Stack Ensemble Algorithm for Cardiotocography Based Foetal Health Risk Classification
Notice bibliographique
Résumé
Obstetricians utilize cardiotocography (CTG) to assess the fetal heart and lungs during pregnancy.It can help determine if the foetus is healthy, in doubt, or suffering from disease by providing data on the fetal heart rate and uterine breathing.The analysis of CTG data has typically made use of machine learning (ML) techniques such as support vector machines and decision trees to forecast fetal health and enhance the detection procedure.Fetal heart rate and uterine contraction timing were recorded by CTG.Monitoring fetal health and ensuring normal fetal growth and development throughout pregnancy rely heavily on CTG intelligent categorization.Pregnancies with a higher risk of problems are the most common cases in which CTG is used to evaluate the health of the fetus.ML algorithms are utilized to evaluate state of the foetal health based on CTG-obtained factors.Compared to ML techniques, ensemble models have been shown to increase detection speed and effectiveness.Ensemble modeling refers to the practice of combining the scores or distributions from multiple related but distinct analytical models.In order to predict foetal health, ensemble models such as Boosting, AdaBoost, Extreme Gradient Boosting, Light gradient boost method (LightGBM), and stack models were used in the paper.When the outcomes are compared, the proposed stack model using logistic regression, decision tree, random forest and LightGBM proved to obtain the best performance with 96.71% success rate.The proposed methodology, which can be used to classify foetal health based on Fetal Heart Rate (FHR) data, is more efficient and superior to existing machine learning models, which have already been taken into consideration.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».