10.3969/j.issn.1673-5293.2022.09.003
基于支持向量回归的新型胎儿体重预测模型的研究
目的 探讨开发一种基于支持向量回归(SVR)的新型胎儿体重预测模型(简称新模型),并与经典胎儿体重预测模型对比,评估新模型在预测胎儿出生体重方面的性能.方法 收集2020年1月至6月期间在宁波大学医学院附属医院分娩的1442例孕产妇为研究对象,在分娩前1周内采集相关数据,共计18维.通过预实验,选出最优算法(即S V R).通过计算每个特征与新生儿出生体重的皮尔逊相关系数及SVR算法的权重,筛选建模参数.应用SVR对数据进行建模,建立基于SVR的新模型,并与经典胎儿体重预测模型公式对比,评估新模型性能.结果 分别计算每个特征与新生儿出生体重的皮尔逊相关系数,应用S V R算法的权重,结合临床经验,反复进行实验后,最后筛选得到建模所需的11维数据为:身高、体重、孕期增重、宫高、孕妇腹围、双顶径、头围、股骨长、胎儿腹围、羊水指数和采集时间(采集时间距分娩的天数).应用S V R对11维参数进行建模,构建出新模型.与经典模型对比,预测误差在5% 以内的胎儿体重预测准确率为54.48%,预测误差在10% 以内的为88.28%,预测误差在250g以内的为73.10%,新模型具有最高的胎儿体重预测准确率.此外,胎儿体重预测新模型还具有最低的平均绝对百分比误差(MAPE)5.24%,平均绝对误差(MAE)178.43g和均方根误差(RMSE)230.15g.结论 新模型对胎儿体重预测的性能良好,未来可进一步在临床推广,但仍需更多的临床试验加以验证.
胎儿体重、出生体重、预测模型、支持向量回归
33
R17(妇幼卫生)
宁波市自然科学基金资助项目202003N4220
2022-09-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
14-21