基于人工神经网络的巨大儿预测的研究
 |
| 第1页 |
参见附件(2420KB，2页)。
【摘要】 目的 探讨BP神经网络对巨大儿预测的意义。方法 将病例分为训练组100例，验证组290例，输入层有孕妇身高、体重、宫高、腹围；B超下胎儿双顶径、股骨长径、羊水指数；构建神经网络，输出层0.5以上为巨大儿。结果 符合率为75%，优于临床常用方法。结论 BP神经网络预测巨大儿有良好的应用前景，选取良好的输出层可提高预测的准确性。
【关键词】
巨大儿； 预测;人工神经网络
Prediction of fet al macrosomia with BP neural network.
SHEN Ai-fang, ZHANG ling, YOU Wei-zhi,et al.
Liao Cheng Peoples Hospital,252000, China
【Abstract】 Objective
To investigate the value of BP neural network in predicting fetal macrosomia. Methods The 390 cases of full-term singleton pregnancy without complication were divided into two groups,100 samples for training and 290 samples for testing. Used the height, weight, uterine fundal height and abdominal circumference of pregnant women as well as the bipariet al diameter(BPD),femur length(FL)and amniotic fluid index(AFI).Ifthe output value above 0.5,it indicate fetal macrosomia. Results The BP method had the predicting accuracy of 75%,better than other method. Conclusion The fetal weight estimation using artificial neural networks shows a potential prospect of application. A suitable output value is critical to build up an effective network.
【Key words】
fetal macrosomia; Prediction; Artificial Neural Network(ANN)
作者单位：252000山东省聊城市人民医院脑科医院
巨大儿的发生率逐年升高，巨大儿所导致的母婴并发症也在增加，因此预测巨大儿的体重比预测正常出生体重儿更为重要，目前对于巨大儿体重的研究已经成为孕期和围生期保健的重要内容之一。
对于胎儿体重预测的研究很多，有数学公式法、统计回归法和人工神经网络法。数学公式应用简单，但预测胎儿体重比较粗略；多参数回归方程的计算复杂，误差较大，符合率低，相关文献表明其对巨大儿最好的预测准确结果是平均绝对误差在250~500 g，临床价值不大。本项目旨在探讨应用人工神经网络建立巨大儿预测的多层神经网络模型，预测巨大儿出现的可能性。
1 资料与方法
1.1 一般资料 选取在我院进行产前检查并分娩的孕妇共390例。入选条件：单胎，足月妊娠(孕37~42周)，B超为7 d内测量的结果，未破膜，孕妇无内外科合并症。
1.2 神经网络模型的选择 采用目前应用最广泛的BP神经网络模型，它是一种单向传播的多层前馈型映射网路，具有很强的非线性映射能力和柔性的网络结构，由输入层、隐含层和输出层构成[1]。本研究输出层一个节点，即预测的胎儿体重，隐层节点数根据经验确定，并经反复试验，找出最佳值。
1.3 模型的构建及方法 以等7项参数作为输入节点，100例样本作为训练组，以另外290例作为验证组。用训练组构建BP神经网络，验证组参数验证试验，输出值在0.5以上为巨大儿；与临床常用的宫高+腹围≥140(传统1组)和BPD+FL≥17(传统2组)相比较。
1.4 数据处理 体重≧4000 g为巨大儿。
1.5 统计学方法 用Excel建立数据库，SPSS 12.0统计学软件分析处理数据。计数资料采用χ2检验，P<0.05表示差异有统计学意义。
2 结果
2.1 符合率的比较 传统1组和2组分别对390例数据进行了预测，研究组以100例作为训练组，对290例数据进行了预测，见表1。
表1
符合率的比较(例，%)
组别预测巨大儿例数符合例数符合率
传统1组1183227.12
传统2组441840.91
研究组362775
注：研究组与另2组比较，P<0.05
2.2 假阳性率的比较
表2
假阳性数(例，%)
组别假阳性率总例数假阳性率
传统1组8611872.88
传统2组264459.09
研究组93925
注：研究组与另2组比较，P<0.05
3 讨论
3.1 巨大儿的发生率 国内外报道不一致，据国际产科组织统计，巨大儿的发生率为5.3%[2]，本组资料显示发生率10.26%(40/390)，高于席南2003年报道的8.35%[3]。
巨大儿所导致的母婴并发症也在增加，如头盆不称、产程延长、胎膜早破、子宫破裂、新生儿产伤、窒息、肩难产、臂丛神经损伤等。因此预测巨大儿的体重比预测正常出生体重儿更为重要，目前对于巨大儿体重的研究已经成为孕期和围生期保健的重要内容之一。
3.2 巨大儿的产前预测 如何在产前准确预测巨大儿，对于盲目扩大手术、减少并发症有着重要而实际的意义。临床常用宫高+腹围法和BPD+FL法，但是准确性差，容易受到多个因素的影响。
B超测量的参数相对准确一些，但和临床医师的期望值差距仍大。如Shepard[4]提出以BPD和AC联合估计EFW，Hadlock[5]以FL和AC预测胎儿体重，Dudley等[6]研究了目前应用较广泛的11个回归方程在胎重估计方面的准确性，结果发现估计的准确性并不稳定。
人工神经网络是一种模仿人类神经网络行为特征，进行分布式并行信息处理的算法数学模型。它具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入-输出数据 ......
您现在查看是摘要介绍页，详见PDF附件(2420KB，2页)。