[發(fā)明專利]基于模糊聚類算法的胎兒心率檢測方法與系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201910085764.8
• 申請日: 2019-01-29
• 公開（公告）號: CN109662727A
• 公開（公告）日: 2019-04-23
• 發(fā)明（設計）人: 謝勝利;張雨昌;蔡坤
• 申請（專利權(quán)）人: 廣東工業(yè)大學
• 主分類號: A61B7/04
• 分類號: A61B7/04;G06K9/00;G06K9/62
• 代理公司: 廣州專理知識產(chǎn)權(quán)代理事務所(普通合伙) 44493
• 代理人: 譚昉

1.一種基于模糊聚類算法的胎兒心率檢測方法，其特征在于，包括以下步驟：

步驟1，采集原始的胎兒心音信號；

步驟2，對心音信號進行信號預處理；

步驟3，對預處理后的心音信號提取倒譜特征作為特征參數(shù)；

步驟4，利用特征參數(shù)來訓練模糊聚類模板庫；

步驟5，通過模糊聚類模板庫匹配出待測胎兒心音信號的最優(yōu)模板，得到待測胎兒心音信號的胎兒心率。

2.如權(quán)利要求1所述基于模糊聚類算法的胎兒心率檢測方法，其特征在于，步驟2包括：對心音信號先進行低通濾波和帶通濾波處理，再進行濾波放大和數(shù)據(jù)歸一化處理，得到預處理后的心音信號。

3.如權(quán)利要求2所述基于模糊聚類算法的胎兒心率檢測方法，其特征在于，步驟3包括：采用線性預測倒譜系數(shù)對預處理后的心音信號提取倒譜特征作為特征參數(shù)。

4.如權(quán)利要求3所述基于模糊聚類算法的胎兒心率檢測方法，其特征在于，步驟4包括：根據(jù)預設的模板庫模型的定義公式，利用特征參數(shù)通過模糊C均值算法的迭代結(jié)果尋求估計參數(shù)的最優(yōu)解直至滿足終止條件，獲得代價函數(shù)收斂的最優(yōu)點來使模糊聚類模板庫產(chǎn)生符合要求的模板。

5.如權(quán)利要求4所述基于模糊聚類算法的胎兒心率檢測方法，其特征在于，模板庫模型的定義公式為：

其中，θ和U滿足約束條件：

u_ij∈[0,1],i＝1,...,N,j＝1,...,m

代價函數(shù)J是胎兒心音信號數(shù)據(jù)集X向量的函數(shù)，θ表示待估計的向量，θ_j表示第j個聚類的表達，U表示一個N×m矩陣，矩陣中的(i,j)元素表示為u_j(x_i)，q表示模糊性參數(shù)，d(x_i,θ_j)表示x_i和θ_j之間的不相似性，x_i在第j聚類中的隸屬度與其在另外(m-1)個聚類中的隸屬度相關(guān)。

6.一種基于模糊聚類算法的胎兒心率檢測系統(tǒng)，其特征在于，包括：

采集模塊，用于采集原始的胎兒心音信號；

預處理模塊，用于對心音信號進行信號預處理；

特征提取模塊，用于對預處理后的心音信號提取倒譜特征作為特征參數(shù)；

訓練模塊，用于利用特征參數(shù)來訓練模糊聚類模板庫；

檢測模塊，用于通過模糊聚類模板庫匹配出待測胎兒心音信號的最優(yōu)模板，得到待測胎兒心音信號的胎兒心率。

7.如權(quán)利要求6所述基于模糊聚類算法的胎兒心率檢測系統(tǒng)，其特征在于，預處理模塊具體用于對心音信號先進行低通濾波和帶通濾波處理，再進行濾波放大和數(shù)據(jù)歸一化處理，得到預處理后的心音信號。

8.如權(quán)利要求7所述基于模糊聚類算法的胎兒心率檢測系統(tǒng)，其特征在于，特征提取模塊具體用于采用線性預測倒譜系數(shù)對預處理后的心音信號提取倒譜特征作為特征參數(shù)。

9.如權(quán)利要求8所述基于模糊聚類算法的胎兒心率檢測系統(tǒng)，其特征在于，訓練模塊具體用于根據(jù)預設的模板庫模型的定義公式，利用特征參數(shù)通過模糊C均值算法的迭代結(jié)果尋求估計參數(shù)的最優(yōu)解直至滿足終止條件，獲得代價函數(shù)收斂的最優(yōu)點來使模糊聚類模板庫產(chǎn)生符合要求的模板。

10.如權(quán)利要求9所述基于模糊聚類算法的胎兒心率檢測系統(tǒng)，其特征在于，模板庫模型的定義公式為：

其中，θ和U滿足約束條件：

u_ij∈[0,1],i＝1,...,N,j＝1,...,m

代價函數(shù)J是胎兒心音信號數(shù)據(jù)集X向量的函數(shù)，θ表示待估計的向量，θ_j表示第j個聚類的表達，U表示一個N×m矩陣，矩陣中的(i,j)元素表示為u_j(x_i)，q表示模糊性參數(shù)，d(x_i,θ_j)表示x_i和θ_j之間的不相似性，x_i在第j聚類中的隸屬度與其在另外(m-1)個聚類中的隸屬度相關(guān)。