使用多通道电歇斯底里图传感器和条件变量自编码器估计分娩阶段

科学领域:

• 生物医学工程 生物医学工程
• 生理学 生理学 生理学
• 产科 产科 产科 产科 产科

背景情况:

• 电动歇斯底里图 (EHG) 记录子宫的电活动,类似于心脏和骨肌肉.
• EHG为监测子宫功能提供了一种不那么侵入性的方法.
• 潜在的应用包括早期检测早产和异常分娩.

研究的目的:

• 研究大面积柔性电极板在传输过程中测量EHSG信号的实用性.
• 使用机器学习,与临床分娩阶段一起分析EHG信号.

主要方法:

• 使用大面积的柔性电极板来捕捉腹部身体表面的潜力.
• 在交付过程中记录了EHG信号.
• 采用机器学习方法来分析EHG信号和分娩阶段之间的关系.

主要成果:

• 在分娩期间成功测量了来自腹部表面的EHG信号.
• 证明了使用机器学习来将EHG模式与医生决定的分娩阶段相关联的可行性.

结论:

• 大面积的柔性电极适合在分娩期间进行非侵入性EHSG监测.
• 对EHG信号的机器学习分析显示,对客观的劳动阶段评估有希望.