面向智能产前胎儿监护的QBC算法机制的研究  

Research on the Mechanism of QBC Algorithm for Intelligent Prenatal Fetal Monitoring

作　　者：杨蔓丽 陈彦杭 李星烜 陈沁群[1] 魏航[1] 洪佳明[1] 李丽 刘桂清 郝志峰 YANG Man-li;CHEN Yan-hang;LI Xingxuan(Guangzhou University of Chinese Medicine,Guangzhou 510006,Guangdong Province,P.R.C.)

机构地区：[1]广州中医药大学,510006 [2]暨南大学附属第一医院天河区人民医院,510632 [3]广州三瑞医疗器械有限公司,510000 [4]广州中医药大学第一幅附属医院,510405 [5]佛山科技学院,528225

出　　处：《中国数字医学》2020年第11期1-5,共5页China Digital Medicine

基　　金：国家自然科学基金面上项目(编号:61976052);广东省医学科研基金面上项目(编号:A2019428);全国大学生创新创业项目国家级立项-面向智能胎监的产前CTG数据管理与可视化系统的研究与实现(编号:201910572015)。

摘　　要：介绍基于F1评分的平衡多样性加权委员会投票选择(Query-by-committee,QBC)的主动学习算法,阐明主动学习在智能产前胎儿监护中的作用。基于产前胎心宫缩图数据,在采用梯度提升决策树委员会投票选择的主动学习算法基础上,分歧度度量方式是采用基于投票熵和类条件后验最大熵相结合的度量方法,创新性地提出平衡因子,并结合多样性因子和F1因子进行加权计算。实验结果表明该方法仅需约41%的标注样本,即可使模型的整体性能指标达到96%以上。In this paper an active learning algorithm of balanced diversity weighted query-by-committee(QBC)based on F1 score is proposed,and the role of active learning in intelligent prenatal fetal monitoring is clarified.Based on the data of prenatal cardiotocography the gradient boosting decision tree is employed as query-by-committee,and vote entropy and conditional posterior maximum entropy are combined to measure bifurcation degree.Furthermore,an equilibrium factor weighted with the diversity factor and F1 factor is innovatively proposed.The experimental results show that when only 41%of labeled instances are selected the overall performance index of the model reaches beyond 96%.

关 键 词：产前胎儿监护 胎心宫缩数据 委员会投票选择算法 平衡因子 

分 类 号：R319[医药卫生—基础医学]