Delivery Type (Induced or Cesarean) Classification with Deep Learning Method Using Shannon Entropy of Electrohysterogram Signal
Notice bibliographique
Résumé
Current methods in the literature for predicting preterm birth using electrohysterogram (EHG) signals generally concentrate only on classifying term and preterm spontaneous deliveries.However, a realistic approach should also include other delivery types, such as induced, cesarean, and induced-cesarean sections.We can increase the precision of labor stage identification and better understand preterm birth risk by examining the characteristics of EHG signals unique to various delivery methods.In this study, the methodology involves preprocessing EHG signals and extracting key features through Shannon Entropy and logarithmic energy.These features, which do not need complicated models, are effective in highlighting the key traits and complexity of the signals.Thanks to their high sensitivity, they can identify even the most subtle shifts in uterine activity.The adaptive synthetic (ADASYN) oversampling technique is applied after extracting features to address the class imbalance.These features are then examined using three machine learning models: Random Forest (RF), Support Vector Machine (SVM), and Long Short-Term Memory (LSTM) to evaluate their effectiveness in distinguishing different types of delivery.The ICEHG-DS database was used to evaluate the performance of the proposed method, and the best results were achieved for the LSTM method using the Shannon Entropy feature extracted from channel S3, yielding an average F1-score of 99.34% and an accuracy of 99.33%.This work demonstrates the feasibility of accurately predicting the type of delivery by analyzing EHG signals as early as the 23rd week of pregnancy, utilizing a feature extraction method with low computational complexity.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».