PHÂN LOẠI TÌNH TRẠNG THAI NHI TỪ DỮ LIỆU CARDIOTOCOGRAM DỰA TRÊN MÔ HÌNH ALEXNET-SVM

Tóm tắt

Bài báo này đề xuất một phương pháp phân loại tình trạng thai nhi dựa
trên dữ liệu cardiotocogram (CTG) bằng cách sử dụng mô hình kết hợp AlexNet
và SVM (AlexNet-SVM). Dữ liệu CTG bao gồm các thông số liên quan đến nhịp
tim thai nhi (FHR) và cơn co tử cung (UC) của các bà mẹ mang thai, được phân
loại thành ba nhóm: bình thường, nghi ngờ và bệnh lý. Nhằm tăng độ chính
xác trong việc phân loại dữ liệu phức tạp này, tác giả đã sử dụng mạng nơ-ron
tích chập (CNN) AlexNet để trích xuất đặc trưng và máy vector hỗ trợ (SVM) để
thực hiện việc phân loại. Kết quả cho thấy mô hình AlexNet-SVM đạt độ chính
xác 98,02%. Mô hình này có tiềm năng ứng dụng trong việc hỗ trợ bác sĩ phát
hiện sớm các vấn đề sức khỏe thai nhi, qua đó giảm thiểu rủi ro và nâng cao
sức khỏe cho cả mẹ và bé.