基于人工神经网络的新生儿HIE早期诊断系统的研究

围产期窒息所致的新生儿缺氧缺血性脑病(HIE),是当前世界范围内发病率高，易导致死亡或残疾、严重影响人口素质的疾病。早期确诊与干预将大大改善预后，提高存活和治愈率。目前临床诊断大多采用病史、临床表现结合影像学检查等进行。由于临床表现及检测的多样性，不仅费时，花费大，且难于早期准确诊断，是目前国内外围产医学和儿科学界进行防治迫切需要解决的重要问题。本研究试图通过对HIE患儿的临床表现、实验室检查及普通磁共振、弥散加权及磁共振波谱分析的研究，探讨HIE时脑内代谢、形态学的变化与临床表现的关系及早期敏感、特异指标，为HIE的防治提供基础理论依据，并首次应用图象处理及多参数映射能力强的人工神经网络，通过优选出的指标进行一定样本量的训练，建立一种简捷的自动化数据判别模型，为临床早期诊断和预后判断提供定量的指标及简便的诊断工具，实现对HIE的早期干预，降低致残和死亡率，为提高人口素质做出应有的贡献。