本科毕业论文—基于胎心率特征的晚发型胎儿生长受限预测研究.pdf

摘 要

I

摘 要

胎 儿 生 长 受 限 （ Fetal growth restriction， FGR） 是围产儿

死 亡 的 第 二 大 原 因 。但 针 对 晚 发 型 FGR 的 预 测 研 究 较 少 ，且 检

本 文 所 研 究 的 数 据 由 Azienda Ospedaliera Federico II 大学

收集的 公开 CTG 案例共 262 例 ，其 中 胎 儿 状 态 为 健 康 和 晚 发 型

FGR 分别为 160 例和 102 例 ， 每 个 案 例 都 包 含 经 典 的 FHR 特

征 及 其 非 线 性 特 征 。 本 文 首 先 进 行 数 据 探 索 与 可 视 化 分 析 ， 接

着对数据进行预 处 理 ， 然 后 通 过 卡 方 检 验 、 相 关 分 析 和 梯 度 提

升 迭 代 决 策 树 （ GBDT） 提 取 重 要 特 征 ； 最 后 利 用 机 器 学 习 算

法 构 建 晚 发 型 FGR 预 测 模 型 ， 并 进 行 评 估 和 分 析 预 测 价 值 。

实 验 结 果 显 示 ，对 辅 助 诊 断 晚 发 型 FGR 的 重 要 特 征 包 括 胎

龄 GA、FHR 经 典 特 征（ Mean FHR、Std FHR、DELTA、II、STV、

LTI、ACC_L、ACC_S、MF）以 及 非 线 性 特 征（ ApEn、LZC_BIN_0、

供 辅 助 决 策 参 考 。

关 键 词 ： 晚 发 型 胎 儿 生 长 受 限 胎 心 率 特 征 预测分析 相

关分析 随 机 森 林

ABSTRACT

death. Most of the existing detection technologies have low sensitivity and

of fetal heart rate, in order to provide reference for the clinical diagnosis of

late-onset FGR.

Azienda ospedaliera Federico II. There were 262 CTG cases, including 102

healthy fetuses and 160 late-onset FGR fetuses. Each case contained classic

FHR characteristics and its nonlinear characteristics. Firstly, this paper

makes data exploration and visual analysis, standardizes the input data and

encodes the output data. And then extracts important features through

chi-square test, correlation analysis and Gradient Boosting Decision Tree

(GBDT); Finally, the late-onset FGR prediction model is constructed by

DR_T40_s1(Ranking regardless of order). Comparing different machine

learning algorithms, the random forest model has the highest detection rate

and overall prediction performance, with a recall of 85.59% and an F1-score

of 86.08%, and AUC value of 0.9077.

on the characteristics of FHR proposed in this paper is feasible and effective,

and it can provide an auxiliary decision-making reference for the clinical

目 录

1.1.1 产前胎儿监护 ...................................................................... 1

1.1.2 晚发型胎儿生长受限 ........................................................... 1

1.1.3 研究目的与意义 .................................................................. 2

1.2.1 胎儿生长受限的临床研究现状 ........................................... 3

1.2.2 基于机器学习的胎儿生长受限预测研究现状 .................... 4

2.3.1 随机森林原理概述 ............................................................. 10

2.3.2 随机森林算法流程 ............................................................. 10

2.3.3 随机森林优缺点 ................................................................ 11

第 3 章 数据处理与分析 ....................................................................... 15

3.2.1 数据统计分析 .................................................................... 15

3.3.1 特征与胎儿状态分类比例分布描述.................................. 18

4.1.1 森林树木数量的确定 ......................................................... 27

4.1.2 随机特征个数的选取 ......................................................... 28

4.1.3 叶节点最小样本数的选择 ................................................. 29

第 5 章 模型评估 .................................................................................. 33

5.1.1 实验结果 ............................................................................ 33

5.3.2 模型性能对比 .................................................................... 40

总 结 与 展 望 ...................................................................................... 43

参 考 文 献 ............................................................................................ 45

致 谢 ....................................................................................................... 49