CTG-Insight：用于胎心宫缩监护分析与分类的多智能体可解释 LLM 框架
机器学习
2025-07-31 v1 人机交互
摘要
远程胎儿监护技术正日益普及。然而，当前大多数系统的可解释性有限，留给准父母的是难以理解的原始胎心宫缩监护(CTG)数据。在本工作中，我们提出了 CTG-Insight，一个多智能体 LLM 系统，可对胎心率(FHR)和宫缩(UC)信号提供结构化解释。借鉴既定的医学指南，CTG-Insight 将每条 CTG 曲线分解为五个医学定义的特征：基线、变异性、加速、减速和正弦模式，每个特征由专门的智能体进行分析。最终的聚合智能体综合各项输出，提供胎儿健康的整体分类，并附带自然语言解释。我们在 NeuroFetalNet 数据集上评估了 CTG-Insight，并将其与深度学习模型及单智能体 LLM 基线进行了比较。结果表明，CTG-Insight 实现了最先进的准确率(96.4%)和 F1 分数(97.8%)，同时生成了透明且可解释的输出。本工作贡献了一个可解释且可扩展的 CTG 分析框架。
引用
@article{arxiv.2507.22205,
title = {CTG-Insight: A Multi-Agent Interpretable LLM Framework for Cardiotocography Analysis and Classification},
author = {Black Sun and Die and Hu},
journal= {arXiv preprint arXiv:2507.22205},
year = {2025}
}