3 人工神经预测方法预测胎儿体质量
人工神经网络是最近几年国内外发展起来的一项新技术,是模仿生物神经系统中神经元的一种数学处理方法,设计合理的神经网络通过对系统输入输出样本对照进行自助学习,能够以任意精度逼近任何复杂的大量线性映射[9 ] 。输入输出数据之间的映射规则由神经网络在学习阶段自动抽取并分布式存储在网络的所有连接中。神经网络不需要建立数学模型,只要把已有的样本数据交给网络,网络将选择自己的模型;可以实现对任何复杂函数的映射,从而适应环境的变化。1992 年,美国学者用人工神经网络预测胎儿体质量,认为这一方法的准确性高于传统的回归计算法[12 ] 。国内也有报道,对胎儿超声参数进行神经网络处理,建立了预测新生儿体质量的前馈神经网络模型[13 ] 。
4 应用模糊神经网络理论对胎儿体质量的预测
取孕周、宫高、孕妇腹围、胎儿双顶径、头围、腹围、股骨、羊水深作为预测因素,应用模糊神经网络理论对胎儿体质量的预测,所预测的胎儿体质量与出生实际体质量取得符合率达91. 5 %[14 ] 。
5 应用支持向量机对胎儿体质量预测
支持向量机是在统计学习理论的基础上发展起来的新一代学习算法,用超声检查的参数双顶径、枕额径、股骨长、腹经线以及孕妇的宫高、腹围等指标作为自变量,分娩时的实际体质量作为因变量,通过定义有序样本、相邻中值点等概念以及判断过拟合等规则,提出一种自适应支持向量机的方法,其应用自适应方法高效选用支持向量机的最佳参数,可使回归估计函数的拟合和预报精度均得到显著的提高[15 ] 。将其应用于足月胎儿体质量的建模,效果明显优于经典方法,并且所建模型可以有效地应用于B 超软件系统中[16 ] 。如何更好地预测胎儿体质量、提出更准确的方法,仍然是今后很长一段时间值得探讨的问题。
参考文献:
[1 ] 乐杰. 妇产科[M] . 第6 版. 北京:人民卫生出版社,2005. 135.
[2 ] 陶艳玲,宋文龄,朱丹,等. 应用B 超预测胎儿体重的筛选[J ] .中国妇幼保健,2004 ,19(12) :87288.
[3 ] 卓晶如. 胎儿宫内生长情况估计2宫底高度测量[J ] . 中华妇产科杂志,1980 ,15 :193.
[4 ] 刘旦光. 足月新生儿体重预测的探讨附751 例分析[J ] . 中华妇产科杂志,1985 ,20 :243.
[5 ] 裴金霞,桂芳. 孕妇腹壁脂肪厚度对胎儿体重估计的影响[J ] .护理杂志,2000 ,14(2) :23224.
[6 ] 邓文,丁依玲,朱伏凡,等. 超声测量胎儿股骨皮下组织厚度预测胎儿体重的临床应用[J ] . 中国医师杂志,2003 ,5(3) :47249.
[7 ] 舒为群,谯建,孙彤,等. 超声测量估计巨大胎儿体重多项公式的临床验证[J ] . 重庆医科大学学报,2003 ,28(4) :1062108.
[8 ] 王卫东,许爱宏. 多参数超声测量预测胎儿体重的临床应用[J ] . 滨州医学院学报,2004 ,27(1) :22224.
[9 ] 沈国芳,罗来敏,戴钟英,等. 应用超声测量估计巨大胎儿体重[J ] . 中华妇产科杂志,1999 ,34 :47.
[10 ] 刘满梅,李瑞娟.B 超预测胎儿体重的临床价值[J ] . 宁夏医学院学报,2003 ,25(5) :45246.
[11 ] 程小飞,彭小宇,王葭,等. 超声测量胎儿右肝前后径、胎肾长径预测胎儿体重的临床验证[J ] . 实用医技杂志,2004 ,11 (5) :16217.
[12 ] Gonen R ,Bader D ,Ajami M, et al . Effects of a policy of elective cesar2ean delivery in cases of suspected fetal macrosomia on the incidence ofbrachial plexus injury and the rate of cesarean delivery[J ] . AmJ ObstetGynecol ,2000 ,183 (5) :129621300.
[13 ] 李笑天,庄依亮,常才,等. 神经网络在预测胎儿体重中的作用[J ] . 中国医学影像技术,1999 ,15(5) :79281.
[14 ] 娄国焕,赵福来,李鸥. 基于模糊神经网络方法的胎儿体重预测[J ] . 河北理工学院学报,2003 ,25(S1) :1142117.
[15 ] 宋晓峰,韩平,邹丽. 基于支持向量机的足月胎儿体重预测新方法[J ] . 中国生物医学工程学报,2004 ,23(6) :39245.
[16 ] Liao SP ,Lin HT ,Lin CJ . A Note on the Decomposition Methods forSupport Vector Regression [ J ] . Neural Comput , 2002 , 14 ( 6) : 126721281.
