摘要: 目的:胎儿体重大小能够反映出胎儿发育状况,是保障孕妇安全的重要指标之一.由于胎儿体重无法直接测得,只能根据孕妇产检数据进行预测获得,因此本文提出了一种基于人工智能的妊娠期胎儿体重估算模型. 方法:首先根据孕妇分娩前历史产检数据,采用三次... 展开 目的:胎儿体重大小能够反映出胎儿发育状况,是保障孕妇安全的重要指标之一.由于胎儿体重无法直接测得,只能根据孕妇产检数据进行预测获得,因此本文提出了一种基于人工智能的妊娠期胎儿体重估算模型. 方法:首先根据孕妇分娩前历史产检数据,采用三次样条函数方法分别拟合孕周与B超胎儿多个关键特征指标的曲线;并使用随机森林、XGBoost、lightGBM三种机器学习算法,构建基于遗传算法多参数并行优化的集合估算模型,在不进行B超检查的情况下,可以随时估算妊娠期任意孕周及临近分娩时的胎儿体重.同时,为了比较不同模型预测胎儿体重范围与B超检测结果之间的可信度,提出交并比(loU)作为一种新的评价指标,并将本文的模型预测结果与B超多参数公式法进行比较. 结果:实验结果表明,本文提出的集合模型在预测妊娠期任意时刻的胎儿体重范围与B超检测的预测范围的loU为0.64,将胎儿体重估测准确度提高了12％,并将平均相对误差降低了3％. 结论:机器学习方法作为一种新方法,可以有效应用在妊娠期估算任意孕周胎儿体重. 收起