[發明專利]一種粗糙合理粒度驅動的胎兒心電圖異常檢測方法

有效

• 申請號: 202011154195.7
• 申請日: 2020-10-26
• 公開（公告）號: CN112232253B
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 鞠恒榮;孫穎;蔡天使;丁衛平;曹金鑫;黃嘉爽;張毅;馬依婷;牛輔疆
• 申請（專利權）人: 南通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/00;A61B5/344;A61B5/346
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 王毅

本發明提供了一種粗糙合理粒度驅動的胎兒心電圖異常檢測方法，包括如下步驟：S10獲得所有胎兒心電圖樣本的特征值及胎兒狀態構造決策信息表；S20利用局部鄰域決策粗糙集模型對胎兒心電圖樣本的粗糙隸屬度進行計算；S30基于PSO優化算法的合理鄰域選擇；S40將步驟S30中所求最優鄰域半徑作為所述步驟S20中局部鄰域決策粗糙集模型的鄰域半徑，更新近似集。本發明的一種粗糙合理粒度驅動的胎兒心電圖異常檢測方法，根據鄰域信息識別異常樣本，分別給出不同分布情況下樣本的粗糙隸屬度，為標簽噪聲樣本提供一組偽類別標記；引入合理粒度準則，利用粒子群優化算法選擇最優鄰域半徑，對根據偽類別標記修正后的信息表進行上下近似集的更新。

技術領域

本發明涉及胎兒心電圖檢測技術領域，具體涉及一種粗糙合理粒度驅動的胎兒心電圖異常檢測方法。

背景技術

妊娠期間胎兒發育是否正常目前仍主要依賴于超聲檢查，B超通過對聲納的回放，來判斷胎兒形態，但胎兒形態并不能反映整體發育情況。隨著科技發展，胎兒心電圖順勢而生，胎兒心電圖可以通過體表捕捉胎兒的心電活動，判斷胎兒發育狀況是否正常，是否有胎兒窘迫可能性，可對胎兒健康起到一定指導作用。根據胎兒心電圖的信息可以有效判斷胎兒在子宮內發育的健康狀況，醫生人工分析胎兒心電圖反饋信息存在時間長，效率低，并且容易受到醫生的自身經驗不足而影響其正確性，而本發明專利可以智能輔助醫生識別異常樣本數據，對正確判斷胎兒的健康狀態具有一定的價值和意義。

發明內容

為了解決上述問題，本發明提供一種粗糙合理粒度驅動的胎兒心電圖異常檢測方法，根據鄰域信息識別異常樣本，分別給出不同分布情況下樣本的粗糙隸屬度，為標簽噪聲樣本提供一組偽類別標記；引入合理粒度準則，利用粒子群優化算法選擇最優鄰域半徑，對根據偽類別標記修正后的信息表進行上下近似集的更新。

為了實現以上目的，本發明采取的一種技術方案是：

一種粗糙合理粒度驅動的胎兒心電圖異常檢測方法，包括如下步驟：S10從胎兒心電圖CTG中對胎兒心率FHR特征進行測量，獲得所有胎兒心電圖樣本的特征值，并根據所述胎兒心電圖樣本的胎兒狀態構造決策信息表Z；S20胎兒心電圖樣本粗糙隸屬度的計算：利用局部鄰域決策粗糙集模型并根據每個胎兒心電圖樣本鄰域粒中樣本的具體信息，識別異常胎兒心電圖離群樣本和標簽噪聲樣本，并分別定義不同分布情況的胎兒心電圖樣本粗糙隸屬度，為所識別的標簽噪聲樣本提供一組偽類別標記，其中所述具體信息包括鄰域中樣本個數和樣本類別標簽種類數；S30基于PSO優化算法的合理鄰域選擇：引入合理粒度準則，構造由信息覆蓋性和特殊性融合的評估標準，并通過粒子群算法對其進行優化，得到最優鄰域半徑δ_best；S40將所述最優鄰域半徑δ_best作為所述步驟S20中局部鄰域決策粗糙集模型的鄰域半徑；并根據偽類別標記對標簽噪聲數據的類別標簽進行修正，對修正后的胎兒心電圖決策信息表的上下近似集進行更新。

進一步地，所述步驟S10中，從胎兒心電圖CTG中對胎兒心率FHR特征進行測量，構造決策信息表Z，所述決策信息表Z由一個四元組表示Z＝(U,AT＝C∪D,V,f)，其中U＝{x₁,x₂,...,x_n}表示論域，為所有胎兒心電圖樣本集合；n表示胎兒心電圖樣本的個數；C＝{c₁,c₂,...,c_k}表示胎兒心電圖中胎兒心率的特征屬性；k表示特征屬性的個數；D＝nhvbya1表示胎兒狀態的類別標簽，其中d的取值為N表示正常，d的取值為S表示可疑，d的取值為P表示病理；V＝∪_a∈ATV_a表示所有屬性的值域；f:U×AT→V表示信息函數，x∈U，f(x,a)＝V_a。

進一步地，所述步驟S20包括如下步驟：S21對于類別標簽N的樣本，假設類別標簽為正常N的胎兒心電圖樣本集合表示為X_N，遍歷所述決策信息表Z中所有類別標簽N的胎兒心電圖樣本x，即根據公式(1)計算每個胎兒心電圖樣本x的鄰域δ(x)：