使用卷积神经网络对有或没有子宫收缩信号的晚减速的检测准确度进行比较和验证
Ikumi Sato1,2, Yuta Hirono2,3, Eiri Shima4
1Department of Nursing, Faculty of Nursing, Niigata University of Health and Welfare, Niigata, Japan.
Frontiers in physiology
|February 7, 2025
概括
人工智能可以仅使用胎儿心率 (FHR) 信号来检测胎儿痛苦,即使胎儿收缩 (UC) 数据不佳. 这种人工智能方法准确地识别了晚期减速 (LDs),改善了及时干预,以获得更好的胎儿结果.
科学领域:
- 产科和妇科 产科和妇科
- 医疗人工智能 医疗人工智能
- 胎儿监测 胎儿监测 胎儿监测
背景情况:
- 心脏图谱 (CTG) 通过FHR和UC监测胎儿健康.
- 晚期减速 (LDs) 是胎儿低血症的关键指标.
- 低质量的UC信号使得LD检测变得复杂.
研究的目的:
- 评估AI仅使用FHR信号来检测LD的能力.
- 为了将仅使用FHR的模型与使用CNN的FHR+UC模型进行比较.
- 在UC信号不可靠时评估AI性能.
主要方法:
- 使用了CTU-UHB数据库,其中有86个LD和440个非LD病例.
- 开发了卷积神经网络 (CNN) 模型.
- 对比FHR-only和FHR+UC模型用于LD检测.
主要成果:
- 只有FHR模型的AUC达到0.896.
- 在FHR+UC模型中,AUC达到0.928.
- 在UC信号较差的情况下,仅FHR模型显示AUC为0.867.
结论:
- 人工智能可以只使用FHR信号准确地检测LD.
- 这种方法增强了胎儿监测,特别是在UC数据差的情况下.
- 早期发现不令人放心的胎儿状态可以改善结果并指导紧急分娩准备.
