對于胎心率分析和胎兒狀況評估而言,胎心率基線估計十分重要。為了使現有胎心率基線更為準確、更符合胎心率曲線,本文提出了一種胎心率基線修正算法。首先,本算法找出并修正現有胎心率基線中的偏差部分,再對整條基線進行多次平滑,最后得到修正后的基線。為了評估基線修正算法的性能表現,本文將一種胎心率基線估計算法和基線修正算法結合在一起,并與兩種現有的基線估計算法進行了比較。結果表明,包含基線修正算法在內的基線評估算法在分析準確性、運算效率方面均有不錯表現,這也證實基線修正算法的有效性。
胎心宮縮圖是一種臨床常用的評估胎兒健康狀況的電子監護技術，具有易受主觀因素影響導致診斷率較低的缺點。為降低誤診率，輔助醫生做出準確的醫療決策，本文提出了一種基于胎心率信號分析胎兒狀態的智能評估方法。首先，本文將來自捷克技術大學—布爾諾大學醫院公開數據庫的信號進行預處理后，對其中的胎心率信號進行多模態特征提取，然后利用設計的基于 k—最近鄰遺傳算法選擇最優特征子集，最后采用最小二乘支持向量機法對其分類。實驗結果顯示，利用本文提出的方法對胎兒狀態進行分類，其準確度可達 91%，靈敏度為 89%，特異度為 94%，質量指標為 92%，受試者工作特征曲線下面積為 92%，具有較好的分類性能，可輔助臨床醫生對胎兒狀態做出有效評估。
超聲多普勒胎心心率測量方法是目前胎心心率計數的金標準，但現有各種胎心儀的胎心率提取算法在第二產程母體干擾較強的情況下容易發生誤檢。針對這一不足，本文提出了優選模板結合非線性模板匹配的方法，該方法通過聚類建立時頻幀模板庫，然后從模板庫中選取模板對信號進行模板匹配。在對信號進行短時傅里葉變換后，逐幀對信號與模板的差進行帶泄露線性整流（LReLU）函數的最優化，以優化結果作為模板匹配度。最后，對匹配度曲線進行峰值提取，獲取胎心率。本研究將提出的方法與自相關法進行對比，結果顯示本文方法比自相關方法的檢出正確率平均提高 20%，23% 的樣本正確率提高 50% 以上。本文通過分析干擾與信號發生混合時的特點設計算法，希望通過本文為胎心率提取提示一種不僅僅關注信號層面的新思路。