1　引言

提高人口出生質量，降低圍產兒的死亡率是婦幼保健工作的一項重要內容。據統計，我國弱智兒童數量十分龐大，很大部分是由于胎兒在生長過程中經常處于缺氧、缺血的窘迫狀態而導致發育不良或早產［1］。統計資料表明，圍產兒死亡中25％是可以避免的。顯然在圍產期對胎兒進行監護，防止胎兒受損是十分必要的。胎心率監護是目前臨床上常用的一種胎兒監護方法。胎心率的監護方式主要有三種：無刺激試驗、宮縮負荷試驗和催產素激惹試驗。無刺激試驗的胎心率監護是目前臨床上使用最廣泛的方式。進行胎心率監護首先要檢測胎心率，早先的方法有母體腹壁心電圖、體外心音圖、胎兒心電圖等［2］。當前胎心率檢測方法可分為有損檢測和無損檢測。有損檢測主要采用頭皮電極的方式來檢測胎心率，即將電極置于胎兒頭皮直接測得胎兒心電信號后得到胎心率，它只能在分娩過程胎兒頭部娩出后才可使用；而無損檢測主要采用超聲多普勒方式，即由胎兒心臟的物理運動造成超聲的多普勒效應來檢測胎心率，可適用于產前和分娩期監護。胎心率分析就是在通過上述方式獲得胎心率數據后進行的分析，由分析得出的一些指標來判斷和預測胎兒狀況。一種有效的胎心率分析方法需要經過大量臨床數據的分析，建立起具體指標、曲線形態類型和胎兒健康狀況之間的相應關系，預測胎兒發育狀況，才能使分析方法具有實際的臨床使用價值。目前在臨床上使用的各種不同廠家的機型其分析方法也各不相同［3～5］，都是在各自大量的臨床數據分析積累后建立起來的算法模型。

雖然目前對采用胎心率監護來判斷胎兒發育狀況好壞還存在許多的爭論［6］，但是贊成使用胎心率監護的還是絕大部分，所以對胎心率分析方法的研究也不斷在發展。隨著信號采集和檢測技術的不斷提高及胎心率分析方法的發展，胎心率監護必將成為一種臨床上更為有效的胎兒監護方法。

2 胎心率分析方法發展狀況

在計算機進行胎心率分析之前，主要采用肉眼識別和憑醫生的臨床經驗來判斷胎兒發育狀況。直至70年代末80年代初，用計算機對胎心率進行在線式（on-line）或離線式（off-line）的分析［5］，才使胎心率分析有了定量化的指標。肉眼識別和計算機的定量化分析相比，前者一致性差，精確度低，人為主觀因素影響大。在未使用計算機分析胎心率時，引起胎心率監護爭論的很大原因是由于缺少一致性良好的客觀指標［7］。RobertGagnon等人對計算機分析和肉眼識別進行對比，結果發現即使是同一個婦產科專家，在經過一段時間后，對同一曲線的識別也不一樣，更何況是不同專家之間，可見肉眼識別的一致性很差，不適合進行客觀診斷［8］。目前隨著計算機性能的日益提高，各種新興的分析方法也逐步被應用到胎心率分析上來挖掘胎心率監護曲線內部隱藏著的更為重要的信息，以尋找更加準確的分析方法。目前正在被使用或處于研究中的分析方法有許多，既有線性，又有非線性，既有時域，又有頻域。下面對一些主要的方法進行綜述。

2.1 時域分析

時域分析方法是最常用、最成熟的分析方法。目前在臨床上實際使用的胎心率監護儀都是采用對胎心率的時間序列進行線性分析。例如牛津公司的System8000［5］、Hew-lett-Packard公司的HP8040［9］等。采用線性時域分析，首先要根據臨床要求確定胎心率曲線各個監護指標的定義，然后采用相應的數學手段例如統計、掃描、判斷比較等從曲線形態上來識別計算各個指標，最后根據指標綜合判斷胎兒的健康狀況。研究人員采用線性時域分析法經過近20年的大量臨床試驗，使這些指標已經有了較為統一的曲線形態上的定義，常見的指標如胎心率基線、胎心率加速、減速、胎心率的波動幅度和頻率等，并建立了各個指標和胎兒鍵康狀況、儲備大小之間較明確的關系，得出了能夠較好地用胎心率指標來評判斷胎兒狀況的標準［10］。所以采用線性的時域分析已基本達到臨床使用要求。對于具體系統，其數據采集方式、采集速度、使用單位等不同，其相應的各指標定義和標準也略有不同，具體的算法也有一定差別。

2.2 頻域分析

頻域分析相對時域分析而言，只是將心率數據通過快速傅立葉變換（FFT）將時間域轉換到頻域，相應地采用頻域參數例如譜密度、譜能量等來建立衡量胎兒狀況的指標。和時域分析類似，分析某時間段的心率譜，同時記錄對應時間段胎兒的生理和病理狀況。對一定量的胎心率數據樣本進行分析對比、觀察統計，建立其某個頻譜參數和相應的胎兒狀態之間的關系，從而達到能預測胎兒健康程度的能力。VanWoerdenEE等人采用能量譜分析胎兒心率變化和胎兒行為，結果發現有正常面部運動時段的能量譜在面部運動頻率處有一個波峰，而沒有面部運動的時段對應的能量譜就沒有峰值出現［11］，如圖1所示。而AbboudS等人采用能量譜通過腹壁母體心電圖來分析胎兒心率變化，他們從15個懷孕32～41周的孕婦身上獲得母體心電圖后采用正交相關函數、數字濾波和快速傅立葉變換等得到能量譜［12］。分析能量譜得出了兩個反映心率長變異和短變異的指標，并和信號在時域分析中得出的變異進行比較，發現有良好的一致性（r＝0.937）。



圖1在有正常面部運動的CF1狀態期，胎心率變化的相對譜密度（注：縱坐標A.U.表示相關譜密度的絕對單位，RM指示面部運動所處的頻率位置。

2.3 人工神經網絡分析

人工神經網絡是一類仿生物神經網絡原理的信息處理系統，與傳統信息處理系統有著本質不同，是以并行性、容錯性、非線性和自學習性等為主要特征。胎心率是一種隨胎兒健全狀況、成熟程度不同而不斷變化的，同時胎心率很容易受低血氧、貧血、酸中毒、宮縮等因素影響［1］，簡單地憑線性方法可能還不足以最準確地反映胎兒狀況，應該以多種因素綜合考慮來進行診斷。采用神經網絡方法能夠將多個因素同時進行考慮，適當地應用到對胎心率的診斷和識別能夠取得較好的效果。目前研究人員主要用神經網絡方法來構造小的專家系統進行預測和識別隱藏在曲線內部的信息。KelthRDF等人采用4個輸入節點分別表示減速的面積、深度、時長及變化，5個隱層節點，3個輸出節點分別表示不是減速、是減速、是一個嚴重減速來構造了一個BP神經網絡模型如圖2所示，在經過106次隨機樣本輸入，每個樣本大約重復輸入了2193次。網絡學習一直到誤差小于0.1后停止，然后對116個時間長度為15min的未知片段進行識別，識別完后再進行第二次的隨機識別，同時由婦產科專家、助產士、工程師、臨床使用的監護儀進行相同方法的識別作為對照。結果發現網絡的識別結果和婦產科專家的識別結果有最高的符合率，同時對同一樣本的識別又比專家的一致性要高，而且遠遠好于目前在臨床上使用的監護儀的專家符合率［13］。DevoeLD等人采用神經網絡來預測胎兒的預后狀況和確定對于足月孕婦無負荷試驗的每次監護的最佳時間間隔［14］。他們發現連續的或隔天的胎心率情況可以較好地預測下一天的胎心率情況，從而可以按照一定的時間間隔進行監護，而避免了無規則地盲目監護。他們還由此得出胎心率的長變異是提供預測的最好指標，并和采用回歸方程的方法相比，神經網絡方法預測出的結果要來得好。

2.4 混沌分析

混沌理論是專門用于描述介于線性和隨機兩者之間邊界問題的一類混沌現象。研究人員在研究控制胎心率的生理機制后，得出胎兒心率既不是一個簡單的線性變化，也不是完全的隨機過程，是處于這兩者之間的邊界問題即混沌現象，所以用混沌方法來分析胎心率可能更好地理解胎心率的整個生理機制。ChaffinDG等人采用相位空間重建技術和維數分析，研究了12條從正常孕婦中得到的胎心率曲線，用時延方法得到相位空間吸引子，其特征和那些非線性混沌系統具有一致性，揭示了胎心率的變化是由一個非線性混沌系統控制的［15］。RenzoGG等人采用分形算法來估測胎心率的變化情況［16］，他們分析了健康足月胎兒的心率，得到一個大的中心吸引子，并伴有大量隨機的能量投射，而當心率曲線變得有問題時，吸引子就變小，能量投射數目也相應減小，當胎兒進一步退化，則吸引子變得非常小，而且基本上沒有能量投射。他們還指出，在提早衰退的胎兒中，吸引子在其軌跡上失去了原來的復雜性而變得更小、更狹窄，并且和D2維值的下降相一致。



圖2　輸入節點所表示的含義和BP神經網絡的構成



圖3　胎心率曲線和相應的時頻能量分布圖：（1）31周孕期；（2）38周孕期

2.5 匹配跟蹤（MatchingPursuits，MP）

MetinAkay等人研究和總結了前人單獨在時域或頻域中的FHR分析技術，提出了基于時域和頻域的匹配跟蹤法（MP）來分析FHR。由于匹配跟蹤法能在時間—頻率平面得到復雜的能量結構，例如從尖脈沖狀到持續的活躍波動型，而這樣的結構用能量譜方法和小波分析都是無法在時間—頻率平面得到的。用MP方法去考察胎心率的波動是因為傳統的傅立葉變換不能反映波動很少的信號，而小波變換因其傅立葉變換只支持一個很小頻帶，也不能反映頻帶很寬的信號結構。MetinAkay等人用MP方法去考察胎心率的時頻特征時，發現其能量結構符合上述所述的復雜結構［18］，這使得用傳統傅立葉變換到頻域中去分析或使用小波變換分析都不能很好地反映胎心率信號的特征。MetinAkay等人用MP方法考察了懷孕31周和38周健康的孕婦，發現相對于31周胎心率而言，38周的胎心率信號中能夠得到更多的小塊高頻成份，而且頻率值也更高一些。雖然兩者都有長的水平狀結構，但是38周的心率曲線對應的水平狀結構對應更高的頻率值，如圖3所示。顯然不同孕周的胎心率監護曲線通過此方法可以進行區分，并判斷胎兒發育是否良好。進一步發現使用MP方法可以非常敏感地檢測出動態變化的FHR信號中的干擾，可以提高對胎心率監護曲線的置信度。

3 討論

胎心率監護過程是一個復雜的過程。由于對分娩前胎心率的檢測是通過母體腹壁得到，若采用心電信號方式，則受母體的心電、肌電等各種生物電信號的干擾；若采用超聲波多普勒方式檢測，則容易受母體的腹壁運動、胎兒自身的移動以及母親肥胖等生理結構的影響。加上胎兒本身的心臟又那么弱小，電信號和心臟壁、血流的運動都非常微小，所以要得到高質量的胎心率是一個很復雜的技術過程［18］，而胎心率信號質量的高低決定了胎心率監護的可信度［19］。同樣，得到胎心率數據后對其分析也是一個復雜的過程：首先選取適當的監護指標，依據指標建立起一個可靠的算法模型和分析方法，再由算法模型對大量的臨床數據和記錄進行求解，并利用統計學手段對指標結果進行統計、對比、分析，建立起指標和胎兒病理生理狀態之間的良好關系，并選取相應指標的正常值范圍，從而使分析具有輔助診斷的功能［20］。

目前對胎心率的監護是否有效還存在一定的分歧和爭論，研究人員發現胎心率曲線并不能準確反映胎兒的健全狀況，例如宮內死亡的胎兒并不都是由相似的病理原因引起的，有些胎兒死亡前還表現出正常形態的胎心率監護曲線，這使有些研究人員對胎心率監護持懷疑態度［6］。同時，胎心率所受影響的因素很多，如不同的分娩階段有不同的變化情況，或者受藥物、麻醉等影響，這使得對胎心率的診斷需要進行綜合考慮，而不能簡單地用單個胎心率曲線指標來反映胎兒狀況［21］。目前對胎心率的監護指標還沒有一個完全統一的標準正常值，實施胎心率監護的標準化還有許多工作要做。例如對于哪些孕婦需要進行監護，監護多長時間得到的胎心率才保證有效，信號丟失率達到多少才可能引起記錄不準確，各類參數的精確度需要滿足多少才能符合計算和判別的要求，正常監護一般需間隔多少時間等等。

由于胎心監護還沒有嚴格的標準存在，所以目前正在臨床上使用的不同公司的儀器參照的標準也各不相同，包括依據的指標定義不一樣，數目不一樣，參數取值范圍不一樣等多方面，而且每種儀器所使用的胎心率檢測過程也可能不一樣，使得胎心率數據采用的單位、精度和相同時間采集的數據量也可能不一樣，這都影響到計算機對數據的分析，勢必也很難使各儀器的參照標準之間達到完全一致。婦產科醫生必須依據所使用的儀器的標準來診斷。目前臨床上使用的不同公司的儀器，其診斷標準都是通過很長時間的臨床試用，做過大量的各種類型孕婦、各個懷孕時間、分娩階段的監護，基本包括了一些臨床常見的曲線類型，建立了曲線指標和胎兒生理病理狀況之間較好的相互關系，使這些參數基本能夠反映胎兒的各種生理病理狀況，基本符合臨床監護的需求，并試圖建立了這些參數的正常范圍值。

目前對各類胎心率分析方法已有許多，除了上面的所述外還有小波分析等，而且還在不斷研究中，但大多還是停留在理論的研究上，真正應用到臨床識別和診斷還相當少，而且基本還沒有非常符合臨床實際使用要求的方法。象上述介紹的各種非線性方法，目前還都只是一些嘗試性的工作，真正能要應用到臨床還有大量的數據積累、分析、統計工作要做，以使得對應方法建立起良好的分析指標和胎兒生理病理狀況之間的關系，除此之外，診斷識別和預測的準確率的提高還要能夠滿足長時間監護分析的要求，分析和診斷速度要能夠滿足實時監護的要求，能夠對信號質量進行估計并能進行自適應地調整算法參數等。隨著研究人員的不斷深入研究，可以相信，更好的、更符合臨床要求的分析算法將會真正使胎心率監護趨向標準化。