预测孕妇流产:人工神经网络,波形神经网络和自适应神经模糊推理系统
Amir Hossein Hashemian1, Behzad Mahaki1,2, Mansour Rezaei1
1Department of Biostatistics, School of Health, Kermanshah University of Medical Sciences, Kermanshah, Iran.
Advanced biomedical research
|June 16, 2025
概括
使用机器学习模型预测堕胎风险因素显示,人工神经网络 (ANN) 和自适应神经模糊推理系统 (ANFIS) 显示高精度. 最好的模型取决于所使用的输入变量的数量.
科学领域:
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
- 生殖健康 生殖健康
背景情况:
- 堕胎是一个重要的全球健康问题,导致孕产妇死亡率.
- 预测堕胎风险因素对于制定有效的预防策略至关重要.
研究的目的:
- 预测孕妇堕胎的危险因素.
- 为了比较人工神经网络 (ANN),波形神经网络 (WNN) 和自适应神经模糊推理系统 (ANFIS) 对于堕胎风险预测的性能.
主要方法:
- 利用了Ravansar非传染性疾病 (RaNCD) 队列研究 (2014-2016) 中4437名孕妇的数据.
- 采用遗传算法来选择关键变量.
- 开发并比较ANN,WNN和ANFIS模型用于风险预测.
主要成果:
- 在六个输入变量下,ANN与ANFIS (RMSE=0.42) 和WNN (RMSE=1.445) 相比,ANN表现出更高的性能 (RMSE=0.019).
- 在使用三个选定的变量时,ANFIS以100%的准确性,灵敏性和特异性实现了最佳性能 (RMSE=0).
- 此外,ANN在三个变量 (RMSE=0.021) 上表现高,而WNN的表现仍然有限.
结论:
- 最好的预测模型的选择 (ANN与ANFIS) 取决于所使用的输入变量的数量.
- 机器学习模型,特别是具有优化变量选择的ANFIS,显示出准确预测堕胎风险的前景.
