从子宫Electrohysterogram引产成功的预测

文摘

药物通常用于诱导劳动。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.

1。介绍

引产术包括促进子宫收缩和宫颈成熟前出现自发的劳动。这种常见的怀孕过程表示当继续增加孕产妇和/或胎儿的风险。在美国,22.8%的出生在2012年被诱导(1]。药物引产主要是通过前列腺素(2)但需要20个小时3),已经知道需要超过36个小时,没有成功的保证。它也与孕产妇和胎儿风险如子宫异常活动,胎儿窘迫,更高的剖腹产率(4]。失败的诱变导致不必要的等待,更大的母胎疲惫和痛苦,和需要额外的资源,从而增加医疗费用。预测成功的感应是一个重要方面在改善孕产妇和胎儿的健康,降低医疗成本,提高劳动管理。

产科变量被认为是为了这个目的,通常根据主教的子宫颈评估分数(5,6),虽然宫颈长度、产妇年龄、身高、体重、平价、出生体重(7- - - - - -9)也被使用。的预测能力值曲线下的面积(AUC)接受者操作特征曲线(ROC)对宫颈长度(0.6970.72),宫颈扩张(70.52),主教分数(6),0.60,胎儿体重(8),这表明目前产科数据不能被用来可靠地预测引产术。

electrohysterogram (EHG)。,uterine myoelectrical activity recorded on the abdominal surface, is an alternative method of monitoring uterine dynamics and consists of intermittent bursts of action potentials derived from the simultaneous activation of multiple uterine muscle cells. Uterine myoelectric activity evolves throughout gestation, being scarce and uncoordinated in the early stages, and becomes intense and synchronized as delivery approaches [10]。以前的研究已经表明EHG信号能辨别有效收缩与紧迫性的劳动(11[]或交付是否词或早产12]。EHG记录也被用来描述子宫myoelectrical引产药物反应(13- - - - - -16]。艾维瑞姆等人发现,子宫电活动显著增加2小时后前列腺素E2 (PGE2)阴道应用程序和PGE2的应用程序后8小时13]。不过,他们的目标是不预测引产成功或比较成功和失败组之间的响应。托斯研究的可能性,预测感应成功使用本地前列腺素(14]。他们评估子宫活动通过一个索引,考虑了EHG破裂的内在特性(数量的冲动,振幅、系列和形状),发现一个统计上的显著差异在成功之间的子宫活动指数(阴道完成)和失败归纳第210和第270分钟之间。Benalcazar-Parra等人研究了失败和成功之间的差异(达到劳动(APL))的活跃阶段各自通过比较不同EHG参数的进化。他们发现不同的反应,主要集中在60后振幅和光谱参数 - - - - - -120年从劳动感应出现(15,16]。然而,到目前为止,没有工作已经完成预测成功诱导EHG记录,虽然EHG-based神经网络应用于预测术语和早产12,17- - - - - -19]。在这种背景下,本研究的目的是设计一个系统能够可靠地预测成功的引产,基于EHG特性和产科数据在第一个引产发病后4小时。

阴道分娩可以被认为是一个两步的过程。首先,女人必须达到APL,即。,regular uterine dynamic with 3-5 contractions every 10 minutes, 4 cm of cervical dilatation, and cervical effacement [20.]。这是一个必要条件能够通过阴道排出胎儿在子宫外的路线(步骤2)。需要注意的是,虽然有一些争议关于建立颈宫颈扩张和抹杀的价值与APL,在目前的工作中,我们认为是4厘米,被最广泛的扩展定义(21]。需要一个剖腹产APL不能达成。然而,即使APL已经达到,各种条件可能防止阴道分娩,如劳动逮捕,pelvic-fetal不相称,母胎福利(或损失22]。劳动感应的上下文和药理学的角度来看,感应可以被认为是成功的,如果药物作用帮助病人实现APL (15,16,23]。从医学角度来看,只有阴道分娩通常被认为是成功的(24,25]。考虑到这一点,我们考虑三种不同的场景设计和验证预测系统引产成功(见图1)。

2。材料和方法

2.1。信号采集

这项研究是在115例健康孕妇进行妊娠年龄在40到41周和单例妊娠决心接受引产医疗处方。劳动力的分布结果如图1根据不同的场景:(我)场景1:女性实现活动阶段的劳动(成功的组织; )与劳动妇女nonachieving活跃阶段(失败组; )(2)场景2:从女性实现劳动的活跃阶段,这些实现阴道分娩成功的组织; )与剖腹产(失败组; )(3)场景3:女性实现阴道分娩成功的组织; )和剖腹产手术(失败组; )

录音时执行医院y大学Politecnico拉菲德瓦伦西亚(西班牙),这项研究是经医院伦理委员会批准(2015/0455,12/01/2016)。的女人以前通知的性质研究,给他们的书面同意。引产是通过阴道两种不同类型的药物管理局在妇产科常用:阴道插入25μ克米索前列醇片(Misofar比亚尔S.A.,Portugal) with repeated doses every 4 hours up to a maximum of 3 doses or 10 mg of vaginal dinoprostone insert (Propess, Ferring, Germany). The women were kept under constant observation until the end of labor. The women’s obstetrical characteristics and labor induction outcomes are shown in Table1。

体罚和EHG信号同时获得分娩力计和四个单极可支配Ag / AgCl电极(3 M红点2560),分别在录音,由30分钟的基底活动(药物管理局前)和药物管理局后4小时的记录。腹部表面第一次脱落(美国韦弗和公司Nuprep)减少、皮肤电极阻抗。单极电极(M1和M2)被放置在每一方的肚脐中值轴8厘米的距离,已发现的最佳电极放置在文献[26]。一个参比电极放置在右边臀部和地线左边臀部(图2)。单极EHG信号被放大并过滤0.1到30 Hz的商业biosignal放大器(草15 lt + 4草15 a94;草工具,西沃里克,RI)和数字化的采样频率1000赫兹。自从EHG信号能量主要范围从0.1到4赫兹,0.2和4赫兹之间的信号数字滤波消除不受欢迎的组件,然后在20 Hz downsampled减少的数据量和计算成本,获得预处理M1P和M2P信号。一个双极EHG信号然后获得(M1P-M2P)进一步减少共模干扰。体罚信号记录Corometrics 250 cx(美国通用电气医疗)商业孕产妇监测的采样率4赫兹。所有EHG破裂与目视检查发现子宫收缩的双相EHG信号使用相同的标准在Benalcazar-Parra et al。15]。

2.2。EHG信号特征

多项研究表明,获得的时间和光谱参数从EHG录音怀孕和劳动之间的变化出现(11]。据报道,时间参数如振幅、持续时间和数量的收缩(EHG破裂)怀孕期间改变[27,28]。与光谱特性参数,如频率、峰值频率,和十分位数,其中,已从功率谱密度中提取描述EHG破裂频率成分(27,29日- - - - - -31日]。在这方面,值得一提的是,EHG破裂主要是由两个不同的频率成分:快波低(自由水位),较低的频率分量与EHG传播有关,和快波高(FWH),高频分量与子宫细胞兴奋性(32]。众所周知,组件主要分布在0.2和1 Hz [32),尽管一些作者认为,它可以扩展到4赫兹(33]。然而,一些研究只关注FWH,限制带宽0.34和1 Hz之间尽量减少呼吸和心脏干扰(30.]。它也表明EHG破裂光谱内容转移到更高的频率,在0.34到1赫兹的范围劳动方法(34]。此外,考虑到生物系统的潜在机制的非线性性质,等参数样本熵,熵谱,Lempel-Ziv也提出了描述EHG信号(33,35]。

因此,在目前的工作,21时间谱和复杂性参数计算从每个EHG破裂(见表2)。峰振幅计算从颞系列与子宫收缩有关。以下参数的提取功率谱密度分布估计的周期图方法:主导频率的范围0.2 - 1赫兹(DF)、能源内容之间的比例高(0.34 1 Hz)和低(0.2 -0.34赫兹)频段(H / L比值),和十分位数(D1, D2,…, D9),对应于频率低于10,20,…,总能量的90%,分别在0.2 - 1 Hz范围包含36]。Teager能量算子是计算来衡量EHG爆发的能量。这种方法不仅考虑振幅也信号的频率(37]。

如前所述,由于潜在的生理机制的非线性性质的生物系统,一组8非线性参数是计算每个EHG破裂,它们中的一些已经用来描述EHG信号:样本熵(SampEn)已经被用来区分早产和劳动期限劳动和评估进展(33),Lempel-Ziv (LZ)参数被用来区分患者生少/ 7天以上38]。我们也计算一些复杂的参数,用于其他应用程序。模糊熵(FuzzEn)已被证明是有效的在表面的测量时间序列的规律性EMG信号(39]。谱熵(口头)给出好的结果在监测麻醉深度(40和预测癫痫发作41]。庞加莱参数(SD1 SD2、SDRR SD1 / SD2)已广泛用于心率变异性分析(42),一直声称自己是有价值的时间序列的非线性特征提取的能力(43]。

在之前的工作中,分析EHG破裂参数的演变,以应对引产药物,我们首先计算每个参数的值中位数与EHG爆发出现在不重叠的时间间隔30分钟(15,16]。成功归纳推理结果表明,显著和持续增加对基底时期获得60分钟和120分钟后的病人和米索前列醇诱导地诺前列酮,分别为(15,16]。这是原因,在目前的工作,只为了使用这两种药物的重要间隔,对于每个参数,我们分析了5间隔30分钟(基底前药物管理局:120 ,150年 ,180年 ,和210年 ),引起的 EHG特性。

此外,我们认为以下产科参数已经被使用在文献[5- - - - - -9]:产妇年龄、身体质量指数(BMI)、妊娠、平价、流产、药物管理局前主教,胎儿的体重。

然后,输入不同引产成功预测系统发达,参数被分成三组:Set_1-containing只有产科特性,只Set_2-containing EHG特性,Set_3-containing EHG和产科的特性。

2.3。数据平衡

不平衡数据集的缺点是,分类学习算法往往偏向于多数类,以便有一个更高的误分类率为少数类实例。合成少数过采样技术(杀)用于本研究处理数据不平衡的问题。打是一种过采样方法提出的拉et al。44),由少数类的增加观测的数量在原始数据集通过创建新的合成观察。打是一种公认的技术来处理不平衡的问题,已在一些研究(如使用。12,45),)。

九个数据库( )生成(见表3)使用杀平衡每个类的数量的观察每一个数据库。

2.4。特征选择

为了使用相关数据,避免冗余信息,粒子群优化(PSO)是用于特征选择。算法是基于随机优化技术,基于社会行为进行植绒的鸟类或教育鱼类由埃伯哈特和肯尼迪(46]。算法是一种迭代算法,由粒子数(群)移动在搜索空间中以达到最好的解决方案。一个粒子代表候选人的解决方案的最优位置更新其位置和速度。

算法是用于特征选择,如图3。算法从一个训练集选择相关特性的一个子集与PSO(获胜的粒子)。减少训练集和验证集得到的特性,不选中。分类的人工神经网络训练与减少训练集,然后应用于减少验证将获得最终的验证分类精度。该算法迭代运行次从 来 原始的特性(Set_2 7 Set_1, 21, Set_3 28)。的子集特征选择最低的精度误差。每个数据库的算法计算降低维数。

2.5。分类器

人工神经网络(ANN)被用来分类术语和早产分娩12,17]。在目前的研究中,我们使用了多层感知器网络是一个单向网络与一个输入层、一个输出层,和一定数量的隐藏层。双曲正切函数作为每个神经元的传递函数。在选择最优结构,每个场景和功能,我们一共获得了9个预测系统基于安(PS (PS)_场景__集:PS1_2 PS1_1 PS3_3…)。为每个PS_场景__集,相应的数据库_场景__集数据库用于训练和验证(5倍交叉验证)。图4显示每个预测系统的方案。

为了选择最优结构为每个预测系统,我们进行了网格搜索选择隐藏层和隐藏的神经元的数目。规则网格中的搜索如下:最大2隐藏层和最大10隐藏在第一隐层神经元。此外,在第二个隐层神经元的数量不得超过第一隐层神经元的数量,从而产生两个隐藏层的锥体结构,确保最佳的学习为多层网络(47]。在每个场景中,我们培训了165名安( )。选择最好的结构是55安的每一种情况下,测量每个安从验证组的平均表现在5倍交叉验证。提出的实现算法获得9个最优预测系统如图5。

考虑到阴道分娩(场景3)是一个两步的过程,第四个分类器是由层叠的预测系统生成场景1和2 (PS1_的场景_集-PS2__集)。第一个系统(PS1__集)分离实现APL患者从那些不这样做(non-APL)当使用一组特定的特性。妇女列为non-APL直接列为剖腹产手术,而那些实现APL subclassified的第二个系统培训(PS2_相同的特性_集)。一两步预测评估系统,同样的验证相应的一步预测系统(DB3_分区_集)被用于这两种方法之间的比较结果;即。,validation partitions from DB3_1 were used to evaluate PS1_1-PS2_1, from DB3_2 to evaluate PS1_2-PS2_2, and from DB3_3 to evaluate PS1_3-PS2_3.

2.6。性能的措施

我们用5倍交叉验证验证每一个分类器的性能。计算下列措施来评估分类性能: TP代表真正的阳性,TN代表真正的底片,FP是假阳性,FN代表了假阴性。ROC曲线下的面积(AUC)计算每个PS_场景__集。

3所示。结果

总共有115单身的女性怀孕参加了这项研究。他们的产科特点和引产结果总结在表1。98名妇女劳动的活跃阶段,和82年达到阴道分娩。33了剖腹产:那些没有达到APL和一些人但由于劳动力发展得到了皇帝的并发症。

均值和95%可信区间(CI)的性能措施培训和验证子集时预测APL(情况1)如表所示4。预测系统使用EHG特性(PS1_2)表现,产科的特性(PS1_1)。获得最高的性能措施当结合产科和EHG特性(PS1_3)。PS1_3的准确性达到93.5% (-95.6% CI 92.6)训练子集和84.6% (-86.6% CI 83.4)验证子集。ROC曲线三个系统的场景描绘在图16(一)。AUC是大PS1_3 AUC的0.96,而PS1_2和PS1_1了AUC的0.94和0.89,分别。

在场景2的性能预测系统,旨在区分APL-vaginal APL-cesarean,如表所示5。最佳性能措施PS2_3,产生一个精确值的95.2% (-96.1% CI 94.4)训练子集和86.5%(-87.8%可信区间85.3)验证子集。这个场景的性能措施略优于那些场景1 Set_2 Set_3。ROC曲线的三个分类器在场景2中描述的人物6 (b)。为PS2_2 PS2_3 AUC是0.98,0.95,和0.84 PS2_1。

互译的结果预测系统旨在区分阴道和剖腹产手术(场景3)如表所示6。精度值80%左右的训练子集和70%的验证。表显示,最佳的性能措施培训和验证子集均获得PS3_3 PS3_2但非常接近。PS3_3了70.4% (-70.5% CI 67.7)的准确性,敏感性为67.4% (-69.3% CI 65.3),和一个特异性的74.2% (-75.7% CI 71.2)验证子集。然而,这些数字只是稍高(约2%的训练,0.5%左右在验证)比只使用EHG特性(PS3_2)。ROC曲线的三个系统图中描述6 (c)。系统PS3_3 AUC是最高的( )。稍低的AUC PS3_2被发现( ),而最低的AUC PS3_1被发现( )。

阴道与剖腹产的结果预测系统,两步方法如表所示7。相同的性能值计算验证分区数据库的互译中使用在场景3预测系统。最佳的性能措施通过两步系统相结合产科和EHG特性(PS1_3-PS2_3)。两步预测的准确性达到了系统使用Set_1 (PS1_1-PS2_1)为71.9 (-73.0% CI: 70.8)。的改进是指出当层叠PS1_2-PS2_2 Set_2,准确率79.9%(可信区间78.8 - -81.0),和为PS1_3-PS2_3 Set_3略高,精度81.4% (CI 80.3 - -82.5)。后者也取得了更好的平衡之间的敏感性和特异性:80.3% (CI 78.8 - -81.8)和82.8%(可信区间81.2 - -84.8),分别。最好的两步预测系统(PS1_3-PS2_3)也给了一个更好的性能比最好的互译预测system-PS3_3:平均精度81.4% vs 70.4%,敏感性80.3% vs 67.4%,特异性82.8%比74.2%。

4所示。讨论

引产成功的预测一直是一个挑战对产科医生,和一个可靠的技术将是一个有用的工具,将有助于减少长时间的等待,母胎疲惫和痛苦,和医疗费用。虽然几次已经从产科信息预测引产成功6- - - - - -9),这些研究显示可怜的预测性能。在这项研究中,因此,我们选择了这个任务评估EHG的潜在作用。

在劳动的活跃阶段,交付前的必要步骤,子宫细胞的电特性进行变化,产生子宫活动增加。药物引产的目的是促进子宫收缩和宫颈成熟达到阴道分娩。可靠的预测是否感应代理可能引发APL有助于临床医生减少不必要的等待和决定是否要进行剖腹产。Benalcazar EHG之间等人发现了明显不同的反应,成功地实现APL患者的特点和那些没有15,16]。在目前的工作,我们执行APL预测系统(方案1)不同的特点:产科(PS1_1) EHG (PS1_2),两者的结合(PS1_3)。PS1_3获得最佳性能的措施,取得了84.6%的准确性验证子集和0.96的AUC的预测系统。

阴道分娩并不总是保证即使达到APL,例如,在劳动条件逮捕,pelvic-fetal母胎幸福不相称或损失。知道这肯定会发生将有助于减少不必要的等待。我们设计PS2_1、PS2_2 PS2_3区分APL-vaginal和APL-cesarean(场景2)。然而,因为它是达到必要等到APL(很少出现在第一个4小时的劳动感应),其临床意义是较低的。在这种情况下,结合产科和EHG特性还提供了最好的性能。然而,这种组合并没有显著改善预测性能与EHG特性只在场景1和3.8%(3.2%的准确性场景2),和EHG特性集表现产科特性的结果在这两个场景中,表明EHG特征为分类引产成功提供更准确的信息。

感应成功药物管理局的定义通常是指阴道分娩后,我们开发了阴道分娩预测系统(场景3)是最大的潜在临床感兴趣。我们的第一个方法是互译预测系统(PS3_1、PS3_2 PS3_3)。只与产科数据准确性(PS3_1)平均为68.9%,略低于西韦特et al ., 73.9%的受试者正确验证队列只使用产科数据分类:胎龄,主教得分,疑似增长限制,慢性高血压,身体质量指数(9),而接受者操作曲线下的面积为75%,低于81%获得在当下的工作。更大的AUC可能是由于不同的方法来设计系统。在我们的例子中,我们使用神经网络,而西韦特等人使用多元逻辑回归。我们的结果也非常接近得到Pitarello et al (7]。,in which transvaginal sonographic cervical measurements were carried out on 190 pregnant women to predict success (defined as vaginal deliveries). The AUC of all the prediction ultrasound cervical parameters were 68.9% for cervical length, 71.6% for fetal head stage, and 72.0% for cervical dilatation.

使用替代或额外EHG特性略有改善的准确性验证集(< 71%),与增强EHG预测取得了在前面的场景。这可能是由于异构myoelectrical反应诱导药物剖腹产队列,由主题成功地实现定期和强烈的收缩活动和APL但不能提供阴道因其他原因,加上那些没有达到必要的收缩活动。这种情况会糟糕的训练,泛化能力不佳以及系统性能。我们因此转向第二个两步方法预测成功的APL和阴道分娩。精度提高了无关紧要的使用只产科数据时,但值得注意的是当使用EHG参数(79.9%的平均精度验证),确认两阶段评估子宫肌肉反应诱导药物降低类非均质性,使得它更容易从EHG中提取信息,并给出更准确的预测。也可以看到添加产科信息EHG特性没有显著提高精度,但sensitivity-specificity有助于平衡。

我们所知,这是第一次EHG被用来预测成功的引产。获得的结果表明,EHG可以在劳动管理决策起着重要的作用,可以帮助临床医生,避免或减少不必要的归纳推理,降低母胎风险和痛苦,减少住院费用。

该研究具有一定的方法论的限制;首先,这是由对象管理与两种不同的药物(前列腺素E1和前列腺素E2),这可能会导致不同的电生理反应。然而,在临床情况下,预测能力的成功引产的总体精度80%,不管使用的药物,将是一个巨大的优势。此外,一项随机研究的结果会有更大的影响,尤其是如果它相比各种药物的影响。然而,我们的目标是使用EHG和产科信息预测药物诱导的结果。在这方面,先前的研究显示女性收到了前列腺素E1之间没有明显的统计学差异和前列腺素E2在产科参数相关劳动进展或结果,如女性的数量产道出生24小时之前或之后的感应,女性的数量达到积极的劳动时间和劳动,和女性的数量进行了剖腹产,pH值动脉和静脉的pH值(15]。在我们的例子中,我们观察到的结果药理感应和其预测能力。其次,成功和失败记录的数据库不平衡在不同场景中可能导致偏见的多数类,如被发现在12]。出于这个原因,击杀数据过采样技术,添加数据合成缓解类不平衡的问题。其他技术,如ADASYN探索解决不平衡的问题,给了相似的结果。使用考虑不平衡数据的分类方法,如加权极端学习机(48)或加权决策树(49也可以探索。在相同的背景下,我们应该想指出我们应用击打在分手之前的数据子集(培训/验证)已经完成的几项研究[50- - - - - -52]。看到,当执行简单的过采样后交叉验证,同样的样品可以包括建立预测模型并评估其性能(53]。虽然这不是击杀的情况下当过采样技术,训练的样本子集可以与样品验证子集。因此建议oversample分裂后数据。然而,我们有限的数据库,主要是小少数类样本在场景1和2中,将产生non-extrapolatable验证性能结果,因为验证子集包含很少的少数类样本在每个迭代中 - - - - - -折交叉验证(3样品在场景1和2)。另一方面,应用杀将收益率如此低的少数类样本类似于原始的和不能解决这个限制。因此我们选择对整个数据库进行击杀,像在许多其他研究已经完成50- - - - - -52]。我们希望解决这个限制在将来的工作与更大的数据库。最后,PSO是一种包装的特征选择方法,它使用一个学习/分类算法来评估一个特定的质量特征子集,因此计算昂贵的(54]。在未来的工作中,我们计划与类似的性能评估其他方法,但计算便宜,如嵌入式或混合方法(55]。

5。结论

在这部作品中,使用子宫肌电图的预测成功的引产是首次评估。三个引产场景设计的预测系统使用一组不同的特点:产科,EHG,。EHG特性优于传统产科特性的所有场景引产结果预测。产科和EHG功能的结合导致了更大的性能措施但接近时只使用EHG特性。平均分类精度约为85%时获得APL和non-APL(场景1)和APL-vaginal与APL-cesarean(场景2)。两种方法评估的分类和比较阴道和剖腹产手术(场景3)。一步预测系统导致较低的预测能力( )两步预测系统,级联分类器的场景1和场景2,当EHG特性取得了精度值大于80%。这些结果表明,EHG参数可以用于预测引产成功的早期阶段引产。因此,EHG-based引产成功预测系统可以协助产科医生的任务实现劳动管理,提高母婴健康,减少住院时间和成本。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

依照我的道德义务作为一个研究员,我宣布这个研究项目获得了比亚尔S.A.的投资,这可能是影响结果报告附上。我宣布,作者都没有利益冲突。

确认

这项工作收到了来自西班牙的财政支持经济和竞争力,欧洲区域发展基金(dpi2015 - 68397 r和rti2018 - 094449 a - i00),大学为瓦伦西亚VLC /校园(upv - Fe - 2018 b02), Generalitat Valenciana(问/ 2018/104),和比亚尔S.A.作者感谢医院的产科单位y大学Politecnico拉菲德瓦伦西亚,在录音。

引用

1. j·a·马丁,b·e·汉密尔顿·m·j·k·奥斯特曼s c·科廷和t·j·马修斯,”出生:2012年的最终数据,国家重要的统计报告,卷62,不。9日,1 - 68、2013页。视图:谷歌学术搜索
2. m . Romanelli e . Ribiani l .是Burnelli g .西郊鹭鹚g . Affronti和g·c·迪伦佐·“药理感应的劳动:益处和风险”,密涅瓦妇幼保健卷,59号4、347 - 355年,2007页。视图:谷歌学术搜索
3. o . b . m .球场,r·m·阿尔布开克,j·g . Cecatti“随机对照试验比较阴道米索前列醇与弗利导管加催产素引产,”Acta Obstetricia et Gynecologica Scandinavica,卷89,不。8,1045 - 1052年,2010页。视图:出版商的网站|谷歌学术搜索
4. s . t . Seyb r . j .贝尔卡m . l . Socol和s . l . Dooley“剖腹产的风险与选择性引产术在未生育过的女性的词,“妇产科,卷94,不。4、600 - 607年,1999页。视图:出版商的网站|谷歌学术搜索
5. e·h·主教,“选择性感应盆腔进球的话,”妇产科,24卷,第268 - 266页,1964年。视图:谷歌学术搜索
6. 马x, y l .侯朱j . Li和w·张,“临床参数预测成功的引产后应用阴道内的地诺前列酮在中国未生育过的女性,”医学科学监控,18卷,不。8日,CR518-CR522, 2012页。视图:出版商的网站|谷歌学术搜索
7. p•罗查Pennachiotti Pitarello, c . t .吉崎康宏认为,r . Ruano和m . Zugaib”预测成功的劳动力使用经阴道超声测量宫颈感应,“临床超声杂志第41卷。。2、76 - 83年,2013页。视图:出版商的网站|谷歌学术搜索
8. c . a . de Campos普拉多,大肠Araujo小g . Duarte et al .,“预测成功单例引产的名词妊娠孕产妇和超声结合变量,“母胎与新生儿医学杂志上卷,29号21日,第3518 - 3511页,2016年。视图:出版商的网站|谷歌学术搜索
9. r·a·西韦特·g·库珀,v . c .偷懒,m·帕里什j . r . Biggio和l·m·哈珀“预测医学表明阴道分娩的早期早产引产术,”美国妇产科杂志》上,卷217,不。3、375. e1 - 375页。e7, 2017年。视图:出版商的网站|谷歌学术搜索
10. r·e·加菲尔德,w·l·马纳h·摩尔和g·r·Saade”使用子宫肌电图和颈生活在监测怀孕的患者,”问卷产科和妇科的国际期刊卷,112年,第108 - 103页,2005年。视图:出版商的网站|谷歌学术搜索
11. y Ye-Lin, g . Prats-Boluda j . Alberola-Rubio人类。布埃诺Barrachina, a·佩拉尔斯和j . Garcia-Casado”预测劳动使用非侵入性的拉普拉斯算子EHG录音,”IEEE 2013年第35届国际会议在医学和生物工程协会(EMBC)卷,2013年,页7428 - 7431,大阪,日本,2013年7月。视图:出版商的网站|谷歌学术搜索
12. p .费格斯·张a·侯赛因d . Al-Jumeily c . Dobbins和族长,“预测早产分娩的EHG信号使用机器学习,”《公共科学图书馆•综合》,8卷,不。10篇文章e77154 2013。视图:出版商的网站|谷歌学术搜索
13. e·a·艾维瑞姆:•梅拉梅德哈达尔发现,o . Raban l . Hiersch y Yogev,“女性前列腺素E2对子宫肌层的电活动的影响进行引产术,”围产期学杂志》没有,卷。31日。5,413 - 418年,2014页。视图:出版商的网站|谷歌学术搜索
14. t·托斯,”皮子宫肌电图在oxytocine引起的劳动结果的预测和prostaglandine形状,”Gynaecologia et Perinatologia:妇科杂志,围产期学、生殖医学、超声诊断,14卷,不。2、75 - 76年,2005页。视图:谷歌学术搜索
15. c . Benalcazar-Parra y Ye-Lin, j . Garcia-Casado et al .,“Electrohysterographic表征的子宫myoelectrical应对引产药物,”医学工程与物理卷,56 27-35,2018页。视图:出版商的网站|谷歌学术搜索
16. c . Benalcazar-Parra r . Monfort-Orti y Ye-Lin et al .,“劳动力比较归纳法和米索前列醇地诺前列酮和基于electrohysterogram子宫响应特征,“母胎与新生儿医学杂志上,32卷,不。10日,1586 - 1594年,2019页。视图:出版商的网站|谷歌学术搜索
17. w·l·马纳r·e·加菲尔德,“识别人类的术语和早产在子宫肌电图数据,使用人工神经网络”《生物医学工程,35卷,不。3、465 - 473年,2007页。视图:出版商的网站|谷歌学术搜索
18. m·o·迪亚布、c .品牌和m·哈利勒“子宫肌电图信号的非监督分类方法:分类检测早产分娩,”妇产科杂志》的研究,35卷,不。1,9-19,2009页。视图:出版商的网站|谷歌学术搜索
19. S.-Q。史,w·l·马纳l·b·麦凯和r·e·加菲尔德”的识别项和早产大鼠子宫肌电图信号,使用人工神经网络”美国妇产科杂志》上,卷198,不。2、235. e1 - 235页。e4, 2008年。视图:出版商的网站|谷歌学术搜索
20. t . b .Østborg p . r . Romundstad, t . m . Eggebø”的活跃阶段劳动时间在自然和人工劳作,“Acta Obstetricia et Gynecologica Scandinavica,卷96,不。1,第127 - 120页,2017。视图:出版商的网站|谷歌学术搜索
21. 人”,世卫组织建议的潜伏和活动第一阶段劳动力的定义,“2018年,https://extranet.who.int/rhl/topics/preconception-pregnancy-childbirth-and-postpartum-care/care-during-childbirth/care-during-labour-1st-stage/who-recommendation-definitions-latent-and-active-first-stages-labour-0。视图:谷歌学术搜索
22. l·弗洛雷斯帕迪拉·g·j·冈萨雷斯·佩雷斯,j . Trejo佛朗哥et al .,“在剖腹产的风险因素,”Ginecologia y Obstetricia de墨西哥,卷76,不。7,392 - 397年,2008页。视图:谷歌学术搜索
23. n . Banos f . Migliorelli e·波萨达斯机构组织,j . Ferreri和m -帕拉西奥市,“引产术失败的定义及其预测因素:两个尚未解决的问题的日常临床情况,”胎儿诊断和治疗,38卷,不。3、161 - 169年,2015页。视图:出版商的网站|谷歌学术搜索
24. b好,l . San-Frutos f·萨拉查et al .,“变量预测引产的成功,”Acta Obstetricia et Gynecologica Scandinavica,卷84,不。11日,第1097 - 1093页,2005年。视图:出版商的网站|谷歌学术搜索
25. 诉器皿和b·d·雷诺”经阴道超声测量颈的预测成功的引产,”美国妇产科杂志》上,卷182,不。5,1030 - 1032年,2000页。视图:出版商的网站|谷歌学术搜索
26. m . j . Rooijakkers美国歌曲,c . Rabotti et al .,“电极位置对信号质量的影响怀孕动态监测、”计算和数学方法在医学文章ID 960980卷,2014年,12页,2014。视图:出版商的网站|谷歌学术搜索
27. r·e·加菲尔德和w·l·马纳生理学和子宫收缩的电活动,“研讨会在细胞和发育生物学,18卷,不。3、289 - 295年,2007页。视图:出版商的网站|谷歌学术搜索
28. h .情夫,c .品牌和j .龚德利”使用收缩electrohysterogram信号特征的怀孕期间,“IEEE生物医学工程,46卷,不。10日,1222 - 1229年,1999页。视图:出版商的网站|谷歌学术搜索
29. c . Buhimschi m·b·博伊尔和r·e·加菲尔德,“人类在怀孕期间子宫的电活动记录从腹部表面,”妇产科,卷90,不。1,第111 - 102页,1997。视图:出版商的网站|谷歌学术搜索
30. d . Schlembach w·l·马纳r·e·加菲尔德和h·摩尔,“使用肌电图监测怀孕的进展和劳动,”欧洲杂志妇产科,妇科,和生殖生物学卷。144年,S33-S39, 2009页。视图:出版商的网站|谷歌学术搜索
31. d . Alamedine迪亚布,c . Muszynski b . Karlsson m·哈利勒和c .品牌“选择算法参数来描述子宫EHG信号的检测早产,”信号、图像视频的过程。,8卷,不。6,1169 - 1178年,2014页。视图:出版商的网站|谷歌学术搜索
32. Terrien j . c .品牌,b . Karlsson“人类EHG频率成分的光谱特性的基础上,提取和重建的山脊量图,”IEEE 2007年第29届国际会议在医学和生物学社会工程,页1872 - 1875,法国里昂,2007年8月。视图:出版商的网站|谷歌学术搜索
33. g . Fele-Zorz g . Kavsek z Novak-Antolic,贼鸥,“比较各种线性和非线性信号处理技术分离子宫肌电图记录的术语和早产组,“医学和生物工程和计算,46卷,不。9日,第922 - 911页,2008年。视图:出版商的网站|谷歌学术搜索
34. j . Terrien c .品牌j .龚德利t . Steingrimsdottir Karlsson b,“子宫肌动电流图数据库和处理函数接口:开放标准electrohysterogram信号,分析平台”计算机在生物学和医学,40卷,不。2、223 - 230年,2010页。视图:出版商的网站|谷歌学术搜索
35. m·哈桑·j . Terrien c .品牌,b . Karlsson”比较近似熵,correntropy和时间可逆性:应用子宫肌电图信号,”医学工程与物理,33卷,不。8,980 - 986年,2011页。视图:出版商的网站|谷歌学术搜索
36. c . Benalcazar-Parra ai Tendero, y Ye-Lin et al .,“引产成功的可行性预测基于光谱分析子宫肌电的活动,”学报》第11届国际生物医学工程联合会议系统和技术,页70 - 77,布拉格,捷克共和国,2018年。视图:出版商的网站|谷歌学术搜索
37. j·f·凯撒”,一个简单的算法来计算一个信号的“能量”,“国际会议音响、演讲和信号处理阿尔伯克基,页381 - 384 NM,美国,1990年。视图:出版商的网站|谷歌学术搜索
38. a . Lemancewicz m . Borowska p Kućet al .,“早期诊断的威胁早产electrohysterographic录音,使用数字信号处理”生物控制论和生物医学工程,36卷,不。1,第307 - 302页,2016。视图:出版商的网站|谷歌学术搜索
39. h·w·陈,z . Wang谢,w . Yu”表征表面EMG信号基于模糊熵,”IEEE神经系统和康复工程,15卷,不。2、266 - 272年,2007页。视图:出版商的网站|谷歌学术搜索
40. X.-S。张,r . j .罗伊和e·w·延森“脑电图复杂性测量病人的麻醉深度,“IEEE生物医学工程,48卷,不。12日,第1433 - 1424页,2001年。视图:出版商的网站|谷歌学术搜索
41. 布兰科,a .浏览完,d . Coulombie”比较频段使用谱熵癫痫发作预测,“ISRN神经学287327卷,2013篇文章ID, 5页,2013。视图:出版商的网站|谷歌学术搜索
42. m . Nardelli A .希腊g . Valenza A . Lanata r . Bailon和大肠p•希灵戈认罪入狱,后者曾“小说使用滞后庞加莱图:心率变异性分析研究享乐视觉启发,”IEEE 2017年第39届国际会议在医学和生物工程协会(EMBC)西归浦市,页2300 - 2303年,韩国,2017年7月。视图:出版商的网站|谷歌学术搜索
43. m·布伦南·m·Palaniswami, p .卡门,”做现有措施的庞加莱图几何反映非线性心率变异性的特征吗?”IEEE生物医学工程,48卷,不。11日,第1347 - 1342页,2001年。视图:出版商的网站|谷歌学术搜索
44. n . v .拉k·w·鲍耶l . o .大厅,和w·p·Kegelmeyer“击杀:少数over-sampling合成技术,”人工智能研究杂志》上》16卷,第357 - 321页,2002年。视图:出版商的网站|谷歌学术搜索
45. b . Makond K.-J。王,K.-M。王”,短的概率建模从肺癌脑转移患者的生存能力,”计算机在生物医学方法和项目,卷119,不。3、142 - 162年,2015页。视图:出版商的网站|谷歌学术搜索
46. 进行r·埃伯哈特和j·肯尼迪,“一个新的使用粒子群优化理论,”第六届国际研讨会onMicroMachine和人类科学学报》(95年肉类”)页,39-43名古屋,日本,1995年。视图:谷歌学术搜索
47. m·戈里和a . Tesi”在反向传播的局部最小值的问题,“IEEE模式分析与机器智能,14卷,不。1,第86 - 76页,1992。视图:出版商的网站|谷歌学术搜索
48. w .宗庆后,G.-B。黄、陈y“加权极端不平衡学习的学习机器,”Neurocomputing卷,101年,第242 - 229页,2013年。视图:出版商的网站|谷歌学术搜索
49. Kannan s r, s, m . Paithane“加权决策树,”联合国际会议和研讨会上逻辑编程,页654 - 668,华盛顿特区,1992年。视图:谷歌学术搜索
50. 美国r . Acharya v . k .苏达山,s .问:荣et al .,“自动检测早产的使用经验模式和小波包分解技术与子宫肌电图信号,”计算机在生物学和医学卷。85年,33-42,2017页。视图:出版商的网站|谷歌学术搜索
51. l·m·塔夫脱r·s·埃文斯c . r .害羞的et al .,来说“打击不平衡数据集来提高药物不良事件预测模型在分娩,”生物医学信息学杂志,42卷,不。2、356 - 364年,2009页。视图:出版商的网站|谷歌学术搜索
52. a . Smrdel和f .贼鸥,”分离,男女童子宫肌电图记录集,“生理测量,36卷,不。2、341 - 355年,2015页。视图:出版商的网站|谷歌学术搜索
53. r . Blagus和l .社”联合使用,under-sampling技术和交叉验证预测模型的开发和评估,”BMC生物信息学,16卷,不。1,p。363年,2015。视图:出版商的网站|谷歌学术搜索
54. 在wrapper-based j . Loughrey p·坎宁安,“过度拟合特征子集选择:你越努力尝试情况越糟糕,”二十一世纪智能系统的研究和发展页,33-43激飞伦敦,伦敦,2004年。视图:出版商的网站|谷歌学术搜索
55. t . Butler-Yeoman、b .雪和m .张“粒子群优化特征选择:混合的filter-wrapper方法”2015年IEEE国会进化计算(CEC)仙台,页2428 - 2435年,日本,2015年5月。视图:出版商的网站|谷歌学术搜索

版权

版权©2019年卡洛斯Benalcazar-Parra等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。