1993; Usui等,2007)。 劳动期间的FHR监测是检测胎儿心率模式改变的有价值工具,表明胎儿氧合不足,使产科医生及时干预能够减轻低氧或死亡率的风险。 电子胎儿监测(EFM)目前被认为是评估宫内胎儿胎儿健康和氧合水平的关键方式(Sweha等,1999),由于其易用性和非侵入性。 因此,EFM已成为产科中必不可少的辅助筛查方法,其利用率在产前和产前设置中都在扩展。 记录胎儿心率的动态变化可以作为子宫内胎儿供应的间接指标,从而促进急性和慢性宫内宫内低氧或窒息的早期检测,从而提高临床效率。 EFM生成的心脏图(CTG)同时显示FHR和子宫收缩,从而提供了对其相互作用的见解(Alfic等,2017)。 目前,存在三个广泛使用的临床标准用于评估FHR监测。 在学术文献中讨论的FHR解释的第一种方法是加拿大产科医生和妇科学家学会(SOGC)指南中概述的非施用测试(NST)分类,该指南将FHR分类为正常,非典型,典型和abnormal(Liston等人(Liston等)。 每种分类的CTG基本特征的评估侧重于基线,基线变异性,加速度和减速。 Georgoulas等。 Spilka等。1993; Usui等,2007)。劳动期间的FHR监测是检测胎儿心率模式改变的有价值工具,表明胎儿氧合不足,使产科医生及时干预能够减轻低氧或死亡率的风险。电子胎儿监测(EFM)目前被认为是评估宫内胎儿胎儿健康和氧合水平的关键方式(Sweha等,1999),由于其易用性和非侵入性。因此,EFM已成为产科中必不可少的辅助筛查方法,其利用率在产前和产前设置中都在扩展。记录胎儿心率的动态变化可以作为子宫内胎儿供应的间接指标,从而促进急性和慢性宫内宫内低氧或窒息的早期检测,从而提高临床效率。EFM生成的心脏图(CTG)同时显示FHR和子宫收缩,从而提供了对其相互作用的见解(Alfic等,2017)。目前,存在三个广泛使用的临床标准用于评估FHR监测。在学术文献中讨论的FHR解释的第一种方法是加拿大产科医生和妇科学家学会(SOGC)指南中概述的非施用测试(NST)分类,该指南将FHR分类为正常,非典型,典型和abnormal(Liston等人(Liston等)。每种分类的CTG基本特征的评估侧重于基线,基线变异性,加速度和减速。Georgoulas等。Spilka等。第二种方法是由美国产科医生和妇科学院(ACOG)共同开发的三层FHR系统(ACOG),母体 - 竞争医学学会(SMFM)以及国家儿童健康与人类发展研究所(NICHD),将FHR分为I,II,II,III和III II III和III criteria(MacOnes等)。指导的第三个来源是国际妇科和妇产科联合会(FIGO)和美国国家健康与临床卓越研究所(NICE)的共识指南(FIGO),将胎儿监测分为三个类别:正常,可疑和病理学(Ayres-De Campos Campos Et。,2015年)。尽管有标准化的指南,但产科专业知识的建议和变化的差异有助于观察者解释FHR的显着多样性。近年来,在医疗保健领域,人工智能(AI)技术的整合越来越多,尤其是在需要进行多方面输入以进行评估和迅速决策的领域中。一个值得注意的应用是在人工和分娩过程中电子胎儿心脏监测的领域中。使用AI可以最大程度地减少观察者之间的可变性,从而实现FHR数据的实时解释,以防止忽略必要的干预措施并增强新生儿结果。此外,AI还提供了对FHR监测发现分析的更标准化的解释。许多研究人员努力利用特征提取和机器学习技术的融合来对FHR进行分类。(2006)在时间和频域中进行了特征提取,并结合形态特征,并应用了支持向量机(SVM)来对特征进行分类。(2012)使用三种类型的特征进行分类,包括11个类似FIGO的功能,14个基于心率的基于心率的特征和8个非线性特征。降低维度后,使用天真的贝叶斯,SVM和C4.5决策树
主要关键词