论文部分内容阅读
电子胎心监护EMF是目前产科临床应用最广泛的胎儿宫内监护技术,是评估胎儿宫内安危情况的重要方法之一,对高危妊娠胎儿状况的判别以及胎儿宫内窘迫的预防具有十分重要的意义。目前电子胎心监护所用技术主要有超声多普勒法、心磁图法和经腹胎儿心电法fECG。经济、操作简单的优点使得超声多普勒法在临床上广泛应用,而多普勒技术的局限性使孕妇不可移动、且监护时间短(20-40min),因此会忽略许多重要的胎儿宫内潜在信息。借助fECG技术胎心监护仪,孕妇可自由移动且监护时间可达24小时,是国际先进前沿的胎心监护方法。由于产前宫缩发生频率较低,故分析胎儿心率信号是主要的了解胎儿状态的手段,有助于降低孕产妇死亡率、围生儿死亡率及病残儿出生率。超声多普勒胎心监护仪和基于fECG技术的胎心监护仪获得的胎心率参数主要是简单的时域参数,本研究提取胎儿心率形态学、时域和非线性参数来分析不同类型胎儿的组间差异和胎心率特征参数随监护时间、监护孕周的变化趋势,选取最优参数,最后利用机器学习方法,建立分类模型对胎儿类型进行分类。本研究使用基于fECG技术的母胎Holter监护仪采集母亲心率、胎儿心率和宫缩信号,分离出胎儿心率并设计算法提取胎心率基线、加速、变异、醒睡周期和非线性参数等胎心率特征参数。利用统计学方法,分析连续长时监护下胎儿心率各项特征参数的均值及范围,结果显示基线在夜间10点到凌晨4点具有下降趋势并且在凌晨2点左右最低;正常组胎心率加速面积与加速时间明显高于可疑组胎儿然而两组加速次数并无显著差异;正常组微小变异比例低于可疑组而中等变异比例高于可疑组;正常组胎儿安静睡眠时间长度占比也明显小于可疑组胎儿。本研究所提取胎心率特征参数共36个,其中组间具有显著性差异的有22个,利用这22个特征参数分别使用回归分析与机器学习的方法对正常组胎儿与可疑组胎儿进行分类,其中回归分析所得回归方程预测胎儿分组类型准确率为80.95%。选取84例数据的80%作为支持向量机的训练组,测试组准确率可达93.75%。