基于模糊聚类算法的胎儿心率检测方法与系统技术方案

本发明专利技术涉及医疗电子和胎儿监护领域，涉及基于模糊聚类算法的胎儿心率检测方法与系统，方法包括：采集原始胎儿心音信号；对心音信号进行信号预处理；提取倒谱特征作为特征参数；利用特征参数来训练模糊聚类模板库；通过模糊聚类模板库匹配出待测心音信号的最优模板，得到待测心音信号的胎儿心率。本发明专利技术采用线性预测倒谱系数提取倒谱特征作为特征参数后用来训练模糊聚类模板库，得到胎儿心音信号对应的瞬时心率，通过模板库不断训练产生更优的模板，再利用最优模板匹配得到待测心音信号属于哪类胎心率，最终得到待测心音的胎心率。模糊聚类算法能将数据集较“分明”的划分，对倒谱特征和参数设置能很好地容差并实现动态聚类，检测更准确和有效。

Fetal Heart Rate Detection Method and System Based on Fuzzy Clustering

The invention relates to the field of medical electronics and fetal monitoring, and relates to a fetal heart rate detection method and system based on fuzzy clustering algorithm. The methods include: collecting the original fetal heart sound signal; preprocessing the heart sound signal; extracting cepstrum features as feature parameters; training the fuzzy clustering template library by using feature parameters; matching the heart sound signal to be measured by using the fuzzy clustering template library. The fetal heart rate of the heart sound signal to be measured can be obtained by the optimal template of No. The method uses linear predictive cepstrum coefficient to extract cepstrum features as feature parameters and then trains the fuzzy clustering template library to obtain the instantaneous heart rate corresponding to the fetal heart sound signal. The template library is continuously trained to produce better templates, and then the optimal template matching is used to obtain which kind of fetal heart rate the tested heart sound signal belongs to, and finally the fetal heart rate to be measured is obtained. Fuzzy clustering algorithm can divide the data sets more clearly, and it can tolerate cepstrum features and parameters well, realize dynamic clustering, and detect more accurately and effectively.

【技术实现步骤摘要】
基于模糊聚类算法的胎儿心率检测方法与系统
本专利技术涉及医疗电子和胎儿监护领域，特别涉及一种基于模糊聚类算法的胎儿心率检测方法与系统。
技术介绍
心音信号是人体非常典型的生物医疗信号，在某种程度上可以检测出与心脏相关的疾病。在围产期阶段对孕妇体内胎儿进行胎心监护，可了解到胎儿的宫内情况，做出预防，并诊断出胎儿窘迫的原因，比如脐带扭转、脐带绕颈、胎儿贫血、胎儿畸形等，实现产科临床胎儿智能监护，保障孕妇和胎儿的生命安全，因此，大部分的医院将胎心监护作为胎儿最基本的检测手段。胎心监护评价的依据主要是胎儿心率和宫内压力这两个主要指标，故胎儿心率的检测识别就显得尤为重要了。当前对胎儿心率检测的方法主要：(1)基于胎儿心电信号来计算瞬时心率，这种方式主要是通过母体腹部采集到的混合心电信号来进行分析计算心率，但由于采集到的信号是胎儿和母亲的重叠心电信号，且夹杂各种噪声污染，使得微弱的胎儿心电分离的难度更大，错误率较高。(2)基于小波变换方法来提取胎儿心率，因小波变换分析在高频段上时间分辨率会较高，在低频段会较低的特性，很难精准反映地到某些频率点上的信息，得到的频谱图较粗糙，识别效果不佳。综上所述，本文档来自技高网...

【技术保护点】
1.一种基于模糊聚类算法的胎儿心率检测方法，其特征在于，包括以下步骤：步骤1，采集原始的胎儿心音信号；步骤2，对心音信号进行信号预处理；步骤3，对预处理后的心音信号提取倒谱特征作为特征参数；步骤4，利用特征参数来训练模糊聚类模板库；步骤5，通过模糊聚类模板库匹配出待测胎儿心音信号的最优模板，得到待测胎儿心音信号的胎儿心率。

【技术特征摘要】
1.一种基于模糊聚类算法的胎儿心率检测方法，其特征在于，包括以下步骤：步骤1，采集原始的胎儿心音信号；步骤2，对心音信号进行信号预处理；步骤3，对预处理后的心音信号提取倒谱特征作为特征参数；步骤4，利用特征参数来训练模糊聚类模板库；步骤5，通过模糊聚类模板库匹配出待测胎儿心音信号的最优模板，得到待测胎儿心音信号的胎儿心率。2.如权利要求1所述基于模糊聚类算法的胎儿心率检测方法，其特征在于，步骤2包括：对心音信号先进行低通滤波和带通滤波处理，再进行滤波放大和数据归一化处理，得到预处理后的心音信号。3.如权利要求2所述基于模糊聚类算法的胎儿心率检测方法，其特征在于，步骤3包括：采用线性预测倒谱系数对预处理后的心音信号提取倒谱特征作为特征参数。4.如权利要求3所述基于模糊聚类算法的胎儿心率检测方法，其特征在于，步骤4包括：根据预设的模板库模型的定义公式，利用特征参数通过模糊C均值算法的迭代结果寻求估计参数的最优解直至满足终止条件，获得代价函数收敛的最优点来使模糊聚类模板库产生符合要求的模板。5.如权利要求4所述基于模糊聚类算法的胎儿心率检测方法，其特征在于，模板库模型的定义公式为：其中，θ和U满足约束条件：uij∈[0,1],i＝1,...,N,j＝1,...,m代价函数J是胎儿心音信号数据集X向量的函数，θ表示待估计的向量，θj表示第j个聚类的表达，U表示一个N×m矩阵，矩阵中的(i,j)元素表示为uj(xi)，q表示模糊性参数，d(xi,θj)表示xi和θj之间的不相似性，xi在第j聚类中的隶属度与其在另外(m-1)个聚类中的隶属度相关。6.一种基于模糊聚类算法...

【专利技术属性】
技术研发人员：谢胜利，张雨昌，蔡坤，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44