围产期,孕妇胎心宫缩监护(Cardiotocography,CTG)是产科诊所最常规的诊断检查。临床上,胎心宫缩监护的输出形式主要是纸质CTG报告,但其视觉分析和解释缺乏客观性和可重复性,同时共享数据库也极度缺乏,因此迫切需要一套广泛适用的数字化工具。同时,为了更好地帮助医生精准诊断,利用自动化技术实现孕妇和胎儿监护也至关重要。而宫缩作为临床检测中一种主要参数,在智能化系统研究中具有很高的价值。本文面向胎儿监护的CTG信号数字化和不同强度宫缩信号智能分类算法主要研究为:(1)针对二值CTG纸质报告,提出一种数字化算法,突破已有算法对二值CTG纸质报告数字化的局限性和不适性。首先利用智能手机获取CTG图像,在网格线去除阶段,提出基于超像素的区域融合方法,设计了一种改进的二值直线掩模法,应用连通域完美去除与信号线无关的网格线和虚线。其次在信号提取阶段,根据每列信号迹线的不同状态,分别采用不同的方法提取代表像素。最后,利用B-Spline拟合提取信号并插值拟合实际信号,分别用水平和垂直直方图投影对信号幅度和时间进行校正,实现插值信号与实际信号的时间同步。同时,采用已知数据库从定量和定性两方面评估数字化效果。(2)对已有的数字宫缩信号,构建了一种融合多维度特征提取的宫缩智能分类算法,实现了由计算机辅助手段帮助医生精准诊断的构思。在信号预处理中,提出了经验模态分解结合形态学滤波去除高频噪声,引入平滑先验法去除基线漂移噪声。在特征向量构造中,采用递归分析策略,设计了融合一维时间特征和二维递归特征的多模态特征向量。最后采用优化的SMOTE-PCA-SVM分类器对宫缩信号强度进行智能分类。同时,本文引入信噪比等指标,分析对比了所设计的滤波算法及不同机器学习分类器算法的性能效果。本文的研究实现了CTG信号的数字化以及宫缩信号依据不同强度的自动分类,为CTG胎儿智能监护的应用奠定了理论基础与技术支撑。