本发明涉及随机森林，尤其涉及一种基于联合正念训练的分娩结局影响评估方法。
背景技术：
1、联合正念训练是指孕妇分娩前所做的心理干预，分娩结局包括良好结局与不良结局，不良结局例如胎膜早破、产后出血、新生儿窒息等，而不同参数的联合正念训练流程会对分娩结局造成不同的影响。
2、目前，现有技术已有很多方案可以实现联合正念训练的分娩结局影响评估，但现有技术仍存有不足，例如，仅分析不同参数的联合正念训练流程与分娩结局之间相关性，但有新出现的产妇分娩时，无法基于该产妇分娩前的联合正念训练流程来事先预测产妇的分娩结局，其次，现有技术无法对分娩结局的严重程度实现分级预警。因此，亟待一种解决方案可以预先分析联合正念训练对分娩结局造成的影响。
技术实现思路
1、为了解决上述问题，本发明提供了一种基于联合正念训练的分娩结局影响评估方法，可以预先分析联合正念训练对分娩结局造成的影响。
2、第一方面，本发明提供了一种基于联合正念训练的分娩结局影响评估方法，包括：
3、构建历史产妇的正念训练流程，对所述正念训练流程进行强度调整，得到调整训练流程，识别所述调整训练流程在所述历史产妇上的历史分娩结局；
4、基于所述历史分娩结局，对所述调整训练流程进行单因素分析，得到所述历史分娩结局的单影响因素，基于所述历史分娩结局，对所述调整训练流程进行多因素分析，得到所述历史分娩结局的多影响因素；
5、从所述单影响因素与所述多影响因素中选取所述历史分娩结局的最终影响因素，基于所述历史分娩结局，对所述最终影响因素进行重要性排序，得到因素序列；
6、利用所述因素序列与所述历史分娩结局构建所述历史产妇的随机森林模型，划分所述历史分娩结局的历史结局等级，基于所述历史结局等级，构建所述历史产妇的等级预警模型；
7、通过所述随机森林模型分析所述当前产妇在所述正念训练流程下的当前分娩结局，通过所述等级预警模型分析所述当前分娩结局的当前结局等级，将所述当前分娩结局与所述当前结局等级作为所述当前产妇的分娩结局影响评估结果。
8、在第一方面的一种可能实现方式中，所述对所述正念训练流程进行强度调整，得到调整训练流程，包括：
9、采集所述正念训练流程的历史训练参数；
10、按照从小到大的顺序排列同一类型的历史训练参数，得到历史参数序列；
11、计算同一历史训练参数在历史参数序列中的历史参数间隔；
12、计算所述历史参数间隔的参数间隔均值；
13、从所述历史参数间隔中提取最小参数间隔；
14、在所述历史参数间隔大于所述参数间隔均值时，基于所述最小参数间隔，在所述历史参数间隔中进行序列插值，得到插值参数；
15、确定所述插值参数对应的正念训练流程；
16、整合所述插值参数对应的正念训练流程与所述历史参数序列对应的正念训练流程，得到所述调整训练流程。
17、在第一方面的一种可能实现方式中，所述识别所述调整训练流程在所述历史产妇上的历史分娩结局，包括：
18、获取所述调整训练流程中的历史训练参数与插值参数；
19、对不同类型的历史训练参数与插值参数进行参数随机组合，得到组合多类型参数；
20、查询所述组合多类型参数在所述历史产妇上的历史分娩结局。
21、在第一方面的一种可能实现方式中，所述基于所述历史分娩结局，对所述调整训练流程进行单因素分析，得到所述历史分娩结局的单影响因素，包括：
22、获取所述调整训练流程中的单因素参数；
23、计算所述单因素参数与所述历史分娩结局之间的单因素-结局相关度差；
24、利用所述单因素-结局相关度从所述单因素参数中确定所述历史分娩结局的单影响因素。
25、在第一方面的一种可能实现方式中，所述基于所述历史分娩结局，对所述调整训练流程进行多因素分析，得到所述历史分娩结局的多影响因素，包括：
26、获取所述调整训练流程中的多因素参数；
27、构建所述多因素参数的自变量矩阵，并将所述历史分娩结局作为因变量；
28、将所述自变量矩阵与所述因变量之间的内积除以所述自变量矩阵与所述因变量之间的内积的逆矩阵，得到所述调整训练流程与所述历史分娩结局之间的线性回归系数；
29、利用所述线性回归系数从所述多因素参数中确定所述历史分娩结局的多影响因素。
30、在第一方面的一种可能实现方式中，所述基于所述历史分娩结局，对所述最终影响因素进行重要性排序，得到因素序列，包括：
31、基于所述历史分娩结局，计算所述最终影响因素的第一基尼系数；
32、从所述第一基尼系数中选取最小基尼系数；
33、获取所述最小基尼系数对应的因素数值，并获取所述因素数值对应的数值样本数目；
34、判断所述数值样本数目对应的历史分娩结局是否全为不良分娩结局；
35、在所述数值样本数目对应的历史分娩结局不全为不良分娩结局时，基于所述数值样本数目与所述历史分娩结局，计算所述最终影响因素的第二基尼系数；
36、利用所述最小基尼系数与所述第二基尼系数对所述最终影响因素进行重要性排序，得到因素序列。
37、在第一方面的一种可能实现方式中，所述利用所述因素序列与所述历史分娩结局构建所述历史产妇的随机森林模型，包括：
38、按照先根遍历的顺序将所述因素序列转换为第一树结构；
39、在所述历史分娩结局全为不良分娩结局时，在所述第一树结构上插入不良尾节点，得到第二树结构；
40、在所述第二树结构的边上插入所述因素序列对应的因素数值，得到第三树结构；
41、在所述第三树结构中有向边的边起点与边终点出现重复时，对所述第三树结构中有向边进行边合并处理，得到所述历史产妇的随机森林模型。
42、在第一方面的一种可能实现方式中，所述划分所述历史分娩结局的历史结局等级，包括：
43、对所述历史分娩结局进行结局分类，得到分娩结局类别；
44、采集所述分娩结局类别下的结局后果指标；
45、利用预设的指标得分算法计算所述结局后果指标对应的后果指标得分；
46、利用所述后果指标得分排列所述分娩结局类别，得到分娩结局序列；
47、将所述分娩结局序列作为所述历史分娩结局的历史结局等级。
48、在第一方面的一种可能实现方式中，所述基于所述历史结局等级，构建所述历史产妇的等级预警模型，包括：
49、分析所述调整训练流程中影响所述历史结局等级的等级影响因素；
50、计算所述等级影响因素在所述历史结局等级下的因素基尼系数；
51、利用所述因素基尼系数构建所述历史产妇的等级预警模型。
52、与现有技术相比，本方案的技术原理及有益效果在于：
53、本发明实施例通过基于所述历史分娩结局，对所述调整训练流程进行单因素分析，得到所述历史分娩结局的单影响因素，以用于分析所述调整训练流程中哪些类型的参数对历史分娩结局造成影响，本发明实施例通过利用所述因素序列与所述历史分娩结局构建所述历史产妇的随机森林模型，以用于在有新出现的产妇分娩时，可以通过随机森林模型来基于该产妇分娩前的联合正念训练流程来事先预测产妇的分娩结局，进一步地，本发明实施例通过基于所述历史结局等级，构建所述历史产妇的等级预警模型以用于，对分娩结局的严重程度实现分级预警。因此，本发明实施例提出的一种基于联合正念训练的分娩结局影响评估方法，可以预先分析联合正念训练对分娩结局造成的影响。
1.一种基于联合正念训练的分娩结局影响评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述正念训练流程进行强度调整，得到调整训练流程，包括：
3.根据权利要求1所述的方法，其特征在于，所述识别所述调整训练流程在所述历史产妇上的历史分娩结局，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述历史分娩结局，对所述调整训练流程进行单因素分析，得到所述历史分娩结局的单影响因素，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述历史分娩结局，对所述调整训练流程进行多因素分析，得到所述历史分娩结局的多影响因素，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述历史分娩结局，对所述最终影响因素进行重要性排序，得到因素序列，包括：
7.根据权利要求1所述的方法，其特征在于，所述利用所述因素序列与所述历史分娩结局构建所述历史产妇的随机森林模型，包括：
8.根据权利要求1所述的方法，其特征在于，所述划分所述历史分娩结局的历史结局等级，包括：
9.根据权利要求1所述的方法，其特征在于，所述基于所述历史结局等级，构建所述历史产妇的等级预警模型，包括：
