换一批摘要目的:比较传统预测方法及BP人工神经网络(BP-ANN)预测胎儿体质量的准确性,探讨预测足月胎儿出生体质量的最佳模型.方法:选取2015年11月—2016年7月产前0~5 d在我院进行超声检查并分娩的单胎足月孕妇224例,收集临床及超声资料.根据胎儿实际体质量,分为非巨大儿组(胎儿体质量<4000 g,n=183)和巨大儿组(胎儿体质量≥4000 g,n=41).使用误差(绝对误差、相对误差)评价不同方法预测胎儿体质量的准确性.结果:超声参数、联合参数(临床+超声)的BP-ANN在不同组别预测胎儿体质量的误差小于传统预测方法(P<0.05),联合参数的BP-ANN在巨大儿组中随着训练样本数的增加误差降低(P<0.05);联合参数的BP-ANN在非巨大儿组、整体224例中误差均小于临床参数、超声参数(P<0.05),巨大儿组中联合参数、超声参数的BP-ANN误差小于临床参数(P<0.05),但联合参数与超声参数比较差异无统计学意义(P>0.05).结论:BP-ANN预测胎儿体质量准确性优于传统预测方法;预测足月胎儿出生体质量的最佳模型为联合参数的BP-ANN.
更多相关知识
关键词
足月分娩胎儿体重模型,理论神经网络(计算机)BP人工神经网络Term birthFetal weightModels,theoreticalNeural networks (computer)Back propagation artificial neural network
栏目名称
DOI
10.3969/j.issn.1674-1870.2017.05.018
发布时间
2017-11-20（万方平台首次上网日期，不代表论文的发表时间）
- 浏览174
- 被引5
- 下载63
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
