文献

J-GLOBAL ID：201802287056980340   整理番号：18A1008081

胎児心拍信号と先進機械学習アルゴリズムを用いた帝王切開と正常膣分娩の分類【JST・京大機械翻訳】

Classification of caesarean section and normal vaginal deliveries using foetal heart rate signals and advanced machine learning algorithms

著者 (5件)： Fergus Paul (Applied Computing Research Group, Department of Computer Science, Faculty of Engineering and Technology, Liverpool John Moors University, Liverpool, UK) ,  Hussain Abir (Applied Computing Research Group, Department of Computer Science, Faculty of Engineering and Technology, Liverpool John Moors University, Liverpool, UK) ,  Al-Jumeily Dhiya (Applied Computing Research Group, Department of Computer Science, Faculty of Engineering and Technology, Liverpool John Moors University, Liverpool, UK) ,  Huang De-Shuang (Institute of Machine Learning and Systems Biology, Tongji University, Shanghai, China) ,  Bouguila Nizar (Concordia Institute for Information Systems Engineering, Concorida University, Montreal, Canada)
資料名： BioMedical Engineering OnLine (Web)  (BioMedical Engineering OnLine (Web))
巻： 16  号： 1  ページ： 89  発行年： 2017年 
JST資料番号： U7351A  ISSN： 1475-925X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 【背景】産科医とmid婦による心エコー図の視覚検査は,出生前ケアの間の胎児の幸福をモニターするためのゴールドスタンダードである。しかし,観察者間および観察者間の変動性は,病理学的転帰の分類に対して,30%の陽性予測値だけで高い。これは,周産期胎児に対して有意な負の影響を有し,しばしば心臓-肺停止,脳および重大な器官損傷,脳性麻痺,聴覚,視覚および認知障害,および重篤な症例における死亡をもたらす。本論文では,機械学習と胎児心拍数信号を用いることにより,胎児状態に関する直接情報を提供し,意思決定支援ツールとして使用されるとき,医療従事者の主観的意見をフィルタするのに役立つことを示した。第一の目的は,機械学習が,帝王切開のような医学的介入が必要であり,予防可能な周産期死亡を避けるのに役立つかどうかを客観的に決定するために,機械学習がどのように使用できるかを示す概念実証を提供することである。【方法】これは,506人の対照(正常なvirginal deveries)と46人の症例(pH≦7.20-アシドーシス,n=18;pH>7.20とpH<7.25-胎児の悪化,n=4)から成るオープンデータセットを用いて証明される。いくつかの機械学習アルゴリズムを訓練し,二値分類器性能測度を用いて検証した。【結果】知見は,深い学習分類が感度=94%,特異度=91%,曲線=99%,Fスコア=100%,および平均二乗誤差=1%を達成することを示した。結論:これらの結果は,機械学習が,前研究で報告された産科医と中間の予測およびシステムと比較して,胎児心拍数信号を用いた帝王切開および正常膣分娩の検出のための効率を有意に改善することを示す。Copyright 2018 The Author(s). All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 医療従事者 ,  特徴抽出 ,  視覚 ,  *胎児 ,  *学習 ,  *分娩 ,  アシドーシス ,  周産期 ,  心臓 ,  *学習アルゴリズム ,  *機械学習 ,  フィルタ ,  *帝王切開
準シソーラス用語： 産婦人科医 ,  *胎児心拍数 , 【Automatic Indexing@JST】

著者キーワード (6件)： 分類 ,  特徴抽出と選択 ,  深層学習 ,  分娩後の心臓造影 ,  機械学習 ,  ランダムフォレスト

分類 (2件)： 婦人科・産科の診断  (GS02000W) ,  婦人科・産科の臨床医学一般  (GS01030W)

引用文献 (64件)：

• Res Rep Neonatol; Global neonatal and perinatal mortality: a review and case study for the Loreto Province of Peru; JB Warren, WE Lambert, R Fu, JM Anderson, AB Edelman; 2; 2012; 103-113; CR1;
• Med Hypotheses; Continuous objective recording of fetal heart rate and fetal movements could reliably identify fetal compromise, which could reduce stillbirth rates by facilitating timely management; R Brown, JHB Wijekoon, A Fernando, ED Johnstone, AEP Heazell; 83; 3; 2014; 410-417; 10.1016/j.mehy.2014.07.009; CR2;
• BMC Pregnancy Childbirth; Open access intrapartum CTG database; B Chudacek, J Spilka, M Bursa, P Janku, L Hruban, M Huptych, L Lhotska; 14; 16; 2014; 1-12; CR3;
• Int J Obstet Gynaecol; Are we (mis)guided by current guidelines on intrapartum fetal heart rate monitoring? case for a more physiological approach to interpretation; A Ugwumadu; 121; 9; 2014; 1063-1070; 10.1111/1471-0528.12900; CR4;
• Acta Paediatr; Safe oxygen saturation targeting and monitoring in preterm infants: can we avoid hypoxia and hyperoxia?; A Sola, SG Golombek, MTM Bueno, L Lemus-Varela, C Auluaga, F Dominquez, E Al; 103; 10; 2014; 1009-1018; 10.1111/apa.12692; CR5;

タイトルに関連する用語 (7件)： 胎児心拍 ,  機械学習 ,  アルゴリズム ,  帝王切開 ,  膣 ,  分娩 ,  分類