Klasifikace intrapartálních záznamů srdeční frekvence plodu

Abstract

Fetal Heart Rate (FHR) monitoring is used in every day clinical practice to help obstetricians assess fetal health status during delivery. However, the detection of fetal acidosis that allows relevant decisions for operative delivery remains a challenging task. This project aims to create a machine learning model for FHR classification that can predict whether fetuses suffer from acidosis. 1. Briefly study fetal heart rate characteristics and its changes related to fetal acidosis. 2. Study features and machine learning methods used for signal analysis and classification. 3. Select relevant features, methods (argument selection)

Monitorování fetální srdeční frekvence (FHR) se používá v každodenní klinické praxi, aby pomohlo porodníkům posoudit stav plodu během dodávky. Detekce fetální acidózy, která umožňuje relevantní rozhodnutí pro operativní porod, však zůstává náročný úkol. Cílem tohoto projektu je vytvořit model strojového učení pro klasifikaci FHR, který dokáže předpovídat, zda plody trpí acidózou. 1. Krátce studujte charakteristiky srdeční frekvence plodu a jeho změny související s fetální acidózou. 2. Studijní vlastnosti a metody strojového učení používané pro analýzu a klasifikaci signálů. 3. Vyberte relevantní funkce, metody (výběr argumentů)