基于计算机视觉的黄颡鱼表型特征测量和体重预测模型研究

为提高黄颡鱼表型数据的获取效率,研究开发出一种简易表型获取装置,通过YOLOv8网络模型快速、高效、精确地测量所采集图像中的黄颡鱼表型特征参数。研究共采集1752张黄颡鱼图像数据,基于YOLOv8网络对图像集训练和验证后,完成对584尾黄颡鱼的体面积、头面积、全长、体长、头长、体高、头高、体宽、头宽、腹部面积、胸鳍长度共11种表型特征数据的测量。结果表明,利用该系统测量长度相关的表型性状的平均相对误差均在1%左右,在测量面积相关的表型性状的平均相对误差在3%左右,且所有表型性状的测量时间均在1s之内。进而,将获得的表型数据与鱼体重进行相关性分析、通径分析、回归分析。结果显示,头高对黄颡鱼体重的直接作用最大,其次为头宽、体面积、体长、腹部面积、胸鳍长度,并以这6个性状建立多元回归模型对体重拟合,得到最大的相关指数(0.948),表明这些性状是影响黄颡鱼体重的重要性状。研究提供了一种快速测量黄颡鱼表型数据的技术,为黄颡鱼的良种创制提供基础。

内江猪生长曲线拟合及体重预测模型构建

为研究内江猪生长发育规律,本研究测定了346头内江猪的体重,并使用Logistic、Gompertz和Von Bertalanffy这3种非线性生长曲线模型对其进行生长曲线拟合,使用最佳的生长曲线模型计算相对生长量(R)和绝对生长量(G)。对114头内江猪的体重和体尺进行相关性分析,进一步构建体重预测模型。结果表明:Gompertz模型对内江猪体重具有最佳的拟合效果,该模型估计的拐点日龄为156.74 d,拐点体重为64.41 kg。通过对内江猪生长发育规律分析,发现内江猪在180日龄时生长速度达到最大,之后随日龄的增加逐渐下降,体重与体尺性状间呈正相关关系。雌性内江猪的最佳体重预测模型为:BW=20.1+0.644BH+0.304BL+0.472CC,R^(2)=0.645;雄性内江猪的最佳体重预测模型为:BW=2.7+0.884BH+0.477BL+0.260CC,R^(2)=0.777。内江猪体重拟合效果最好的模型是Gompertz模型。以上结果可为内江猪饲养管理和生长发育的相关研究提供一定的理论基础。

基于人工神经网络的足月胎儿体重预测方法

对胎儿体重的预测在产科临床上具有非常重要的意义,传统上采用回归分析方法预测胎儿体重,存在可靠性差等缺点。本研究采用反向传播(BP)人工神经网络方法预测胎儿体重,实验中采用双顶径、小脑横径、腹围、肝脏长度、股骨长度、股骨皮下脂肪厚度、孕龄等参数作为BP神经网络的输入参数,网络由输入层、隐含层和输出层三部分组成。对109例临床资料进行预测,结果为:训练组预测符合率达89.77%,平均绝对误差104.22g,平均相对误差3.24%;验证组预测符合率达76.19%,平均绝对误差190.84g,平均相对误差5.60%。表明人工神经网络预测胎儿体重方法十分有效,准确性高于回归方程。

基于模糊神经网络方法的胎儿体重预测

应用模糊神经网络理论对胎儿体重的预测方法进行了研究,用模糊Modular神经网络建立了胎儿体重预测模型,并开发出相应预测程序,经多次实验与临床使用证明本方法预测精度高,操作方便,是一个实用有效的胎儿体重预测工具。

逐步回归分析在足月胎儿体重预测中的应用研究

目的 :探讨逐步回归分析用以预测足月胎儿体重的可行性。方法 :检测了 2 0 0例孕妇的年龄、孕期体重增长、孕次、产次、孕周、宫高、腹围、双顶径、股骨长、羊水水平段、胎儿体重、性别共 12项 ,胎儿体重为因变量 ,余 11项为自变量。结果 :在全部样本参与运算的前提下 ,起作用的是宫高、双顶径、股骨长 ,精确度可达 80 %。在删除 10 %可能异常样本情况下 ,只要精确测量宫高、双顶径 ,结合临床经验 ,胎儿体重预测可以满足临床要求。结论 :逐步回归分析可以用于预测胎儿体重。

不同地区男青年体重预测方法

不同地区男青年体重预测方法军事医学科学院卫生学环境医学研究所（天津３０００５０）马强，李文选，刘洪涛，窦兰君，徐社教，罗全安人的生长发育和身体形态受社会环境、生活条件、体育活动和营养水平等因素的影响。我国地域辽阔，北方与南方、地区与地区之间的地理环境...

产科产前检查联合B超对出生胎儿体重预测的临床分析

目的探讨产科产前检查联合B超对出生胎儿体重预测的准确性。方法将于我院分娩的60例孕妇,随机分为2组。对照组(30例)采用产科产前检查,观察组(30例)采用产科产前检查联合B超多参数预测胎儿体重,对这两种不同预测方法的准确性进行对比分析。结果观察组患者准确率为93.33%,明显优于对照组的73.33%,差异具有统计学意义(P<0.05)。结论产科产前检查联合B超多参数预测胎儿体重,可以得到较准确的预测效果,临床应用价值较高。

胎儿体重预测的探讨

介绍我院应用的一种胎儿体重预测新方法：（宫高一n＋m）×100，并通过对560例胎儿体重的预测将此方法与国内常用几种方法同时进行比较。结果显示我院方法对孕38周至42周内的胎儿体重预测准确率可达66％，较国内其他方法准确率50％左右明显提高（P＜0．01），且计算简便，有较强的实用性。

基于变长时间间隔LSTM方法的胎儿异常体重预测

孕妇的产前体检是围产医学的重要组成部分,产前预测胎儿体重可以为判断胎儿健康发育提供准确的参考.孕妇的多次体检记录在孕周时间上有不均匀时间间隔分布的特点.本研究对不均匀时间间隔的处理提出了LSTM模型的变种——变长时间间隔的LSTM模型(Variable Time Interval LSTM,VTI-LSTM).本研究数据来源于2015~2018年多家妇产科医院的10473个孕妇的122462条体检记录.实验比较了传统的公式估算法以及GBDT,MLP,SVR,RNN,LSTM,VTI-LSTM等机器学习方法的胎儿体重预测结果,其中,VTI-LSTM在低体重和巨大儿的预测上取得良好的预测结果.

足月新生儿的体重预测

本文用国内外应用较普遍的4组公式对215例足月新生儿体重进行预测,并对D式进行修改(即E式),预测符合率由低至高依次为A、B、D、C、E式,还就其影响预测准确性的因素及注意事项进行了分析.

超声参数构建的新胎儿体重预测模型临床应用价值研究

目的探讨二维与三维超声参数构建的新胎儿体重预测(EFW)模型的临床应用价值。方法选取2021年11月15日至2022年2月25日在杭州市妇产科医院正常分娩的单胎产妇150例。收集分娩前3天内产妇的胎儿二维、三维超声参数,包括双顶径(BPD)、头围(HC)、腹围(AC)、股骨长度(FL)、大腿容积分数(TVol)、上臂容积分数(AVol),采用多元线性回归分析构建一个新EFW模型。分别使用新EFW模型、二维超声模型(Hadlock公式)和三维超声模型公式(Lee公式,包括TVol公式、AVol公式)估算胎儿体重,以新生儿实际出生体重(ABW)为标准,比较各模型的准确度及ABW±5%符合率、ABW±10%符合率。结果150例新生儿平均ABW为(3401.3±339.4)g。新EFW模型较Hadlock公式、TVol公式、AVol公式更接近于ABW。对不同出生体重新生儿进行分组比较,发现对于<3000 g的新生儿,与Hadlock公式、TVol公式、AVol公式相比,新EFW模型预测有更好的准确度,ABW±5%符合率最高可达100%;新EFW模型在各出生体重新生儿分组中均展现较高准确度及高ABW±5%、ABW±10%符合率。结论三维超声在EFW中具有较好的应用价值,本研究构建的新EFW模型具有较高的准确度、ABW±5%符合率及ABW±10%符合率,可为产科医生优化临床决策提供参考。

胎儿体重预测及其统计分析

用Micro-VAX-Ⅱ计算机进行五元线性回归计算,分析了500例新生儿体重与宫高、腹围、孕周、腹壁厚度及胎头衔接与否的关系,得出预测胎儿体重的公式:新生儿体重（g)=-4647.73+152.06×宫高+25.87×腹围+26.63×孕周-204.36×腹壁厚度+60.84×（+1或-1）.该公式预测符合率达87.1％,平均绝对误差37.48g,经比较优于其他五个公式,可在临床中推广应用。

基于自动控制Simulink仿真的体重预测

对于控制体重这一话题,一直是人们普遍关心的问题,本文结合了自动控制理论与MATLAB/Simulink仿真来进行同龄人之间相同性别、体重、身高,而不同热量摄入与运动消耗的研究探讨,从而进行体重随时间变化的预测。考虑日常饮食与运动训练之间的影响,构建微分方程动态模型,结合基本代谢率,结合Mifflin公式来计算系统的传递函数。用Simulink仿真来输出体重随着时间的变化曲线,得到最终不同响应的稳态结果,即预测出满足一定规律的情形下最终体重的稳定值。

产科产前检查联合B超对出生胎儿体重预测的临床分析

研究分析产科产前检查联合B超对出生婴儿体重的预测准确度。方法:选取在我院进行分娩的60名孕妇作为此次的研究对象,并分成两组,对照采取的检查方式是产前的检查措施,研究组采取的措施是将产前的检查与B超的检查进行有效的联合去检测胎儿的体重,对比两组不同的检测准确性的分析。结果:通过相关的统计学数据的分析可以得出。研究组的检测准确率要比对照组的检测率要高,研究组的检测率为94.1%,对照组的为75%,两组均具有可比性。结论:通过两种不同的预测方法的比较来看,产前检查与B超检查的联合,能够有效的提高预测的准确率,同时也为后续的分娩手术的方案选择提供一定的条件,值得在临床医学上推广使用。

应用直线法测量宫高对胎儿体重预测的效果评价

目的探讨测量宫高方法对预测胎儿体重的准确性。方法选择2010年10月至2011年10月收治孕足月住院孕产妇737例,根据入院日期单、双日分成两组;单日采用直线法、双日采用弧线法测量宫高估计胎儿的体重进行比较。结果运用直线法测量宫高估计胎儿体重准确率达到90%。结论运用直线法测量宫高估计胎儿体重的准确率高于弧线法,直线法不容易受腹壁脂肪厚度、松紧、腹部形态以及测量者的影响,预测胎儿体重更准备,简单易行,给围产期保健工作提供了方便。

应用超声胎儿测量系统预测胎儿体重的符合率研究

研究应用超声胎儿测量系统预测胎儿体重的符合率。方法 选取自2022年底至2023年底的我院分娩的足月产妇,在产后72个小时里运用超声胎儿测量系统对胎儿体重进行预估的1000人作为研究对象。通过比对这超声胎儿测量系统预测的与实际出生的胎儿体重,去寻求预测结果的一致性。数据说明预测体重的一致率高达80%,并且在预测男女胎儿体重上表现得无甚差别(P>0.05),结论 超声胎儿测量系统预测胎儿体重的一致率颇高,能成为在临床实践中的有效证明。

基于多任务学习的猪只体重和体况评分预测

基于目标检测网络技术(Mask R-CNN)提取特征分割猪只图像,提出了用多任务学习回归网络预测猪只体重和体况评分的方法。在Mask R-CNN分割网络基础上,结合ResNet101-FPN特征提取网络,对站立和侧卧趴下姿态的猪只图像识别检测和分割。设计了两种硬共享的多任务学习网络,研究了任务关联性对卷积神经网络的影响,并针对不同学习任务设计了一种动态权重调节方法,平衡了不同任务的网络训练,提高了预测的准确性。验证了多任务学习下,猪只体重预测和体况评分预测共用一个模型的有效性,结果表明,加入动态权重调节后体重预测提高了5%准确率,体况评分预测提高了3%准确率。