[发明专利]基于时频域熵特征的子宫肌电信号分析及早产预测方法

说明书

一种基于时频域熵特征的子宫肌电信号分析及早产预测方法，设以频率f_s采集子宫肌电信号，得到时序信号X_i；通过短时傅里叶变换将时序信号X_i分解成不同频率分量y^ω(t)；针对不同频率ω_x的分量信号y^ω(t)计算相应频率下的近似熵特征和样本熵特征利用信号的记录时间t_r分别对每个和进行改进得到和对得到的所有特征应用主成分分析技术，选择最优数量的主成分得到特征，选择最优数量的主成分得到特征；基于新特征和使用机器学习模型训练样本；使用训练好的机器学习模型，生成早产预测系统。本发明准确率较高。

技术领域

本发明涉及一种基于时频域熵特征的子宫肌电信号(EHG)分析及早产预测方法

背景技术

早产(Preterm Birth，怀孕小于37周的新生儿)是全球范围的公共健康问题之一，即使在欧洲和其他一些发达国家，早产约占新生儿7％左右。早产不仅会给家庭带来严重的情感与经济负担，也是社会医疗支付的重要组成部分。虽然围产期和新生儿的护理水平已经有了很大的提高，但早产儿仍然具有很高的发病率和死亡率。据统80％的新生儿死亡病例与早产直接或间接相关。为此，早产诊断与预防方法一直是临床医学的研究热点之一。

引起早产的直接原因是子宫过早地产生强有力的收缩行为。宫缩(uterinecontraction)是整个孕期中的普遍现象，也是孕妇在孕期求医主要原因。然而医生却很难正确判断这些宫缩是否真正会导致分娩的产生：在收治的被诊断为有早产风险的孕妇中，有近50％没有出现真正的分娩症状，直接的结果是被误诊为早产的胎儿接受了不必要的医学干预；而临床诊断为没有早产风险的孕妇中，却有近20％出现了早产。有效地诊断早产并进行相应治疗不仅能够降低早产儿的死亡率，而还有助于加快相关药物的研发。现有诊断早产的常规方法包括：子宫分娩力计(Tocodynamometry),宫内压力计(Intra-uterinepressure catheter)，胎儿纤连蛋白(fetal fibronectin),宫颈长度测量(cervicallength measurement)等，但这些方法都存在一定缺陷，或无法获得可靠的预测效果。

不管是早产还是非早产，宫缩都是伴随着子宫肌细胞中动作电位(ActionPotential)的产生与传播而产生的。随着怀孕过程的进行，肌细胞的可激发性(excitability)变强，细胞间的电耦合作用也加大，使得动作电位在整个子宫内传播，从而产生强有力的收缩力将胎儿压出体外。子宫壁上的动作电位及其传播可以通过置于孕妇腹部的电极进行采集，得到子宫肌电信号(electrohysterogram,EHG)。

子宫肌电信号(EHG)分析，是一种潜在有效的早产预测方法。准确的早产预测方法，可以使有可能发生早产的孕妇得到及时的医学治疗，避免给整个家庭带来巨大的经济及精神负担，具有良好的应用前景。早产预测大都采用基于机器学习的分类方法，因此样本数据获取是决定性因素之一。医疗行业的数据分析是前景广阔的研究和发展领域。医疗数据分析的核心是数据。为了推进全世界范围内基于医疗数据的研究和疾病诊断方法研究，已经建立起了开源的生理信号数据库PhysioBank。其中关于孕期子宫EHG信号的数据库有两个：TPEHG数据库(THE TERM-PRETERM EHG DATABASE)和冰16电极子宫肌电信号数据库(ICELANDIC 16-ELECTRODE ELECTROHYSTEROGRAM DATABASE)。TPEHG数据库包含了300位孕妇在怀孕中期(20-30周)记录的子宫EHG信号，其中38位最后出现早产，剩下的262位正常分娩。区别于TPEHG数据，冰岛16电极EHG数据库记录45位孕妇在整个孕期多次采集的子宫肌电信号。这些开源数据促进了基于子宫EHG信号的早产预测方法研究，并取了一系列成果。