Intrapartum fetal heart rate classification from trajectory in Sparse SVM feature space
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21730%2F15%3A00239724" target="_blank" >RIV/68407700:21730/15:00239724 - isvavai.cz</a>
Výsledek na webu
<a href="http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=7318861&newsearch=true&queryText=%20Intrapartum%20fetal%20heart%20rate%20classification%20from%20trajectory%20in%20Sparse%20SVM%20feature%20spac" target="_blank" >http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=7318861&newsearch=true&queryText=%20Intrapartum%20fetal%20heart%20rate%20classification%20from%20trajectory%20in%20Sparse%20SVM%20feature%20spac</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/EMBC.2015.7318861" target="_blank" >10.1109/EMBC.2015.7318861</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Intrapartum fetal heart rate classification from trajectory in Sparse SVM feature space
Popis výsledku v původním jazyce
Intrapartum fetal heart rate (FHR) constitutes a prominent source of information for the assessment of fetal reactions to stress events during delivery. Yet, early detection of fetal acidosis remains a challenging signal processing task. The originalityof the present contribution are three-fold: multiscale representations and wavelet leader based multifractal analysis are used to quantify FHR variability ; Supervised classification is achieved by means of Sparse-SVM that aim jointly to achieve optimaldetection performance and to select relevant features in a multivariate setting ; Trajectories in the feature space accounting for the evolution along time of features while labor progresses are involved in the construction of indices quantifying fetal health. The classification performance permitted by this combination of tools are quantified on a intrapartum FHR large database (~ 1250 subjects) collected at a French academic public hospital.
Název v anglickém jazyce
Intrapartum fetal heart rate classification from trajectory in Sparse SVM feature space
Popis výsledku anglicky
Intrapartum fetal heart rate (FHR) constitutes a prominent source of information for the assessment of fetal reactions to stress events during delivery. Yet, early detection of fetal acidosis remains a challenging signal processing task. The originalityof the present contribution are three-fold: multiscale representations and wavelet leader based multifractal analysis are used to quantify FHR variability ; Supervised classification is achieved by means of Sparse-SVM that aim jointly to achieve optimaldetection performance and to select relevant features in a multivariate setting ; Trajectories in the feature space accounting for the evolution along time of features while labor progresses are involved in the construction of indices quantifying fetal health. The classification performance permitted by this combination of tools are quantified on a intrapartum FHR large database (~ 1250 subjects) collected at a French academic public hospital.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JC - Počítačový hardware a software
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/NT11124" target="_blank" >NT11124: Vliv hodnocení kardiotokografie pomocí metod umělé inteligence na kvalitu perinatální péče</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
IEEE EMBC 2015 Proceedings (Milano)
ISBN
9781424492718
ISSN
1557-170X
e-ISSN
—
Počet stran výsledku
4
Strana od-do
2335-2338
Název nakladatele
IEEE
Místo vydání
Milano
Místo konání akce
Milano
Datum konání akce
25. 8. 2015
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—