一种智能产前胎心监护模型

摘要

本发明公开了一种智能产前胎心监护模型，包括对胎心率信号、宫缩信号、孕妇年龄和孕周进行预处理，得到产前标准化胎心率、宫缩信号和孕妇基本信息数据集；然后设计卷积神经网络对预处理后的胎心率信号和宫缩信号进行高维特征提取；再根据产前胎心监护数据特点设计选取设计了基分类器LGBM；而后将提取的信号高维特征与预处理后的孕妇基本信息融合，形成多模态特征，再将该多模态特征输入基分类器LGBM，得到分类判别结果；本发明的智能产前胎心监护模型将胎心率信号、宫缩信号、孕妇年龄和孕周四种不同模态的特征进行融合，采取多模态特征深度学习策略进行训练，选取设计基分类器LGBM用于分类判别，与其他基于胎心率宫缩信号的机器学习模型相比，与其他基于临床特征的传统机器学习模型相比，与不同特征组合的深度学习模型相比，具有更优的分类性能。