BP人工神经网络在早产预测模型中的应用

作者：徐新; 谭红专; 周书进; 何玥; 沈琳; 柳祎; 胡丽; 王小娟; 李逊

来源：中华流行病学杂志, 2014, 35(09): 1028-1031.

• 早产
• 神经网络
• 预测

目的基于BP人工神经网络的基本原理和方法 ,构建早产预测模型。方法采用前瞻性队列研究方法 ,通过整群抽样,2010—2012年在湖南省浏阳市随机抽取怀孕妇女作为研究对象。按2∶1∶1将调查样本随机分为训练样本、检验样本和测试样本,分别用于建立预测模型、选择最优神经网络和模型预测评价。采用BP人工神经网络和logistic回归分析建立模型,用ROC方法评价所建立的早产预测模型的优劣。结果整理6 270例分娩孕妇的数据,结果显示,早产265例,早产发生率为4.22%。将子宫异常及畸形、产次、妊娠胎数、妊娠期高血压、前置胎盘、胎膜早破和定期产检7个多因素分析有统计学意义的变量选入预测模型。BP人工神经网络模型预测早产的灵敏度、特异度和一致率分别为67.65%、84.87%和84.12%,ROC曲线下面积为0.795;logistic回归模型预测早产的灵敏度、特异度和一致率分别为64.71%、85.60%和84.69%,ROC曲线下面积为0.783。结论新建立的BP人工神经网络模型实用可靠,其对早产的预测效能略优于logistic回归模型。

• 单位
  中南大学; 公共卫生学院; 浏阳市妇幼保健院