对胎儿体重的预测在产科临床监护上有着非常重要的意义,在妊娠阶段准确估计胎儿体重对判断胎儿是否属于宫内生长(发育)迟缓(IUGR)、巨大胎儿(LGA),还是正常胎儿,分娩前正确制定分娩计划,减少母婴并发症等都十分重要。自70 年代末期以来,随着超声技术应用于产科,利用B 超测量胎儿各项生物指标来估计胎儿体重已成为十分重要的手段。国内外学者在应用B 超预测胎儿体重方面进行了许多研究,大多采用的是数理统计的方法,即利用回归分析的手段建立起回归方程,但是回归方程的预测准确率低、重复性差,影响了它们的临床使用。近年来,在医疗辅助诊断与决策方面,兴起了采用人工神经网络系统来处理大量的、复杂的、相互关联的医学信息,从中进行分析、推理、分类识别、预测等。本研究采用反向传播(BP)人工神经网络方法取代传统的回归分析方法来预测胎儿体重。首先,对从四川大学华西附属第二医院采集到的109 例样本数据,从线性与非线性、单参数与多参数等方面,多角度对所采集到的数据进行了相关性研究和回归分析,并最终得到四个非线性回归方程,获得了较好的预测准确率(符合率),最高达到了75%。这四个方程模型较好地描述了胎儿发育的全过程,所选参数覆盖了胎儿的头部、四肢、腹部、皮下脂肪的堆积和肝糖元的存储等生理变化情况。然后采用基于反向传播算法的人工神经网络(BP 网络)方法,通过三种处理方式来验证BP 网络预测结果,均获得了较为理想的预测结果,无论何种方式都达到了80%以上的符合率,最高达到95%。在分组训练验证中,训练组预测符合率达89.77%,平均绝对误差104.22 克,平均相对误差3.24%;