典型文献
基于卷积神经网络的EHG胎儿早产识别算法
文献摘要：
胎儿早产是影响婴儿早期发育及生命安全的直接因素之一,其直接的临床表现为孕妇宫缩强度和频率的变化.子宫肌电信号通过在孕妇腹部采集而得,能准确有效地反映出子宫收缩的情况,比子宫宫内压力导管等侵入式监测技术具有更高的临床应用价值.因此,基于EHG的胎儿早产识别算法研究对于围产期的胎儿监护尤为重要.该研究提出了一种基于卷积神经网络架构的EHG胎儿早产识别算法,通过格拉姆角差域法结合迁移学习技术构建一种深度CNN模型.采用临床实测的足月-早产EHG数据库对模型结构进行优化,实现了94.38％的分类准确度和97.11％的F1值.实验结果表明,本研究所构建的模型对临床胎儿早产的预测具有一定的辅助诊断价值.
文献关键词：
子宫肌电信号;格拉姆角差域;深度卷积神经网络;AlexNet
中图分类号：
作者姓名：
吴沈冠;邓艳军;张烨菲;邵李焕;赵治栋
作者机构：
杭州电子科技大学 通信工程学院,杭州市,310018;杭州电子科技大学 电子信息学院,杭州市,310018
文献出处：
引用格式：
[1]吴沈冠;邓艳军;张烨菲;邵李焕;赵治栋-.基于卷积神经网络的EHG胎儿早产识别算法)[J].中国医疗器械杂志,2022(03):242-247
A类：
EHG,子宫肌电信号,格拉姆角差域
B类：
早产,识别算法,婴儿,早期发育,孕妇,宫缩强度,确有,子宫收缩,宫内,内压力,压力导管,临床应用价值,算法研究,围产期,胎儿监护,神经网络架构,迁移学习,学习技术,技术构建,足月,模型结构,辅助诊断,诊断价值,深度卷积神经网络,AlexNet
AB值：
0.244921
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
