AI، جلد. ۵، صفحات ۵۱۶-۵۳۲: تشخیص هیپوکسی جنین با استفاده از یادگیری ماشینی: مروری بر روایت
هوش مصنوعی دو: ۱۰٫۳۳۹۰/ai5020026
نویسندگان: نواف الحربی مصطفی یولداش دوها الوتایبی هیا آلدوسری ریمه آلبراهیم رهام الزهرانی وهبیا احمد صالح یکشنبه او. اولاتونجی می عیسی آلدوسری
هیپوکسی جنین وضعیتی است که با کمبود اکسیژن در جنین در حال رشد در رحم مشخص می شود. می تواند خطرات بالقوه ای ایجاد کند که منجر به ناهنجاری ها، نقایص مادرزادی و حتی مرگ و میر شود. مانیتورینگ کاردیوتوکوگرافی (CTG) یکی از تکنیک‌هایی است که می‌تواند نشانه‌های ناراحتی جنین از جمله هیپوکسی را تشخیص دهد. با توجه به اهمیت حیاتی تفسیر نتایج این آزمایش، همراهی این آزمایش‌ها با فناوری در حال تکامل موجود برای طبقه‌بندی موارد هیپوکسی به سه حالت طبیعی، مشکوک یا پاتولوژیک ضروری است. علاوه بر این، یادگیری ماشینی (ML) یک تکنیک شکوفا است که به طور مداوم در حال توسعه و کمک به مطالعات پزشکی، به ویژه پیش بینی سلامت جنین است. علی‌رغم تلاش‌های گذشته ارائه‌دهندگان بهداشت برای تشخیص هیپوکسی در جنین‌ها، اجرای تکنیک‌های ML و Deep Learning (DL) تشخیص دقیق‌تر و به موقع هیپوکسی جنین را با پردازش مؤثر و دقیق الگوهای پیچیده در مجموعه‌های داده بزرگ تضمین می‌کند. به همین ترتیب، این مقاله مروری با هدف بررسی کاربرد مدل‌های هوش مصنوعی با استفاده از داده‌های تست کاردیوتوکوگرافی است. نتیجه پیش‌بینی‌شده این بررسی، معرفی راهنمایی برای مطالعات آینده برای افزایش دقت در تشخیص موارد طبقه‌بندی شده در طبقه مشکوک است، جنبه‌ای که در مطالعات قبلی با چالش‌هایی مواجه شده است که پیامدهای مهمی برای متخصصان زنان و زایمان در نظارت مؤثر بر سلامت جنین و تصمیم‌گیری آگاهانه دارد.
منبع: https://www.mdpi.com/2673-2688/5/2/26