[发明专利]一种胎心率基线自动识别算法

权利要求书

1.一种胎心率基线自动识别算法，其特征在于：该算法包括以下步骤：

S1、对胎心率信号进行采集；

S2、对上述采集到的胎心率信号进行曲线优化处理；

S3、对优化处理后的胎心率信号曲线进行特征提取，并利用聚类分析算法将提取的特征点聚类为两个特征部分；

S4、根据区分条件将上述两个特征部分区分为基线部分和非基线部分；

S5、对识别出的基线部分进行平滑滤波，从而得到最终估计的胎心率基线。

2.根据权利要求1所述的一种胎心率基线自动识别算法，其特征在于：所述步骤S2包括以下子步骤：

S21、对胎心率信号曲线进行断点检测；

S22、对胎心率信号曲线进行线性拟合；

S23、对胎心率信号曲线进行信号降噪。

3.根据权利要求2所述的一种胎心率基线自动识别算法，其特征在于：所述步骤S23是通过经验模式分解实现的，其包括以下子步骤：

S231、计算胎心率曲线短变异均值，将其与校正系数相乘；

S232、计算估计噪声能量阀值百分比；

S233、将原信号经过经验模式分解为不同尺度的本征模函数；

S234、对本征模函数逐一到最后一个尺度求和，得到各组重构信号；

S235、判断重构信号是否满足阀值百分比条件；

S236、若否，则将下一组重构信号取代本组重构信号后，重新执行步骤S235；若是，则执行步骤S237；

S237、该重构信号为胎心率信号降噪结果。

4.根据权利要求1所述的一种胎心率基线自动识别算法，其特征在于：所述步骤S3包括以下子步骤：

S31、对优化后的胎心率曲线求极值后提取特征点；

S32、根据约束条件排除特定的特征点；

S33、对剩余的特征点建立训练集；

S34、利用聚类分析算法将训练集分成两个特征部分。

5.根据权利要求4所述的一种胎心率基线自动识别算法，其特征在于：步骤S34中所述聚类分析算法为K均值算法或者Kohonen神经网络算法。

6.根据权利要求1所述的一种胎心率基线自动识别算法，其特征在于：所述步骤S4，其具体为，根据区分条件对两个特征部分进行判断，若满足区分条件，则直接将两个特征部分区分为基线部分和非基线部分，反之，则结合胎动信号进而将两个特征部分区分为基线部分和非基线部分。

7.根据权利要求6所述的一种胎心率基线自动识别算法，其特征在于：所述步骤S4中，结合胎动信号进而将两个特征部分区分为基线部分和非基线部分，其包括以下子步骤：

S42、判断胎动信号中的胎动部分；

S43、从两个特征部分中除去胎动部分的时间所对应的特征点；

S44、计算两个特征部分特征点数量的比例；

S45、依据判决条件对两个特征部分进行区分。