基于机器学习的湖羊断奶体重预测研究

本研究以初生羔羊信息预测羔羊断奶体重,预测结果作为判断对初生羔羊是否需要进行早期饲喂、治疗等干预的依据。本研究收集了湖州某羊场8 836只羊的性别、血统号、出生日期、羔皮品质、初生体重、同胎羔数、断奶体重等信息,通过观察特征间关系,使用斯皮尔曼秩相关系数进行特征相关性检测,筛选出4个重要特征变量(性别、出生月份、初生体重、同胎羔数),基于这些重要特征变量运用线性回归、随机森林、XGBoost、支持向量机回归、深度神经网络模型(DNN)对羔羊断奶体重进行回归预测。结果显示:5种模型的预测值与真实值误差小于1.5 kg的正确率均在81%以上,其中构建的DNN模型正确率可达88.40%,均方误差(MSE)值为2.96,平均绝对误差(MAE)值为0.87,均为最优。对预测的羔羊体重进行排序,以二分类形式判断是否需要干预饲喂,得出混淆矩阵与受试者工作特征曲线(ROC)图,显示DNN模型效果最好。

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。

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。

几种宫高腹围法预测胎儿出生体重正常的准确性比较

目的评测常用的几种宫高腹围法用于预测胎儿体重的准确性。方法选择2000至2008年在我院出生的正常体重儿1090例,产前测量宫高、腹围,以8种方法分别估算胎儿体重,与其出生体重相比较,计算符合率,对几种方法预测胎儿体重的准确性进行比较。结果卓晶如法等5种算法的预测符合率超过50%,其中卓晶如法预测符合率最高,达61.2%,而罗来敏算法的符合率最低,仅19.8%;不同方法的预测误差之间存在显著性差异,以卓晶如法和颜贞淑法预测误差较小,而罗来敏法的预测误差最大。结论卓晶如算法等预测胎儿体重正常的符合率较高,罗来敏算法用于胎儿体重正常的预测准确性较差。

超声测量胎儿腹围预测出生体重的探讨

胎儿体重是影响安全分娩的重要因素之一,胎儿体重过高,在分娩过程中容易发生母婴并发症,母体和胎儿的危险性均升高[1]。因此,预测新生儿体重对产妇和胎儿的健康都具有重要意义[2]。临床上有关胎儿体重预测的研究较多,但应用起来较繁琐,有时误差较大。已有多项研究指出,超声测量胎儿的相关指标是预测胎儿体重的重要比对参数[3,4]。本研究通过探讨临床超声测量胎儿腹围值与其出生体重间的关系,以期找到一个预估新生儿出生体重和评估巨大儿更简便准确的手段。

预测体重公式在机械通气潮气量设置中的应用进展

机械通气作为一种重要的临床治疗手段,其技术的统一规范对患者的管理和治疗具有重要意义。基于小潮气量肺保护性通气策略的前提,预测体重是临床机械通气设置潮气量的重要参考。虽然目前使用Devine公式计算预测体重最具普适性,但其在临床应用上仍存在局限性。了解Devine公式的使用历史、理论依据和局限性,以及不同预测体重公式计算结果的差异,能加深对机械通气的认识,规范临床预测体重公式的使用。

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。

两种预测胎儿体重方法的比较

目的探讨产前预测新生儿出生体重的相关因素及其各因素的临床价值;方法通过收集产前的宫高、腹围以及测量胎儿的双顶径股骨长等多个因素对2种预测胎儿体重公式进行比较,分析其符合率。结果用多因素回归线性方程预测新生儿体重优于用宫高、腹围预测新生儿体重(P(0.01)。结论联合多因素的多元线性方程可明显提高预测新生儿出生体重的准确性。

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。

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...

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。

孕20～24周临床联合超声预测胎儿出生体重的研究

目的:探讨影响孕20～24周胎儿出生体重的相关因素,构建孕20～24周预测胎儿出生体重的公式。方法:前瞻性研究2011年3月至5月在江苏省产前诊断中心超声室行中期(孕龄20～24周)胎儿结构筛查的单胎孕妇235例,孕前月经规则。根据身份证记录孕妇年龄,询问并记录孕前体重;测量孕妇身高及超声检查时的体重,根据末次月经确定孕龄;超声测量胎儿生物学参数:双顶径、头围、腹围、股骨及肱骨;随访孕妇分娩前体重、新生儿出生体重、胎龄及性别。采用逐步多元回归分析方法,通过173例建立中孕期预估胎儿出生体重的公式。用已建立的回归方程前瞻性预测62例孕妇的胎儿出生体重,并验证其准确性。结果:单指标:孕妇孕前体重及BMI、行超声检查时体重及BMI、分娩前体重及BMI、中孕时胎儿腹围、股骨长、肱骨长、胎龄以及超声检查至分娩时的时间间隔与出生体重均有一定关系(P≤0.10),故纳入上述参数逐步多元回归分析,得出预测胎儿出生时体重的方程:预测的出生体重=-501.14+12.52×时间间隔+34.19×孕妇行超声检查时的BMI+8.61×超声检查时测量的胎儿腹围。通过验证,绝对误差值≤250g者56例,占90.32%,相对误差在10%以下者57例,占91.93%。结论:孕妇中孕期BMI、胎儿腹围超声测量值以及该次超声检查至分娩的间隔时间是预测胎儿出生体重的主要参数。

两种预测胎儿体重方法的比较

目的 :探讨胎儿体重预测在临床应用中的意义 ,提高预测符合率。方法 :测量 197例足月妊娠住院待产妇女的腹围 (AC母)、宫高 ,B超测量胎儿腹围 (AC胎)、双顶径 (BPD)、股骨径 (FL) ,以此五项指标与出生体重作相关分析。结果 :经统计学处理 ,导出线性回归方程式 ,预测胎儿体重 ,并与腹围 (AC母)×宫高 +5 0 0常用预测公式比较 ,P <0 .0 0 1,预测符合率分别为 5 8%、40 % ,(P <0 .0 1)。结论 :该方程式预测胎儿体重优于常用预测公式。

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。