Vyhodnocení příznaků pro klasifikaci kardiotocografických záznamů

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F08%3A03151551" target="_blank" >RIV/68407700:21230/08:03151551 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Evaluation of Feature Subsets for Classification of Cardiotocographic Recordings

Popis výsledku v původním jazyce

Electronic fetal monitoring - continuous recording of the cardiotocogram (CTG) - consisting of fetal heart rate (fHR) and tocographic signals, is a method used for intrapartal evaluation of the well being of the fetus. In this paper we evaluate several subsets of features for outcome classification of the pregnancy based on the CTG recording of the last 20 minutes preceding actual delivery. The features subsets are created based on PCA, information gain and Group of Adaptive Models Evolution (GAME) neural network feature selection algorithm. Our data set consisted of 104 intrapartum recordings including 18 pregnancies with academia reflected in umbilical artery pH<7.20. The results show that the best subset consisting of mix of time-domain and non-linear features performs consistently over the whole data set with sensitivity and specificity over 70%, which is well comparable to interobserver variations.

Název v anglickém jazyce

Evaluation of Feature Subsets for Classification of Cardiotocographic Recordings

Popis výsledku anglicky

Electronic fetal monitoring - continuous recording of the cardiotocogram (CTG) - consisting of fetal heart rate (fHR) and tocographic signals, is a method used for intrapartal evaluation of the well being of the fetus. In this paper we evaluate several subsets of features for outcome classification of the pregnancy based on the CTG recording of the last 20 minutes preceding actual delivery. The features subsets are created based on PCA, information gain and Group of Adaptive Models Evolution (GAME) neural network feature selection algorithm. Our data set consisted of 104 intrapartum recordings including 18 pregnancies with academia reflected in umbilical artery pH<7.20. The results show that the best subset consisting of mix of time-domain and non-linear features performs consistently over the whole data set with sensitivity and specificity over 70%, which is well comparable to interobserver variations.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2008

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Computers in Cardiology 2008, Volume 35

ISBN

—

ISSN

0276-6574

e-ISSN

—

Počet stran výsledku

4

Strana od-do

—

Název nakladatele

Computers in Cardiology

Místo vydání

Missouri

Místo konání akce

Bologna

Datum konání akce

14. 9. 2008

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—