Classificação e previsão de cardiotocogramas usando algoritmos baseados em redes neuronais

Mestrado em Computação e Instrumentação Médica

A cardiotocografia (CTG), sendo um exame efetuado à grávida para avaliação do bem-estar fetal, desempenha um papel importante na área da obstetrícia pois permite avaliar problemas relacionados com o feto, principalmente no período anteparto. No entanto, o resultado da análise do sinal de CTG por parte dos diferentes técnicos (obstetras) não é consensual e é aceite pela comunidade médica a existência de discrepâncias na sua avaliação. Estas diferenças na leitura do sinal de CTG podem ser atenuadas recorrendo à introdução de sistemas automáticos de classificação que têm como objetivo principal o de garantir a aplicação dos critérios estabelecidos e o de introduzir alguma uniformização na sua avaliação. O trabalho aqui descrito teve como objetivo principal o estudo da utilização das redes neuronais artificiais (RNA) na classificação e previsão do sinal CTG. Assim foram aplicadas metodologias de classificação baseadas em redes feedforward (FFNN) com variação dos parâmetros envolvidos. No trabalho aqui apresentado é também avaliada a capacidade preditiva de instantes de tempo à frente tendo por base as características do sinal e o comportamento passado que são informações importantes na determinação do futuro estado fetal. Neste estudo é testada a arquitetura Focused Time Delay Neural Network (FTDNN) em tarefas de previsão de um e múltiplos instantes adiante. Os resultados mostram um desempenho promissor para a classificação em diferentes comportamentos fetais no conjunto de sinais CTG utilizados bem como na previsão de instantes futuros das séries correspondentes à frequência cardíaca fetal (FCF) do CTG.

The cardiotocography (CTG) is a clinical exam, performed in pregnants to evaluate the fetal well-being, and have an important role in the obstetrics because it allows evaluating problems with the fetus, especially in the period before labour. However, the result of CTG analysis by different technicians (obstetricians) is not consensual and it is accepted by the medical community the presence of discrepancies in the assessment. These differences can be attenuated with the introduction of automatic classification systems whose main purpose is to ensure the application of the established criteria and to introduce uniformity in signal assessment. The work described here aimed at study the use of Artificial Neural Networks (ANN) in CTG classification and prediction. Different classification methodologies were applied based on feedforward neural networks (FFNN). In this work we also assess the prediction ability of ANNs based on signal characteristics and past behavior which are important information to determine the future fetal state. In this dissertation, the Focused Time Delay Neural Network (FTDNN) architecture with one step and multi-step ahead prediction tasks is used. The results show a good performance of the classification algorithm as well as in the prediction of the CTG signal