论文部分内容阅读
围产期监护技术对保证母婴安全具有十分重要的意义。胎动监护是预防围产期胎死的一项重要措施。在某些疾病引起胎死宫内之前,先出现胎动减少或消失,然后胎心消失。从胎动减少到胎心消失可长达12~48小时,若能抓住这一警报信号对孕妇采取有效措施,仍可得到活婴。目前胎动监护的主要手段是孕妇凭主观感觉自数胎动,但因孕妇需长时间静卧,感觉差异或工作生活不便等原因妨碍自我监测。因此设计一种简单、可靠、成本低廉的胎动电子监护仪,使孕妇能够在不影响日常活动,无需静卧的条件下完成胎动的自我监护,一直是围产学界希望解决的重要课题之一。
本系统充分利用现代信号处理技术和模式识别方法,对采集到的胎动信号进行提取和模式识别,从而对孕妇进行胎动监护。本文采用小波变换中的Mallat算法的去除噪声功能提取胎动信号,加时间窗进行初筛,得到候选时段样本,将候选时段样本分别送入贝叶斯最小错误率分类器和BP神经网络进行识别,并且统计胎动的次数,同时判断胎儿窘迫现象存在与否。此外对用贝叶斯最小错误率分类器和BP神经网络的识别结果进行比较讨论。本文所设计的系统在吉林省人民医院的大力协助下,成功的采集到12位孕妇的腹部胎动信号,分别运用上述方法进行识别,经贝叶斯最小错误率分类器的正确识别率为84.02%,经BP神经网络的正确识别率为90.27%左右。实验证明神经网络识别更适合生物医学信号的处理。
本文采用超声多谱勒胎心监测仪传感器和NI公司生产的6024E数据采集卡,进行胎动信号采集;利用LabVIEW语言编制了信号的存储程序;在LabVIEW中调用MATLAB脚本节点,使用MATLAB中的小波变换和神经网络工具箱进行降噪和识别的编程,加快了编程进度,减少开发周期。