Исследование изменений во временном распределении в моделях глубокого обучения для анализа КТГ

Кардиотокография (КТГ): применение глубокого обучения для предсказания гипоксии плода

Проблема:

Интерпретация записей КТГ может быть субъективной и ведущей к ошибкам, особенно в условиях недостатка опытных специалистов, что увеличивает риски для плода.

Решение:

Google разработал глубокую нейронную сеть CTG-net для объективной интерпретации данных КТГ, что улучшает традиционные методы исследования.

Преимущества:

Модель CTG-net использует данные о физиологических показателях для предсказания гипоксии плода, улучшая точность диагностики.

Результаты:

Исследования показали, что модель, обученная на данных о pH крови пуповины, демонстрирует лучшую производительность, особенно при использовании данных КТГ за последние 30 минут до родов.