فهرست نشریات علمی دسترسی آزاد ایران

هدف: زایمان زودرس یکی از مهم‌ترین عوامل مرگ‌ومیر نوزادان و مشکلات طولانی‌مدت در سلامت و رشد کودکان است. با توجه به افزایش میزان زایمان‌های زودرس در سطح جهان و ناکارآمدی روش‌های فعلی در تشخیص زودهنگام آن، ضرورت توسعه تکنیک‌های نوین برای بهبود پیش‌بینی و پیشگیری از این پدیده احساس می‌شود. هدف اصلی این پژوهش، طراحی و ارزیابی یک مدل یادگیری عمیق مبتنی بر سیگنال‌های الکتروهیستروگرافی (EHG) برای تشخیص زایمان زودرس است.روش‌شناسی پژوهش: در این مطالعه، از الگوریتم‌های یادگیری عمیق برای تجزیه‌وتحلیل سیگنال‌های EHG استفاده شده است. داده‌های مورد استفاده شامل ۲۶۲ پرونده از زنان با زایمان طبیعی و ۳۸ پرونده از زنان دارای زایمان زودرس بوده است. روش پیشنهادی با استفاده از تکنیک "کراس" بر روی چهار مجموعه داده مختلف و در دو حالت، یکی با آموزش و دیگری بدون آموزش، ارزیابی گردیده است.یافته‌ها: نتایج نشان داد که مدل پیشنهادی توانسته است زایمان زودرس را با دقت بالا و خطای تنها %1 تشخیص دهد. این یافته‌ها حاکی از عملکرد بهینه مدل در پیش‌بینی زایمان زودرس و برتری آن نسبت به روش‌های سنتی است.اصالت/ارزش افزوده علمی: این پژوهش با بهره‌گیری از یادگیری عمیق و تحلیل سیگنال‌های EHG، رویکردی نوین و دقیق برای تشخیص زایمان زودرس ارایه می‌دهد. نتایج حاصل می‌تواند به بهبود سیستم‌های پایش سلامت مادران کمک کرده و زمینه‌ساز توسعه ابزارهای بالینی مؤثرتر در پیشگیری از زایمان‌های زودرس باشد.