用空间贝叶斯神经网络优化与矮人蒙古斯优化器进行心脏病学数据分析,用于胎儿健康分类
P Solainayagi1, G Sivagaminathan2, Sabenabanu Abdulkadhar3
1Department of Computer Science and Engineering, Saveetha School of Engineering, Saveetha Institute of Medical and Technical Sciences (SIMATS), Chennai, Tamil Nadu, India.
Computer methods in biomechanics and biomedical engineering
|April 11, 2025
概括
这项研究引入了用于胎儿健康分类 (CDA-FHC) 系统的自动心脏病学数据分析系统. 这种新的方法增强了早期检测妊娠并发症,提高了胎儿健康评估的准确性和可靠性.
科学领域:
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
- 医疗保健中的人工智能
背景情况:
- 检测妊娠并发症的传统心脏图谱 (CTG) 分析是耗时且容易出现错误的.
- 早期识别胎儿痛苦对于改善妊娠结果至关重要.
研究的目的:
- 开发和验证一个用于心脏病学数据分析用于胎儿健康分类 (CDA-FHC) 的自动化系统.
- 用先进的计算方法提高胎儿健康评估的准确性和效率.
主要方法:
- 利用空间贝叶斯神经网络 (SBNN) 进行胎儿健康分类.
- 使用洪堡鱼优化算法 (HSOA) 优化特征选择.
- 雇佣了矮人蒙古斯优化器 (DMO) 来微调SBNN模型.
主要成果:
- 拟议的CDA-FHC-SBNN-DMO方法在与现有技术相比显示出更高的性能.
- 在准确度 (20.89%),精度和用于胎儿健康分类的回忆方面取得了显著的改善.
- 该系统有效地使用Python实现.
结论:
- CDA-FHC-SBNN-DMO方法为分析CTG数据提供了更准确,更有效的替代方案.
- 这种自动化方法有可能更早,更可靠地检测出妊娠并发症.
- 进一步的研究可以探索这种人工智能驱动工具的更广泛的临床整合.
