【摘要】：產(chǎn)婦在分娩時(shí)子宮肌肉會(huì)出現(xiàn)有規(guī)律的收縮活動(dòng)即宮縮,有規(guī)律的宮縮是推動(dòng)分娩的動(dòng)力,是反映孕婦分娩狀態(tài)的重要生理依據(jù),是產(chǎn)婦臨產(chǎn)的一個(gè)重要特征。子宮肌電信號(hào)(electrohysterogram,EHG)是從孕婦體表無(wú)創(chuàng)檢測(cè)到的妊娠子宮的電活動(dòng),是子宮平滑肌興奮和收縮的表現(xiàn)和結(jié)果,可以反映子宮的活動(dòng)。EHG與宮縮具有很好的關(guān)聯(lián)性和同步性,通過(guò)EHG來(lái)監(jiān)測(cè)孕婦的宮縮情況,將更全面、準(zhǔn)確地反映產(chǎn)婦產(chǎn)力的正常與否,因此EHG在妊娠和分娩監(jiān)護(hù)中具有很好的應(yīng)用價(jià)值。卷積神經(jīng)網(wǎng)絡(luò)(convolutional neuron network,CNN)是深度學(xué)習(xí)中的一種神經(jīng)網(wǎng)絡(luò),其在處理圖像方面有很大優(yōu)勢(shì)。本研究就是利用CNN來(lái)識(shí)別EHG宮縮。為了確定宮縮起點(diǎn),對(duì)分娩壓力計(jì)(tocodynamometer,TOCO)和孕婦感知的宮縮起點(diǎn)進(jìn)行比較。從冰島16電極EHG數(shù)據(jù)庫(kù)得到TOCO記錄的宮縮起點(diǎn),定義為在波幅值上升段內(nèi),斜率發(fā)生最大變化的點(diǎn);得出母體感知的宮縮起點(diǎn)與TOCO記錄到的宮縮起點(diǎn)的時(shí)間差,即時(shí)差。共得到來(lái)自33個(gè)受試者的295個(gè)宮縮時(shí)差,結(jié)果顯示有85.4%的宮縮時(shí)差處在[-40,40]秒之間,時(shí)差的均值±標(biāo)準(zhǔn)差為3.04±28.02s。統(tǒng)計(jì)分析得出時(shí)差的正負(fù)值沒(méi)有顯著性差異。對(duì)每段記錄的時(shí)差是正數(shù)還是負(fù)數(shù)的宮縮次數(shù)進(jìn)行統(tǒng)計(jì),發(fā)現(xiàn)61.5%的記錄中所有宮縮時(shí)差全為正或者全為負(fù),29.6%的記錄大部分時(shí)差為正或?yàn)樨?fù),只有8.9%的記錄的宮縮時(shí)差正負(fù)個(gè)數(shù)相同。另外,隨著孕周的增加,時(shí)差減少甚至變?yōu)樨?fù)值。當(dāng)受試者接近分娩時(shí),宮縮強(qiáng)度顯著增加,母體較易感知到宮縮。因而可以將TOCO記錄和母體感知結(jié)合起來(lái)作為識(shí)別宮縮段的參考。為了識(shí)別EHG信號(hào)的宮縮與非宮縮段,將深度學(xué)習(xí)中的CNN方法應(yīng)用到識(shí)別EHG信號(hào)中。主要步驟分為:1)濾波EHG,利用0.04-4Hz帶通濾波去除無(wú)關(guān)頻率和直流分量;2)宮縮與非宮縮信號(hào)的截取,產(chǎn)科臨床醫(yī)生在TOCO信號(hào)中標(biāo)出宮縮,再結(jié)合孕婦感知截取45秒時(shí)長(zhǎng)的宮縮與非宮縮EHG,保存成圖片;3)數(shù)據(jù)集分組,宮縮與非宮縮圖片組成數(shù)據(jù)集,共得到5560張圖片;4)處理數(shù)據(jù)集,主要包括統(tǒng)一圖片尺寸,轉(zhuǎn)換數(shù)據(jù)格式以及數(shù)據(jù)集的零均值化;5)利用數(shù)據(jù)集訓(xùn)練CNN模型,調(diào)整該模型網(wǎng)絡(luò)參數(shù)到最優(yōu)設(shè)置。10倍交叉檢驗(yàn)得到模型驗(yàn)證集的平均準(zhǔn)確率和損失率,分別為95.43%和10.48%。為了確定在腹部體表采集EHG信號(hào)的電極布局,設(shè)計(jì)了8個(gè)檢測(cè)電極7種和4個(gè)檢測(cè)電極的13種布局方式,分別對(duì)應(yīng)著子宮的不同生理位置。將不同位置的電極獲得的EHG信號(hào)組成數(shù)據(jù)集,訓(xùn)練CNN模型,并做5倍交叉檢驗(yàn)。根據(jù)準(zhǔn)確率,受試者工作特征曲線(receiver operating characteristic curve,ROC曲線)的線下面積(area under curve,AUC),靈敏度和特異度等參數(shù)來(lái)評(píng)價(jià)模型。采用評(píng)分法,依次對(duì)評(píng)價(jià)參數(shù)最高的模型對(duì)應(yīng)電極處加1分,累計(jì)得分,得分較高的前8個(gè)或4個(gè)電極作為最優(yōu)的8電極或4電極布局。結(jié)果顯示,在8電極布局中采用4-2-2結(jié)構(gòu),即4個(gè)電極放在子宮底,2個(gè)電極放在子宮體,2個(gè)電極放在子宮頸是最優(yōu)的布局。在4電極布局中采用2-2結(jié)構(gòu),2個(gè)電極放在孕婦右側(cè)子宮體,2個(gè)電極放在右側(cè)子宮頸是最優(yōu)的布局。為了驗(yàn)證CNN模型在臨床上的應(yīng)用效果,采集了20位臨產(chǎn)前孕婦的體表腹部信號(hào),包括EHG信號(hào)、TOCO信號(hào)和臨床記錄信號(hào)。根據(jù)TOCO信號(hào)和孕婦感知到的宮縮,截取宮縮段與非宮縮段EHG信號(hào)各384個(gè)。利用前面已經(jīng)建立的CNN模型,識(shí)別臨床EHG宮縮段與非宮縮段。得到宮縮識(shí)別準(zhǔn)確率為76.70%,靈敏度為82.69%,特異度為99.75%,ROC曲線的AUC值為0.75。因此該模型可以較好地識(shí)別臨床EHG宮縮與非宮縮,在產(chǎn)科臨床具有較好的應(yīng)用前景。
【圖文】：

內(nèi)壓導(dǎo)管法(intrauterine pressure cathOCO）和超聲法等，其存在有創(chuàng)性、便準(zhǔn)確地監(jiān)測(cè)子宮活動(dòng)的有效手段，足臨床需要[2]。因此找到一種可以無(wú)縮方法變得越來(lái)越迫切。trohysterogram, EHG)是子宮平滑肌興EHG 信號(hào)表現(xiàn)為峰電活動(dòng)，較頻繁的驗(yàn)條件的不同差異較大，變化的范圍，其主要頻率成分集中在 0～5Hz。隨值升高，頻率加快，每次爆發(fā)波的持子宮肌層的活動(dòng)[4]，如圖 1-1，為 E性和同步性，，宮縮強(qiáng)度與子宮肌細(xì)胞有關(guān)，這可以反映在 EHG 的頻譜和情況，這將更全面、準(zhǔn)確地反映產(chǎn)婦監(jiān)護(hù)中具有很好的應(yīng)用價(jià)值[7-10]。

第 1 章 緒論edauto-encoder，SAE)[53]，以及堆疊網(wǎng)絡(luò)(stacked ISA)是基網(wǎng)絡(luò)(independent subspace analysis network，ISA)[54]。其中E 在生物醫(yī)學(xué)數(shù)據(jù)分析中應(yīng)用較為廣泛。圖 1-3 是分別組成ed ISA 和 CNN 深度學(xué)習(xí)網(wǎng)絡(luò)的基本單元，圖 1-4 為 SAE 深度學(xué)習(xí)網(wǎng)絡(luò)的構(gòu)建過(guò)程與之相似，圖 1-5 為 SAE、DBN 深度學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練過(guò)程[47]。
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：R714;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場(chǎng)中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測(cè)法[J];金融經(jīng)濟(jì);2017年18期

2 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

3 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會(huì)述評(píng)[J];國(guó)際學(xué)術(shù)動(dòng)態(tài);1996年01期

4 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識(shí)別[J];通訊世界;2018年12期

5 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設(shè)計(jì)研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

6 張庭略;;基于硬件的神經(jīng)網(wǎng)絡(luò)加速[J];通訊世界;2018年08期

7 蘇秀婷;;耦合神經(jīng)網(wǎng)絡(luò)的同步[J];紹興文理學(xué)院學(xué)報(bào)(自然科學(xué));2016年03期

8 朱n

本文編號(hào)：2604954