一种胎心率基线自动识别算法

摘要

本发明公开了一种胎心率基线自动识别算法，该算法包括以下步骤：S1、对胎心率信号进行采集；S2、对上述采集到的胎心率信号进行曲线优化处理；S3、对优化处理后的胎心率信号曲线进行特征提取，并利用聚类分析算法将提取的特征点聚类为两个特征部分；S4、根据区分条件将上述两个特征部分区分为基线部分和非基线部分；S5、对识别出的基线部分进行平滑滤波，从而得到最终估计的胎心率基线。本发明作为一种胎心率基线自动识别算法，尤其是能够在聚类结果相近的情况下，通过结合胎动信息，更准确地判定胎心率基线，为临床提供更加智能、更加可靠的胎心监护结果，可广泛应用于生物医学信号处理领域、人工智能以及电子胎儿监护领域。

主权项

一种胎心率基线自动识别算法，其特征在于：该算法包括以下步骤：S1、对胎心率信号进行采集；S2、对上述采集到的胎心率信号进行曲线优化处理；S3、对优化处理后的胎心率信号曲线进行特征提取，并利用聚类分析算法将提取的特征点聚类为两个特征部分；S4、若满足：size(c1)<1.5*size(c2) 或 size(c2)<1.5*size(c1)，则结合胎动信号进而将两个特征部分区分为基线部分和非基线部分；其中size为求数组长度函数，c1和c2为上述两个特征部分；S5、对识别出的基线部分进行平滑滤波，从而得到最终估计的胎心率基线；所述步骤S3包括以下子步骤：S31、对优化后的胎心率曲线求极值后提取特征点；S32、对于求出的极值点，标记为矩阵c=[c₁,c₂,…,c_N]，其中c_i=[x_i,y_i,z_i]，x_i为该点的胎心率值，而y_i为该特征点与前一特征点之间的差值，z_i为该点对应的时间点，排除,的点；S33、对剩余的特征点建立训练集；S34、利用聚类分析算法将训练集分成两个特征部分：对于极值点的胎心率值矩阵x，若有max(x)‑median(x)>median(x)‑min(x)+10,或median(x)‑min(x)>max(x)‑median(x)+15,则将xtrain_i=x_i‑min(x)否则xtrain_i=|x_i‑median(x)|对于以上两种情况ytrain_i=|y_i‑median(y)|最终得到的聚类分析训练集即ctrain=[xtrain ytrain]。