基于二次差异分析和电歇斯底里图的双胞胎早产预测
Yue Sun1, Ting Sun1, Shuang Li2
1Department of Biomedical Engineering, Beihang University, Beijing, China.
Computer methods in biomechanics and biomedical engineering
|October 11, 2025
概括
在双胞胎怀孕中预测早产是可能的,使用电歇斯底里图 (EHG) 信号和机器学习. 这种非侵入性方法显示出高准确性,有助于早期干预,以改善孕产妇和胎儿的结果.
科学领域:
- 生物医学工程 生物医学工程
- 孕产妇和胎儿医学 孕产妇和胎儿医学
- 医疗保健中的机器学习
背景情况:
- 过早分娩是造成母亲和胎儿不良后果的主要原因.
- 双胞胎怀孕与单独怀孕相比,早产的发生率更高.
- 准确预测双胞胎的早产对于及时的临床干预至关重要.
研究的目的:
- 评估使用电动歇斯底里图 (EHG) 信号与二次差异分析 (QDA) 模型相结合的可行性,用于预测双胞胎怀孕中的早产.
- 评估基于EHG的机器学习模型在在双胞胎怀孕中区分早产和早产的性能.
- 探索整合EHG和QDA在双胞胎怀孕中改善产周结果的临床意义.
主要方法:
- 从35名双胞胎孕妇获得的电歇斯底里图 (EHG) 信号.
- 选择了强大的EHG特性来构建QDA模型来预测早产.
- 实施了决策级融合方法,使用权重多数投票来提高分类性能.
主要成果:
- 开发的QDA模型显示了高精度 (93.33%),灵敏度 (93.56%) 和特异性 (96.33%).
- 该模型实现了强大的二进制分类性能,曲线下的面积 (AUC) 为0.99.
- 在双胞胎怀孕中,综合方法在区分早产和满期分娩方面表现出良好的通用性.
结论:
- 将电歇斯底里图信号与机器学习算法,特别是QDA集成,可以准确预测双胞胎怀孕中早产的情况.
- 这种非侵入性方法为在高风险双胞胎怀孕中早期检测早产风险提供了有希望的工具.
- 这些发现支持基于EHG的预测对及时干预和双胞胎怀孕中改善产周结果的临床意义.
