基于广义线性模型的卵巢功能年龄评估方法和装置

摘要

本发明提供一种基于广义线性模型的卵巢功能年龄评估方法和装置，其中，方法包括：获取待测女性与卵巢功能相关的目标指标的信息；其中，所述与卵巢功能相关的目标指标包括生理学指标、内分泌学指标、影像学指标；将所获取与卵巢功能相关的目标指标的信息输入训练好的广义线性模型进行处理，输出待测女性的卵巢年龄；其中，训练好的广义线性模型，是基于健康女性样本与卵巢功能相关的目标指标的信息以及对应的实际年龄标签训练得到。本发明可以实现对卵巢生物学年龄的准确评估，满足临床应用对特异度和灵敏度的要求。

说明书

技术领域

本发明涉及智能计算技术领域，尤其涉及一种基于广义线性模型的卵巢功能年龄评估方法和装置。

背景技术

卵巢的生物学年龄，是指以卵巢的功能状态为评价指标来界定卵巢的状态。它与个体的实际年龄未必等价。随着时间的推移，卵巢的衰老速度不同，个体呈现出的卵巢的功能状态也不相同。这除了与年龄有关，也可以与基因、环境等因素有关，还可以是由病理性因素导致的。

目前，临床使用的卵巢生物学年龄评估方法包括：激素水平测定，例如，卵泡刺激素(Follicle stimulating hormone，简称FSH)、雌二醇(Estradiol，E2)、抗缪勒管激素(Anti-Mullerian Hormone,简称 AMH)、抑制素B(inhibin B)等；超声影像学检测，例如，窦卵泡数(Antral Follicle Counting，简称AFC)、卵巢体积(Ovarian volume)、卵巢基质血流等；卵巢储备功能动态检测试验，例如，氯米芬刺激实验(CCCT)、外源性FSH卵巢储备试验等；基因检测。

可见，目前的卵巢生物学年龄评估多基于单一的评估指标进行评估，例如，内分泌学指标AMH、FSH、E2等，影像学指标AFC、 OV等，单一的评估指标难以获得临床应用满意的特异度和灵敏度。

发明内容

本发明提供一种基于广义线性模型的卵巢功能年龄评估方法和装置，用以解决现有技术中采用单一的评估指标对卵巢的生物学年龄进行评估的缺陷，可以实现对卵巢生物学年龄的准确评估，满足临床应用对特异度和灵敏度的要求。

第一方面，本发明提供一种基于广义线性模型的卵巢功能年龄评估方法，包括：

获取待测女性与卵巢功能相关的目标指标的信息；其中，所述与卵巢功能相关的目标指标包括生理学指标、内分泌学指标、影像学指标；

将所获取与卵巢功能相关的目标指标的信息输入训练好的广义线性模型(generalize linear model)进行处理，输出所述待测女性的卵巢年龄；其中，所述训练好的广义线性模型，是基于健康女性样本与卵巢功能相关的目标指标的信息以及对应的实际年龄标签训练得到。

根据本发明提供的一种基于广义线性模型的卵巢功能年龄评估方法，还包括：

将健康女性样本集中女性样本与卵巢功能相关的目标指标的信息输入所构建的广义线性模型，根据女性样本对应的实际年龄标签对所述广义线性模型进行训练，得到所述训练好的广义线性模型。

根据本发明提供的一种基于广义线性模型的卵巢功能年龄评估方法，对所述广义线性模型进行训练，包括：

将所述健康女性样本集分划为训练集和测试集；

将所述训练集中女性样本与卵巢功能相关的目标指标的信息输入所述广义线性模型，根据女性样本对应的实际年龄标签对所述广义线性模型的参数进行调整；

将所述测试集中女性样本与卵巢功能相关的目标指标的信息输入调整参数后的广义线性模型，根据女性样本对应的实际年龄标签对所述调整参数后的广义线性模型进行测试；

根据所述调整参数后的广义线性模型在所述测试集上的测试结果，确定所述训练好的广义线性模型。

根据本发明提供的一种基于广义线性模型的卵巢功能年龄评估方法，对所述广义线性模型进行训练之前，还包括：

根据所述健康女性样本集与卵巢功能相关的指标的信息，基于最小绝对值收敛和选择算子，对所述与卵巢功能相关的指标进行筛选，得到所述与卵巢功能相关的目标指标；

将所得到的与卵巢功能相关的目标指标的信息作为输入量，将所述卵巢年龄作为输出量，构建所述广义线性模型。

根据本发明提供的一种基于广义线性模型的卵巢功能年龄评估方法，所述与卵巢功能相关的目标指标包括：身高体重指数BMI、抗缪勒管激素AMH、抑制素B、卵泡刺激素FSH、黄体生成素LH、雌二醇E2和窦卵泡数AFC。

根据本发明提供的一种基于广义线性模型的卵巢功能年龄评估方法，所述训练好的广义线性模型包括七个输入量和一个输出量，所述输出量服从正态分布，所述输出量为所述七个输入量的加权之和再与一个常数相加，其中，所述七个输入量的权重包括正数和负数。

第二方面，本发明还提供一种基于广义线性模型的卵巢功能年龄评估装置，包括：

获取模块，用于获取待测女性与卵巢功能相关的目标指标的信息；其中，所述与卵巢功能相关的目标指标包括生理学指标、内分泌学指标、影像学指标；

评估模块，用于将所获取与卵巢功能相关的目标指标的信息输入训练好的广义线性模型进行处理，输出所述待测女性的卵巢年龄；其中，所述训练好的广义线性模型，是基于健康女性样本与卵巢功能相关的目标指标的信息以及对应的实际年龄标签训练得到。

根据本发明提供的一种基于广义线性模型的卵巢功能年龄评估装置，还包括：

训练模块，用于将健康女性样本集中女性样本与卵巢功能相关的目标指标的信息输入所构建的广义线性模型，根据女性样本对应的实际年龄标签对所述广义线性模型进行训练，得到所述训练好的广义线性模型。

第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于广义线性模型的卵巢功能年龄评估方法的步骤。

第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于广义线性模型的卵巢功能年龄评估方法的步骤。

本发明提供一种基于广义线性模型的卵巢功能年龄评估方法和装置，通过获取待测女性与卵巢功能相关的目标指标的信息，将所获取与卵巢功能相关的目标指标的信息输入训练好的广义线性模型进行处理，输出待测女性的卵巢年龄；其中，与卵巢功能相关的目标指标包括生理学指标、内分泌学指标、影像学指标；训练好的广义线性模型，是基于健康女性样本与卵巢功能相关的目标指标的信息以及对应的实际年龄标签训练得到；本发明利用广义线性模型结合生理学、内分泌学、影像学指标对卵巢的生物学年龄进行评估，可以获得准确的评估结果，满足临床应用对特异度和灵敏度的要求。

附图说明

图1是本发明提供的基于广义线性模型的卵巢功能年龄评估方法的流程示意图；

图2是本发明提供的获得训练好的广义线性模型的流程示意图；

图3是本发明提供的进行指标筛选的示意图；

图4是本发明提供的广义线性模型的训练过程的示意图；

图5是本发明提供的广义线性模型对不同年龄人群卵巢年龄的平均绝对误差值分布的示意图；

图6是本发明提供的基于广义线性模型的卵巢功能年龄评估装置的结构示意图；

图7是本发明提供的一种电子设备的实体结构示意图。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。为使本发明实施例的目的、技术方案和优点更加清楚，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、完整的描述，显然，所描述的实施例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作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，图1是本发明提供的基于广义线性模型的卵巢功能年龄评估方法的流程示意图，该基于广义线性模型的卵巢功能年龄评估方法可以由基于广义线性模型的卵巢功能年龄评估装置执行，该基于广义线性模型的卵巢功能年龄评估装置设置于电子设备，例如，基于广义线性模型的卵巢功能年龄评估装置可以是应用软件(Application，简称App),电子设备可以是移动终端或者固定终端，本发明实施例对基于广义线性模型的卵巢功能年龄评估装置和电子设备的类型不作限定，如图1所示，该基于广义线性模型的卵巢功能年龄评估方法，至少包括：

101，获取待测女性与卵巢功能相关的目标指标的信息；其中，与卵巢功能相关的目标指标包括生理学指标、内分泌学指标、影像学指标。

在本发明实施例中，与卵巢功能相关的目标指标可以包括生理学、内分泌学、影像学等与卵巢功能相关的指标，例如，身高体重指数 (Body Mass Index，简称BMI)、抗缪勒管激素、抑制素B、卵泡刺激素、黄体生成素(Luteinizing hormone，简称LH)、雌二醇和窦卵泡数等，本发明实施例对与卵巢功能相关的目标指标的类型不作限定。

在本发明实施例中，待测女性与卵巢功能相关的目标指标的信息可以从待测女性常规妇科检查、激素水平检测以及妇科超声检查的结果中获取。例如，可以由卵巢年龄评估装置根据待测女性的基本信息，例如姓名、年龄等，从待测女性常规妇科检查、激素水平检测以及妇科超声检查的结果中获取与卵巢功能相关的目标指标的信息。本发明实施例对获取待测女性与卵巢功能相关的目标指标的信息的实现方式不作限定。

102，将所获取与卵巢功能相关的目标指标的信息输入训练好的广义线性模型进行处理，输出待测女性的卵巢年龄；其中，训练好的广义线性模型，是基于健康女性样本与卵巢功能相关的目标指标的信息以及对应的实际年龄标签训练得到。

在本发明实施例中，在获取待测女性与卵巢功能相关的目标指标的信息后，可以将所获取与卵巢功能相关的目标指标的信息输入训练好的广义线性模型，由训练好的广义线性模型对与卵巢功能相关的目标指标的信息进行计算，得到待测女性的卵巢年龄，即卵巢的生物学年龄，并输出，例如，在移动终端或者固定终端的应用软件的界面上显示卵巢年龄。其中，所得到的卵巢的生物学年龄可以与待测女性的实际年龄相同，也可以与待测女性的实际年龄不同，例如，卵巢的生物学年龄可以大于待测女性的实际年龄，或者卵巢的生物学年龄可以小于待测女性的实际年龄。

在本发明实施例中，可以以符合统计学意义数量的健康女性构建样本集，可以认为这类女性卵巢的生物学年龄等于实际年龄，因此可以将实际年龄作为样本集中样本的标签，可以通过样本集中健康女性样本与卵巢功能相关的目标指标的信息以及对应的实际年龄标签，对所构建的广义线性模型进行训练，得到训练好的广义线性模型。可选地，可以直接将训练好的广义线性模型设置于卵巢年龄评估装置中，利用训练好的广义线性模型对待测女性的卵巢年龄进行评估；或者，也可以在卵巢年龄评估装置中构建并训练广义线性模型，得到训练好的广义线性模型，进而利用训练好的广义线性模型对待测女性的卵巢年龄进行评估。本发明实施例对获得训练好的广义线性模型的方式不作限定。

本发明提供的基于广义线性模型的卵巢功能年龄评估方法，通过获取待测女性与卵巢功能相关的目标指标的信息，将所获取与卵巢功能相关的目标指标的信息输入训练好的广义线性模型进行处理，输出待测女性的卵巢年龄；其中，与卵巢功能相关的目标指标包括生理学指标、内分泌学指标、影像学指标；训练好的广义线性模型，是基于健康女性样本与卵巢功能相关的目标指标的信息以及对应的实际年龄标签训练得到；本发明利用广义线性模型结合生理学、内分泌学、影像学指标对卵巢的生物学年龄进行评估，可以获得准确的评估结果，满足临床应用对特异度和灵敏度的要求。可以在准确确定卵巢的生物学年龄或者卵巢的储备功能的基础上，对卵巢的衰老进行预警，对女性卵巢功能进行划分，以便及时采取措施进行预防与治疗，有利于根据女性的年龄和生育需求等制定个体化的治疗或随访方案。尤其是在我国逐渐加重的老龄化社会的严峻形式，高质量的卵巢功能评估具有重大的意义。

请参阅图2，图2是本发明提供的获得训练好的广义线性模型的流程示意图，如图2所示，获得训练好的广义线性模型，至少包括：

201，根据健康女性样本集与卵巢功能相关的指标的信息，基于最小绝对值收敛和选择算子，对与卵巢功能相关的指标进行筛选，得到与卵巢功能相关的目标指标。

在本发明实施例中，由于生理学、内分泌学、影像学等与卵巢功能相关的指标众多，因此在构建广义线性模型通过与卵巢功能相关的指标对卵巢年龄进行评估之前，需要对众多与卵巢功能相关的指标进行筛选，获得对卵巢的状态评价起主要作用的指标，即与卵巢功能相关的目标指标。

在以健康女性构建样本集时，可以获取样本集中女性样本实际年龄和生理学、内分泌学、影像学等与卵巢功能相关的所有指标的信息，例如，可以从样本集中女性样本常规妇科检查、激素水平检测以及妇科超声检查的结果中获取与卵巢功能相关的所有指标的信息，根据所获取的样本集中女性样本与卵巢功能相关的所有指标的信息，通过最小绝对值收敛和选择算子(Least absolute shrinkage and selection operator，简称Lasso)，对与卵巢功能相关的所有指标进行筛选，得到与卵巢功能相关的目标指标，例如，通过Lasso回归进行筛选得到的目标指标包括：BMI、AMH、抑制素B、FSH、LH、E2和AFC。

202，将所得到的与卵巢功能相关的目标指标的信息作为输入量，将卵巢年龄作为输出量，构建广义线性模型。

在本发明实施例中，在通过筛选得到与卵巢功能相关的目标指标后，可以将与卵巢功能相关的目标指标的信息作为输入量，将卵巢年龄作为输出量，构建广义线性模型，本发明实施例对构建广义线性模型采用方法不作限定，例如，可以采用R语言中的glm函数构建广义线性模型。

例如，当通过Lasso回归进行筛选确定目标指标包括：BMI、AMH、抑制素B、FSH、LH、E2和AFC时，所构建的广义线性模型包括七个输入量和一个输出量，其中，输出量服从正态分布，输出量为七个输入量的加权之和再与一个常数相加，七个输入量的权重包括正数和负数，当输入量对输出量的确定起到正向作用时，输入量的权重为正数，当输入量对输出量的确定起到负向作用时，输入量的权重为负数。

203，将健康女性样本集中女性样本与卵巢功能相关的目标指标的信息输入所构建的广义线性模型，根据女性样本对应的实际年龄标签对广义线性模型进行训练，得到训练好的广义线性模型。

在本发明实施例中，对于广义线性模型，如果输入量为x

可选地，在对广义线性模型进行训练时，可以首先将所构建的健康女性样本集随机分划为训练集和测试集，其中，训练集和测试集中样本的数量可以相同或者不同；然后将训练集中女性样本与卵巢功能相关的目标指标的信息输入广义线性模型，根据女性样本对应的实际年龄标签对广义线性模型的参数进行调整，经过有限次的迭代，实现对广义线性模型参数的调整；之后将测试集中女性样本与卵巢功能相关的目标指标的信息输入调整参数后的广义线性模型，根据女性样本对应的实际年龄标签对调整参数后的广义线性模型进行测试；最后根据调整参数后的广义线性模型在测试集上的测试结果，即准确度，确定训练好的广义线性模型。

下面结合实施例1至实施例3的应用场景对本发明提供的基于广义线性模型的卵巢功能年龄评估方法进行说明。

实施例1样本集的筛选与指标的分布

根据样本集的筛选标准，将在2010年10月至2014年12月间，全国六个地区七家医院招募的，2055名年龄在20岁至55岁的健康女性志愿者中的，1020名志愿者纳入样本集。样本集的筛选标准：(1)月经周期规律，年龄<40岁为21-35天；(2)过去的6个月无激素用药；(3) 无放化疗史；(4)无妇科手术史，例如：子宫切除、输卵管切除等； (5)妇科超声检查无卵巢囊肿及包块；(6)无慢性、系统性代谢及内分泌疾病。

所招募志愿者进行一对一问卷调查，采集基本信息、生育信息、既往病史等。对志愿者进行常规妇科检查、激素水平检测以及妇科超声检查。其中激素水平检测采用月经来潮2-5天内的清晨血样，进行离心后血浆放入-80℃的冰箱保存，为了避免实验室之间的检验差异，所有血样样本均于同一家医院进行最终检测。因数据缺失值问题，仅纳入了AMH、抑制素B、FSH、LH、E2五个检验指标进行研究。所有志愿者彩超均于卵泡期进行检查，妇科超声检查在各大医院彩超室进行，所有超声师均进行严格培训，且监测窦卵泡数采用统一标准，即：双侧卵巢内直径2-10mm的环形或小泡样结构。最终各大医院超声结果未显示明显差异，即P>0.05，多家医院与卵巢功能相关的指标的数据特征如表1所示。

实施例2指标筛选与广义线性模型的构建

采用实施例1中纳入样本集的人群的数据，进行指标的筛选。如图3所示，对样本集中人群所获取的7个指标的数据进行Lasso回归分析，筛选构建广义线性模型的指标，经Lasso回归分析，7个指标的Beta 值均不为0，且如表2所示7个指标时具有最小的CP值，故将AMH、抑制素B、FSH、LH、E2、BMI、AFC均作为构建广义线性模型的指标。

表2是Lasso回归获取的CP值

将最终纳入样本集的1020名志愿者进行随机分组，即分成训练集与测试集，其中训练集510名(50％)，测试集510名(50％)。在训练集中，志愿者的平均年龄为31.01岁，在测试集中，志愿者的平均年龄为31.28，而对于样本集的人群，志愿者的平均年龄为31.14岁，训练集与测试集的平均年龄以及与卵巢功能相关的指标的数据特征如表3所示。

所构建的广义线性模型的包括7个输入量和1个输出量，输出量服从正态分布，输出量为7个输入量的加权之和再与1个常数相加，其中，7个输入量的权重可以正数，也可以为负数。广义线性模型可以从训练集中每个样本的数据中学习，来调节输入量的权重和偏差，并通过测试集对调节后的广义线性模型进行测试，得到最终的卵巢年龄预测模型，广义线性模型的训练过程如图4所示。在经过上述学习训练过程后，广义线性模型可以根据训练过程中积累的知识，从新的输入数据中产生输出，作为评估的结果。在本实施例中，拟合7个与卵巢功能相关的目标指标，输出为卵巢年龄的预测值，最终得到的广义线性模型的公式如下：

Y＝22.17-0.26*AMH+0.007*Inhibin B+0.50*BMI+0.39*FSH- 0.09*LH+0.01*E2-0.35*AFC (公式一)

实施例3广义线性模型的应用

采用实施例2所构建的广义线性模型，对训练集和测试集中的人群的卵巢年龄进行预测，结果训练集中人群的平均卵巢年龄为31.10 岁，预测值与实际值之间的Pearson相关性系数为0.61；测试集中人群的平均卵巢年龄为31.13岁，预测值与实际值之间的Pearson相关性系数为0.51。

采用实施例2得到的卵巢年龄预测模型对训练集和测试集中人群的卵巢年龄进行计算，评估误差绝对值最小的年龄段。结果通过计算平均绝对误差(MAE)值发现，27-34岁的女性，各年龄段预测的 MAE值均小于3岁，广义线性模型对不同年龄人群卵巢年龄的MAE值分布如图5所示。

采用26、34岁分别作为节点，将人群年龄分为3层，即：20-26 岁、27-34岁、>34岁；对于不同年龄段人群广义线性模型得到的卵巢年龄的MAE平均值分别为4.78、2.46、5.88岁。

下面对本发明提供的卵巢年龄评估装置进行描述，下文描述的卵巢年龄评估装置与上文描述的卵巢年龄评估方法可相互对应参照。

请查阅图6，图6是本发明提供的基于广义线性模型的卵巢功能年龄评估装置的结构示意图，如图6所示，该基于广义线性模型的卵巢功能年龄评估装置600，至少包括：

获取模块610，用于获取待测女性与卵巢功能相关的目标指标的信息；其中，与卵巢功能相关的目标指标包括生理学指标、内分泌学指标、影像学指标。

评估模块620，用于将所获取与卵巢功能相关的目标指标的信息输入训练好的广义线性模型进行处理，输出待测女性的卵巢年龄；其中，训练好的广义线性模型，是基于健康女性样本与卵巢功能相关的目标指标的信息以及对应的实际年龄标签训练得到。

可选地，基于广义线性模型的卵巢功能年龄评估装置600，还包括：

训练模块，用于将健康女性样本集中女性样本与卵巢功能相关的目标指标的信息输入所构建的广义线性模型，根据女性样本对应的实际年龄标签对所述广义线性模型进行训练，得到所述训练好的广义线性模型。

可选地，训练模块，包括：

划分单元，用于将健康女性样本集划分为训练集和测试集。

训练单元，用于将训练集中女性样本与卵巢功能相关的目标指标的信息输入所述广义线性模型，根据女性样本对应的实际年龄标签对广义线性模型的参数进行调整。

测试单元，用于将测试集中女性样本与卵巢功能相关的目标指标的信息输入调整参数后的广义线性模型，根据女性样本对应的实际年龄标签对调整参数后的广义线性模型进行验证。

输出单元，用于根据调整参数后的广义线性模型在测试集上的测试结果，确定训练好的广义线性模型。

可选地，基于广义线性模型的卵巢功能年龄评估装置600，还包括：

筛选模块，用于根据健康女性样本集与卵巢功能相关的指标的信息，基于最小绝对值收敛和选择算子，对与卵巢功能相关的指标进行筛选，得到与卵巢功能相关的目标指标。

构建模块，用于将所得到的与卵巢功能相关的目标指标的信息作为输入量，将卵巢年龄作为输出量，构建广义线性模型。

可选地，与卵巢功能相关的目标指标包括：身高体重指数BMI、抗缪勒管激素AMH、抑制素B、卵泡刺激素FSH、黄体生成素LH、雌二醇E2和窦卵泡数AFC。

可选地，训练好的广义线性模型包括七个输入量和一个输出量，所述输出量服从正态分布，所述输出量为所述七个输入量的加权之和再与一个常数相加，其中，所述七个输入量的权重包括正数和负数。

图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行基于广义线性模型的卵巢功能年龄评估方法，该方法包括：

获取待测女性与卵巢功能相关的目标指标的信息；其中，所述与卵巢功能相关的目标指标包括生理学指标、内分泌学指标、影像学指标；

将所获取与卵巢功能相关的目标指标的信息输入训练好的广义线性模型进行处理，输出所述待测女性的卵巢年龄；其中，所述训练好的广义线性模型，是基于健康女性样本与卵巢功能相关的目标指标的信息以及对应的实际年龄标签训练得到。

此外，上述的存储器730中的逻辑指令可以通过软件功能单元

的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的基于广义线性模型的卵巢功能年龄评估方法，该方法包括：

获取待测女性与卵巢功能相关的目标指标的信息；其中，所述与卵巢功能相关的目标指标包括生理学指标、内分泌学指标、影像学指标；

将所获取与卵巢功能相关的目标指标的信息输入训练好的广义线性模型进行处理，输出所述待测女性的卵巢年龄；其中，所述训练好的广义线性模型，是基于健康女性样本与卵巢功能相关的目标指标的信息以及对应的实际年龄标签训练得到。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的基于广义线性模型的卵巢功能年龄评估方法，该方法包括：

获取待测女性与卵巢功能相关的目标指标的信息；其中，所述与卵巢功能相关的目标指标包括生理学指标、内分泌学指标、影像学指标；

将所获取与卵巢功能相关的目标指标的信息输入训练好的广义线性模型进行处理，输出所述待测女性的卵巢年龄；其中，所述训练好的广义线性模型，是基于健康女性样本与卵巢功能相关的目标指标的信息以及对应的实际年龄标签训练得到。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。