基于GA-BP神经网络的胎儿体重预测分析①
2018-04-21朱海龙朱旭红袁贞明
计算机系统应用 2018年3期
关键词:模型
朱海龙, 陶 晶, 俞 凯, 朱旭红, 袁贞明
1(杭州师范大学 杭州国际服务工程学院,杭州 311121)2(南京医科大学,南京 211166)
3(杭州市卫生和计划生育委员会,杭州 310006)
4(杭州市妇幼保健院,杭州 310008)
1 引言
在妇产科学中,准确预测胎儿体重具有十分重要的意义. 胎儿体重是判断胎儿发育的重要指标之一,孕中期计算胎儿体重,可以监测胎儿发育是否正常,且孕晚期计算胎儿体重对产妇的生产方式有指导作用. 随着经济水平的提高和医疗条件的改善,巨大儿的发生率也在逐年上升,占新生儿的5.62%-6.49%[1]. 由于孕妇营养过程引起巨大儿的发生比率接近70%,随之而来的问题就是难产、剖宫产比率增加[2]. 然而,胎儿体重无法直接测得,只能根据孕妇体检数据进行预测.
传统的胎儿体重预测是基于孕妇体检时的B超检查结果来预测胎儿体重预测模型. Shepard等[3]使用双顶径 (BPD),腹围 (AC)等参数直接计算胎儿体重;Hadlock等[4]使用头围 (HC),腹围 (AC),股骨长度(FL)等参数,通过回归分析得到的经验公式预测胎儿体重. 朱桐梅等[5]比较了6种利用宫高、腹围数值的胎儿体重经验公式的准确性,其中最高的精确度为45.76%,难以满足当前的医疗需求. Möst L等[6]认为传统经验公式是基于单次点预测的结果,易于解释其意义,但是忽略了对预测区间不确定性的度量,因此提出基于条件线性变换模型预测胎儿体重,将不同预测区间的不确定性度量引入预测模型,提升模型适应度. 洪传美等[7]指出目前临床工作中使用的经验公式多为国外……
登录APP查看全文
