Red neuronal de votación ondicular multiescala y multibase para el análisis automático de señales de frecuencia...

Área de la Ciencia:

• Imágenes Médicas y Procesamiento de Señales
• Inteligencia Artificial en la Atención Médica
• Tecnologías de Monitorización Fetal

Sus antecedentes:

• La interpretación precisa de los registros de frecuencia cardíaca fetal (FCF) es crucial para la monitorización intraparto.
• Los modelos actuales de aprendizaje profundo a menudo pasan por alto la estructura tiempo-frecuencia de las señales de FCF, lo que lleva a detecciones omitidas y susceptibilidad al ruido.
• Las aceleraciones (Acc) y desaceleraciones (Dec) transitorias son indicadores clave que requieren una identificación precisa contra la FCF de referencia.

Objetivo del estudio:

• Introducir WaveFHR-VNet, una red de votación ondicular de estilo U-Net diseñada para analizar señales de FCF en el dominio conjunto tiempo-frecuencia.
• Superar las limitaciones del análisis de secuencias 1-D incorporando transformadas ondiculares multiescala y multibase.
• Mejorar la precisión de la detección de eventos de FCF y reducir la susceptibilidad al ruido y a los artefactos.

Principales métodos:

• WaveFHR-VNet utiliza una transformada ondicular discreta (DWT) dentro de cada bloque codificador para separar las tendencias de referencia de baja frecuencia y los patrones de Acc/Dec de alta frecuencia.
• Un módulo de Selección Interactiva de Coeficientes (ICS) en conexiones de salto aprende máscaras de atención para filtrar el ruido y amplificar los transitorios salientes.
• El procesamiento paralelo con cinco bases ondiculares complementarias y una capa de votación mejora la diversidad espectral y elimina el ajuste manual.

Principales resultados:

• WaveFHR-VNet logró un rendimiento de vanguardia en cuatro conjuntos de datos de FCF, demostrando mejoras significativas en las métricas de Dice, IoU y precisión en comparación con los modelos existentes.
• El modelo mostró un rendimiento superior en el punto de referencia LCU-DB, un conjunto de datos público ampliamente utilizado para el análisis de FCF.
• Se observó una sólida generalización entre conjuntos de datos, y WaveFHR-VNet superó consistentemente a todos los modelos de comparación.

Conclusiones:

• WaveFHR-VNet analiza eficazmente las señales de FCF en el dominio tiempo-frecuencia, aprovechando las transformadas ondiculares para una mejor extracción de características.
• La arquitectura de red y los módulos propuestos mejoran la detección de eventos críticos de FCF al tiempo que mitigan el ruido y los artefactos.
• WaveFHR-VNet muestra ser una herramienta fiable y precisa para la interpretación asistida por ordenador y la monitorización fetal intraparto.