科研之友
微信
新浪微博
Facebook
分享链接
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05 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<4 000 g,n=183)和巨大儿组(胎儿体质量≥4 000 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BPANN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。
- 单位
