人工智能驱动的胎儿危险监测SDN-IoMT网络
Amin Ullah1, Qazi Mazhar Ul Haq1, Zabeeh Ullah2
1Department of Computer Science and Engineering and International Bachelor Program in Informatics, Yuan Ze University, Zhongli, Taiwan.
PloS one
|July 31, 2025
概括
本研究介绍了医疗物联网 (IoMT) 的AI和软件定义网络 (SDN) 框架,以解决心脏图谱 (CTG) 监测中的数据不平衡,以改善胎儿健康评估.
科学领域:
- 医疗保健技术 技术 医疗保健 技术
- 人工智能在医学中的应用
- 生物医学信号处理
背景情况:
- 医疗物联网 (IoMT) 与人工智能网络的整合增强了临床连接,但面临着传统基础设施的挑战.
- 软件定义网络 (SDN) 为复杂的IoMT环境提供了高效的管理.
- 心电图 (CTG) 数据的数据不平衡,特别是胎儿心率 (FHR) 和减速,妨碍了准确的产前监测.
研究的目的:
- 提出一个先进的框架,通过解决CTG特征数据不平衡来改善产前监测.
- 使用深度学习技术提高胎儿心率 (FHR) 和减速分析的性能.
- 利用生成对抗网络 (GAN) 和自动编码模型在基于IoMT的医疗保健中进行可靠的数据处理.
主要方法:
- 开发了一个整合生成对抗网络 (GAN) 与自动编码模型的框架,以解决数据不平衡问题.
- 使用重建错误和瓦瑟斯坦基于距离的GANs来在CTG分析中进行数据平衡.
- 使用Mininet模拟框架,评估性能指标,如准确性,回忆,精度和F1分数.
主要成果:
- 拟议的框架实现了94.2%的准确性和21.1%的F1得分非常小的类,优于现有的DL模型.
- 对CTU-UHB数据集的验证显示,与对不平衡CTG数据的最先进解决方案相比,有显著的改进.
- 该研究成功地解决了FHR和减速数据信息失衡的关键问题.
结论:
- 基于AI和SDN的IoMT框架具有通过先进监测改善产前结果的巨大潜力.
- 拟议的GAN和自动编码方法有效地处理关键医疗保健应用中的数据不平衡,例如CTG监控.
- 这项研究为临床环境中更智能,更可靠的IoMT系统铺平了道路.
