• 1. 杭州电子科技大学 通信工程学院(杭州 310018);
  • 2. 杭州电子科技大学 智慧城市研究中心(杭州 310018);
  • 3. 浙江大学 医学院附属妇产科医院(杭州  310006);
导出 下载 收藏 扫码 引用

胎心宫缩图是一种临床常用的评估胎儿健康状况的电子监护技术,具有易受主观因素影响导致诊断率较低的缺点。为降低误诊率,辅助医生做出准确的医疗决策,本文提出了一种基于胎心率信号分析胎儿状态的智能评估方法。首先,本文将来自捷克技术大学—布尔诺大学医院公开数据库的信号进行预处理后,对其中的胎心率信号进行多模态特征提取,然后利用设计的基于 k—最近邻遗传算法选择最优特征子集,最后采用最小二乘支持向量机法对其分类。实验结果显示,利用本文提出的方法对胎儿状态进行分类,其准确度可达 91%,灵敏度为 89%,特异度为 94%,质量指标为 92%,受试者工作特征曲线下面积为 92%,具有较好的分类性能,可辅助临床医生对胎儿状态做出有效评估。

引用本文: 张扬, 赵治栋, 叶海慧. 基于遗传算法和最小二乘支持向量机的胎儿状态智能评估. 生物医学工程学杂志, 2019, 36(1): 131-139. doi: 10.7507/1001-5515.201804046 复制

  • 上一篇

    随行生理监护系统设计及性能初步验证
  • 下一篇

    阿尔茨海默症的影像遗传组学研究进展