BP神經(jīng)網(wǎng)絡(luò)預測妊娠期糖尿病胎兒體重的研究

1、BP神經(jīng)網(wǎng)絡(luò)預測妊娠期糖尿病胎兒體重的研究【摘要】目的討論BP神經(jīng)網(wǎng)絡(luò)預測妊娠期糖尿病GD胎兒出生體重的價值。方法將306例足月、單胎、無妊娠其它合并癥及并發(fā)癥的GD孕婦隨機分為訓練組200例，男女胎兒分別為106例、94例和驗證組106例，男女胎兒分別為56例、50例。訓練組分別選取不同參數(shù)構(gòu)建3個神經(jīng)網(wǎng)絡(luò):(1)孕婦參數(shù)法：包括孕婦體重指數(shù)BI、腹圍、宮高、孕期增加體重、空腹血糖FBS、餐后2h血糖PBS、糖化血紅蛋白GHbA1等7項參數(shù)作為輸入節(jié)點；(2胎兒參數(shù)法：用胎兒的雙頂徑BPD、股骨長度FL、頭圍H、腹圍A、腹徑AD、股骨皮下脂肪厚度FTSTT、胎兒腹壁脂肪層厚度FFL等7項參數(shù)

2、作為輸入節(jié)點；(3結(jié)合參數(shù)法：將孕婦及胎兒的參數(shù)作為輸入節(jié)點。神經(jīng)網(wǎng)絡(luò)構(gòu)建完成后以106例驗證組來分別測試3種網(wǎng)絡(luò)法的誤差率和符合率。結(jié)果結(jié)合參數(shù)法準確率最高為86.20%,胎兒參數(shù)法為71.30,孕婦參數(shù)法為64.50%。結(jié)論BP神經(jīng)網(wǎng)絡(luò)預測胎兒體重有很好的應用前景。選取適宜的孕婦及胎兒參數(shù)建立網(wǎng)絡(luò)可進步預測的準確性。【關(guān)鍵詞】妊娠期糖尿病；胎兒體重；預測；BP神經(jīng)網(wǎng)絡(luò)妊娠期糖尿病GD的發(fā)病率逐年增加1，GD孕婦最常見的并發(fā)癥是軀體發(fā)育不對稱的宏大兒。經(jīng)陰道分娩時肩難產(chǎn)時機增多，易導致新生兒產(chǎn)傷、窒息、腦癱甚至死亡。因此，分娩前準確地預測GD孕婦的胎兒體重，有助于臨床醫(yī)生選擇恰當?shù)姆置浞绞剑?/p>

3、防止母嬰的損傷，進步產(chǎn)科質(zhì)量具有非常重要的意義。國內(nèi)外學者對產(chǎn)前如何準確地預測GD胎兒體重進展了大量的研究2。大多數(shù)參照非GD孕婦和胎兒的生物指標，建立了單參數(shù)、雙參數(shù)及多參數(shù)的多個回歸方程式。但在臨床理論中，發(fā)現(xiàn)孕婦和胎兒的參數(shù)與胎兒體重間關(guān)系，不是簡單的線性關(guān)系，有學者在回憶性和前瞻性驗證中發(fā)現(xiàn)，即使數(shù)據(jù)組選用相似，各種用于計算的公式在預測胎兒體重的準確性上也有著明顯的不同3。有學者提出，采用BP人工神經(jīng)網(wǎng)絡(luò)法預測胎兒體重，其準確性明顯高于傳統(tǒng)的回歸方程3,4。人工神經(jīng)網(wǎng)絡(luò)artifiialneuralnetrk，ANN)是近幾年開展起來的一項模擬生物神經(jīng)系統(tǒng)中神經(jīng)元的一種新數(shù)學處理方法。

4、在眾多神經(jīng)網(wǎng)絡(luò)模型中，應用最廣泛的是多層感知機神經(jīng)網(wǎng)絡(luò)，它采用誤差反向傳遞學習方法errrbakprpagatin)，簡稱BP神經(jīng)網(wǎng)絡(luò)，具有很強的非線性映射才能和柔性的網(wǎng)絡(luò)構(gòu)造?？梢酝ㄟ^預先提供的一批互相對應的輸入-輸出數(shù)據(jù)的實例學習和訓練，可以分析掌握兩者之間的潛在規(guī)律，最終根據(jù)其規(guī)律，用新的輸入數(shù)據(jù)來推算輸出結(jié)果5。本研究試將BP神經(jīng)網(wǎng)絡(luò)技術(shù)用于識別GD胎兒體重及其影響參數(shù)之間的關(guān)系，為預測GD胎兒體重尋找一種更理想的方法。1資料與方法1.1資料來源2022年1月至2022年6月在本院門診行系統(tǒng)產(chǎn)前檢查并在本院分娩的GD孕婦，共306例。入選條件:單胎；足月妊娠孕3741周；分娩前1周內(nèi)有

5、孕婦的腹圍、宮高、空腹血糖FBS、餐后2h血糖PBS、糖化血紅蛋白GHbA1及整個孕期體重增長量和體重指數(shù)BI等檢測記錄；同時有超聲測量胎兒生物指標的記錄，包括胎兒的雙頂徑BPD頭圍H、腹圍A、腹徑AD、股骨長度FL、胎兒腹壁脂肪層厚度FFL及股骨皮下脂肪厚度FTSTT；新生兒出生體重的獲?。河诔錾?0in內(nèi)測定。根據(jù)入院時間順序分為兩組：訓練組200例，其中106例男嬰，94例女嬰。驗證組106例，包括56例男嬰，50例女嬰。1.2預測所需參數(shù)確實定選擇適宜的輸入?yún)?shù)對預測結(jié)果的準確性非常重要。根據(jù)參數(shù)的來源可分為兩類。第1類來自孕婦本身，包括GD孕婦的身高、體重、腹圍、宮高和FBS、PB

6、S及GHbA1。第2類來自胎兒，選擇B超常用的指標：BPD、H、A、AD、FL、FTSTT、FFL。來自孕婦的參數(shù)可間接反映胎兒的大小，且簡便易得。來自胎兒的參數(shù)那么須借助B超獲得，由專人負責，在分娩前1周內(nèi)測量，每個參數(shù)至少測量3次，取平均值。1.3神經(jīng)網(wǎng)絡(luò)模型的選擇采用目前應用最廣泛的BP神經(jīng)網(wǎng)絡(luò)模型，它是一種單向傳播的多層前饋型映射網(wǎng)絡(luò)，具有很強的非線性映射才能和柔性的網(wǎng)絡(luò)構(gòu)造，由輸入層、隱含層可有多個隱含層和輸出層構(gòu)成6。每一層可包含一個或多個神經(jīng)元，其中每一層的每個神經(jīng)元和前一層相連接，同層神經(jīng)元之間無連接7。本研究采用單隱層構(gòu)造，輸出層一個節(jié)點，即預測的胎兒體重，隱層節(jié)點數(shù)根據(jù)經(jīng)歷

7、確定，并經(jīng)反復試驗，找出最正確值。1.4神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建根據(jù)輸入節(jié)點的不同分為3種方法構(gòu)建模型：(1)孕婦參數(shù)法：包括孕婦身高、孕期增加的體重、腹圍、宮高及FBS、PBS、GHbA1等7項參數(shù)作為輸入節(jié)點；(2胎兒參數(shù)法：用胎兒的BPD、H、A、FL、FTSTT及FFL等7項參數(shù)作為輸入節(jié)點；(3結(jié)合參數(shù)法：將孕婦及胎兒的14項參數(shù)作為輸入節(jié)點。3種方法均用同一組200例樣本為訓練組，以另外106例為驗證組。用訓練組參數(shù)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)，用驗證組參數(shù)驗證試驗，找出最正確隱含層節(jié)點數(shù)，使網(wǎng)絡(luò)輸出誤差最小，計算訓練組和驗證組的平均絕對誤差、相對誤差和符合率，并進展比擬。絕對誤差AE=預測體重-實

8、際體重相對誤差PAE=預測體重-實際體重/實際體重100%符合率R8=絕對誤差250g的例數(shù)/總例數(shù)100%1.5分析3種參數(shù)法的影響系數(shù)分別對3種參數(shù)法進展單因素影響的權(quán)重的計算，即計算影響系數(shù)，由此推斷出3種參數(shù)法中對預測值影響系數(shù)前三位的參數(shù)。1.6統(tǒng)計學方法用SPSS11.5軟件統(tǒng)計分析處理數(shù)據(jù)。2結(jié)果2.1孕婦參數(shù)法、胎兒參數(shù)法、結(jié)合參數(shù)法的比擬不管訓練組和驗證組，結(jié)合參數(shù)法符合率最高，其次為胎兒參數(shù)法，孕婦參數(shù)法最低。為理解網(wǎng)絡(luò)預測值的穩(wěn)定性，用方差分析方法分析3種參數(shù)法的預測誤差。結(jié)果顯示，結(jié)合參數(shù)法與孕婦參數(shù)法、胎兒參數(shù)法之間均有統(tǒng)計學意義P0.01)，孕婦參數(shù)法與胎兒參數(shù)法之

9、間差異無統(tǒng)計學意義P0.05)，見表1。表1各種參數(shù)法的預測結(jié)果略轉(zhuǎn)貼于論文聯(lián)盟.ll.2.2各參數(shù)法的影響系數(shù)分析在孕婦參數(shù)法中，孕婦宮高的影響系數(shù)最大，為29.32%；其次為PBS，為25.22%，第三位者為孕婦身高，為23.30%。胎兒參數(shù)法中，以胎兒的A、FTSTT、FL的影響系數(shù)為明顯，分別為32.53%、28.25%、24.85%。結(jié)合參數(shù)法中，以孕婦的宮高為最高，影響系數(shù)為28.38%，其次是胎兒的A，為26.16%；第3位是胎兒的FFL，為22.40。見表2。表2各參數(shù)法中對預測值影響系數(shù)前三位的參數(shù)及系數(shù)略3討論產(chǎn)前準確地預測GD孕婦胎兒的體重，選擇恰當?shù)姆置浞绞?，是臨床產(chǎn)科

10、醫(yī)生一直關(guān)注的熱點課題。目前常用的體重預測是通過一項或多項徑線的測量,利用數(shù)理回歸法所得的計算式來估計胎兒體重，可分為臨床預測和胎兒超聲預測兩種。臨床根據(jù)孕婦的身高、孕期增加的體重，以及臨產(chǎn)前的宮高、腹圍等預測胎兒體重的方法，由于受到孕婦BI、腹壁脂肪厚度、羊水量、胎方位及先露的上下等因素的影響,其準確性往往不及超聲預測法高9。本研究結(jié)果證實了這一點。而利用超聲測量胎兒某些徑線來計算體重的計算式也有其缺乏之處，由機器或人為所造成的測量誤差將直接影響預測結(jié)果的準確性10?；谶@一點,本研究結(jié)合臨床指標和超聲指標，采用BP神經(jīng)網(wǎng)絡(luò)算法預測胎兒體重，獲得了較高的臨床符合率。人工神經(jīng)網(wǎng)絡(luò)實際上是專業(yè)人

11、員根據(jù)臨床要求而設(shè)計的一個軟件。它的優(yōu)點在于其“智能性,可以對輸入其內(nèi)的一系列數(shù)據(jù)進展綜合分析,在一定程度上能克制數(shù)據(jù)本身的誤差,以得到盡可能準確的結(jié)果。BP神經(jīng)網(wǎng)絡(luò)模型是一種具有3層或3層以上的前饋型的、按梯度算法使計算輸出與實際輸出的誤差沿逆?zhèn)鞑バ拚鬟B接權(quán)的神經(jīng)網(wǎng)絡(luò)模型。它包含了神經(jīng)網(wǎng)絡(luò)理論中最精華的局部，由于其構(gòu)造簡單、可塑性強，尤其是它擅長處理復雜模糊的映射關(guān)系，不需要知道數(shù)據(jù)的分布形式，在許多領(lǐng)域得到了應用5-6,11。BP神經(jīng)網(wǎng)絡(luò)用于胎兒體重預測方面，最早是在20世紀90年代初,由美國學者Farer等12首先采用此法預測正常足月胎兒體重，研究說明其準確性高于傳統(tǒng)的回歸分析。隨后，

12、于20世紀90年代末，國內(nèi)學者分別利用孕婦的參數(shù)13和胎兒的參數(shù)14BPD、AD、A、FL、FTSTT建立預測正常胎兒體重的神經(jīng)網(wǎng)絡(luò)模型。研究說明，BP神經(jīng)網(wǎng)絡(luò)算法比經(jīng)歷公式或數(shù)理統(tǒng)計方法更能有效地把握胎兒體重與影響因素之間的關(guān)系，預測的準確性高于回歸方程。但對2500g和4000g的胎兒體重預測符合率低，因此提出采用分階段的方法設(shè)計預測模型14。還有學者認為，選擇適宜的孕婦和胎兒參數(shù)建立的神經(jīng)網(wǎng)絡(luò)可進步預測的準確性4。本研究在輸入?yún)?shù)的選擇上，除了采用GD孕婦生物參數(shù)外，還增加了孕婦的空腹、餐后血糖及糖化血紅蛋白等生化參數(shù)。這些參數(shù)不僅是產(chǎn)前監(jiān)測GD孕婦血糖控制及胎兒生長的指標，而且也是臨床

13、醫(yī)生估計胎兒體重的根據(jù)。超聲參數(shù)的選擇，除了選擇臨床常規(guī)檢測的參數(shù)BPD、H、FL、A外，還根據(jù)GD胎兒的特征，選擇了胎兒腹壁、股骨皮下脂肪厚度FFL、FTSTT等參數(shù)，摒除了測量難度大的胎兒小腦橫徑、雙肩徑及肝臟長度或面積等參數(shù)。降低了對超聲測量者及測量設(shè)備的要求，更利于基層醫(yī)院的推廣與普及。本研究還將孕婦參數(shù)與胎兒參數(shù)相結(jié)合，建立神經(jīng)網(wǎng)絡(luò)模型預測胎兒體重。結(jié)果說明，結(jié)合參數(shù)法預測的準確率明顯高于單純的孕婦參數(shù)法及胎兒超聲參數(shù)法。結(jié)合參數(shù)法中，影響胎兒體重前三位參數(shù)依次是孕婦的宮高、胎兒腹圍及胎兒腹壁皮下脂肪的厚度。孕婦參數(shù)法中，影響胎兒體重最大的是孕婦的宮高，這與許多預測胎兒體重的經(jīng)歷公式

14、中均以宮高為出發(fā)點相符8,15。其次是孕婦餐后血糖及身高，孕婦餐后高血糖可導致胎兒高胰島素血癥，并與新生兒肥胖有關(guān)16。身材高大的孕婦其新生兒出生體重也偏大。在胎兒參數(shù)法中，胎兒的A、FTSTT、FL對胎兒體重的影響系數(shù)明顯高于BPD、H。在GD胎兒中，發(fā)現(xiàn)胎兒的A與胎兒出生體重呈明顯的相關(guān)，GD胎兒體重的增加主要是與脂肪的堆積及肝糖原的儲存有關(guān)。因此，應重視超聲測量胎兒軟組織的厚度及腹圍，特別對GD孕婦，妊娠晚期胎兒雙頂徑增加不明顯，而且由于胎頭位置低和較固定的胎方位，不易準確測得胎兒雙頂徑時，胎兒的A、FTSTT、FFL那么不受這些因素的影響，容易準確測量9。本研究將BP神經(jīng)網(wǎng)絡(luò)用于GD胎

15、兒體重預測是新的嘗試，選擇適宜的孕婦和胎兒參數(shù)建立的神經(jīng)網(wǎng)絡(luò)可進步GD胎兒體重預測的準確性，為產(chǎn)科醫(yī)生決策分娩方式提供一種新輔助診斷手段的參考?！緟⒖嘉墨I】1楊慧霞.進一步進步對妊娠合并糖尿病的研究程度J.中華圍產(chǎn)醫(yī)學雜志,2022,8(5):289-291.2黃曉明,吳君,李亞東,等.基于超聲診斷的胎兒體重預測方法的研究進展J.中國醫(yī)學裝備,2022,1(2):38-41.3吳君,楊太珠,林江莉,等.基于人工神經(jīng)網(wǎng)絡(luò)的足月胎兒體重預側(cè)方法J.生物醫(yī)學工程學雜志,2022,25:80-89.4田敬霞,張景祥,陳子江.應用人工神經(jīng)網(wǎng)絡(luò)預測胎兒體重的研究.J.現(xiàn)代婦產(chǎn)科進展,2022,17(3):

16、182-184.5周志華,曹存根.神經(jīng)網(wǎng)絡(luò)及其應用.北京:清華大學出版社,2022:343.6飛思科技產(chǎn)品研究中心.神經(jīng)網(wǎng)絡(luò)理論與ATLAB7實現(xiàn).北京:電子工業(yè)出版社,2022,44-47.7李麗霞,王彤,范逢曦.BP神經(jīng)網(wǎng)絡(luò)在判別分析中的應用J.數(shù)理醫(yī)藥學雜志,2022,17(3):193-195.8凌蘿達,顧美禮.難產(chǎn).2版.重慶：重慶出版社,2001:21-124.9時春燕,張蕭蕭,金燕志,等.超聲側(cè)量胎兒腹圍預測新生兒出生體重的研究J.中華婦產(chǎn)科雜志,2022,40:732-734.10朱潔萍,戴鐘英,沈國芳,等.超聲預測胎兒體重方法的選擇.J.上海醫(yī)學,1999,22(6):339-342.11曹顯慶,牟永閣.人工神經(jīng)網(wǎng)絡(luò)技術(shù)在醫(yī)學研究中的應用J.現(xiàn)代臨床醫(yī)學生物工程學雜志,2022,9:57-60.12FARERR,EDEARISAL,HIRATAGI,etal.TheusefaneuralnetrkfrtheultrasngraphiestiatinffetalEightinthearsifetusJ.AJbstetGy