태아심박동 자동 해석을 위한 딥러닝 모델: 전국 다기관 연구
- 주제(키워드) 태아심박동감시기 , 딥러닝 모델 , 태아 모니터링
- 주제(DDC) 610.28
- 발행기관 아주대학교 일반대학원
- 지도교수 김미란
- 발행년도 2025
- 학위수여년월 2025. 2
- 학위명 석사
- 학과 및 전공 일반대학원 융합의과학과
- 실제URI http://www.dcollection.net/handler/ajou/000000034738
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
태아의 예후를 개선하기 위해서는 비정상적인 심전도(CTG)를 적시에 감지하는 것이 중요하다. 그러나 비정상적인 CTG 패턴을 자동으로 감지하는 기존 시스템은 임상적 유용성이 충분하지 않다. 최근 파형 데이터 처리 기술의 발전으로 자동화된 CTG 분석의 정확성과 확장성을 크게 향상시킬 수 있는 가능성을 보여주었다. 그럼에도 불구하고 현재의 연구는 주로 수천 건 미만의 소규모 데이터 세트를 주로 활용했기 때문에 이러한 모델의 견고성과 전반적인 성능이 제한적이었다. 여기에서는 11개 병원에서 18,652건의 분만, 436,695명의 분만 분만 기록을 사용하여 딥러닝 모델(DLM)을 개발하여 내부적으로 테스트한 후 3개 병원에서 외부 테스트를 진행했다. 보드 인증 산부인과 전문의가 라벨링한 독립 테스트 데이터 세트에서 DLM은 내부 테스트에서 AUC(수신기 작동 특성 곡선 아래 면적) 0.880, PRC(정밀 리콜 곡선 아래 면적) 0.625, 외부 테스트에서 AUC 0.862, 0.895, 0.862, PRC 0.553, 0.615, 0.601을 달성했다. 이러한 결과는 딥러닝 접근 방식이 산부인과 전문의와 유사한 높은 진단 성능으로 CTG 파형에서 비정상적인 소견을 감지할 수 있음을 보여준다. 이 접근 방식이 임상 환경에서 확인되면 가장 긴급한 상태를 정확하게 분류하여 개입 지연율을 줄이고 예후를 개선할 수 있다. Primary Funding Source: 한국지능정보사회진흥원 (대한민국 정부) 주제어: 태아심박동감시기, 딥러닝 모델, 태아 모니터링
more초록/요약
The timely detection of abnormal Cardiotocography (CTG) is critical for improving fetal prognosis. However, existing systems for automated detection of abnormal CTG patterns lack sufficient clinical utility. Recent advancements in waveform data processing techniques have shown promise in significantly enhancing the accuracy and scalability of automated CTG analysis. Nevertheless, current research has predominantly utilized small datasets, typically comprising fewer than several thousand cases, which has limited the robustness and overall performance of these models. Here, we develop and internally test a deep learning model (DLM) using 18,652 deliveries, 436,695 person-minute CTGs from 11 hospitals, then externally tested in 3 hospitals. In independent test dataset annotated by a board-certified obstetrician, the DLM achieved an AUC (area under the receiver operating characteristic curve) of 0.880, PRC (area under the precision recall curve) 0.625 in internal test and AUC 0.862, 0.895, 0.862, PRC 0.553, 0.615, 0.601, in three external tests. These findings demonstrate that a deep learning approach can detect abnormal findings from CTG waveform with high diagnostic performance similar to that of obstetrician. If confirmed in clinical settings, this approach could reduce the rate of delayed intervention and improve the prognosis by accurately triaging the most urgent conditions. Primary Funding Source: National Information Society Agency (South Korea government) Keywords: Cardiotocography, Deep Learning Model, Fetal Monitoring
more목차
Ⅰ. 서론 1
Ⅱ. 재료 및 방법 3
A. 데이터 출처 3
B. 결과 라벨링 4
C. 데이터 전처리 4
D. 모델 개발 5
E. 민감도 분석(Sensitivity analysis) 7
F. 통계 분석(Statistical Analysis) 8
Ⅲ. 결과 9
A. 연구 코호트 9
B. 통계 분석(Statistical Analysis) 9
C. 딥러닝 모델의 성능 11
D. 민감도 분석(Sensitivity analysis) 12
E. 모델 캘리브레이션(Model Calibration) 14
Ⅳ. 고찰 16
참고문헌 17
부록 20
영문요약 31
