[发明专利]基于图理论的子宫肌电信号（EHG）分析系统

权利要求书

1.一种基于图理论的子宫肌电信号(EHG)分析系统，其特征在于：信号读取模块读取数据库中数据，产生EHG信号，发送给时频域扩展模块；时频域扩展模块获得信号读取模块产生的EHG信号，进行时频域扩展，向网络表示模块输出变换结果；网络表示模块获得时频域扩展模块的变换结果，利用HVG算法建立信号的网络表示，将密度分数等发送给特征选择模块；特征选择模块获得网络表示模块的密度系数后，将样本划分为训练和测试集，进行特征选择，合成人工样本，发送给分娩预测模块；分娩预测模块获取特征选择模块合成的人工样本，利用TPEHG模块训练SVM进行分娩预测；

信号读取模块，通过读取TPEHG数据集中信号，将得到的EHG信号发送给数时频域扩展模块；

时频域扩展模块，通过获取信号读取模块产生的EHG信号，进行傅里叶变换，将变换结果送给网络表示模块；包括数据预处理子模块；信号扩展子模块；

数据预处理子模块，获取信号读取模块在孕妇腹部获取的信号，采用第三通道的预处理信号；将窗口大小设置为若干采样点和窗口之间重叠的若干采样点，获取EHG信号，将预处理结果发送给信号扩展子模块；

信号扩展子模块，获取数据预处理模块的预处理结果，将STFT应用于采样频率记录的原始信号,将EHG信号扩展到时频域，函数为：

w(n)标表示以零为中心的窗口函数，n表示窗口，m表示加窗信号在时间轴上的索引，j表示复数，x(n)表示原始信号，将变换结果发送给降采样子模块；

图表示模块：获取时频域扩展模块的变换结果，利用HVG算法建立原始EHG信号的网络表示，从中提取网络密度和分布，以表示整个妊娠期间子宫活动从不规则到一致的变化、聚类系数和分类系数，并将网络密度和分布发送给特征选择模块；包括降采样子模块、图构建子模块；

降采样子模块：获取信号扩展模块的变换结果，读取对于时间序列(x₁,...x_i...x_n),x_i视为图的节点；仅当{x_k|x_k≥x_j，i＜k＜j}＝φ时，x_i和x_j之间才存在边；为消除大幅度波动的负面影响，通过取若干个连续数据点的平均值，对原始信号进行降采样，将降采样后的数据发送给网络构建子模块；

网络构建子模块：获取将采样子模块处理后的降采样数据，通过HVG算法，将N个数据的时间序列转换为N个节点；对于邻接矩阵G，如果节点i和j间存在边，则矩阵G(i,j)＝1，(i,j)表示矩阵位置；节点i的度表示连接的节点数量，d_i＝∑_j＝1,j≠igij；基于此属性，表示网络结构的其他量可以被定义为对应的EHG信号的特征；

密度分布时对网络中形成的边的统计描述，对其量化:

其中d表示度，M(d)是网络中节点的度的数量，p(d)表示度的分布；通过应用最小二乘法来提取EHG信号的每个网络的尺度参数：

S表示尺度参数，p(d_j)表示第j个样本的度d_j的对数概率，m是网络不同度的数量，j＝{1,2,3,...,m}；

网络密度表示当前网络和全连接网络的节点程度差异；对于由N个节点组成的网络，定义为：

D表示网络密度，分母计算节点的度分布之和，分子计算N个节点的全连接网络中所以节点的度之和；D的值在[0,1]范围内，值接近零表示网络中存在稀疏连接；

聚类系数可以由单个节点或整个网络的形式给出，可以计算形成紧密三元组的概率；节点的聚类系数定义为：

其中，d_i表示边，E(d_i)是节点i的直接邻居的总边数；对网络所有节点的聚类系数进行平均，得到全局聚类系数：

匹配系数是对节点间关联性的度量，用来描述节点与其他相似节点连接的趋势：

M表示网络中形成的边的总数，j_i,k_i是边i两个相连节点的残差度，A(G)是匹配系数；

构建结束后，将网络密度和分布发送给排序子模块；

所述的特征选择模块，获取图表示模块产生的网络密度和分布，进行特征选择和样本合成后，将合成的人工样本发送给分娩预测模块；包括特征排序子模块；子集选择子模块；样本合成子模块；

特征排序子模块：获取网络构建子模块产生的网络密度和分布，计算特征分数，根据卡方检验对所提取的特征进行排序；

f_sⁱ表示特征分数，X⁺_k，i表示样本k中处于正(早产)和负(非早产)的特征i的物理值，是样本的平均值，是早产样本(n⁺)的平均值,是非早产样本(n^-)的平均值；将特征分数发送给子集选择子模块；

子集选择子模块：获取特征排序子模块产生的特征分数，通过顺序添加已排序的特征，直到某个分类度量最大化，确定特征的最佳子集，将最佳子集发送给样本合成子模块；

样本合成子模块：获取子集选择子模块选择的最佳子集，将数据划分为训练集和测试集，应用合成采样算法，用原始造成样本合成的人工样本补偿少数样本的不足，合成的人工样本发送给分娩预测模块；

分娩预测模块，获取特征选择模块合成的人工样本，使用TPEHG中样本训练SVM进行分娩预测；利用特征选择模块提取的特征X＝[x₁,x₂,...,x_n],建立从输入变量X到二进制输出变量y∈{0,1}的映射函数f；将合成的人工早产样本分成五组，选择一个分组进行验证，其余四个进行训练；训练支持向量机(SVM)来识别分离足月和非足月样本，输出预测结果，判断孕妇的分娩时间在37周前/后。