冯玉婷+吴薇

摘 要：为了从海量孕检数据中挖掘出有价值的信息，同时针对BP神经网络收敛速度慢、预测精度低的问题，提出一种利用遗传算法优化BP神经网络的算法（GABP），对胎儿进行健康诊断并建立预测模型。首先利用遗传算法的寻优技术简化特征属性；然后将简化后的属性作为BP神经网络的输入神经元，构建BP神经网络模型，并进行学习训练；最后利用Matlab对算法进行仿真。实验结果表明，GABP算法能够很好地提取孕检数据中的重要信息，缩短BP预测时间，是一种可行的胎儿健康辅助预测模型。

关键词：胎儿体征信息；孕检数据；遗传算法；BP神经网络；数据挖掘

中图分类号：TP301.6 文献标识码：A 文章编号：2095-1302（2018）02-00-03

0 引 言

随着生活水平的不断提高，人们对于母婴健康的关注度与日俱增，与此同时，针对母婴健康监护的研究有了迅猛发展。尤其随着母婴健康监护信息系统在各大医院的投用，收集到的母婴信息不仅包括B超影像、各项生理指标，还有孕妇年龄、身高、体重、既往病史等大量详细的背景资料。但是苦于没有强有力的工具，医护工作者无法从海量孕检数据中获取未发掘的有用信息，并且不能依靠单一的数据或某一检查项目来判断胎儿的健康状况，因此，如何从海量数据中挖掘出胎儿体征信息与母体信息之间的相互关系，成为国内外研究人员的研究热点。

许多数据分析人员利用特征约简方法和分类模型在医学数据领域进行了深入研究，但是对胎儿体征信息的研究却少之又少。……