一个开放的数据集,含有导致产妇和剖腹产产生的怀孕的电歇斯底里图记录
1Faculty of Computer and Information Science, University of Ljubljana, Večna pot 113, 1000, Ljubljana, Slovenia. franc.jager@fri.uni-lj.si.
Scientific data
|October 2, 2023
概括
创建了一个来自诱导和剖腹产产的子宫电歇斯底里图 (EHG) 记录的新数据集. 这一数据集通过包括更多样化的妊娠结果来改善早产预测模型.
科学领域:
- 生物医学工程 生物医学工程
- 产科和妇科 产科和妇科
- 信号处理 信号处理
背景情况:
- 目前使用电歇斯底里图 (EHG) 的非侵入性早产预测方法主要利用自发分娩的数据.
- 现有的数据集缺乏从怀孕到诱导或剖腹产的全面的EHSG记录,这限制了模型的概括性.
- 预产早产的自动预测需要各种各样的EHG数据,代表各种分娩场景.
研究的目的:
- 开发和引入一个新的电动歇斯底里图 (EHG) 数据集,即诱导剖腹产EHG数据集 (ICEHG DS).
- 通过包括诱导和剖腹产产生的数据来增强公开可用的EHG记录库.
- 为了促进对自动化早产预测方法的更强大,更现实的评估.
主要方法:
- 收集了126个30分钟的子宫电歇斯底里图 (EHG) 记录,这些记录来自计划自发分娩但导致诱导或剖腹产的怀孕.
- 在两个关键怀孕阶段记录了EHG数据:早期 (23周) 和晚期 (31周).
- 数据集包括诱导,剖腹产和联合诱导/剖腹产的记录,按记录时间分类.
主要成果:
- ICEHG DS 总共包含 126 个 EHG 记录.
- 具体计数包括早期/晚期诱导 (38/43),早期/晚期剖腹产 (11/8),以及早期/晚期诱导和剖腹产 (13/13).
- 这一数据集为分析非自发分娩中的生理机制提供了有价值的数据.
结论:
- ICEHG DS显著扩大了可用的EHG数据,用于导致诱导或剖腹产的怀孕.
- 这一数据集将能够更准确地评估自动化早产预测算法.
- 了解各种分娩类型的EHG模式对于推进生殖健康技术至关重要.
