融合科学智算的高危产妇妊娠结果评估模型及其应用研究  

作　　者：谢子勋 陈億龙 宋维 王志强 卿桦 曹望楠[5] 李春荣 刘峥 仉尚航 

机构地区：[1]北京大学计算机学院,北京100871 [2]成都市卫生健康委员会,成都610096 [3]成都市新津区妇幼保健院,成都611430 [4]成都市金堂县妇幼保健院,成都610499 [5]北京大学公共卫生学院,北京100191 [6]多媒体信息处理全国重点实验室,北京100871 [7]北京大学软件与微电子学院,北京100871

出　　处：《人工智能》2024年第5期109-125,共17页Artificial Intelligence View

基　　金：新一代人工智能国家科技重大专项(2022ZD0117800)。

摘　　要：高危产妇相较于普通孕妇,面临更高的妊娠不良结局风险,这些风险不仅关系到孕妇及新生儿的生命安全,还可能对产妇的产后恢复和婴儿的长期健康产生深远影响。因此,本研究旨在通过分析高危产妇早期产检中收集到的生理数据,预测新生儿的健康状况,探究高危产妇产检指标和妊娠结果之间的关系。本文设计了一套全面的数据处理流程,并构建了一个基于注意力机制的深度学习模型。该模型融合了分类数据编码、样本间注意力机制、交叉注意力机制等优化方法,以提升模型对复杂数据的建模能力。本文对2014年至2023年间收集的180万例产妇产检数据进行了分析,其中包括占比53.88%的高危产妇,评估新生儿的五项关键健康指标——早产、胎儿死亡、畸形、低体重儿和巨大儿。本文设计的高危产妇模型对这五项指标的AUC分别能达到67.10%、54.96%、52.75%、71.29%和59.99%。本文的模型能够帮助孕妇为分娩做好更充分的准备,减少不良妊娠结局的发生,还能够辅助医生作出更精准的临床决策,采取相应的监护措施,从而降低高危产妇的妊娠风险。

关 键 词：深度学习 高危产妇 表格数据分类 多任务学习 注意力机制 妊娠结果评估 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] R719[自动化与计算机技术—控制科学与工程]