TY - Jour A2 - Makarov，Valeri Au-Tang，Haijing Au - Wang，Taoyi Au - Li，Mengke Au - Yang，Xu Py - 2018Da - 2018/12/03 Ti - 基于CardioCography信号分类算法的设计与实现关于神经网络SP - 8568617 VL - 2018年AB - 移动医疗保健是当前医学研究的热门问题。由于前往医院的胎儿监测和有限的医疗资源，便携式设备上的胎儿健康的实时监测已成为孕妇的迫切需要，有助于保护胎儿的健康更全面方式，减少医生的工作量。对于胎儿心率（FHR）信号的特征获取，传统的基于特征的分类方法需要手动读取来自FHR曲线的形态特征，这是耗时和昂贵的并且具有一定程度的校准偏压。本文提出了一种基于神经网络的FHR信号的分类方法，可以避免手动特征获取并减少由人类因素引起的误差。该算法将直接从FHR数据中学习，并真正实现FHR数据的实时诊断。设计了名为“MKNET”和名为“MKRNN”的复发神经网络的卷积神经网络分类方法。本文的主要内容包括FHR信号的预处理，分类模型的培训以及实验评估。最后，被证明是MKNET是实时FHR信号分类的最佳算法。 SN - 1748-670X UR - https://doi.org/10.1155/2018/8568617 DO - 10.1155/2018/8568617 JF - Computational and Mathematical Methods in Medicine PB - Hindawi KW - ER -