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

ID:25230120

大小:58.50 KB

页数:9页

时间:2018-11-19

bp神经网络预测妊娠期糖尿病胎儿体重的研究_第1页
bp神经网络预测妊娠期糖尿病胎儿体重的研究_第2页
bp神经网络预测妊娠期糖尿病胎儿体重的研究_第3页
bp神经网络预测妊娠期糖尿病胎儿体重的研究_第4页
bp神经网络预测妊娠期糖尿病胎儿体重的研究_第5页
资源描述:

《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,更多相关内容在工程资料-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)、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(B

2、PD)、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。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  Abstract:ObjectiveToinvestigatethevalu

3、eofBPneuralellitus(GDM).Methods306pregnantenoffulltermpregnancy,singlegestation,lydividedintotraininggroup(200cases,including106malefetusesand94femalefetuses)andtestgroup(106cases,including56malefetusesand50femalefetuses).Traininggroupeters,(l)Pregnantenparametermethod:includingbodymassindex(BMI)

4、,abdominalcircumference,fundalhEIght,pregnancyoglobin(GHbA1c),thesesevenparametersetermethod:includingfetalbiparietaldiameter(BPD),femurlength(FL),headcircumference(HC),abdominalcircumference(AC),abdominaldiameter(AD),femoralthighsofttissuethickness(FTSTT),andfetalabdominaletersetermethod:theabove

5、maternalandfetalparametersentofneuraletermethodostaccurate,theaccuracyrateofthismethodetersmethodandmotherparametermethodaternalandfetalparametersinestablishmentofprovingaccuracyofpredictingfetalbirthellitus;fetalbirthin内测定。根据入院时间顺序分为两组:训练组200例,其中106例男婴,94例女婴。验证组106例,包括56例男婴,50例女婴。  1.2预测所需参数的确定选择

6、合适的输入参数对预测结果的准确性十分重要。根据参数的来源可分为两类。第1类来自孕妇本身,包括GDM孕妇的身高、体重、腹围、宫高和FBS、PBS及GHbA1c。第2类来自胎儿,选择B超常用的指标:BPD、HC、AC、AD、FL、FTSTT、FFL。来自孕妇的参数可间接反映胎儿的大小,且简便易得。来自胎儿的参数则须借助B超获得,由专人负责,在分娩前1周内测量,每个参数至少测量3次,取平均值。  1.3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络,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(可有多个隐含层)和输出层构成[6]。每一层

7、可包含一个或多个神经元,其中每一层的每个神经元和前一层相连接,同层神经元之间无连接[7]。本研究采用单隐层结构,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。  1.4神经网络模型的构建根据输入节点的不同分为3种方法构建模型:(1)孕妇参数法:包括孕妇身高、孕期增加的体重、腹围、宫高及FBS、PBS、GHbA1c等7项参数作为输入节点;(2)胎儿参数法:用胎儿的BPD、HC、AC、F

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。