、获取第二参照数组中各个元素分别对应集合的并集，记为CB；统计CB内每个元素对应的异常指标在第二参照数组内出现的个数与第二参照数组内元素总个数的比值，记为相应异常指标对应的异常占比；

S205、提取第二参照数组中对应异常占比大于等于第二阈值的所有异常指标构成的集合，记作为待测孕产妇的风险关联指标集，所述第二阈值为数据库中预置的常数；

所述S2中生成待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重的方法包括以下步骤：

S211、获取待测孕产妇的风险关联指标集，从待测孕产妇的风险关联指标集中任选一个元素对应的异常指标记为M；

S212、将M作为一个节点，分析M所属的任意一个链与待测孕产妇的风险关联指标集中除M之外的剩余元素之间的关联关系，所述链包括多个节点且每个节点对应待测孕产妇的风险关联指标集中的一个元素；不同的链中包括同一异常指标对应的节点；不同链的节点交集中包括0个、1个或多个节点；

将待测孕产妇的风险关联指标集中除M之外的剩余元素中的一个记为M1，若M1属于M所属的相应的链，则不继续判定M1与M所属的相应的链之间的关联关系，反之，则需要判定M1与M所属的相应的链之间的关联关系，

当N1与N2的商大于等于第三阈值且第三阈值为数据库中预置的常数时，则判定该M所属的相应的链与M1之间存在关联关系，需要对M所属的相应的链进行更新，更新时将M1作为一个节点添加到M所属的相应的链中；反之，则判定该M所属的相应的链与M1之间存在关联关系，不需要对M所属的相应的链进行更新；

N1表示关联问卷集合中同时包含M所属的任意一个链中所有节点及M1的元素个数，N2表示关联问卷集合中同时包含M所属的任意一个链中所有节点的元素个数；

S213、得到多个包含待测孕产妇的风险关联指标集中元素的链，且一个链中节点构成的集合不为其余任意一个链中节点构成的集合的子集；

S214、得到历史调查问卷结果中，除待测孕产妇的风险关联指标集内元素之外的调查指标分别对应的链；所述历史调查问卷结果中，除待测孕产妇的风险关联指标集内元素之外的每个调查指标对应的链唯一且相应链只含有一个节点，该节点为该调查指标本身；

S215、生成待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重，将待测孕产妇的调查问卷中第i项调查指标对应的阶段影响偏重记为Wi，

Wi＝Gi·max{Li_d|d∈[1，di]}，

其中，Gi表示待测孕产妇的调查问卷中第i项调查指标对应的评估干扰系数；

所述Gi＝XYi/XZi，XYi表示历史数据库内所有孕产妇的调查问卷中第i项调查指标异常的抑郁人数；XZi表示历史数据库内所有孕产妇的调查问卷中第i项调查指标异常的人数；

max{Li_d|d∈[1，di]}表示待测孕产妇的调查问卷中第i项调查指标对应的链关联调校系数；Li_d表示含有待测孕产妇的调查问卷中第i项调查指标的第n条链对应的链关联调校系数；di表示含有待测孕产妇的调查问卷中第i项调查指标的链的总个数；

Li_d＝G1Li_d/G2Li_d，

将含有待测孕产妇的调查问卷内第i项调查指标的第d条链记为Hid，

其中，G1Li_d表示关联问卷集合中，同时包含Hid内所有节点的历史调查问卷结果中的抑郁人数与同时包含Hid内所有节点的历史调查问卷结果总人数的比值；

G2Li_d表示所有阶段筛选因子集合对应的各个孕产妇的历史调查问卷结果中，同时包含Hid内所有节点的历史调查问卷结果中的抑郁人数与同时包含Hid内所有节点的历史调查问卷结果总人数的比值，且G2Li_d＞0。

4.根据权利要求3所述的一种基于人工智能的产科心理评估模型塑造方法，其特征在于：所述S3中得到针对待测孕产妇的每个调查指标对应的评估因子介入系数的方法包括以下步骤：

S31、获取待测孕产妇的调查问卷中第i项调查指标对应的阶段影响偏重记为Wi；

S32、获取待测孕产妇的家庭成员中的抑郁病患信息，得到待测孕产妇的家庭干扰影响偏重，记为K；所述K等于待测孕产妇前n代内的血缘亲属中抑郁病患的人数占比；

S33、得到针对待测孕产妇的每个调查指标对应的评估因子介入系数，将针对待测孕产妇的第i个调查指标对应的评估因子介入系数记为Yi，

所述Yi＝Wi+K·r，其中r表示综合转化系数且r为预置的常数。

5.根据权利要求2所述的一种基于人工智能的产科心理评估模型塑造方法，其特征在于：所述S4的具体步骤如下：

S41、获取针对待测孕产妇的每个调查指标对应的评估因子介入系数，将针对待测孕产妇的第i个调查指标对应的评估因子介入系数记为Yi；

S42、获取待测孕产妇当前的调查问卷结果，将待测孕产妇当前的调查问卷结果中，第i个调查指标对应事件的程度划分级别相应的事件程度评估系数记为Pi；

S43、塑造对待测孕产妇的产科心理评估模型，所述产科心理评估模型的输入量为每个调查指标对应的指标输入数据对，所述产科心理评估模型的输出量为相应孕产妇对应的调查结果对应的抑郁风险系数的预测值，所述指标输入数据对由相应调查指标对应评估因子介入系数与相应的时间程度评估系数构成；

S44、预测待测孕产妇当前时间的抑郁风险系数，记为YF，

其中，i1表示待测孕产妇对应的调查问卷中调查指标的总个数。

6.根据权利要求1所述的一种基于人工智能的产科心理评估模型塑造方法，其特征在于：所述S5中对待测孕产妇当前的产科心理状态进行管理时，

若待测孕产妇当前时间的抑郁风险系数小于预设值，则判定待测孕产妇的产科心理状态正常；

若待测孕产妇当前时间的抑郁风险系数大于等于预设值，则判定待测孕产妇的产科心理状态异常，待测孕产妇存在抑郁风险，并向管理员及待测孕产妇进行预警提醒，辅助管理员后续针对待测孕产妇的管理决策。

7.一种基于人工智能的产科心理评估模型塑造系统，其特征在于，所述系统包括以下模块：

指标信息采集模块，所述指标信息采集模块通过预置的调查问卷对待测孕产妇进行问卷调查，并将调查问卷结果中各项调查指标对应的调查结果进行采集；

风险关联指标分析模块，所述风险关联指标分析模块获取待测孕产妇的数据信息，构建待测孕产妇的阶段筛选因子集合，记为第一集合；根据历史数据中对应阶段筛选因子集合与第一集合相同的各个孕产妇的历史调查问卷结果，构建待测孕产妇的风险关联指标集，并生成待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重；

指标评估介入分析模块，所述指标评估介入分析模块结合待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重及待测孕产妇的家庭成员中的抑郁病患信息，得到针对待测孕产妇的每个调查指标对应的评估因子介入系数；

模型塑造预测模块，所述模型塑造预测模块获取针对待测孕产妇的每个调查指标对应的评估因子介入系数，结合待测孕产妇当前的调查问卷结果，塑造针对待测孕产妇的产科心理评估模型，预测待测孕产妇当前时间的抑郁风险系数；

风险预警管理模块，所述风险预警管理模块针对待测孕产妇当前时间的抑郁风险系数，对待测孕产妇当前的产科心理状态进行预警管理。

8.根据权利要求7所述的一种基于人工智能的产科心理评估模型塑造系统，其特征在于：所述风险关联指标分析模块包括第一集合获取单元、风险关联指标集合构建单元及阶段影响偏重生成单元，

所述第一集合获取单元获取待测孕产妇的数据信息，构建待测孕产妇的阶段筛选因子集合，记为第一集合；

所述风险关联指标集合构建单元根据历史数据中对应阶段筛选因子集合与第一集合相同的各个孕产妇的历史调查问卷结果，构建待测孕产妇的风险关联指标集；

所述阶段影响偏重生成单元根据风险关联指标集合构建单元构建的待测孕产妇的风险关联指标集，生成待测孕产妇的调查问卷中各项调查指标分别对应的阶段影响偏重。