[發明專利]一種胎心率基線自動識別算法

有效

• 申請號: 201210383132.8
• 申請日: 2012-10-10
• 公開（公告）號: CN102940485A
• 公開（公告）日: 2013-02-27
• 發明（設計）人: 陸堯勝;魏守一;秦如意;陳洋;劉曉磊
• 申請（專利權）人: 廣州三瑞醫療器械有限公司
• 主分類號: A61B5/024
• 分類號: A61B5/024
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 譚英強

技術領域

本發明涉及生物醫學信號處理、人工智能以及電子胎兒監護領域，尤其是一種胎心率基線自動識別算法。

背景技術

胎心率監護是胎兒電子監護的重要內容。胎心率的變化是胎兒中樞神經系統調節的結果，因此，胎心率監護反映的是胎兒中樞神經系統的功能狀態。胎心率曲線是對一段時間內胎心率變化的記錄，它包含一定的模式特征，比如基線、加速、減速和細變異（包含長變異和短變異），通過對這些特征的讀解和識別，產科醫護人員能及時掌握胎兒在宮內發育的狀況并做出臨床決策。但是，大量臨床報告和論文研究表明不同的產科醫生對于這些特征的識別存在較大的個體差異。例如，對于基線的判斷，可能會產生10bpm或者以上的差別。這樣就會對加速和減速的判斷產生很大影響，所以需要計算機輔助診斷分析系統，按照國際標準或通行的準則，對這些特征進行分析和識別。

胎心率基線自動識別方面，現有算法主要存在以下幾個問題：1、對于連續加速或者連續減速的情況，現有算法得到的基線會受到連續加速或減速分量的影響而出現抬高或者減低的現象；2、對于胎心率加速或者減速時間較長，胎心率曲線基線部分與加速減速部分在時間分布上近似的情況，現有算法可能會錯誤地估計基線的位置，或者只能得到一條從胎心率信號正中間穿過的基線，這對于臨床是沒有意義的。

發明內容

為了解決上述技術問題，本發明所采用的技術方案是：一種胎心率基線自動識別算法，該算法包括以下步驟：

S1、對胎心率信號進行采集；

S2、對上述采集到的胎心率信號進行曲線優化處理；

S3、對優化處理后的胎心率信號曲線進行特征提取，并利用聚類分析算法將提取的特征點聚類為兩個特征部分；

S4、根據區分條件將上述兩個特征部分區分為基線部分和非基線部分；

S5、對識別出的基線部分進行平滑濾波，從而得到最終估計的胎心率基線。

進一步，所述步驟S2包括以下子步驟：

S21、對胎心率信號曲線進行斷點檢測；

S22、對胎心率信號曲線進行線性擬合；

S23、對胎心率信號曲線進行信號降噪。

進一步，所述步驟S23是通過經驗模式分解實現的，其包括以下子步驟：

S231、計算胎心率曲線短變異均值，將其與校正系數相乘；

S232、計算估計噪聲能量閥值百分比；

S233、將原信號經過經驗模式分解為不同尺度的本征模函數；

S234、對本征模函數逐一到最后一個尺度求和，得到各組重構信號；

S235、判斷重構信號是否滿足閥值百分比條件；

S236、若否，則將下一組重構信號取代本組重構信號后，重新執行步驟S235；若是，則執行步驟S237；

S237、該重構信號為胎心率信號降噪結果。

進一步，所述步驟S3包括以下子步驟：

S31、對優化后的胎心率曲線求極值后提取特征點；

S32、根據約束條件排除特定的特征點；

S33、對剩余的特征點建立訓練集；

S34、利用聚類分析算法將訓練集分成兩個特征部分。

進一步，步驟S34中所述聚類分析算法為K均值算法或者Kohonen神經網絡算法。

進一步，所述步驟S4，其具體為，根據區分條件對兩個特征部分進行判斷，若滿足區分條件，則直接將兩個特征部分區分為基線部分和非基線部分，反之，則結合胎動信號進而將兩個特征部分區分為基線部分和非基線部分。

進一步，所述步驟S4中，結合胎動信號進而將兩個特征部分區分為基線部分和非基線部分，其包括以下子步驟：

S42、判斷胎動信號中的胎動部分；

S43、從兩個特征部分中除去胎動部分的時間所對應的特征點；

S44、計算兩個特征部分特征點數量的比例；

S45、依據判決條件對兩個特征部分進行區分。

本發明的有益效果是：本發明作為一種胎心率基線自動識別算法能夠準確識別胎心率基線；尤其是在聚類結果相近的情況下，通過結合胎動信息，更準確地判定胎心率基線，很好地解決胎心率連續加速或減速中一般算法基線估計過低或過高的問題，為臨床提供更加智能、更加可靠的胎心監護結果。

附圖說明

圖1為本發明一種胎心率基線自動識別算法的總步驟流程圖；

圖2為圖1中步驟S2的子步驟流程圖；

圖3為圖2中步驟S23一具體實施方式的子步驟流程圖；

圖4為胎心率原始信號曲線圖；