分娩期胎儿窘迫的分类：胎心宫缩图的信号处理与特征工程
机器学习
2021-11-02 v1 信号处理
摘要
胎心宫缩图（CTG）是分娩期胎儿监测的主要工具。CTG 的解读需要实时动态模式识别。它被认为是一项困难的任务，观察者间与观察者内一致性低。机器学习为客观、可靠的 CTG 评估提供了一条可行路径。在本研究中，基于临床专业知识和系统控制理论，利用自回归滑动平均（ARMA）模型刻画胎儿心率对宫缩的响应，开发了新颖的 CTG 特征。这些特征在机器学习模型中评估，以考察其在识别胎儿窘迫中的效能。ARMA 特征在检测胎儿窘迫的特征中排名靠前。此外，在机器学习模型中纳入临床因素并基于信号质量度量修剪数据，提升了分类器的性能。
引用
@article{arxiv.2111.00517,
title = {Classification of fetal compromise during labour: signal processing and feature engineering of the cardiotocograph},
author = {M. O'Sullivan and T. Gabruseva and G. Boylan and M. O'Riordan and G. Lightbody and W. Marnane},
journal= {arXiv preprint arXiv:2111.00517},
year = {2021}
}