基于深度序列学习的25美元多普勒设备精准孕龄估计
信号处理
2020-12-02 v1
摘要
胎儿发育评估通常通过超声成像等技术进行，但由于有效操作设备所需的高成本、维护、技能和培训，这些技术在农村地区通常不可用。在这项工作中，我们提出了一种基于低成本一维多普勒的孕龄（GA）估计方法。使用智能手机从401例5至9个月孕龄的妊娠中采集了多普勒时间序列。所提出的孕龄估计模型基于序列学习，通过使用卷积长短期记忆网络构建时间依赖模型。从多普勒信号中提取时频特征，并在输入网络前进行正则化。相对于末次月经的总体平均绝对孕龄误差为0.71个月，优于以往所有工作。
引用
@article{arxiv.2012.00553,
title = {Deep Sequence Learning for Accurate Gestational Age Estimation from a $\$$25 Doppler Device},
author = {Nasim Katebi and Reza Sameni and Gari D. Clifford},
journal= {arXiv preprint arXiv:2012.00553},
year = {2020}
}
备注
Machine Learning for Mobile Health Workshop (NeurIPS 2020)