基于Poincare Plot和LSTM的胎心率分类算法

胎心率在母胎监护和胎儿健康检测中起着非常重要的作用。该研究对胎心率信号进行研究,提出了一种基于庞加莱图(Poincare Plot),和长短期记忆网络(LSTM)的胎心率分类算法,实现胎心率异常情况的高性能分类。首先采用插值法对捷克技术大学布尔诺大学医院(Czech Technical University-University Hospital in Brno,CTU-UHB)数据库的原始胎心率信号进行降噪预处理。然后将时序的胎心率信号转换为庞加莱图,得到信号的非线性特征。再利用SquenzeNet对庞加莱图进行特征提取,最后用LSTM对SqueezeNet提取出的特征数据进行分类。经2000个胎心率样本的测试,得到准确率、真正例率和反正例率分别为98.00%、100.00%、92.30%,相较于传统胎心率分类算法,各方面参数均有提高。该研究提出的方法在CTU-UHB胎监数据库上具有良好的性能,对辅助胎心率检测的临床诊断具有一定的实际价值。