bp神经网络预测妊娠期糖尿病胎儿体重的研究

《bp神经网络预测妊娠期糖尿病胎儿体重的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、BP神经网络预测妊娠期糖尿病胎儿体重的研究作者：宋鹤兰,张东枚,李丽霞,李筠,曾慧韵,丁淑瑾,赵曼丹,骆婕【摘要】目的探讨BP神经网络预测妊娠期糖尿病（GDM）胎儿出生体重的价值。方法将306例足月、单胎、无妊娠其它合并症及并发症的GDM孕妇随机分为训练组（200例，男女胎儿分别为106例、94例）和验证组（106例，男女胎儿分别为56例、50例）。训练组分别选取不同参数构建3个神经网络:(1)孕妇参数法：包括孕妇体重指数（BMI）、腹围、宫高、孕期增加体重、空腹血糖（FBS）、餐后2h血糖（PBS

2、）、糖化血红蛋白（GHbA1c）等7项参数作为输入节点；(2）胎儿参数法：用胎儿的双顶径（BPD）、股骨长度（FL）、头围（HC）、腹围（AC）、腹径（AD）、股骨皮下脂肪厚度（FTSTT）、胎儿腹壁脂肪层厚度（FFL）等7项参数作为输入节点；(3）联合参数法：将孕妇及胎儿的参数作为输入节点。神经网络构建完成后以106例验证组来分别测试3种网络法的误差率和符合率。结果联合参数法准确率最高为86.20%,胎儿参数法为71.30％,孕妇参数法为64.50%。结论BP神经网络预测胎儿体重有很好的应用前景。

3、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。【关键词】妊娠期糖尿病；胎儿体重；预测；BP神经网络13　　Abstract:ObjectiveToinvestigatethevalueofBPneuralnetworkinpredictingfetalbirthweightinpatientswithgestationaldiabetesmellitus(GDM).Methods306pregnantwomenoffulltermpregnancy,singlegestation,withn

4、oothercomplicationsofpregnancyandcomplicationsofGDM,wererandomlydividedintotraininggroup(200cases,including106malefetusesand94femalefetuses)andtestgroup(106cases,including56malefetusesand50femalefetuses).Traininggroupwereselectedtobuildthreedifferentne

5、uralnetworkswithdifferentparameters,(l)Pregnantwomenparametermethod:includingbodymassindex(BMI),abdominalcircumference,fundalheight,pregnancyweightgain,fastingbloodsugar(FBS),postprandialbloodsugar(PBS),glycosylatedhemoglobin(GHbA1c),thesesevenparamete

6、rswereusedasinputnodes.(2)Fetalparametermethod:includingfetalbiparietaldiameter(BPD),femurlength(FL),headcircumference(HC),abdominalcircumference(AC),abdominaldiameter(AD),femoralthighsofttissuethickness(FTSTT),andfetalabdominalwallfatlayer(FFL),theses

7、evenparameterswereusedasinputnodes.(3)Jointparametermethod:theabovematernalandfetalparameterswereusedasinputnodes.Afterestablishmentofneuralnetworks,13thedataof106casesoftestgroupwasusedtoverifiedpredictionerrorrateandpredictioncoincidencerateofthethre

8、eneuralnetworksinpredictingfetalbirthweight.ResultsJointparametermethodwasthemostaccurate,theaccuracyrateofthismethodwasupto86.20%,andtheaccuracyratesoffetalparametersmethodandmotherparametermethodwere71.30%and64.50%respectively.Conclus