基于机器学习的无刺激胎心监护分类方法

摘要

本发明涉及电子胎心监护领域，是一种基于机器学习的无刺激胎心监护分类方法。一方面提供一种基于神经网络的胎儿心电信号特征构建方法，另一方面通过整合的特征指标集用机器学习对胎心监护进行分类。所述基于神经网络的特征构建方法，采用盲源分离获得胎儿心电信号，用RNN和CNN获得胎儿心电信号特征向量；所述通过整合的特征指标集用机器学习对胎心监护进行分类，利用有效胎心率提取近似熵等非线性特征和醒睡周期等时域特征；分类识别模块利用整合特征用分类器将胎心监护类型进行分类，获取胎儿NST类型。本发明提出的方法可实时对24小时的胎心监护数据利用机器学习方法对胎儿NST类型进行分类，分类过程客观，为临床决策提供支持。