رفع شکاف در پایش ضربان قلب جنین: معرفی و ارزیابی کمربند هوشمند مبتنی بر آکوستیک پایش بلادرنگ، غیرفعال و مبتنی بر مادر با اعتبارسنجی چندمرکزی گسترده

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی کامپیوتر دانشگاه شهاب دانش قم. قم. ایران

2 گروه نانوبایو تکنولوژی، دپارتمان فناوری های نوین، دانشگاه علم و صنعت

چکیده

پایش ضربان قلب جنین به کشف زودهنگام ناهنجاری‌های دوران بارداری کمک می‌کند. روش‌هایی مانند کاردیوگرافی ضربان قلب جنین را به دقت اما نه بطور مداوم و بلادرنگ انجام می‌دهند و استفاده از آن‌ها نیازمند حضور در مراکز درمانی است. پژوهش حاضر یک کمربند هوشمند جهت پایش ضربان قلب جنین با پردازش سیگنال‌های آکوستیکی و بدون ارسال امواج فرکانس بالا ارائه می‌کند که توسط مادر و مبتنی بر تحلیل بلادرنگ می‌باشد. به منظور ارزیابی دستورالعمل استفاده موردپسند مادران و مورد تایید پزشکان، پرسشنامه‌ای برروی 637 مادر و 225 پزشک صورت گرفت که پس از طی فرایند چند ساله توسعه محصول و ثبت اختراع در این مقاله گزارش می‌شود. مقادیر آلفای کرونباخ نشان‌دهنده پایایی مناسب سوالات پرسشنامه است. طبق نتایج 75.5% پزشکان اطلاعات پرسشنامه را تایید نموده‌ و دفعات استفاده از کمربند هوشمند را بین 5-15 بار برای مادران سالم و بین 10-15 بار برای مادران بیمار از زمان تشکیل قلب جنین مناسب دانسته‌اند. برای ارزیابی ارتباط بین متغیرهای مختلف و تحلیل همبستگی داده‌ها از ترکیب الگوریتم‌های خوشه‌بند K-Means درخت تصمیم و جنگل تصادفی استفاده شده است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Bridging the Gap in Fetal Heart Rate Monitoring: Introduction and Evaluation of an Acoustic-Based Smart Belt for Real-Time, Passive, Mother-Centered Monitoring with Extensive Multicenter Validation

نویسندگان [English]

  • Marzieh Banaei 1
  • Mohammad Hossein Roozbahani 2
  • Ali Sohofi 1
1 Department of computer engineering Shahab danesh university, Qom. Iran
2 Faculty of advanced technology, Department of Nanotechnology, Iran University of Science and Technology, Tehran, Iran
چکیده [English]

Fetal heart rate (FHR) monitoring facilitates the early detection of pregnancy abnormalities. Current methods, such as cardiotocography (CTG), provide accurate FHR measurements but are neither continuous nor real-time, and require clinical settings. This study presents a smart belt for FHR monitoring utilizing acoustic signal processing without transmitting high-frequency waves. The device is designed for maternal use and features real-time analysis. To evaluate its user-friendliness for mothers and clinical validity endorsed by physicians, questionnaires were administered to 637 mothers and 225 physicians. This follows a multi-year product development and patenting process reported herein. Cronbach's alpha values indicated suitable reliability of the questionnaire items. Results showed that 75.5% of physicians validated the questionnaire data and deemed the recommended usage frequency of the smart belt appropriate at 5-15 times for healthy mothers and 10-15 times for high-risk mothers from fetal heart formation onwards. A decision tree algorithm was employed to identify correlations and relationships among the various variables.

کلیدواژه‌ها [English]

  • Smart Belt
  • Fetal Heart Rate
  • Cardiotocography
  • Decision Tree
  • Real-time analytics

مراجع

Abbaspoor, Z., Amani, A., Afshari, P., & Jafarirad, S. (2020). The effect of education through mobile phone short message service on promoting self‑care in pre‑diabetic pregnant women: a randomized controlled trial. Journal of Telemedicine and Telecare, 26(4), 200–206, https://doi.org/10.1177/1357633X18791419
Asma Khalil, Smriti Prasad (2022), Screening and prevention of preterm birth in twin pregnancies. Best Practice & Research Clinical Obstetrics & Gynaecology, 84, 179-193, https://doi.org/10.1016/j.bpobgyn.2022.08.008
Barnova, K., Martinek, R., Vilimkova Kahankova, R., Jaros, R., Snasel, V., & Mirjalili, S. (2024). Artificial intelligence and machine learning in electronic fetal monitoring. Archives of Computational Methods in Engineering, 1-32, https://doi.org/10.1007/s11831-023-10055-6
Feli, M., Azimi, I., Sarhaddi, F., Sharifi-Heris, Z., Niela-Vilen, H., Liljeberg, P & Rahmani, A. M. (2024). Preterm birth risk stratification through longitudinal heart rate and HRV monitoring in daily life. Scientific Reports, 14(1), 19896, https://doi.org/10.1038/s41598-024-70773-0
Ghobadi, S., Hajizadeh, M., & Nejati, Z. (2018). Women’s satisfaction with maternity clinic services in Tehran: a cross-sectional study. Journal of Maternal and Child Health, 6(3), 225–233.
Giordano, N., Sbrollini, A., Morettini, M., Rosati, S., Balestra, G., Gambi, E & Burattini, L. (2024). Acquisition Devices for Fetal Phonocardiography: A Scoping Review. Bioengineering, 11(4), 367, https://doi.org/10.3390/bioengineering11040367
Hajizadeh, K., Vaezi, M., Meedya, S Charandabi, S. M.-A. (2023). Iranian mother's perspectives about aspects and determinants of disrespect and abuse during labor and delivery: a qualitative study. Women’s Health, 63(8), 623–636, https://doi.org/10.1080/03630242.2023.2250466
Mirghafourvand, M., et al. (2020). Pregnant women’s use of online health information: a survey at Al-Zahra Hospital, Ahvaz. Journal of Reproductive and Infant Health, 12(2), 86–93, https://doi.org/10.22122/him.v18i1.4277
Stricker, K., Radan, A. P., & Surbek, D. (2024). Continuous remote home monitoring solutions for mother and fetus: A scoping review. European Journal of Obstetrics & Gynecology and Reproductive Biology, https://doi.org/10.1016/j.ejogrb.2024.12.018
Van Den Heuvel, J. F., Ganzevoort, W., De Haan-Jebbink, J. M., van der Ham, D. P., Deurloo, K. L., Seeber, L & Bekker, M. N. (2019). HOspital care versus TELemonitoring in high-risk pregnancy (HOTEL): study protocol for a multicentre non-inferiority randomised controlled trial. BMJ open, 9(10), e031700, (http://dx.doi. org/10.1136/bmjopen-2019- 031700
Tavakkoli-Moghaddam, R., Akbari, A. H., Tanhaeean, M., Moghdani, R., Gholian-Jouybari, F., & Hajiaghaei-Keshteli, M. (2024). Multi-objective boxing match algorithm for multi-objective optimization problems. Expert Systems with Applications, 239, 122394. https://doi.org/10.1016/j.eswa.2023.122394
Yavari, M., Marvi, M., & Akbari, A. H. (2020). Semi-permutation-based genetic algorithm for order acceptance and scheduling in two-stage assembly problem. Neural Computing and Applications, 32, 2989-3003. https://doi.org/10.1007/s00521-019-04027-w
Tanhaeean, M., Tavakkoli-Moghaddam, R., & Akbari, A. H. (2022). Boxing match algorithm: A new meta-heuristic algorithm. Soft Computing, 26(24), 13277-13299. https://doi.org/10.1007/s00500-022-07518-6
Akbari, A. H., Jafari, M., & Akhavan, P. (2025). Deep Reinforcement Learning Algorithm: Dynamic Job Shop Scheduling Problem with Order Rejection and Inventory. Journal of Advanced Manufacturing Systems. https://doi.org/10.1142/S0219686727500156
ارسال نظر در مورد این مقاله
CAPTCHA Image
مدیریت مهندسی و رایانش نرم

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 29 مهر 1404

فایل ها

هم رسانی

ارجاع به این مقاله

آمار