胎盘植入的BP神经网络辅助诊断模型

杨丹林 何斌杰 张栋 颜建英

胎盘植入（Placenta accreta，PA）是指胎盘发生异常侵袭性种植，胎盘绒毛直接穿透底蜕膜到达或侵入子宫肌层。它好发于底蜕膜局部存在的原发或继发性缺陷，如蜕膜发育不良、多次人流、子宫手术损伤等情况，是导致严重产后出血、子宫切除、产褥期感染的主要原因。近年来，随着剖宫产、人工流产等手术操作的上升，胎盘植入的发生率明显升高。及早识别诊断PA，对降低或避免胎盘植入导致的并发症，甚至减少或避免子宫切除都具有重要意义。本文提出针对胎盘植入辅助诊断的神经网络预测模型。BP神经网络利用梯度搜索技术，使网络的实际输出值与期望输出值的误差均方差最小。本文设计一个三层的BP神经网络模型来进行胎盘植入预测，分别为输入层、隐藏层和输出层。本文收集了266条临床产妇数据，并从中抽取出14个胎盘植入的影响因素。14个指标作为BP神经网络的输入层的14个节点。此外，输出层仅有一个节点表示是否患有胎盘植入。最后根据BP神经网络隐藏层节点数经验公式得出隐藏层节点数为5。在266条数据中，取40条作为测试组，其余作为训练组。实验结果得出训练所得BP神经网络模型预测准确率为85%。

1 资料与方法

1.1 资料

有报道2009—2012年胎盘植入的发生率为3.4‰[1]。有研究发现2004—2010年与2010—2014年胎盘植入的发生率分别为0.8‰（10/12890）与1.5‰ （9/5948），发生率明显上升，且胎盘植入所致的子宫切除率亦明显从20.0%（2/10）上升为77.8%（7/9）[2]。Chawla J等回顾性分析2006—2014年急诊子宫切除患者中胎盘植入者占21%[3]。有报道分析2012—2013年英国212家医院277 例接受大量输血的产后出血患者，其中45%的患者接受子宫切除以挽救生命，胎盘植入为主要原因（40%）；此外，93%胎盘植入患者接受了子宫切除手术[4]。Ahmed SR 等报道2014年住院分娩孕产妇中1.3%（52/3841）存在前置胎盘，合并胎盘植入占26.4%（14/52），其中15.1%接受产科子宫切除术，3.8%导致肠损伤，13.2%引起膀胱损伤，且引起13.2%死产及20%新生儿入住NICU[5]。

目前胎盘植入主要辅助检查方法包括母血清甲胎蛋白（AFP）、血清肌酸激酶（CK）、血清游离胎儿DNA、灰阶成像、彩色多普勒超声、3D能量多普勒超声、磁共振成像（MRI）等。在临床诊断上，医疗人员对高龄及多次孕产的产妇会多考虑患胎盘植入的风险，成为预测及诊断胎盘植入的指标之一[6-7]。

此外，子宫手术史的孕妇也被研究人员列入胎盘植入高危产妇之列。与高龄及多次孕产的产妇一样，有子宫手术史的产妇也是胎盘植入高危患者，成为临床医生诊断考虑的指标之一[8]。

1.2 神经网络方法

BP神经网络是人工神经网络的一种类型，它具有结构简单、易于实现的优点[9]。本文选取了三层的BP神经网络模型，隐含层的节点数决定了神经网络的效能[10]。目前神经网络的节点数选择取决于经验公式，m代表隐含层节点数，n和l分别代表输入层节点数和输出层节点数，α表示1～10之间的调节常数[11-12]。本文从临床数据中抽取了14个特征值（血清白蛋白、血清总胆汁酸、载脂蛋白B、高密度脂蛋白、乳酸脱氢酶、前次与此次妊娠时间间隔、胎儿测量指标、胎盘分级、羊水情况、宫颈管长度、胎盘后的血液流动间隙、胎盘位置、月经间隔、流产次数）作为输入层节点，是否患有胎盘植入作为输出节点。故n=14，l=1，经过试验，α取1时神经网络准确率最高。所以隐含层节点数取为5。

2 结果

2.1 实验数据

本文选择MATLAB作为实验平台。对于BP神经网络，除确定隐含层节点，还要确定训练参数组。本文选取不同参数做对比实验，最终确定最优参数组：学习率0.05、训练次数300、收敛精确度0.00 001。

2.2 实验结果分析

实验得出两组数据，一组是隐含层节点的权值数据，它反映了14个特征值中每个特征值对结果的影响程度，可得隐含层有5个节点，则1个特征值有5个权值。根据特征值处理方式，将5个权值的绝对值之和定为这个特征值的最终权值。最终权值反映了该特征对判定胎盘植入的重要性。其中，胎盘植入数据的特征判定中，权值由高到低分别为胎盘后血液流动间隙、血清总胆汁酸、血清白蛋白、羊水情况、载脂蛋白B、胎盘位置、乳酸脱氢酶、高密度脂蛋白、流产次数、妊娠时间间隔、胎盘等级、宫颈管长度、胎儿测量指标和月经间隔。

可知14个特征指标中对胎盘植入影响最大的三个因素是胎盘后血液流动间隙、血清总胆汁酸和血清白蛋白。对胎盘植入影响最小的是月经间隔。

另一组数据是40个测试数据的判定结果。结果用1表示胎盘植入，2表示正常，序号1～30标准结果为2，序号31～40标准结果为1。

图1 实验数值分布图

实验数值分布见图1，当判定数值处于Ⅳ区域时，认为其肯定为胎盘植入，当判定数值处于Ⅰ区域时，认为其肯定为正常。当判定数值处于Ⅱ、Ⅲ区域，认为其有胎盘植入可能，利用公式（2-判定数值）×100%作为该测试数据为胎盘植入的概率。为计算准确率，规定当概率大于等于50%时算作胎盘植入，当概率小于50%时算作正常。根据以上规定，处于Ⅰ、Ⅱ区域的结果认为是正常，Ⅲ、Ⅳ区域的结果认为是胎盘植入。总共40条测试数据，由于序号1～30标准结果为正常，序号31～40标准结果为胎盘植入。故得出判定错误数据一共有6条，判定准确率为85%。

根据对实验结果的分析，可以得出，在选取的14个特征值中，胎盘后血液流动间隙、血清总胆汁酸和血清白蛋白是胎盘植入的主要表征。同时，利用测试样本，证明所训练的BP神经网络对胎盘植入的预测准确率为85%。同时，基于神经网络节点权值收敛的特性，该神经网络模型可用于研究胎盘植入的潜在影响因素。

3 讨论

本文利用了BP神经网络的方法对胎盘植入进行辅助诊断，同时该方法还可以对胎盘植入的病因进行分析。实验结果表明BP神经网络方法正确率为85%，证明了该方法的有效性。我们认为在目前胎盘植入临床诊断有局限性的情况下，本文提出的方法可以为临床医疗人员提供诊断借鉴，从而提高医疗人员对胎盘植入诊断的正确率。