科研之友
微信
新浪微博
Facebook
分享链接
摘要
胎儿早产是影响婴儿早期发育及生命安全的直接因素之一，其直接的临床表现为孕妇宫缩强度和频率的变化。子宫肌电信号通过在孕妇腹部采集而得，能准确有效地反映出子宫收缩的情况，比子宫宫内压力导管等侵入式监测技术具有更高的临床应用价值。因此，基于EHG的胎儿早产识别算法研究对于围产期的胎儿监护尤为重要。该研究提出了一种基于卷积神经网络架构的EHG胎儿早产识别算法，通过格拉姆角差域法结合迁移学习技术构建一种深度CNN模型。采用临床实测的足月-早产EHG数据库对模型结构进行优化，实现了94.38%的分类准确度和97.11%的F1值。实验结果表明，本研究所构建的模型对临床胎儿早产的预测具有一定的辅助诊断价值。
- 单位
