エレクトロハストグラムのRQA分析に基づく早産の識別

背景と目的：データ分析の一般的な方法は主に線形概念に基づいていますが、近年、非線形ダイナミクス法が導入されています。典型的な生物学的システムでは、定常性の欠如とむしろ突然の状態の変化が、それらを互いに区別する特性であるということはよく知られている事実です。新生児の死亡と罹患率の最大の原因である早産の問題の解決策を見つけるために、子宮筋層（その収縮性）の機械的活動をよりよく理解する緊急の必要性があります。エレクトロハステログラフィシグナル（EHG）は、項と早産の検出と識別のための良好な非線形の生体電気指標です。 方法：この研究の材料は、妊娠の24日から28週目の間の20人の患者から得られたEHGシグナルで構成されています。女性は2つのグループに分かれていました。7日以上のグループ（n = 10）と7日以内に配達する女性 - グループB（n = 10）の2つのグループです。この論文では、再発定量化分析（RQA）および主成分分析（PCA）によって生体電気シグナルの分析を実施して、用語と早産の特定のパターンを区別しました。これまで、これらの方法は、子宮内の生体電気活性の評価には使用されていません。EHG信号の新しい分類子をトレーニングするには、ベクトルマシン分類（マルチクラスSVM）をサポートしました。統計分析は、ノンパラメトリックマンホイットニーテストによって実行されました。 結果：再発定量化分析から得られた11のパラメーターから、再発率、決定論、ラミナリティ、エントロピー、再発期間密度エントロピーの5つが選択されました。グループBの患者では、再発率の有意な増加（p <.001）が発見されましたが、ラミナリティに加えて、グループAの患者ではパラメーターの増加が見つかりました。分析の結果として得られた分類の精度は83,32％に増加しました。 結論：その時系列で得られたそれぞれの選択された再発定数を使用して、それらのすべての信号を適切なグループに分類できることを示しました。提案された分析は、EHG信号のダイナミクスに基づいて早産の検出に役立ちます。

BACKGROUND AND OBJECTIVE: Common methods for data analysis are mainly based on linear concepts, but in recent years nonlinear dynamics methods have been introduced. It is a well-known fact that In typical biological systems lack of stationarity and rather sudden changes of state are the properties distinguishing them from each other. There is an urgent need to better understand the mechanical activity of the myometrium (its contractility) to find a solution for preterm delivery problem, the largest cause of neonatal deaths and morbidity. The electrohysterographic signal (EHG) is a good non-linear, bioelectrical indicator for the detection and identification of term and preterm birth. METHODS: The material of the study consists of EHG signals, obtained from 20 patients between the 24th and the 28th week of pregnancy with threatened preterm labor. The women were divided into two groups: those delivering after more than 7 days - group A (n = 10) and women delivering within 7 days - group B (n = 10). In this paper, an analysis of bioelectrical signals was performed by recurrence quantification analysis (RQA) and principal component analysis (PCA) to distinguish particular patterns for term and preterm birth. To date, these methods have not been used for the evaluation of bioelectrical activity in the uterus. To train novel classifiers for the EHG signals Support Vectors Machine classifications (multiclass SVM) was used. Statistical analysis was performed by means of non-parametric Mann-Whitney test. RESULTS: From among eleven parameters obtained from recurrence quantification analysis, five most appropriate were chosen: Recurrence Rate, Determinism, Laminarity, Entropy and Recurrence Period Density Entropy. Significant increase (p < .001) of Recurrence Rate was found in patients from group B, while increase of parameters, besides Laminarity, was found in patients from group A. The accuracy of classification obtained as a result of the analysis increased to 83,32%. CONCLUSION: We showed that the respectively selected recurrence quantificators obtained for that time series could be used to classify all those signals to the appropriate group. The proposed analysis could help in detecting preterm labor based on the EHG signal dynamics.