现代妇产科进展
現代婦產科進展
현대부산과진전
CURRENT ADVANCES IN OBSTETRICS AND GYNECOLOGY
2008年
3期
182-184
,共3页
胎儿体重%预测%人工神经网络
胎兒體重%預測%人工神經網絡
태인체중%예측%인공신경망락
目的:探讨人工神经网络预测新生儿出生体重的价值.方法:将226例足月、单胎、无妊娠合并症及并发症的初产妇分为训练组(100例,男女胎儿各50例)和验证组(126例,男女胎儿各63例),训练组分别选取不同参数构建3个神经网络,(1)联合参数法:用孕妇身高、体重、腹围、宫高及B超下胎儿双顶径、股骨长和羊水池最大深度作为输入节点;(2)孕妇参数法,用孕妇身高、体重、腹围和宫高作为输入节点;(3)胎儿参数法,用B超下胎儿双顶径、股骨长和羊水池最大深度作为输入节点.神经网络构建完成后以126例验证组来分别测试3种网络的准确性和误差.结果:联合参数法准确率最高为84.94%,母亲参数法为83.45%,胎儿参数法为80.80%.结论:人工神经网络预测胎儿体重有很好的应用前景.选取合适的孕妇及胎儿参数建立网络可提高预测的准确性.
目的:探討人工神經網絡預測新生兒齣生體重的價值.方法:將226例足月、單胎、無妊娠閤併癥及併髮癥的初產婦分為訓練組(100例,男女胎兒各50例)和驗證組(126例,男女胎兒各63例),訓練組分彆選取不同參數構建3箇神經網絡,(1)聯閤參數法:用孕婦身高、體重、腹圍、宮高及B超下胎兒雙頂徑、股骨長和羊水池最大深度作為輸入節點;(2)孕婦參數法,用孕婦身高、體重、腹圍和宮高作為輸入節點;(3)胎兒參數法,用B超下胎兒雙頂徑、股骨長和羊水池最大深度作為輸入節點.神經網絡構建完成後以126例驗證組來分彆測試3種網絡的準確性和誤差.結果:聯閤參數法準確率最高為84.94%,母親參數法為83.45%,胎兒參數法為80.80%.結論:人工神經網絡預測胎兒體重有很好的應用前景.選取閤適的孕婦及胎兒參數建立網絡可提高預測的準確性.
목적:탐토인공신경망락예측신생인출생체중적개치.방법:장226례족월、단태、무임신합병증급병발증적초산부분위훈련조(100례,남녀태인각50례)화험증조(126례,남녀태인각63례),훈련조분별선취불동삼수구건3개신경망락,(1)연합삼수법:용잉부신고、체중、복위、궁고급B초하태인쌍정경、고골장화양수지최대심도작위수입절점;(2)잉부삼수법,용잉부신고、체중、복위화궁고작위수입절점;(3)태인삼수법,용B초하태인쌍정경、고골장화양수지최대심도작위수입절점.신경망락구건완성후이126례험증조래분별측시3충망락적준학성화오차.결과:연합삼수법준학솔최고위84.94%,모친삼수법위83.45%,태인삼수법위80.80%.결론:인공신경망락예측태인체중유흔호적응용전경.선취합괄적잉부급태인삼수건립망락가제고예측적준학성.
