Cilj projekta je razvoj napovednega modela in identifikacija biomarkerjev za neinvazivno oceno tveganja spontanega prezgodnjega poroda. Z uporabo metod procesiranja signalov materničnih posnetkov (elektrohisterografski, EHG, signali s pridruženim simultano snemanim zunanjim tokogramom, TOCO, ki meri mehansko aktivnost maternice) in z uporabo metod strojnega učenja ocenjujemo stopnjo tveganja spontanega prezgodnjega poroda. Raziskave vključujejo razvoj programske opreme za vizualizacijo signalov in ekspertno označevanje posnetkov, karakterizacijo in ocenjevanje signalov z linearnimi in nelinearnimi tehnikami procesiranja signalov v časovni ter frekvenčni domeni, matematično modeliranje elektro-mehanskih aktivnosti maternice in razvoj avtomatskih metod za neinvazivno napovedovanje spontanega prezgodnjega poroda.

Faze projekta:

1) Razvoj programske opreme za vizualizacijo in ekspertno označevanje materničnih EHG posnetkov

Faza je realizirana. Razvili smo interaktivni grafični uporabniški vmesnik za:
a) vizualizacijo osnovnih EHG signalov in TOCO signalov,
b) vizualizacijo njihovih spektrov in spektrogramov in
c) polno postavljanje in urejevanje ekspertnih oznak.

2) Razvoj nove prosto dostopne mednarodne podatkovne baze materničnih EHG posnetkov

Faza je realizirana. Razvili smo novo prosto dostopno podatkovno bazo materničnih EHG posnetkov, Induced Cesarean EHG DataSet (ICEHG DS). Baza bo prosto dostopna na straneh repozitorija PhysioNet. Vsebuje 126 zgodaj (23. teden nosečnosti) in pozno (31. teden) posnetih EHG posnetkov tistih nosečnosti, ki so se končale z induciranim, carskim ali pa induciranim in carskim porodom. Posnetki baze omogočajo dodatno razumevanje fizioloških mehanizmov, prisotnih med nosečnostjo, kot tudi robustno in bolj realistično oceno tveganja spontanega prezgodjega poroda.

3) Karakterizacija in ocenjevanje elektro-mehanskih aktivnosti maternice z linearnimi in nelinearnimi tehnikami procesiranja signalov v časovni ter v frekvenčni domeni

Faza je realizirana. Opredelili in označili smo maternične EHG posnetke dveh naših predhodno razvitih prosto dostopnih podatkovnih baz (TPEHG DB in TPEHGT DS, obe sta dostopni na straneh PhysioNet) in maternične posnetke EHG novo razvite podatkovne baze ICEHG DS. Rezultati kažejo višjo hitrost propagacije EHG potencialov pri posnetkih s prezgodnjim porodom [1] in močnostni spekter signala EHG se pri posnetkih s prezgodnjim porodom premakne proti višjim frekvencam [2].

4) Identifikacija biomarkerjev za neinvazivno oceno stopnje tveganja spontanega prezgodnjega poroda

Faza je realizirana. Na osnovi separacije in klasifikacije materničnih EHG posnetkov podatkovnih baz TPEHG DB, TPEHGT DS in ICEHG DS ter z uporabo metod strojnega učenja smo identificirali tri potencialne biomarkerje [1][2].

5) Razvoj polno avtomatske metode za napovedovanje spontanega prezgodnjega poroda, spontanega terminskega poroda, induciranega poroda in poroda s carskim rezom

Faza je v delu. Zaradi več razredov uporabljamo hierarhično klasifikacijo, kjer je prioritetni razred spontan prezgodnji porod. Uporabljamo sodobne pristope globokega učenja.

6) Modeliranje elektro-mehanskih aktivnosti maternice med nosečnostjo

Faza je deloma realizirana. Trendi sprememb vrednosti relevantnih značilk in njihova moč ločevanja med materničnimi posnetki EHG s prezgodnjim in terminskim spontanim porodom za posnetke, posnete okrog 23. in 31. tedna nosečnosti, so že opredeljeni in modelirani [2]. Opredeljujemo in modeliramo trende sprememb vrednosti relevantnih značilk za EHG posnetke nenosečih žensk in za EHG posnetke, posnete tik pred porodom.

Bibliografske reference:

JAGER, F., GERŠAK, K., VOUK, P., PIRNAR, Ž., TROJNER-BREGAR, A., LUČOVNIK, M., BOROVAC, A. Assessing velocity and directionality of uterine electrical activity for preterm birth prediction using EHG surface records, Sensors, 20 (2020) 7328, https://dx.doi.org/10.3390/s20247328 <http://dx.doi.org/10.3390/s20247328>.

PIRNAR, Ž., JAGER, F., GERŠAK, K. Characterization and separation of preterm and term spontaneous, induced, and cesarean EHG records, Computers in Biology and Medicine, 151 (2022) 106238, https://doi.org/10.1016/j.compbiomed.2022.106238.