TY -的盟Benalcazar-Parra卡洛斯盟——Ye-Lin Yiyao盟——Garcia-Casado哈维尔盟——Monfort-Ortiz Rogelio盟——Alberola-Rubio穆盟·佩拉尔斯,阿尔弗雷多盟——Prats-Boluda能PY - 2019 DA - 2019/11/15 TI -引产成功的预测子宫Electrohysterogram SP - 6916251六世- 2019 AB -药物常用于诱导劳动。失败归纳与不必要的长时间的等待和更大的母胎的风险,以及更高的成本。目前没有可靠的模型能够预测感应的结果从常见的产科数据(ROC曲线下面积(AUC)在0.6和0.7之间)。本研究的目的是设计一个早期success-predictor系统通过提取时间、光谱和复杂性参数从子宫肌动电流图(electrohysterogram (EHG))。不同类型的特性集被用来设计和训练人工神经网络:Set_1:产科特性,Set_2: EHG特性,和Set_3: EHG +产科的特性。预测系统建立分类三种情况:(1)诱导女性达到活跃阶段劳动(APL)与女性没有达到APL (non-APL), (2) APL和阴道分娩与APL和剖腹产交付,和(3)阴道与剖腹产。场景3,我们还提出了两步预测系统组成的级联预测系统从场景1和2。EHG特性优于传统的产科功能在所有场景。小(Set_3)相结合,得到了提高。结果表明,EHG可以用来预测成功的引产,优于传统的产科特性。 Clinical use of this prediction system would help to improve maternal-fetal well-being and optimize hospital resources. SN - 1687-725X UR - https://doi.org/10.1155/2019/6916251 DO - 10.1155/2019/6916251 JF - Journal of Sensors PB - Hindawi KW - ER -