基于深度学习的胎心监护对胎儿窘迫风险的识别分析

作者：张阔; 陈莹; 刘丹

来源：中国数字医学, 2021, 16(10): 86-92.

• 神经网络模型
• 胎心监护
• 孕妇
• 胎儿窘迫

目的:分析基于深度学习的胎心监护对胎儿窘迫风险的识别。方法:分析2017年1月至2019年12月医院产科收治的1 010例孕妇。根据孕妇生产时是否发生胎儿窘迫分为窘迫组和对照组。比较多因素Logistic回归分析模型和深度神经网络模型(DNN)预测孕妇发生胎儿窘迫的预测效能。结果:纳入孕妇有153例发生胎儿窘迫,发生率为16.14%。ROC曲线结果显示多因素Logistic回归模型预测发生胎儿窘迫风险的AUC是0.881,DNN模型预测发生胎儿窘迫风险的AUC是0.974,Z检验结果显示DNN模型的预测效能高于多因素Logistic回归分析模型(P<0.05)。结论:DNN模型下胎心监护对孕妇发生胎儿窘迫有良好预测性,有助于早期识别和处理高危孕妇。

• 单位
  唐山市妇幼保健院