| 講演抄録／キーワード |
| 講演名 |
2025-09-04 10:30
胎児モニタリングと臍帯血ガスパラメータ予測の連関解析：胎児心拍変動を用いた教師あり学習アプローチ
○Tunn Cho Lwin・Thi Thi Zin・Pyke Tin・紀 愛美（宮崎大）・池ノ上 克（九州医療医科大） |
| 抄録 |
（和） |
胎児心拍信号から得られる臍帯血ガス分析、特に二酸化炭素分圧（PCO₂）は、出生時における胎児の酸塩基平衡状態を評価し、呼吸性アシドーシスを検出するために重要です。本研究では、胎児心拍変動（FHRV）から抽出された特徴量を用いて、胎児の二酸化炭素レベルを正常または異常として分類する機械学習ベースのフレームワークを提案します。前処理では、記録時間の不一致に対処するための相関に基づくセグメント選択、欠損値の補完のための補間処理、そして機械学習分類用のラプラシアン特徴量の抽出を行いました。10分、30分、60分のウィンドウ時間の中で、30分間のセグメントが二酸化炭素レベルと最も強い相関を示したため、モデル学習に使用しました。評価した教師あり学習モデルは、線形カーネルおよびガウシアンカーネルを用いたサポートベクターマシン（SVM）、およびk近傍法（k-NN）の3種類です。結果として、k-NNとガウシアンカーネルSVMが異常な二酸化炭素レベルの検出において最も高い分類性能を示しました。これらの結果は、胎児心拍変動解析と教師あり学習を組み合わせることで、分娩中の胎児の健康リスクを早期に非侵襲的に検出するための有望な手法となる可能性を示唆しています。 |
| （英） |
Umbilical cord blood gas analysis from fetal heart rate signals, particularly partial pressure of carbon dioxide, is essential for assessing fetal acid-based status and detecting respiratory acidosis at birth. This study proposes a machine learning-based classification framework for predicting fetal carbon dioxide levels as either normal or abnormal using features derived from fetal heart rate variability. Preprocessing included correlation-based segment selection to manage inconsistencies in recording lengths, interpolation to address missing values, and Laplacian features for machine learning classifications. Among the tested window durations of 10, 30, and 60 minutes, the 30-minute segment showed the strongest correlation with carbon dioxide levels and was selected for model training. Three supervised learning models were evaluated: Support Vector Machine with linear and Gaussian kernels, and k-Nearest Neighbors. The results show that k-Nearest Neighbors and Gaussian kernel SVM achieved the best classification performance in detecting abnormal carbon dioxide cases. These findings suggest that supervised learning combined with heart rate variability analysis can offer a promising and non-invasive way to support early detection of fetal health risks during delivery. |
| キーワード |
（和） |
/ / / / / / / |
| （英） |
umbilical cord blood gas / fetal heart rate / pressure of carbon dioxide / machine learning classifiers / / / / |
| 文献情報 |
映情学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|
| 研究会情報 |
| 研究会 |
IEICE-IE ME IEICE-LOIS IEE-CMN |
| 開催期間 |
2025-09-03 - 2025-09-04 |
| 開催地（和） |
北海道科学大学（FIT2025と併催） |
| 開催地（英） |
Hokkaido University of Science |
| テーマ（和） |
マルチメディア通信/システム，ライフログ活用技術，IP放送/映像伝送，メディアセキュリティ，メディア処理(AI，深層学習)，一般 |
| テーマ（英） |
|
| 講演論文情報の詳細 |
| 申込み研究会 |
IEICE-IE |
| 会議コード |
2025-09-IE-ME-LOIS-CMN |
| 本文の言語 |
英語（日本語タイトルあり） |
| タイトル（和） |
胎児モニタリングと臍帯血ガスパラメータ予測の連関解析：胎児心拍変動を用いた教師あり学習アプローチ |
| サブタイトル（和） |
|
| タイトル（英） |
Bridging Fetal Monitoring and Umbilical Cord Blood Gas Parameter Prediction: A supervised learning approach using fetal heart rate variability |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
/ umbilical cord blood gas |
| キーワード(2)（和/英） |
/ fetal heart rate |
| キーワード(3)（和/英） |
/ pressure of carbon dioxide |
| キーワード(4)（和/英） |
/ machine learning classifiers |
| キーワード(5)（和/英） |
/ |
| キーワード(6)（和/英） |
/ |
| キーワード(7)（和/英） |
/ |
| キーワード(8)（和/英） |
/ |
| 第1著者 氏名（和/英/ヨミ） |
Tunn Cho Lwin / Tunn Cho Lwin / トゥン チョ レン |
| 第1著者 所属（和/英） |
宮崎大学 (略称： 宮崎大)
University of Miyazaki (略称： Miyazakidai) |
| 第2著者 氏名（和/英/ヨミ） |
Thi Thi Zin / Thi Thi Zin / ティティ ズィン |
| 第2著者 所属（和/英） |
宮崎大学 (略称： 宮崎大)
University of Miyazaki (略称： Miyazakidai) |
| 第3著者 氏名（和/英/ヨミ） |
Pyke Tin / Pyke Tin / パイ ティン |
| 第3著者 所属（和/英） |
宮崎大学 (略称： 宮崎大)
University of Miyazaki (略称： Miyazakidai) |
| 第4著者 氏名（和/英/ヨミ） |
紀 愛美 / Emi Kino / キノ エミ |
| 第4著者 所属（和/英） |
宮崎大学 (略称： 宮崎大)
University of Miyazaki (略称： Miyazakidai) |
| 第5著者 氏名（和/英/ヨミ） |
池ノ上 克 / Tsuyomu Ikenoue / イケノウエ ツヨム |
| 第5著者 所属（和/英） |
九州医療科学大学 (略称： 九州医療医科大)
Kyushu University of Medical Science (略称： Kyusyuiryouikadai) |
| 第6著者 氏名（和/英/ヨミ） |
/ / |
| 第6著者 所属（和/英） |
(略称： )
(略称： ) |
| 第7著者 氏名（和/英/ヨミ） |
/ / |
| 第7著者 所属（和/英） |
(略称： )
(略称： ) |
| 第8著者 氏名（和/英/ヨミ） |
/ / |
| 第8著者 所属（和/英） |
(略称： )
(略称： ) |
| 第9著者 氏名（和/英/ヨミ） |
/ / |
| 第9著者 所属（和/英） |
(略称： )
(略称： ) |
| 第10著者 氏名（和/英/ヨミ） |
/ / |
| 第10著者 所属（和/英） |
(略称： )
(略称： ) |
| 第11著者 氏名（和/英/ヨミ） |
/ / |
| 第11著者 所属（和/英） |
(略称： )
(略称： ) |
| 第12著者 氏名（和/英/ヨミ） |
/ / |
| 第12著者 所属（和/英） |
(略称： )
(略称： ) |
| 第13著者 氏名（和/英/ヨミ） |
/ / |
| 第13著者 所属（和/英） |
(略称： )
(略称： ) |
| 第14著者 氏名（和/英/ヨミ） |
/ / |
| 第14著者 所属（和/英） |
(略称： )
(略称： ) |
| 第15著者 氏名（和/英/ヨミ） |
/ / |
| 第15著者 所属（和/英） |
(略称： )
(略称： ) |
| 第16著者 氏名（和/英/ヨミ） |
/ / |
| 第16著者 所属（和/英） |
(略称： )
(略称： ) |
| 第17著者 氏名（和/英/ヨミ） |
/ / |
| 第17著者 所属（和/英） |
(略称： )
(略称： ) |
| 第18著者 氏名（和/英/ヨミ） |
/ / |
| 第18著者 所属（和/英） |
(略称： )
(略称： ) |
| 第19著者 氏名（和/英/ヨミ） |
/ / |
| 第19著者 所属（和/英） |
(略称： )
(略称： ) |
| 第20著者 氏名（和/英/ヨミ） |
/ / |
| 第20著者 所属（和/英） |
(略称： )
(略称： ) |
| 第21著者 氏名（和/英/ヨミ） |
/ / |
| 第21著者 所属（和/英） |
(略称： )
(略称： ) |
| 第22著者 氏名（和/英/ヨミ） |
/ / |
| 第22著者 所属（和/英） |
(略称： )
(略称： ) |
| 第23著者 氏名（和/英/ヨミ） |
/ / |
| 第23著者 所属（和/英） |
(略称： )
(略称： ) |
| 第24著者 氏名（和/英/ヨミ） |
/ / |
| 第24著者 所属（和/英） |
(略称： )
(略称： ) |
| 第25著者 氏名（和/英/ヨミ） |
/ / |
| 第25著者 所属（和/英） |
(略称： )
(略称： ) |
| 第26著者 氏名（和/英/ヨミ） |
/ / |
| 第26著者 所属（和/英） |
(略称： )
(略称： ) |
| 第27著者 氏名（和/英/ヨミ） |
/ / |
| 第27著者 所属（和/英） |
(略称： )
(略称： ) |
| 第28著者 氏名（和/英/ヨミ） |
/ / |
| 第28著者 所属（和/英） |
(略称： )
(略称： ) |
| 第29著者 氏名（和/英/ヨミ） |
/ / |
| 第29著者 所属（和/英） |
(略称： )
(略称： ) |
| 第30著者 氏名（和/英/ヨミ） |
/ / |
| 第30著者 所属（和/英） |
(略称： )
(略称： ) |
| 第31著者 氏名（和/英/ヨミ） |
/ / |
| 第31著者 所属（和/英） |
(略称： )
(略称： ) |
| 第32著者 氏名（和/英/ヨミ） |
/ / |
| 第32著者 所属（和/英） |
(略称： )
(略称： ) |
| 第33著者 氏名（和/英/ヨミ） |
/ / |
| 第33著者 所属（和/英） |
(略称： )
(略称： ) |
| 第34著者 氏名（和/英/ヨミ） |
/ / |
| 第34著者 所属（和/英） |
(略称： )
(略称： ) |
| 第35著者 氏名（和/英/ヨミ） |
/ / |
| 第35著者 所属（和/英） |
(略称： )
(略称： ) |
| 第36著者 氏名（和/英/ヨミ） |
/ / |
| 第36著者 所属（和/英） |
(略称： )
(略称： ) |
| 講演者 |
第1著者 |
| 発表日時 |
2025-09-04 10:30:00 |
| 発表時間 |
20分 |
| 申込先研究会 |
IEICE-IE |
| 資料番号 |
|
| 巻番号（vol） |
vol.49 |
| 号番号（no） |
|
| ページ範囲 |
|
| ページ数 |
|
| 発行日 |
|