Annunci: Ottieni l'ammissione al livello 200 e studia qualsiasi corso in qualsiasi università di tua scelta. Tariffe basse | No JAMB UTME. Chiama 09038456231

Miglioramento dell'accuratezza dell'analisi del cardiotocogramma utilizzando il sistema Fuzzy Logic

ANNUNCI! Soluzione permanente per il diabete! Solo 15 pacchetti rimasti. FRETTA!!!


Miglioramento dell'accuratezza dell'analisi del cardiotocogramma utilizzando il sistema Fuzzy Logic.

ABSTRACT

Il monitoraggio basato su cardiotocogrammi necessita di un sistema di logica fuzzy affidabile per ridurre l'incidenza di interventi medici non necessari e lesioni fetali durante il lavoro minorile, a causa di un alto grado di incertezza e imprecisione. Attualmente, il monitoraggio fetale elettronico si basa quasi interamente sul Cardiotocogram (CTG), che è una visualizzazione continua del pattern della frequenza cardiaca fetale (FHR) insieme alla contrazione dell'utero.

Nonostante l'uso diffuso del Cardiotocogram, ha un'importanza significativa limitata nell'outcome fetale poiché il Cardiotocogram da solo non fornisce sempre tutte le informazioni necessarie per migliorare l'esito del lavoro minorile. La macchina Cardiotocogram e il sistema fuzzy con cinque pazienti sono stati utilizzati nell'analisi per determinare l'accuratezza della frequenza cardiaca fetale (FHR). Settantanove (79) regole sono state codificate nel sistema per guidare il sistema di inferenza fuzzy.

L'aggregazione e l'implicazione di queste regole vengono spiegate utilizzando grafici di superficie per determinare la regola che può essere attivata durante il processo di ottimizzazione. I risultati mostrano che la macchina Cardiotocogram ha fornito una precisione di ± 0.039%, ± 0.043%, ± 0.047%, ± 0.048% ± 0.053%, mentre il sistema di logica fuzzy ha fornito una precisione di ± 0.0147%, ± 0.0373, ± 0.0373%, ± 0.0373% e ± 0.0152%, rispettivamente.

Il confronto di questi risultati ha confermato che il sistema fuzzy logic ha fornito un metodo significativo per migliorare l'analisi del cardiotocogramma con un grado di accuratezza maggiore tra lo 0.6% e il 3.8% e rende il sistema meno sensibile al rumore o all'errore. Con i risultati ottenuti, è evidente che il sistema fuzzy logic può essere utilizzato per migliorare l'efficienza del clinico nel fare diagnosi accurate.

SOMMARIO

Frontespizio …………… i
Pagina di approvazione ……. ii
Certificazione ………. iii
Dichiarazione .. iv
Dedizione ……. v
Riconoscimento …… .. vi
Astratto…. vii
Sommario… viii
Elenco delle figure… xiii
Elenco delle tabelle… .. xvii
Elenco delle tavole… .. xix
Elenco degli acronimi …… xx

CAPITOLO UNO: INTRODUZIONE

1.1 Informazioni di base ………. 1
1.2 Dichiarazione del problema ... 3
1.3 Scopi e obiettivi ……… 3
1.4 Significato dello studio. 4
1.5 Scopo dello studio… .. 4
1.6 Schema della tesi…. 5

CAPITOLO SECONDO: RASSEGNA DELLA LETTERATURA

2.1 Cardiotocogramma (CTG)… .. 6
2.2 Monitoraggio del cardiotocogramma (CTG) ……. 8
2.2.1 Incertezze e imprecisioni nell'analisi della frequenza cardiaca fetale e della cardiotocografia (CTG) ……… .. 8
2.2.2 Miglioramento della cardiotocografia ... 10
2.2.3 Incertezza nel mondo reale …… .. 11
2.2.3.1 Fonti di incertezza …… .. 11
2.2.3.2 Incertezza nei dati …… .. 12
2.2.3.3 Incertezza nella conoscenza ……… 12
2.2.3.4 Gestione dell'incertezza in sistemi esperti ………… 12
2.2.4 Incertezza e imprecisione nel lavoro di gestione …… .. 13
2.2.5 Linee guida cliniche Stan per l'azione con un feto maturo ³ 36 settimane .. 14
2.3 Monitoraggio elettrocardiogramma elettronico fetale (ECG) …… 15
2.3.1 Rilevamento QRS nell'elettrocardiogramma ……… 16
2.3.1.1 Pre-elaborazione: lo schema di miglioramento del segnale per il rilevamento QRS ……. 17
2.3.1.2 Filtro di previsione non lineare ……. 17
2.3.1.3 Progettazione di filtri lineari per approssimazione dei minimi quadrati. 19
2.3.1.4 Confronto delle tecniche di pre-elaborazione …… .. 21
2.4 Il sistema Fuzzy Logic .. 22
2.4.1 Operatori Fuzzy Set …………. 23
2.4.2 Modelli fuzzy per analisi cardiotocogramma ed elettrocardiogramma ……. 24
2.4.3 Fuzzy State Model per la gestione di pattern complessi nel tempo. 26
2.4.4 Aggiungere memoria ………… 27
2.4.5 Utilizzo della macchina a stati per aggiungere memoria a sistemi intelligenti …… 29
2.5 Revisione del lavoro correlato… .. 32

CAPITOLO TRE: METODOLOGIA

3.1 Materiali …… 40
3.1.1 Raccolta dati ………… .. 40
3.1.2 Macchina per cardiotocogramma… .40
3.1.3 Macchina ad ultrasuoni ………… 48
3.1.5 Interfacciamento della frequenza cardiaca materna (MHR) con i modelli di frequenza cardiaca fetale (FHR) ... 50
3.2 Metodi …… .. 55
3.3 Matrice delle condizioni fetali (FCM) ………… 56
3.4 Progettazione del modello fuzzy per l'analisi CTG ……… 57
3.4.1 Progettazione del modello di sistema basato su logica fuzzy (FL-B)…. 59
4.2 Funzioni di appartenenza per le variabili linguistiche ……. 61
3.4.3 Editor Fuzzy Inference System (FIS) ………. 62
3.4.4 Editor delle funzioni di appartenenza (MF) …… .. 63
3.4.5 Funzione Output Membership ………… 66
3.4.6 Editor delle regole …………………………. 66
3.4.7 Visualizzatore regole ……… 67

CAPITOLO QUATTRO: RISULTATI E DISCUSSIONE

4.1 Simulazione dei risultati ………. 74
4.1.1 Determinazione della condizione di ottimizzazione ………… 75
4.1.2 Analisi della Condizione di Ottimizzazione …… .. 77
4.2 Risultati ottenuti dalla macchina per cardiotocogrammi… .. 77
4.3 Risultati ottenuti dalla macchina ad ultrasuoni …………. 78
4.3.1 Confronto dell'accuratezza del cardiotocogramma e delle macchine ad ultrasuoni……. 78
4.3.2 Determinazione dell'accuratezza dei valori misurati …… .. 79
4.3.3 Precisione dei valori misurati utilizzando la macchina per cardiotocogrammi e il sistema di inferenza fuzzy …… 79
4.3.4 Determinazione del grado di incertezza tra macchina per cardiotocogramma e sistema di inferenza fuzzy. 80
4.3.5 Accuratezza dei valori del revisore utilizzando la macchina per cardiotocogrammi e il sistema di inferenza fuzzy …… .. 81
4.3.6 Determinazione del grado di incertezza dei valori del revisore
tra Cardiotocogram Machine e Fuzzy Inference System …………. .. 82
4.3.7 Confronto dei dati primari e secondari…. 83
4.3.8 Rappresentazione grafica sia dei dati primari che dei dati secondari …… 84
4.4 Determinazione del grafico di superficie …………. 85
4.4.1 Analisi del grafico di superficie ... 89

CAPITOLO CINQUE: CONCLUSIONE E RACCOMANDAZIONE PER IL LAVORO FUTURO. 91

5.1 Conclusione ………. 91
5.1.1 Sistema di inferenza fuzzy per macchina per cardiotocogrammi… .. 91
5.2 Raccomandazione per il lavoro futuro ………… 92
5.2.1 Elenco delle pubblicazioni ………… 93
Referenze

INTRODUZIONE

Il parto è un periodo critico per il feto e la madre. Un buon esito del lavoro minorile è generalmente auspicabile, ma a volte si verificano problemi che possono portare a lesioni come danni cerebrali fetali, altre anomalie o persino la morte. Il monitoraggio fetale elettronico, introdotto da EJ Quiligan [1], avrebbe dovuto migliorare la cura del paziente, ma questo non è ancora avvenuto.

Il metodo di monitoraggio più comune si basa su una traccia continua del pattern della frequenza cardiaca fetale e delle contrazioni materne, noto come cardiotocogramma (CTG). Difficoltà nell'interpretazione del cardiotocogramma hanno portato a interventi medici non necessari e il mancato intervento quando necessario può portare a lesioni e decessi.

Questi problemi hanno portato allo sviluppo di una serie di sistemi computerizzati per assistere con l'analisi e l'interpretazione dei dati CTG. Tuttavia, nonostante gli sviluppi nell'arco di due decenni, non vi è alcun miglioramento significativo nei risultati fetali. Il progresso nell'analisi computerizzata del cardiotocogramma è stato ostacolato da diversi fattori.

Ci sono problemi intrinseci di imprecisione e incertezza nei dati clinici e nei metodi di interpretazione utilizzati. Le soluzioni a questo problema devono ancora essere affrontate nel sistema di cardiotocogramma computerizzato. Il cardiotocogramma non contiene informazioni sufficienti accurate per la valutazione delle condizioni fetali.

Ulteriori informazioni possono essere ottenute da una corretta analisi dei cambiamenti nell'elettrocardiogramma fetale (ECG), ma i problemi di incertezza e imprecisione esistono anche nell'analisi dell'elettrocardiogramma fetale [6].

RIFERIMENTI

EJ Quiligan, La classificazione della frequenza cardiaca fetale: II A Classificazione di lavoro rivista. Conn.Med. J, vol. 31, pp779-784, 1967.

JA Low, EJ Karchmar, L. Broekhoven, T. Leonard, MJ McGrath, SR Pancham e WN Piercy. La probabilità di acidosi metabolica fetale durante il travaglio in una popolazione a rischio determinata da fattori clinici. American Journal Obstetrics Gynecology, 141: 941-951, 1981.

Amer - Wahlin, Hellsten C, Noren H, Hagberg H, Herbst A, Kjellmer I, Lilja H, Lindoff C, Mansson M, Martensson L, Olofsson P.St analisi dell'elettrocardiogramma fetale per il monitoraggio fetale intrapato: uno studio controllato randomizzato svedese. Lancetta. 18 agosto; 358 (9281): 534-8, 2001.

RDF Keith, S. Beckley, JM Garibaldi, JA Westgate, EC Ifeachor e KR Greene. Uno studio comparativo multicentrico di 17 esperti e un sistema informatico intelligente per la gestione del lavoro utilizzando il cardiotocogramma. British Journal of Obstetrics and Gynecology, settembre, vol. 102, pagg. 688-700, 1995.

SGoncalves H, Rocha AP, Ayres-de-Campos D e Bernades J. Monitoraggio della frequenza cardiaca fetale intrapato interna rispetto a quella esterna: effetto sui parametri lineari e non lineari. Physlol Meas, 2006; 27: 307-309.

Chanappa. Bhyri, Kalpana e KM Waghmere, Estimation of ECG features using Lab VIEW, International Journal of Computer Science and Communication Technologies, Vol. 2, n. 1, 2009, PP. 320-324.

Squadra CSN.

Inserisci il tuo indirizzo email:

Consegnato da TMLT NIGERIA

Unisciti ora a oltre 3,500+ lettori online!


=> SEGUICI SU INSTAGRAM | FACEBOOK & TWITTER PER ULTIMI AGGIORNAMENTI

ADS: DIABETE DA ESCLUSIONE IN SOLO 60 GIORNI! - ORDINA QUI

COPYRIGHT ATTENZIONE! I contenuti di questo sito Web non possono essere ripubblicati, riprodotti, ridistribuiti in tutto o in parte senza il dovuto permesso o riconoscimento. Tutti i contenuti sono protetti da DMCA.
Il contenuto di questo sito è pubblicato con buone intenzioni. Se possiedi questi contenuti e ritieni che il tuo copyright sia stato violato o violato, assicurati di contattarci all'indirizzo [[email protected]] per presentare un reclamo e le azioni verranno intraprese immediatamente.

tag: , ,

I commenti sono chiusi.