在预测交付模式的多式模式模型使用数据从一个数字双赋权劳动监控系统的数字双赋权劳动监控系统
Jieyun Bai1,2, Xue Kang1, Weishan Wang1
1Guangdong Provincial Key Laboratory of Traditional Chinese Medicine Information Technology, Jinan University, Guangzhou, China.
Digital health
|December 13, 2024
概括
这项研究开发了一种多式人工智能模型来预测分娩模式,整合了计算机心脏图谱,超声波和健康记录. 该模型显著提高了预测准确性,为产后监测提供了一个有前途的工具.
科学领域:
- 医疗人工智能 医疗人工智能
- 孕产妇和胎儿医学 孕产妇和胎儿医学
- 数字健康数字健康
背景情况:
- 目前用于预测分娩方式的临床方法存在局限性.
- 准确预测分娩方式对于产后的孕产妇和胎儿健康监测至关重要.
研究的目的:
- 开发一个基于多式联络神经网络的模型来预测交付模式.
- 用先进的人工智能解决当前临床预测方法的局限性.
主要方法:
- 利用数字双重授权劳动监控系统.
- 综合计算机心脏图谱 (cCTG),超声波 (US) 数据和电子健康记录 (EHR).
- 采用混合CNN-BiLSTM架构进行数据压缩和特征提取.
主要成果:
- 获得了高的交叉验证准确性 (93.33%) 和AUC (97.10%).
- 证明了美国成像数据对预测准确性的重大贡献.
- 报告F1得分为86.26%和布里尔得分为6.67%.
结论:
- 开发的多式联运模型显示了预测交付模式的前景.
- 多源数据的整合增强了公司内部监控能力.
- 通过增加数据量和动态数据融合,提高预测准确性的潜力.


