[发明专利]基于图理论的子宫肌电信号（EHG）分析系统

说明书

一种基于图理论的子宫肌电信号(EHG)分析系统，包含时频域扩展模块、网络表示模块、特征选择模块和分娩预测模块。利用短时傅里叶变换，对原始信号进行时频域扩展，排除不同噪声源的干扰。利用HVG算法，对变换后的EHG信号建立图表示，提取每个频率分量上的相关特征，根据网络密度和分布，获取整个妊娠期间子宫活动从不规则到一致的变化。然后利用特征选择算法过滤掉不相关的频率分量，将提出的特征选择算法应用于TPEHG中的EHG信号。采用分区合成方案，将原始不平衡数据集分成两个集合，并在每个子集内分别合成人工样本，以解决数据不平衡问题。基于图的特征有助于识别与早产相关的子宫活动的基本频率成分，并提高足月/未足月分类的性能。

技术领域

本发明涉及一种基于图理论的子宫肌电信号分析系统，是一种通过短时傅里叶变换，并基于HVG(Horizontal Visibility Graph)算法进行EHG(originalelectrohysterogram)信号分析及分娩预测。

背景技术

早产，定义为怀孕37周内出生的婴儿，是一个全球性的健康问题，每年大约20％的母亲有早产风险。早产是新生儿发病和死亡率的主要原因，及早识别高危患者并进行医疗干预对预防早产十分重要。子宫收缩是早产的直接原因。在生产时，孕妇的子宫肌肉会进行有规律的收缩，称为宫缩。其变化能够反映孕妇的妊娠子宫活动情况。在整个孕期，宫缩都会产生，但是医生却很难通过这些宫缩判断孕妇最终分娩时的怀孕周数。如果预测错误，就可能无法对可能早产的孕妇进行治疗。因此，有效的利用EHG信号进行预测不仅能降低婴儿的死亡率，还有助于药物研发。

通过在孕妇腹部放置电极，可以在外部记录EHG信号。子宫的收缩与潜在电活动之间的密切联系为早产诊断的新方法开辟了新的方向。因此，根据子宫肌电信号，预测孕妇生产时的周数，能够对后续早产预测带来帮助。目前，TPEHG和ICLEHG是最常用的EHG信号数据库。在利用机器学习方法预测分娩孕周时，特征的质量对于最终的分类性能十分重要。已有工作致力于在时域和频域提取有效特征的研究工作，虽然该类方法在孕周预测上表现出很好的性能，但在实际应用中仍然具有挑战性。

发明内容

为了克服现有技术的不足，本发明提供一种基于HVG算法建立图特征的EHG信号分析系统，通过短时傅里叶变换对原始信号进行时频域扩展，利用HVG算法建立网络表示，从而分析孕妇的宫缩情况，进行分娩周数预测。

本发明为解决现有技术问题所采用的技术方案是：

基于图特征的EHG信号分析系统，其特征在于：信号读取模块读取数据库中的EHG数据，将数据传给时频域扩展模块；时频域扩展模块得到信号读取模块的EHG信号后，进行时频域扩展，将变换结果传给图表示模块；图表示模块获取图变换结果，建立网络的信号表示，将网络密度和分布传送给特征选择模块；特征选择模块根据特征选择结果，将样本划分为训练集和验证集，选择特征合成人工样本，将合成的人工样本传送给分娩预测模块；分娩预测模块训练分类器进行预测，各模块的具体构成是：

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，包括获取信号读取模块产生的EHG信号，采用短时傅里叶变换对原始信号进行时频域扩展，排除不同噪声源的干扰。在孕妇腹部放置电极,获取信号，采用第三通道的预处理信号；将窗口大小设置为若干个采样点和窗口之间重叠的若干个采样点，令其能够获取EHG信号；将STFT应用于以采样频率记录的原始信号X(n)，将变换结果送给网络表示模块；