本发明涉及子宫肌电信号的宫缩提取与刻画领域，具体涉及了一种基于统计张量分解的单通道子宫肌电信号宫缩重构方法。
背景技术：
1、早产(妊娠不足37周)是产科医学中面临的一大挑战，严重威胁着新生儿的健康，因此，预防早产成为提高全球儿童生存率的重要目标。在产前检查中，宫缩和胎心监护是两项重要指标，能够直接反映胎儿和母体的健康状况，对评估分娩进程和预防早产至关重要。在宫缩检测方面，产科医生通过监测宫缩强度、频率、持续时间等重要参数来辅助临床判断。因此，准确分析宫缩信息对分娩进程判断至关重要。
2、传统的宫缩监测方法包括体外宫缩压力监测(tocodynamometry，toco)和宫内压导管(intrauterine pressure catheter，iupc)压力监测。iupc被认为是监测子宫活动的金标准，但由于其有创性和感染风险，只能在分娩时使用，不适合在妊娠期间监测子宫收缩。相比之下，toco作为一种非侵入性的替代方案被广泛采用。toco利用放置在孕妇腹部的应变计，当子宫内形成张力时，压力传感器捕捉到信号变化。然而，toco的精确度受到多种因素的影响，如带的松紧度和患者的健康状况，尤其在肥胖患者中表现更为明显。
3、随着计算机技术的迅速发展，基于子宫肌细胞动作电位活动的电信号提供了一种新的识别思路。通过在患者腹部放置电极，可以测量这些电活动，形成子宫电图(ehg)。ehg信号的爆发活动与子宫收缩的强度、持续时间和频率密切相关，因此在宫缩检测和早产预测方面备受关注。ehg信号直接反映了子宫肌肉的电活动，能在分娩早期提供可靠的收缩信息，从而减少重复宫颈检查的需要，并可能改善催产素的安全滴定，减少相关并发症。因此，基于ehg开发算法，以及提取和重建宫缩信号成为当前研究的重点。现有的方法在高信噪比的情况下表现优异，但在信噪比较低时，估计误差显著增加。同时，现有方法的高误检率也是一个重要的挑战，限制了ehg方法在实际临床中的应用效果，对ehg信号进行进一步分析和处理是当前研究的重点。
4、此外，现有研究对ehg信号的宫缩重构和检测倾向于采用多通道信号的整体分析。然而，多通道信号处理复杂度高，计算资源消耗大，并且不同通道之间的干扰可能影响最终的检测结果。因此，提出一种基于单通道噪声分离的子宫肌电信号的宫缩重构方法，并验证其在检测正常妊娠临产中的能力，显得尤为重要。
技术实现思路
1、本发明要克服现有技术的上述缺点，提出了一种基于统计张量分解的单通道子宫肌电信号宫缩重构方法。
2、本发明解决其技术问题所提出的一种基于统计张量分解的单通道子宫肌电信号宫缩重构方法，具体步骤如下：
3、步骤1：通过基于非线性熵剖面的噪声估计方法，对多通道ehg信号的每个通道进行噪声水平评估，利用肌电信号的微观特性进行通道的优化选择。
4、步骤2：通过基于贝叶斯张量分解的信号分离方法，引入噪声分离技术和信号优化策略，提升宫缩检测的准确性与稳定性。
5、步骤3：通过基于rms的宫缩提取新技术，从ehg信号中重构出能够代表宫缩强度的曲线。
6、步骤4：设定宫缩识别标准，根据标准构建自动宫缩识别算法，结合toco和注释信息从重构的ehg信号中提取出宫缩信息并进行刻画。
7、优选地，上述步骤1中对基于非线性熵剖面的噪声估计方法的详细描述如下：
8、步骤1.1：给定一个由n个样本组成的时间序列构造m维相空间中的向量x(i)＝[μ(i),μ(i+1),…,μ(i+m-1)]。噪声θn被假设为高斯分布的一系列独立同分布的随机变量，而生理系统被建模为一个未知的映射函数t。被测信号yn由这个映射函数和噪声共同作用得到：
9、yn＝t(xn-1；x0)+θn (1)
10、步骤1.2：选择合适的容差r，并使用容差步长δr＝0.001×r来逐步细化噪声估计，其中，r是时间序列的幅度范围，xn(θ)是包含噪声干扰的时间序列。为了度量时间序列的复杂度和可预测性，采用近似熵(apen)来估计噪声的特性：
11、
12、步骤1.3：进一步改善噪声方差的估计，引入一个曲线拟合过程，该过程基于将apen与标准化容差对数的关系进行拟合：
13、
14、优选地，上述步骤2中对基于贝叶斯张量分解的信号分离方法的详细描述如下：
15、步骤2.1：本发明将从怀孕母亲的腹部获取的电势信号表示为一个三维张量，大小为m×n×t，其中m和n分别表示电极网格的行数和列数，t表示时间步长。该模型包含三个部分：一个稀疏张量s代表局部活动，一个低秩张量x代表分布式活动，以及一个高斯白噪声张量e，原始的电势张量y可以用一个多线性模型来描述：
16、y＝s+x+e (4)
17、步骤2.2：使用tucker张量框架对低秩张量进行建模，将一个n阶张量x分解为一个核心张量g和多个模式因子矩阵(mode factormatrices)的乘积：
18、x＝g×1 u1×2 u2×3···×nun (5)
19、其中，是每种模式的因素矩阵，in表示在第n个维度上的大小，rn表示该维度上的秩；是核心张量，捕获不同模式之间的相互作用，r1×…×rn是tucker模型的每个维度上的秩；×n表示模式n乘积，这一运算将因子矩阵与核心张量相积分，从而重建张量。
20、步骤2.3：使用变分贝叶斯推理框架，估计模型参数和tucker模型的多线性秩。通过最大化模型证据来调整变分后验分布，使其尽可能接近真实的后验分布，
21、步骤2.4：应用变分后验分布于模型参数，优化模型参数的估计值，最终实现噪声分离和信号优化。
22、优选地，上述步骤3中对基于rms的宫缩提取新技术的详细描述如下：
23、对于一段较长的ehg信号，本发明根据信号的采样频率和和窗口长度设定了窗口的移动步长和滑动窗口参数。接下来，结合滑动窗口技术来计算每个窗口内的rms值，以获得与原始信号尽可能相似的重构波形，同时强化宫缩段和非宫缩段之间的差异。具体而言，对于每个滑动窗口内的数据段xi，rms的计算方式如下：
24、
25、优选地，上述步骤4中对自动宫缩识别算法及评估方法的详细描述如下：
26、设定宫缩识别标准：(1)设定平均幅度阈值为ehg重构信号的平均幅度，确保宫缩信号的幅度高于此标准；(2)限定宫缩持续时间长于45秒并且短于180秒，以符合子宫收缩的生理特性；(3)设定合理的振幅范围，排除了振幅过小(小于重构信号中值的40％)或过大(大于中值的350％)的情况，以排除可能的干扰信号；(4)验证ehg识别的宫缩与注释标记和toco信号的宫缩一致性，确保两者峰值差异不超过30秒。基于上述设定的宫缩识别标准构建算法，实时分析ehg信号，自动识别和记录宫缩活动，提高宫缩活动的识别效率和可靠性。
27、本发明的优点是：
28、本发明首先提出了一种噪声估计方法，利用肌电信号的微观特性进行通道优化选择，通过从多通道ehg信号中选出最优单通道信号来精准捕捉宫缩的整体效应。其次，开发了一种基于噪声分离的宫缩提取技术，该技术融合了统计张量分解与信号重构方法，成功从单通道ehg信号中重构出能够代表宫缩强度的曲线，并在该宫缩曲线中进一步使用自动宫缩识别算法提取宫缩并进行刻画。
29、本发明优化了宫缩监测的技术流程，提高了宫缩数据的可靠性和准确性，而且通过对宫缩特征的深入分析，为理解宫缩活动的生理机制、评估分娩进程和预测早产风险提供了有价值的依据。这些成果对于临床医生在妊娠监护和分娩管理中的决策提供了有力的支持，对保障母婴健康具有重要的临床价值。
1.一种基于统计张量分解的单通道子宫肌电信号宫缩重构方法，包括以下步骤：
2.如权利要求1所述的一种基于统计张量分解的单通道子宫肌电信号宫缩重构方法，其特征在于：步骤s1所述进行噪声水平评估，利用肌电信号的微观特性进行通道的优化选择，具体包括：
3.如权利要求1所述的一种基于统计张量分解的单通道子宫肌电信号宫缩重构方法，其特征在于：步骤s2所述通过基于贝叶斯张量分解的信号分离方法，引入噪声分离技术和信号优化策略，提升宫缩检测的准确性与稳定性，具体包括：
4.如权利要求1所述的一种基于统计张量分解的单通道子宫肌电信号宫缩重构方法，其特征在于：步骤s3所述通过基于rms的宫缩提取新技术，从ehg信号中重构出能够代表宫缩强度的曲线，具体包括：对于一段较长的ehg信号，根据信号的采样频率和和窗口长度设定了窗口的移动步长和滑动窗口参数；接下来，结合滑动窗口技术来计算每个窗口内的rms值，以获得与原始信号尽可能相似的重构波形，同时强化宫缩段和非宫缩段之间的差异。
5.如权利要求1所述的一种基于统计张量分解的单通道子宫肌电信号宫缩重构方法，其特征在于：步骤s4设定宫缩识别标准，根据标准构建自动宫缩识别算法，结合toco和注释信息从重构的ehg信号中提取宫缩信息并进行刻画，具体包括：设定宫缩识别标准：(1)设定平均幅度阈值为ehg重构信号的平均幅度，确保宫缩信号的幅度高于此标准；(2)限定宫缩持续时间长于45秒并且短于180秒，以符合子宫收缩的生理特性；(3)设定合理的振幅范围，排除了振幅过小(小于重构信号中值的40％)或过大(大于中值的350％)的情况，以排除可能的干扰信号；(4)验证ehg识别的宫缩与注释标记和toco信号的宫缩一致性，确保两者峰值差异不超过30秒；基于上述设定的宫缩识别标准构建算法，实时分析ehg信号，自动识别和记录宫缩活动，提高宫缩活动的识别效率和可靠性。
