Analysis of Cardiotocogram Data for Fetal Distress Determination by Decision Tree Based Adaptive Boosting Approach


Creative Commons License

KARABULUT E. M. , İBRİKÇİ T.

Journal of Computer and Communications, cilt.2, ss.32-37, 2014 (Diğer Kurumların Hakemli Dergileri)

  • Cilt numarası: 2 Konu: 9
  • Basım Tarihi: 2014
  • Dergi Adı: Journal of Computer and Communications
  • Sayfa Sayıları: ss.32-37

Özet

Kardiyotokografi fetal kalp hızı (FKH) ve rahim kasılmalarındaki değişiklikleri kaydetmek için kullanılan en yaygın tekniklerden biridir. Kardiyotokografinin belirlenmesi, oksijen yetmezliği, yani hipoksi geçiren fetüslerin teşhisini sağladığından dolayı hayati önem taşır. Bu durum fetal distres olarak tanımlanır ve hipoksinin neden olduğu fetüs ölümü veya diğer nörolojik hastalıkları önlemek için fetal müdahale gerektirir. Bu çalışmada patolojik bir fetüsü ayırt etmeyi içeren bir kardiyotokogram analizi yapmak için bilgisayar tabanlı bir yaklaşım sunuldu. Bu amacı gerçekleştirmek için karar ağaçlarının uyarlamalı artırılan toplulukları ve diğer çeşitli makine öğrenmesi algoritmaları kullanıldı.

Cardiotocography is one of the most widely used technique for recording changes in fetal heart rate (FHR) and uterine contractions. Assessing cardiotocography is crucial in that it leads to identifying fetuses which suffer from lack of oxygen,  i.e. hypoxia. This situation is defined as fetal distress and requires fetal intervention in order to prevent fetus death or other neurological disease caused by hypoxia. In this study a computer-based approach for analyzing cardiotocogram including diagnostic features for discriminating a pathologic fetus. In order to achieve this aim adaptive boosting ensemble of decision trees and various other machine learning algorithms are employed.