CN117577331B - 一种个性化胎儿生长标准曲线的构建系统和方法 - Google Patents
一种个性化胎儿生长标准曲线的构建系统和方法 Download PDFInfo
- Publication number
- CN117577331B CN117577331B CN202410051944.5A CN202410051944A CN117577331B CN 117577331 B CN117577331 B CN 117577331B CN 202410051944 A CN202410051944 A CN 202410051944A CN 117577331 B CN117577331 B CN 117577331B
- Authority
- CN
- China
- Prior art keywords
- fetal
- data
- refers
- personalized
- pregnancy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000004578 fetal growth Effects 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title description 21
- 230000001605 fetal effect Effects 0.000 claims abstract description 69
- 230000035935 pregnancy Effects 0.000 claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000003745 diagnosis Methods 0.000 claims abstract description 16
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 238000013501 data transformation Methods 0.000 claims abstract description 10
- 230000010354 integration Effects 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 230000007717 exclusion Effects 0.000 claims abstract description 7
- 238000002604 ultrasonography Methods 0.000 claims description 51
- 238000011161 development Methods 0.000 claims description 39
- 230000018109 developmental process Effects 0.000 claims description 39
- 230000000694 effects Effects 0.000 claims description 28
- 210000000689 upper leg Anatomy 0.000 claims description 15
- 210000003754 fetus Anatomy 0.000 claims description 14
- 201000011461 pre-eclampsia Diseases 0.000 claims description 14
- 230000003187 abdominal effect Effects 0.000 claims description 12
- 230000012010 growth Effects 0.000 claims description 12
- 208000002787 Pregnancy Complications Diseases 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 208000004104 gestational diabetes Diseases 0.000 claims description 6
- 208000012113 pregnancy disease Diseases 0.000 claims description 6
- 206010070538 Gestational hypertension Diseases 0.000 claims description 5
- 206010020772 Hypertension Diseases 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000001684 chronic effect Effects 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 208000002296 eclampsia Diseases 0.000 claims description 4
- 208000003532 hypothyroidism Diseases 0.000 claims description 4
- 238000012502 risk assessment Methods 0.000 claims description 4
- 208000037397 Fetal Weight Diseases 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000011088 calibration curve Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 5
- 230000001575 pathological effect Effects 0.000 description 12
- 230000008859 change Effects 0.000 description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 8
- 230000009586 abnormal fetal growth Effects 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009984 peri-natal effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 208000012868 Overgrowth Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000011872 anthropometric measurement Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 230000035606 childbirth Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000001667 gestational sac Anatomy 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000001161 mammalian embryo Anatomy 0.000 description 1
- 230000008774 maternal effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036417 physical growth Effects 0.000 description 1
- 230000007542 postnatal development Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000036266 weeks of gestation Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及一种个性化胎儿生长标准曲线的构建系统和方法，该系统包括信息采集单元、数据预处理单元、数据建模单元和模型应用单元；信息采集单元用于采集早孕期特征信息、胎儿超声人体测量参数和孕期诊疗及新生儿出生结局信息；数据预处理单元用于进行孕妇纳入排除、计算胎儿体重和数据变换；数据建模单元用于进行纵向数据处理、非线性关系处理、模型整合和模型输出；模型应用单元用于按照个性化胎儿生长模型的要求，在早孕期6周之前采集孕妇及其丈夫的个体特征和环境暴露因素，将采集的数据代入个性化胎儿生长模型，计算12至40周的胎儿生长参数中位数和标准差，按照百分位数公式计算出各百分位数的参考值。
Description
技术领域
本发明涉及妊娠期胎儿生长监测技术领域，具体涉及一种个性化胎儿生长标准曲线的构建系统和方法。
背景技术
胎儿生长会受到许多因素的影响，包括病理性因素（例如妊娠期糖尿病、子痫前期、感染等母体疾病）和非病理性因素（例如父母的身高和体重、产次、年龄等）。病理性因素对胎儿生长的影响，使胎儿无法完全发挥其生长潜能，表现为胎儿生长受限，会严重影响胎儿生长发育，他们的围产结局差，出生后发育水平也低于正常标准，需要进行及时必要的医学干预。而非病理性因素尽管也会影响胎儿的体格生长，但通常不会影响胎儿达到其发育潜能，常表现为健康小样儿，即单纯的“体格小”，但已经充分实现了其生长潜能，一般无不良围产结局和远期并发症。在妊娠期胎儿生长监测中，有效区别病理性和非病理性的胎儿生长异常，对指导孕期综合管理至关重要。但目前临床实践中使用的胎儿生长标准曲线是对整体人群胎儿生长中位水平的描述，此类曲线能够判断出胎儿生长是否达到人群中位水平，但是无法进一步识别导致胎儿生长异常的原因是病理性还是非病理性。使用此类曲线会增加临床上对胎儿生长受限的漏诊风险，同时增加对健康小样儿的过度干预风险。
现有技术中的非个性化胎儿生长曲线和出生体重的个性化标准存在以下弊端：
非个性化胎儿生长曲线是目前临床应用最广泛的生长曲线，所有的产科超声机都内置了此类曲线，能够判断胎儿生长是否达到人群中位水平，可以对胎儿的头围、腹围、双顶径、股骨长度和胎儿体重进行评估。但此类标准曲线无法识别胎儿生长异常是由于病理性因素导致，还是由于非病理性因素。
最适出生体重（term optimal weight, TOW）是对出生体重的个性化预测，其根据孕妇的个体特征制定了适合于个体的出生体重标准范围，但是该标准仅提供了出生体重的个性化标准，无法应用于孕期评估胎儿生长。
发明内容
本发明旨在提供一种个性化胎儿生长标准曲线的构建系统和方法，所要解决的技术问题至少包括如何有效处理重复性测量收集的纵向数据，建立个性化胎儿生长模型，并根据个性化胎儿生长模型获得原始尺度的生长参数。
为了实现上述目的，本发明提供一种个性化胎儿生长标准曲线的构建系统，包括信息采集单元、数据预处理单元、数据建模单元和模型应用单元；
所述的信息采集单元用于采集早孕期特征信息、胎儿超声人体测量参数和孕期诊疗及新生儿出生结局信息；
所述的数据预处理单元用于进行孕妇纳入排除、计算胎儿体重和数据变换；
所述的数据建模单元用于进行纵向数据处理、非线性关系处理、模型整合和模型输出；其中模型输出是指根据采集样本的数据特征，训练非线性发展模型的各个参数，得到各固定效应的系数，将系数代入整合后的非线性发展模型，得到完整的个性化胎儿生长模型；
所述的模型应用单元用于按照个性化胎儿生长模型的要求，在早孕期6周之前采集孕妇及其丈夫的个体特征和环境暴露因素，将采集的数据代入个性化胎儿生长模型，计算12至40周的胎儿生长参数中位数和标准差，按照百分位数公式计算出各百分位数的参考值，参考值为对数尺度，再经过数据转换获得原始尺度的生长参数；
其中所述的百分位数公式为：
；
其中，LFAP(th)表示对数尺度的胎儿超声人体测量参数的第th个百分位数，FAP(th)表示原始尺度的胎儿超声人体测量参数的第th个百分位数，μ表示中位数，s表示标准差，表示正态分布上第th分位数对应的值。
优选地，所述的早孕期特征信息是指在早孕期孕6周前完成特征信息采集，采集的信息包括孕妇基本信息、丈夫基本信息以及孕妇环境暴露信息。
优选地，所述的胎儿超声人体测量参数是指采集孕期的超声检查结果，数据以医院的超声检查报告上记录的结果为准。
优选地，所述的孕期诊疗及新生儿出生结局信息是指在分娩后分别采集孕期并发症诊断和检查，分娩时基本情况以及新生儿基本情况，信息采集以临床病历和实验室检查结果为准。
优选地，所述的孕妇纳入排除是指在完整采集孕期数据的孕妇中剔除合并妊娠期并发症的孕妇，包括患有妊娠期糖尿病、妊娠期高血压疾病、子痫前期、子痫、慢高并发子痫前期、妊娠合并慢性高血压疾病和/或妊娠期亚临床甲状腺功能减退的孕妇，仅纳入妊娠风险评估“五色管理”为绿色的低风险孕妇。
优选地，所述的计算胎儿体重是指基于腹围、头围、股骨长度和双顶径，按照第一公式计算胎儿估测体重，其中第一公式为：
;
其中，EFW为胎儿体重，单位为克；AC是腹围，单位为厘米；HC是头围，单位为厘米；FL是股骨长度，单位为厘米；BPD是双顶径，单位为厘米。
优选地，所述的数据变换是指按照第二公式，以10为底，对所有的胎儿超声人体测量参数FAP进行对数转换，以缩小数据内部的方差，所述的胎儿超声人体测量参数包括腹围、头围、股骨长度、双顶径和胎儿体重；
其中第二公式为：
；
其中，LFAP是对数转换后的胎儿超声人体测量参数，FAP是原始尺度的胎儿超声人体测量参数。
优选地，所述的纵向数据处理是指采用适用于纵向数据的发展模型来建立各超声检查指标与孕龄之间的函数关系，并纳入孕妇的个体特征数据和环境暴露指标，建立个性化胎儿生长标准曲线；其中所述的发展模型的函数表达式为：
；
其中，FAPij是指第j个孕妇的第i次超声检查的结果中的原始尺度的胎儿超声人体测量参数；γ0 0是指固定效应的截距；γ10是指孕周的固定效应系数；gesij是指第j个孕妇的第i次超声检查对应的孕龄；γ01是指第1个混杂因素的固定效应系数；conf1j是指第j个孕妇的第1个混杂因素；γ02是指第2个混杂因素的固定效应系数；conf2j是指第j个孕妇的第2个混杂因素；γ0m是指第m个混杂因素的固定效应系数；confmj是指第j个孕妇的第m个混杂因素；μ 0j 表示水平2变量的随机截距的随机误差；μ 1j 表示水平2变量的随机斜率的随机误差。
优选地，所述的非线性关系处理是指使用三次样条函数拟合超声数据的非线性变化规律，拟合得到的非线性变化函数表达式为：
；
其中，；
其中，S(x)表示孕周的三次样条函数；β 0,j 表示三次样条函数中多项式函数部分的系数；β i,3表示三次样条函数中分段函数的系数；ξ i表示第i个样条点所处的孕周；ξ k表示分段函数展开后第k个样条点所在孕周；ξ 表示样条分段函数展开后用于判断分段的孕周。
优选地，所述的模型整合是指将三次样条函数带入发展模型，整合为非线性发展模型，所述的非线性发展模型包含了孕妇及其丈夫的个体特征，以及环境暴露信息，其中身高、体重和年龄为连续变量，其余变量均为分类变量；所述的非线性发展模型的函数表达式为：
；
其中，
；
；
其中，εij表示非线性发展模型的随机误差，N（0，σ2）表示随机误差服从均值为0、标准差为σ的正态分布；
LFAPij是指第j个孕妇的第i次超声检查的结果中的对数转换后的胎儿超声人体测量参数；FAPij是指第j个孕妇的第i次超声检查的结果中的原始尺度的胎儿超声人体测量参数；β 0 、β 1 、β 2 、β 3 、β 4 、β 5 、β 6 是样条函数的系数；gesij是指第j个孕妇的第i次超声检查对应的孕龄；ξ 1表示第一个样条点所在孕周；ξ 2表示表示第二个样条点所在孕周；ξ 3表示第三个样条点所在孕周；ξ k表示样条分段函数展开后第k个样条点所在孕周；ξ 表示样条分段函数展开后用于判断分段的孕周；π表示混杂因素的系数，confjm是指第j个孕妇的第m个混杂因素；b i0,、b i1 、b i2 、b i3 是指随机效应的系数。
与现有技术相比，本发明的有益效果是：
本发明所述的个性化胎儿生长标准曲线的构建系统和方法在数据采集阶段就剔除了合并妊娠期并发症的孕妇的孕期数据，因此个性化胎儿生长模型能够充分反映正常人群的胎儿生长特征；本发明建立了个性化胎儿生长曲线，个性化胎儿生长模型纳入了孕妇及其丈夫个体特征，能够根据孕妇及其丈夫的个体特征，建立个体化的胎儿生长曲线，曲线充分矫正因个体特征差异对胎儿生长评估造成的干扰，应用于临床能够识别胎儿生长异常是否由病理性因素导致，同时还能降低临床上对胎儿生长受限或过度生长的漏诊风险，减小对健康小样儿的过度干预风险，现有的标准曲线仅提供了针对人群的胎儿生长参考值范围，无法确定胎儿生长偏离参考值是属于正常的个体差异，还是病理性因素导致；本发明建立的个性胎儿生长曲线是基于孕期胎儿超声人体测量参数建立的，能够提供从孕12周至40周的个性化胎儿超声人体测量参数参考值范围，现有的最适出生体重标准仅提供了出生体重的个性化标准，无法应用于孕期评估胎儿生长。本发明所述的个性化胎儿生长标准曲线的构建系统和方法能够应用于孕期评估胎儿生长。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的具体实施方式一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1是本发明所述的个性化胎儿生长标准曲线的构建方法的流程示意图。
具体实施方式
在下文中更详细地描述了本发明以有助于对本发明的理解。
如图1所示，本发明所述的个性化胎儿生长标准曲线的构建方法包括以下步骤：
S1、信息采集：采集的信息包括早孕期特征信息、胎儿超声人体测量参数和孕期诊疗及新生儿出生结局信息。
（1）早孕期特征信息
在早孕期孕6周前完成特征信息采集，包括孕妇基本信息、丈夫基本信息、孕妇环境暴露信息，具体如下：
①孕妇基本信息：
；
②丈夫基本信息
；
③孕妇环境暴露信息
。
（2）胎儿超声人体测量参数
采集孕期的超声检查结果，数据以医院的超声检查报告上记录的结果为准，具体如下：
①孕6~9+6周超声
检查日期：年月日
孕囊大小：××cm或胎芽：cm；
②11~13+6 周
检查日期：年月日
胎儿头臀长度：cm
胎儿颈项透明层厚度：mm；
③胎儿超声人体测量：孕妇在12周以后接受至少3次完整的胎儿超声人体测量，测量参数包括头围、腹围、双顶径、股骨长度，记录每次测量日期；
。
（3）孕期诊疗及新生儿出生结局信息
在分娩后分别采集孕期并发症诊断和检查，分娩时基本情况以及新生儿基本情况，信息采集以临床病历和实验室检查结果为准，具体如下：
①妊娠期并发症及相关情况
；
②分娩时基本情况
；
③新生儿基本情况
；
S2、数据预处理：包括孕妇纳入排除、计算胎儿体重和数据变换；
（1）孕妇纳入排除
在完整采集孕期数据的孕妇中剔除合并妊娠期并发症的孕妇，包括妊娠期糖尿病、妊娠期高血压疾病（妊娠期高血压疾病、子痫前期、子痫、慢高并发子痫前期、妊娠合并慢性高血压疾病），妊娠期亚临床甲状腺功能减退，仅纳入妊娠风险评估“五色管理”为绿色的低风险孕妇。
（2）计算胎儿体重
基于腹围（abdominal circumference, AC）、头围（head circumference, HC）、股骨长度（femur length, FL）和双顶径（biparietal diameter, BPD），按照公式1计算胎儿估测体重（estimated fetal weight, EFW）
；
注：EFW的单位是克，AC、HC、BPD和FL的单位是厘米。
（3）数据变换
如公式2所示，以10为底，对所有胎儿超声人体测量参数（fetal anthropometricparameters, FAP）进行对数转换，以缩小数据内部的方差，超声参数包括：AC、HC、BPD、FL和EFW。
；
注：LFAP是对数转换后的胎儿超声人体测量参数，FAP是原始尺度的胎儿超声人体测量参数。
S3、数据建模：包括纵向数据处理、非线性关系处理、模型整合和模型输出：
（1）纵向数据处理
产前超声检查属于重复测量，所收集的超声检查数据是典型的具有层次结构的纵向数据（longitudinal data）。数据具有以下三个特征：①每一个孕妇都经历了至少3次超声检查，研究对象内的测量值之间会存在相关性；②数据变异有两个来源，一个是研究对象的个体内变异（within-subject variation），这种变异代表了各参数随孕龄增加而变化的自然规律，是本方法需要重点关注的；其次是研究对象个体间变异（between-subjectvariation）；③数据属于“不完整数据”（incomplete data），也称为“非平衡数据”（unbalanced data），即在每一个测量时间点并不是所有研究对象都接受了超声检查。
在本申请所述方法的数据中，研究对象个体的每一个超声检查记录属于水平1变量，研究对象属于水平2变量。
基于上述特点，本申请采用适用于纵向数据的发展模型（growth model）来建立各超声检查指标与孕龄之间的函数关系，并纳入孕妇的个体特征数据和环境暴露指标，建立个性化胎儿生长标准曲线。发展模型是针对纵向数据的几个特点而开发的统计方法，能够有效处理重复性测量收集的纵向数据。
在本方法所构建的发展模型中，孕龄是水平1变量（公式3）；孕妇的个体特征和环境暴露因素均为研究对象个体间的测量，为水平2变量，例如孕妇的年龄、产次、文化程度、孕妇的民族、地域、妊娠期糖尿病等，水平2变量的特点是不随时间（孕龄）的变化而变化（公式4）：本申请所述的方法将在发展模型中添加随机截距，以控制研究对象的个体间变异（公式5）。将公式4和公式5代入公式3，便得到完整的发展模型（公式6）。
；
注：FAP, Fetal Anthropometric Parameters，胎儿人体测量参数，包括AC、HC、BPD、FDL和EFW；j, 第j个孕妇；i, 第j个孕妇的第i次超声检查；ges, gestational age,超声检查对应的孕龄；conf, confounders, 混杂因素；m, 第m个混杂因素，e ij , 水平1随机误差，μ 0j 、μ 1j 分别表示水平2随机截距和随机斜率的随机误差。
（2）非线性关系处理
在发展模型的基础上，本申请所述的方法进一步使用三次样条函数拟合超声数据的非线性变化规律（公式7），其展开形式如公式8所示，共拥有三个阶段，每段都是一个三次多项式函数。本申请将在孕12周至孕40+6周的区间内放置3个阶段，分别放置在区间的第25、第50和第75百分位数处，即第7.25周、第14.5周、第21.75周。
；
注：公式7展示了本申请所使用的拥有3个节点的三次样条，公式8展示了分段函数的展开形式。
（3）模型整合
将三次样条函数带入发展模型，整合为本方法的完整模型，即非线性发展模型，模型包含了孕妇及其丈夫发的个体特征，以及环境暴露，其中身高、体重、年龄为连续变量，其余变量均为分类变量，具体如下：
；
注：LFAP, 对数尺度的胎儿人体测量参数；FAP, 原始尺度的胎儿人体测量参数；j, 第j个孕妇；i, 第j个孕妇的第i次超声检查；ges, 超声检查对应的孕龄；ξ, 样条节点；conf, 混杂因素；m, 第m个混杂因素；(β 0, β 1 , β 2 , β 3 , β 4 , β 5 , β 6 )′, 样条函数的系数；(b i0, b i1 , b i2 , b i3 )′, 随机效应的系数（随机效应是模型对个体特征拟合的结果）；π, 混杂因素的系数。
4）模型输出
根据采集样本的数据特征，训练非线性发展模型的各个参数，得到各固定效应（固定效应是模型根据数据拟合的结果）的系数（即 β 0,, β 1 , β 2 , β 3 , β 4 , β 5 , β 6 ），将系数代入整合后的公式，即可得到完整的个性化胎儿生长模型。
S4、模型应用：
在实际应用中，首先按照个性化胎儿生长模型的要求，在早孕期6周之前采集孕妇及其丈夫的个体特征和环境暴露因素，将数据代入个性化胎儿生长模型，计算12至40周的胎儿生长参数中位数和标准差，按照如下公式即可计算出各百分位数的参考值，参考值为对数尺度，再经过数据转换即可获得原始尺度的生长参数。
；
注：LFAP(th), 表示对数尺度的胎儿超声人体测量参数的第th个百分位数，FAP(th)表示原始尺度。μ表示中位数，s表示标准差，表示正态分布上第th分位数对应的值。
基于以上内容，在一个优选实施例中，本发明提供一种个性化胎儿生长标准曲线的构建方法，包括以下步骤：
S1、信息采集：采集的信息包括早孕期特征信息、胎儿超声人体测量参数和孕期诊疗及新生儿出生结局信息；
S2、数据预处理：包括孕妇纳入排除、计算胎儿体重和数据变换；
S3、数据建模：包括纵向数据处理、非线性关系处理、模型整合和模型输出；其中模型输出是指根据采集样本的数据特征，训练非线性发展模型的各个参数，得到各固定效应的系数，将系数代入整合后的非线性发展模型，得到完整的个性化胎儿生长模型；
胎儿估测体重、头围、腹围、双顶径、股骨长度五个胎儿生长参数的个性化胎儿生长模型的固定效应系数如下：
；
；
；
；
；
S4、模型应用：按照个性化胎儿生长模型的要求，在早孕期6周之前采集孕妇及其丈夫的个体特征和环境暴露因素，将采集的数据代入个性化胎儿生长模型，计算12至40周的胎儿生长参数中位数和标准差，按照百分位数公式计算出各百分位数的参考值，参考值为对数尺度，再经过数据转换获得原始尺度的生长参数；
其中所述的百分位数公式为：
；
其中，LFAP(th)表示对数尺度的胎儿超声人体测量参数的第th个百分位数，FAP(th)表示原始尺度的胎儿超声人体测量参数的第th个百分位数，μ表示中位数，s表示标准差，表示正态分布上第th分位数对应的值。
优选地，所述的早孕期特征信息是指在早孕期孕6周前完成特征信息采集，采集的信息包括孕妇基本信息、丈夫基本信息以及孕妇环境暴露信息。
优选地，所述的胎儿超声人体测量参数是指采集孕期的超声检查结果，数据以医院的超声检查报告上记录的结果为准。
优选地，所述的孕期诊疗及新生儿出生结局信息是指在分娩后分别采集孕期并发症诊断和检查，分娩时基本情况以及新生儿基本情况，信息采集以临床病历和实验室检查结果为准。
优选地，所述的孕妇纳入排除是指在完整采集孕期数据的孕妇中剔除合并妊娠期并发症的孕妇，包括患有妊娠期糖尿病、妊娠期高血压疾病、子痫前期、子痫、慢高并发子痫前期、妊娠合并慢性高血压疾病和/或妊娠期亚临床甲状腺功能减退的孕妇，仅纳入妊娠风险评估“五色管理”为绿色的低风险孕妇。
优选地，所述的计算胎儿体重是指基于腹围、头围、股骨长度和双顶径，按照第一公式计算胎儿估测体重，其中第一公式为：
；
其中，EFW为胎儿体重，单位为克；AC是腹围，单位为厘米；HC是头围，单位为厘米；FL是股骨长度，单位为厘米；BPD是双顶径，单位为厘米。
优选地，所述的数据变换是指按照第二公式，以10为底，对所有的胎儿超声人体测量参数FAP进行对数转换，以缩小数据内部的方差，所述的胎儿超声人体测量参数包括腹围、头围、股骨长度、双顶径和胎儿体重；
其中第二公式为：
；
其中，LFAP是对数转换后的胎儿超声人体测量参数，FAP是原始尺度的胎儿超声人体测量参数。
优选地，所述的纵向数据处理是指采用适用于纵向数据的发展模型来建立各超声检查指标与孕龄之间的函数关系，并纳入孕妇的个体特征数据和环境暴露指标，建立个性化胎儿生长标准曲线；其中所述的发展模型的函数表达式为：
；
其中，FAPij是指第j个孕妇的第i次超声检查的结果中的原始尺度的胎儿超声人体测量参数；γ0 0是指固定效应的截距；γ10是指孕周的固定效应系数；gesij是指第j个孕妇的第i次超声检查对应的孕龄；γ01是指第1个混杂因素的固定效应系数；conf1j是指第j个孕妇的第1个混杂因素；γ02是指第2个混杂因素的固定效应系数；conf2j是指第j个孕妇的第2个混杂因素；γ0m是指第m个混杂因素的固定效应系数；confmj是指第j个孕妇的第m个混杂因素；μ 0j 表示水平2变量的随机截距的随机误差；μ 1j 表示水平2变量的随机斜率的随机误差。
优选地，所述的非线性关系处理是指使用三次样条函数拟合超声数据的非线性变化规律，拟合得到的非线性变化函数表达式为：
；
其中，
，其中，S(x)表示孕周的三次样条函数；β 0,j 表示三次样条函数中多项式函数部分的系数；β i,3表示三次样条函数中分段函数的系数；ξ i表示第i个样条点所处的孕周；ξ k表示分段函数展开后第k个样条点所在孕周；ξ 表示样条分段函数展开后用于判断分段的孕周。
优选地，所述的模型整合是指将三次样条函数带入发展模型，整合为非线性发展模型，所述的非线性发展模型包含了孕妇及其丈夫的个体特征，以及环境暴露信息，其中身高、体重和年龄为连续变量，其余变量均为分类变量；所述的非线性发展模型的函数表达式为：
；
其中，
；
；
其中，εij表示非线性发展模型的随机误差，N（0，σ2）表示随机误差服从均值为0、标准差为σ的正态分布；LFAPij是指第j个孕妇的第i次超声检查的结果中的对数转换后的胎儿超声人体测量参数；FAPij是指第j个孕妇的第i次超声检查的结果中的原始尺度的胎儿超声人体测量参数；β 0 、β 1 、β 2 、β 3 、β 4 、β 5 、β 6 是样条函数的系数；gesij是指第j个孕妇的第i次超声检查对应的孕龄；ξ 1表示第一个样条点所在孕周；ξ 2表示表示第二个样条点所在孕周；ξ 3表示第三个样条点所在孕周；ξ k表示样条分段函数展开后第k个样条点所在孕周；ξ 表示样条分段函数展开后用于判断分段的孕周；π表示混杂因素的系数，confjm是指第j个孕妇的第m个混杂因素；b i0,、b i1 、b i2 、b i3 是指随机效应的系数。
基于以上实施例，本发明还提供一种个性化胎儿生长标准曲线的构建系统，包括信息采集单元、数据预处理单元、数据建模单元和模型应用单元；
所述的信息采集单元用于采集早孕期特征信息、胎儿超声人体测量参数和孕期诊疗及新生儿出生结局信息；
所述的数据预处理单元用于进行孕妇纳入排除、计算胎儿体重和数据变换；
所述的数据建模单元用于进行纵向数据处理、非线性关系处理、模型整合和模型输出；其中模型输出是指根据采集样本的数据特征，训练非线性发展模型的各个参数，得到各固定效应的系数，将系数代入整合后的非线性发展模型，得到完整的个性化胎儿生长模型；
胎儿估测体重、头围、腹围、双顶径、股骨长度五个胎儿生长参数的个性化胎儿生长模型的固定效应系数如下：
；
；
；
；
；
所述的模型应用单元用于按照个性化胎儿生长模型的要求，在早孕期6周之前采集孕妇及其丈夫的个体特征和环境暴露因素，将采集的数据代入个性化胎儿生长模型，计算12至40周的胎儿生长参数中位数和标准差，按照百分位数公式计算出各百分位数的参考值，参考值为对数尺度，再经过数据转换获得原始尺度的生长参数；
其中所述的百分位数公式为：
；
其中，LFAP(th)表示对数尺度的胎儿超声人体测量参数的第th个百分位数，FAP(th)表示原始尺度的胎儿超声人体测量参数的第th个百分位数，μ表示中位数，s表示标准差，表示正态分布上第th分位数对应的值。
以上描述了本发明优选实施方式，然其并非用以限定本发明。本领域技术人员对在此公开的实施方案可进行并不偏离本发明范畴和精神的改进和变化。
Claims (9)
1.一种个性化胎儿生长标准曲线的构建系统，其特征在于，所述的个性化胎儿生长标准曲线的构建系统包括信息采集单元、数据预处理单元、数据建模单元和模型应用单元；
所述的信息采集单元用于采集早孕期特征信息、胎儿超声人体测量参数和孕期诊疗及新生儿出生结局信息；
所述的孕期诊疗及新生儿出生结局信息是指在分娩后分别采集孕期并发症诊断和检查，分娩时基本情况以及新生儿基本情况，信息采集以临床病历和实验室检查结果为准；
所述的数据预处理单元用于进行孕妇纳入排除、计算胎儿体重和数据变换；
所述的数据建模单元用于进行纵向数据处理、非线性关系处理、模型整合和模型输出；其中模型输出是指根据采集样本的数据特征，训练非线性发展模型的各个参数，得到各固定效应的系数，将系数代入整合后的非线性发展模型，得到完整的个性化胎儿生长模型；
所述的模型应用单元用于按照个性化胎儿生长模型的要求，在早孕期6周之前采集孕妇及其丈夫的个体特征和环境暴露因素，将采集的数据代入个性化胎儿生长模型，计算12至40周的胎儿生长参数中位数和标准差，按照百分位数公式计算出各百分位数的参考值，参考值为对数尺度，再经过数据转换获得原始尺度的生长参数；
其中所述的百分位数公式为：
其中，LFAP(th)表示对数尺度的胎儿超声人体测量参数的第th个百分位数，FAP(th)表示原始尺度的胎儿超声人体测量参数的第th个百分位数，μ表示中位数，s表示标准差，表示正态分布上第th分位数对应的值。
2.根据权利要求1所述的个性化胎儿生长标准曲线的构建系统，其特征在于，所述的早孕期特征信息是指在早孕期孕6周前完成特征信息采集，采集的信息包括孕妇基本信息、丈夫基本信息以及孕妇环境暴露信息。
3.根据权利要求1所述的个性化胎儿生长标准曲线的构建系统，其特征在于，所述的胎儿超声人体测量参数是指采集孕期的超声检查结果，数据以医院的超声检查报告上记录的结果为准。
4.根据权利要求1所述的个性化胎儿生长标准曲线的构建系统，其特征在于，所述的孕妇纳入排除是指在完整采集孕期数据的孕妇中剔除合并妊娠期并发症的孕妇，包括患有妊娠期糖尿病、妊娠期高血压疾病、子痫前期、子痫、慢高并发子痫前期、妊娠合并慢性高血压疾病和/或妊娠期亚临床甲状腺功能减退的孕妇，仅纳入妊娠风险评估“五色管理”为绿色的低风险孕妇。
5.根据权利要求1所述的个性化胎儿生长标准曲线的构建系统，其特征在于，所述的计算胎儿体重是指基于腹围、头围、股骨长度和双顶径，按照第一公式计算胎儿估测体重，其中第一公式为：
log10EFW＝1.3596-0.00386×AC×FL+0.0064×HC+0.00061×BPD×AC+0.0424×AC+0.174×FL
其中，EFW为胎儿体重，单位为克；AC是腹围，单位为厘米；HC是头围，单位为厘米；FL是股骨长度，单位为厘米；BPD是双顶径，单位为厘米。
6.根据权利要求1所述的个性化胎儿生长标准曲线的构建系统，其特征在于，所述的数据变换是指按照第二公式，以10为底，对所有的胎儿超声人体测量参数FAP进行对数转换，以缩小数据内部的方差，所述的胎儿超声人体测量参数包括腹围、头围、股骨长度、双顶径和胎儿体重；
其中第二公式为：
LFAP＝log10FAP；
其中，LFAP是对数转换后的胎儿超声人体测量参数，FAP是原始尺度的胎儿超声人体测量参数。
7.根据权利要求1所述的个性化胎儿生长标准曲线的构建系统，其特征在于，所述的纵向数据处理是指采用适用于纵向数据的发展模型来建立各超声检查指标与孕龄之间的函数关系，并纳入孕妇的个体特征数据和环境暴露指标，建立个性化胎儿生长标准曲线；其中所述的发展模型的函数表达式为：
FAPij＝γ00+γ10gesij+γ01conf1j+γ02conf2j+…+γ0mconfmj+(u0j+u1jgesij+eij)
其中，FAPij是指第j个孕妇的第i次超声检查的结果中的原始尺度的胎儿超声人体测量参数；γ00是指固定效应的截距；γ10是指孕周的固定效应系数；gesij是指第j个孕妇的第i次超声检查对应的孕龄；γ01是指第1个混杂因素的固定效应系数；conf1j是指第j个孕妇的第1个混杂因素；γ02是指第2个混杂因素的固定效应系数；conf2j是指第j个孕妇的第2个混杂因素；γ0m是指第m个混杂因素的固定效应系数；confmj是指第j个孕妇的第m个混杂因素；u0j表示水平2变量的随机截距的随机误差；u1j表示水平2变量的随机斜率的随机误差；eij表示水平1的随机误差。
8.根据权利要求1所述的个性化胎儿生长标准曲线的构建系统，其特征在于，所述的非线性关系处理是指使用三次样条函数拟合超声数据的非线性变化规律，拟合得到的非线性变化函数表达式为：
其中，
其中，S(x)表示孕周的三次样条函数；β0,j表示三次样条函数中多项式函数部分的系数；βi,3表示三次样条函数中分段函数的系数；ξi表示第i个样条点所处的孕周；ξk表示分段函数展开后第k个样条点所在孕周；ξ表示样条分段函数展开后用于判断分段的孕周。
9.根据权利要求1所述的个性化胎儿生长标准曲线的构建系统，其特征在于，所述的模型整合是指将三次样条函数带入发展模型，整合为非线性发展模型，所述的非线性发展模型包含了孕妇及其丈夫的个体特征，以及环境暴露信息，其中身高、体重和年龄为连续变量，其余变量均为分类变量；所述的非线性发展模型的函数表达式为：
其中，
εij～N(0,σ2)；
其中，εij表示非线性发展模型的随机误差，N(0，σ2)表示随机误差服从均值为0、标准差为σ的正态分布
LFAPij是指第j个孕妇的第i次超声检查的结果中的对数转换后的胎儿超声人体测量参数；FAPij是指第j个孕妇的第i次超声检查的结果中的原始尺度的胎儿超声人体测量参数；β0、β1、β2、β3、β4、β5、β6是样条函数的系数；gesij是指第j个孕妇的第i次超声检查对应的孕龄；ξ1表示第一个样条点所在孕周；ξ2表示第二个样条点所在孕周；ξ3表示第三个样条点所在孕周；ξk表示样条分段函数展开后第k个样条点所在孕周；ξ表示样条分段函数展开后用于判断分段的孕周；π表示混杂因素的系数，confjm是指第j个孕妇的第m个混杂因素；bi0,、bi1、bi2、bi3是指随机效应的系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410051944.5A CN117577331B (zh) | 2024-01-15 | 2024-01-15 | 一种个性化胎儿生长标准曲线的构建系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410051944.5A CN117577331B (zh) | 2024-01-15 | 2024-01-15 | 一种个性化胎儿生长标准曲线的构建系统和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117577331A CN117577331A (zh) | 2024-02-20 |
| CN117577331B true CN117577331B (zh) | 2024-05-14 |
Family
ID=89895784
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410051944.5A Active CN117577331B (zh) | 2024-01-15 | 2024-01-15 | 一种个性化胎儿生长标准曲线的构建系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117577331B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2586038C1 (ru) * | 2014-12-02 | 2016-06-10 | Государственное Бюджетное Образовательное Учреждение Дополнительного Профессионального Образования "Иркутская Государственная Медицинская Академия Последипломного Образования" | Способ прогнозирования исхода цитомегаловирусной инфекции у детей раннего возраста |
| RU2593981C1 (ru) * | 2015-04-13 | 2016-08-10 | Государственное бюджетное образовательное учреждение высшего профессионального образования "Астраханский государственный медицинский университет" Министерства здравоохранения Российской Федерации (ГБОУ ВПО Астраханский ГМУ Минздрава России) | Способ индивидуального прогнозирования антенатальной гибели плода с последующим выбором акушерской тактики |
| CN108109701A (zh) * | 2017-12-29 | 2018-06-01 | 田嫣然 | 一种胎儿体重估算模型的建立方法及系统 |
| CN113855080A (zh) * | 2021-10-25 | 2021-12-31 | 南方医科大学南方医院 | 孕21-23周预测足月新生儿出生体重的方法 |
| CN116631622A (zh) * | 2023-05-22 | 2023-08-22 | 深圳市人民医院 | 一种基于ai的孕妇特征相关的胎儿体重预测方法和系统 |
| CN116825341A (zh) * | 2023-04-17 | 2023-09-29 | 南宁市第一人民医院 | 胎儿生长受限围产期不良结局预测模型的构建方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2944060A1 (en) * | 2014-04-01 | 2015-10-08 | Montclair State University | System and method for predicting fetal and maternal health risks |
-
2024
- 2024-01-15 CN CN202410051944.5A patent/CN117577331B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2586038C1 (ru) * | 2014-12-02 | 2016-06-10 | Государственное Бюджетное Образовательное Учреждение Дополнительного Профессионального Образования "Иркутская Государственная Медицинская Академия Последипломного Образования" | Способ прогнозирования исхода цитомегаловирусной инфекции у детей раннего возраста |
| RU2593981C1 (ru) * | 2015-04-13 | 2016-08-10 | Государственное бюджетное образовательное учреждение высшего профессионального образования "Астраханский государственный медицинский университет" Министерства здравоохранения Российской Федерации (ГБОУ ВПО Астраханский ГМУ Минздрава России) | Способ индивидуального прогнозирования антенатальной гибели плода с последующим выбором акушерской тактики |
| CN108109701A (zh) * | 2017-12-29 | 2018-06-01 | 田嫣然 | 一种胎儿体重估算模型的建立方法及系统 |
| CN113855080A (zh) * | 2021-10-25 | 2021-12-31 | 南方医科大学南方医院 | 孕21-23周预测足月新生儿出生体重的方法 |
| CN116825341A (zh) * | 2023-04-17 | 2023-09-29 | 南宁市第一人民医院 | 胎儿生长受限围产期不良结局预测模型的构建方法 |
| CN116631622A (zh) * | 2023-05-22 | 2023-08-22 | 深圳市人民医院 | 一种基于ai的孕妇特征相关的胎儿体重预测方法和系统 |
Non-Patent Citations (2)
| Title |
|---|
| B超测量值拟合数学模型监测胎儿个体生长的探讨;邵勇, 吴味辛;华中医学杂志;20020825(第04期);全文 * |
| 胎儿生长曲线的建立及临床应用;陈建平;孙路明;;中国实用妇科与产科杂志;20200802(第08期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117577331A (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nicolaides | Nuchal translucency and other first-trimester sonographic markers of chromosomal abnormalities | |
| US6573103B1 (en) | Antenatal screening for Down's syndrome | |
| CN114464322B (zh) | 女性盆底功能障碍性疾病风险预警模型及其构建方法和系统 | |
| EP2124193A2 (en) | Automated placental measurement | |
| US7315787B2 (en) | Multi-marker screening protocol for fetal abnormalities | |
| Lu et al. | The JNU-IFM dataset for segmenting pubic symphysis-fetal head | |
| CN112331340B (zh) | 育龄夫妇妊娠概率的智能预测方法及系统 | |
| Kruger et al. | Characterizing levator‐ani muscle stiffness pre‐and post‐childbirth in European and Polynesian women in New Zealand: a pilot study | |
| CN113077900A (zh) | 糖尿病早期风险评估方法、装置、计算机设备及介质 | |
| de‐Souza et al. | Skin thickness dimensions in histological section measurement during late‐fetal and neonatal developmental period: A systematic review | |
| CN113197550B (zh) | 一种双胎生长发育标准曲线构建的方法 | |
| CN117577331B (zh) | 一种个性化胎儿生长标准曲线的构建系统和方法 | |
| CN113907793A (zh) | 一种妇科超声检查用的超声影像重建与评估方法 | |
| CN112992353A (zh) | 预产期精准预测方法、装置、计算机设备及存储介质 | |
| MacDonald et al. | Prospective longitudinal assessment of the fetal left modified Myocardial Performance Index | |
| CN112336379A (zh) | 一种骨质疏松症数据收集与分析平台 | |
| Rasheda Begum et al. | Prevalence and associated factors of antenatal anxiety symptoms in Bangladesh: a repeated measures cluster data analysis | |
| Yang et al. | An intelligent quantification system for fetal heart rhythm assessment: A multicenter prospective study | |
| CN115331817A (zh) | 孕早期阶段早产型子痫前期风险筛查装置 | |
| Sanderson et al. | Selection of the sub-noise gain level for acquisition of VOCAL data sets: a reliability study | |
| Ventura et al. | Reliability of examining the external iliac artery with Doppler ultrasound in the first trimester and its relationship with maternal blood pressure and uterine artery blood flow | |
| CN101936981A (zh) | 孕中期产前筛查中血清学指标的中位数倍数校正方法 | |
| Egorov et al. | Cervical characterization with tactile-ultrasound probe | |
| CN117954083B (zh) | 一种基于机器学习算法的子痫前期预测方法 | |
| RU2674865C1 (ru) | Способ прогнозирования неблагоприятных перинатальных исходов с помощью комплексной оценки мозгового кровообращения плода |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |