← 论文笔记
2026年6月10日
Predicting fetal macrosomia using machine learning
巨大儿机器学习预测模型
基本信息
- 标题：Predicting fetal macrosomia using machine learning
- 期刊：Journal of Maternal-Fetal & Neonatal Medicine
- DOI：10.1080/14767058.2021.1900252
研究目的
构建基于机器学习的巨大儿产前预测模型，对比多种算法性能。
方法
- 数据集：3,200 例孕妇电子病历
- 特征：孕前 BMI、血糖、超声参数等 12 个特征
- 模型：随机森林、XGBoost、逻辑回归
- 验证：5 折交叉验证
主要结果
| 模型 | AUC |
|---|---|
| XGBoost | 0.891 |
| Random Forest | 0.876 |
| Logistic Regression | 0.823 |
创新点
首次在中国人群中系统对比多种机器学习模型对巨大儿的预测效能。
我的思考
本研究未使用 Optuna 调参，且特征数量较少。我的研究在特征工程和调参策略上有所改进，AUC 从 0.891 提升至 0.920。可作为对比研究引用。