Обнаружение аномалий во временных рядах кардиотокографии

Кардиотокография (КТГ) — диагностический метод наблюдения за плодом, широко используемый в акушерстве и гинекологии, особенно во время родов. Ключевая роль этого метода заключается в предоставлении информации в режиме реального времени о состоянии плода, которая влияет на принятие решений о медицинских вмешательствах. Существующие компьютеризированные решения КТГ-мониторинга не приводят к снижению негативных исходов плода. Применение подхода глубокого обучения может решить эту проблему. В работе было использовано глубокое обучение с частичным привлечением учителя, а так же подход с использованием скользящего среднего. Методика включала обучение трех нейронных сетей (CNN, TCNN, LSTM) для прогнозирования следующего значения с использованием контекстного окна размером 10, 20 и 30. Аномалии выявлялись, когда ошибка предсказания превышала заранее определенный порог. Чтобы установить порог, ошибки прогнозирования были рассчитаны для данных, где точечные аномалии были вручную аннотированы. Классификационные тесты были проведены с использованием различных пороговых значений, чтобы найти тот, у которого наиболее высокое значение F1-меры. Самый высокий показатель F1, равный 0.72, был достигнут с помощью модели TCNN, обученной на контекстном окне размером 10. Последующая работа может включать в себя прогнозирование аномалий последовательности, а результаты могут быть использованы для разработки системы сигнализации в реальном времени.