Diagnóstico de la salud fetal basado en la ponderación dinámica adaptativa con red de corrección principal auxiliar

Área de la Ciencia:

• La informática médica
• Salud pública
• Ingeniería biomédica

Sus antecedentes:

• La salud materna e infantil es una prioridad mundial de salud pública.
• La cardiotocografía fetal (CTG) es crucial para monitorear el bienestar fetal durante el embarazo.
• El desequilibrio de categorías en los datos del CTG plantea desafíos para los modelos de diagnóstico tradicionales, con el riesgo de un diagnóstico erróneo.

Objetivo del estudio:

• Desarrollar un método innovador para mejorar la precisión de la clasificación de los datos del CTG fetal.
• Para abordar el desafío significativo del desequilibrio de categorías en los conjuntos de datos de CTG.
• Mejorar el diagnóstico precoz y la eficacia de la intervención para la salud fetal.

Principales métodos:

• Diseñó un método para el ajuste adaptativo de los pesos de la función de pérdida de clasificación errónea (MAAL) para centrarse en muestras subrepresentadas.
• Desarrolló un modelo de red de corrección primaria y secundaria (MAC-NET) para reevaluar muestras clasificadas erróneamente.
• Utilizó el conjunto de datos de salud fetal disponible públicamente de la UCI para su validación.

Principales resultados:

• Logró un 99,39% de precisión en el conjunto de datos de salud fetal de la UCI.
• Demostró un excelente rendimiento en otros conjuntos de datos de dominio desequilibrados.
• Alivió efectivamente el problema del desequilibrio de categorías en los datos del CTG.

Conclusiones:

• El modelo MAAL y MAC-NET propuesto mejora significativamente la precisión de la clasificación CTG.
• El método ofrece una solución robusta para manejar datos desequilibrados en el monitoreo de la salud fetal.
• El modelo presenta una gran utilidad clínica para mejorar los resultados de la salud materna e infantil.