基于量子金刚石自旋的人工智能辅助心动监护：统一模型用于信号重建、胎儿心率分析与变异性评估
机器学习
2026-05-15 v1 人工智能
摘要
胎儿心率（FHR）的监测与变异性评估对于预防胎儿失代偿和不良结局至关重要，但传统方法受限于设备性能、数据传输及医生主观评估的局限。我们开发了专为FHR监测量身定制的AI-based FHrCTG模型，有效减轻噪声干扰，精准重建信号。该模型采用由558,412个无标签数据点构成的海量数据集进行预训练，随后使用7,266条专家审核条目进行精细化。为验证FHR，我们引入交叉重叠标签（IOL）方法，将速率分析转化为分类判断。测试结果显示，模型在检测关键FHR减慢（89.13%和87.78%）和加速（62.5%和92.04%）时，分别具有高灵敏度和特异性。进一步地，依据Fischer的临床应用标准，我们的模型在验证FHR周期性和振幅变异性方面分别实现了令人瞩目的0.7214和0.9643的AUC分数。
引用
@article{arxiv.2605.14242,
title = {Artificial Intelligence-Assistant Cardiotocography: Unified Model for Signal Reconstruction, Fetal Heart Rate Analysis, and Variability Assessment},
author = {Xiaohua Wang and Kai Yu and XuXiao Liang and Liang Wang and Chao Han},
journal= {arXiv preprint arXiv:2605.14242},
year = {2026}
}