基于深度神经网络的胎儿体重预测

• 作者: 南晓斐 李昆 柴玉梅 赵悦淑 赵红领
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 胎儿体重 预测模型 深度神经网络
• 年，卷（期）: 2016,（z2）
• 所属期刊栏目: 智能计算
• 页码范围: 73-76,82
• 页数: 5页
• 分类号: TP391
• 字数: 5736字
• 语种: 中文

摘要

由于胎儿体重是反映胎儿生长发育情况、宫内异常妊娠情况的重要指标,因此,胎儿的估重是医生对产妇进行临床处理的一个重要依据.传统胎儿体重预测模型的构建依赖于医学知识与生理参数选择,因此构建过程不易进行复制与推广.针对这些问题,提出一种使用深度神经网络来构建胎儿体重预测模型的方法,同时介绍了从电子病历中提取相关参数的过程,以及针对数据缺失值的补全策略.实验表明,基于深度神经网络的胎儿体重预测模型优于公式预测方法与基于传统人工神经网络的模型,且提出的缺失值补全策略能够强化模型的训练,进而提高预测的准确度.最后,基于深度神经网络的胎儿体重预测模型有很强的泛化能力与通用性,为不同地区、不同医院建立个性化的预测模型提供了可行方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李昆	郑州大学信息工程学院	5	15	3.0	3.0
2	柴玉梅	郑州大学信息工程学院	71	900	17.0	28.0
3	赵悦淑	郑州大学互联网医疗与健康服务协同创新中心	25	155	8.0	11.0
7	赵红领	郑州大学信息工程学院	24	227	8.0	14.0
11	南晓斐	郑州大学信息工程学院	2	7	1.0	2.0