一种智能产前胎心监护模型制造技术

本发明专利技术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；本发明专利技术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。具有更优的分类性能。

【技术实现步骤摘要】
一种智能产前胎心监护模型


[0001]本专利技术涉及一种深度学习策略，尤其涉及一种智能产前胎心监护模型，该模型用于对产前胎儿状况评估并进行智能的分类判别。

技术介绍

[0002]在孕妇分娩前和分娩时，宫内缺氧和酸中毒均可能引起胎儿窘迫，从而导致胎儿死亡或给新生儿留下后遗症。为了提高生产率，保障胎儿和孕妇健康，应该实时监测胎儿的发育，一旦出现一些危险信号，医生便即刻采取紧急措施。
[0003]在临床实践中，胎心宫缩监护图(CTG)是一种监测胎儿发育的技术手段，它记录着胎盘曲线和生产压力波，是评价子宫胎儿状况的主要检查测试方法。有助于及时发现胎儿缺氧、窘迫等异常问题并及早处理，保证胎儿的健康。然而，由医师主导的胎心宫缩监护图(CTG)的分析很大程度上取决于医生的经验，不同的医生对于同一胎心宫缩监护图(CTG)可能有着不同的意见和判读结果，若是误诊会给孕妇和胎儿带来严重后果。
[0004]近年来，计算机科学技术告诉发展，其所带来的机器学习在许多的领域都做出了成绩与贡献。近来机器学习算法也被引入医学领域，用于解决医学问题，国内外许多的研本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多模态特征深度学习策略的智能产前胎心监护模型，该模型包括如下步骤：S1：获取包含胎心率信号和宫缩信号的原始CTG信号数据以及包含孕妇年龄和孕周的孕妇基本信息；S2：对上述胎心率信号、宫缩信号、孕妇年龄和孕周进行预处理，形成多模态特征案例集；S3：将上述CTG信号数据进行划分，得到信号长度均为d的一维的胎心率信号和宫缩信号片段，构建为待输入CTG数据集；S4：将上述待输入CTG数据集输入已设计完成的卷积神经网络进行特征提取，所述卷积神经网络包括6层卷积层和5层全连接层；S5：将上述预处理好的孕妇年龄和孕周在第5层全连接层之后与前述卷积神经网络提取出的信号特征进行融合，形成多模态特征；S6：将上述多模态特征输入经过设计的基分类器LGBM(Light Gradient Boosting Machine)进行分类判定；将所述信号长度均为d的一维的胎心率信号和宫缩信号组成二维矩阵(2*d)的信号数据矩阵输入卷积神经网络得到长度为n的一维特征；将各个案例对应的孕妇年龄和孕周与前述(1*n)的经过卷积神经网络提取的特征进行融合，得到(1*k)的一维多模态特征；将所述一维特征(1*k)的向量输入至LGBM基分类器输出样本为正常类和样本为非正常类的概率；对所述样本为正常类和样本为非正常类的概率分别设置对应的类别标签；对比所述样本为正常类和样本为非正常类的概率，选取较大概...

【专利技术属性】
技术研发人员：魏航，曹珍，王国强，李朝伟，陈沁群，李丽，黄俊，林伙旺，
申请(专利权)人：魏航，
类型：发明
国别省市：