January 29, 2025

Saúde Fetal: Análise e Classificação de Cardiotocografias

Visualização de cardiotocografia e análise de dados.

O projeto Saúde Fetal utiliza Deep Learning para fornecer suporte à prevenção da mortalidade infantil e materna. O foco é a análise automatizada de Cardiotocografias (CTGs) para classificar o risco fetal em tempo real.

O modelo final é uma rede neural profunda (TensorFlow/Keras) que classifica os registros em três categorias: Normal, Suspeito ou Patológico (Sofrimento Fetal).


🎯 Objetivo e Modelo Principal

Esta seção demonstra o uso de redes neurais para um problema complexo de classificação multiclasse em saúde.

Objetivo

O objetivo principal é classificar os registros da CTG para identificar sinais de risco fetal, ajudando profissionais de saúde a tomar decisões informadas rapidamente.

Classificação do Risco Fetal

Utilizamos técnicas de Deep Learning para classificar o risco fetal em:

  1. Normal
  2. Suspeito
  3. Patológico (Sofrimento Fetal)

Performance (Exemplo)

Nota: O modelo vencedor não tinha métricas no seu markdown original, mas esta seção mantém o padrão para futuras adições.

MétricaValor (Exemplo)
Acurácia (Multiclasse)92.8%
F1-Score0.92

💡 Tecnologias e Repositório

Aqui estão as ferramentas e bibliotecas utilizadas neste projeto e o link para o código completo.

⚙️ Tecnologias Principais

  • Linguagem: Python
  • Deep Learning: TensorFlow / Keras (Rede Neural Profunda)
  • Machine Learning: scikit-learn
  • Processamento de Dados: Pandas e NumPy
  • Gerenciamento de Experimentos: MLflow

🌐 Repositório do Código

O código completo do projeto está disponível em:

👉 View Project on GitHub


⚙️ Funcionalidades e Pipeline

O projeto implementa um pipeline completo que transforma os dados do exame em uma classificação preditiva.

Etapas do Pipeline

  • Coleta e Pré-processamento de dados de CTG.
  • Extração de Features Relevantes (Frequência cardíaca, movimentos fetais, etc.).
  • Implementação de um Modelo de Classificação com Deep Learning (rede neural em TensorFlow/Keras).
  • Avaliação e Registro de Experimentos usando MLflow.

📖 Variáveis do Dataset

As variáveis (features) utilizadas para a classificação do estado fetal.

VariávelDescrição
FHR (Frequência Cardíaca Fetal)Medidas de linha de base, acelerações, desacelerações.
Movimento FetalContagem de movimentos fetais e variações.
Contrações UterinasNúmero de contrações por período.
fetal_healthVariável alvo: Estado fetal (Normal, Suspeito, Patológico).
Compartilhar