基于深度学习的胎心监护对胎儿窘迫风险的识别分析

摘要：

目的:分析基于深度学习的胎心监护对胎儿窘迫风险的识别.方法:分析2017年1月至2019年12月医院产科收治的1010例孕妇.根据孕妇生产时是否发生胎儿窘迫分为窘迫组和对照组.比较多因素Logistic回归分析模型和深度神经网络模型(DNN)预测孕妇发生胎儿窘迫的预测效能.结果:纳入孕妇有153例发生胎儿窘迫,发生率为16.14％.ROC曲线结果显示多因素Logistic回归模型预测发生胎儿窘迫风险的AUC是0.881,DNN模型预测发生胎儿窘迫风险的AUC是0.974,Z检验结果显示DNN模型的预测效能高于多因素Logistic回归分析模型(P＜0.05).结论:DNN模型下胎心监护对孕妇发生胎儿窘迫有良好预测性,有助于早期识别和处理高危孕妇.

关键词：神经网络模型;胎心监护;孕妇;胎儿窘迫

所属期刊栏目：16

分类号：R319;TP391(医用一般科学)

资助基金：以胎儿窘迫为剖宫产指征的胎心监护图形分析编号:20191527

在线出版日期：2021-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：86-92