目的 电子胎心监护是通过连续监测胎心率和宫缩的变化对胎儿宫内状态进行评估的重要手段，但对电子胎心监护的传统人工诊断存在主观性高和一致性低的局限。与超声多普勒法相比，经腹电信号法允许更长时间的监护，且受个体差异影响小，但国内缺乏精确的基于腹电信号的自动胎儿诊断算法。为此本研究提出了一种创新算法，旨在提高胎儿诊断的准确性和效率，并为国内临床医生提供有效的决策支持工具，提升医疗服务质量。方法 本算法首先采用稳定有效的多任务深度学习网络对腹电信号提取到的胎心率进行分析得到胎心率参数(基线、加速和减速的起止时间),同时通过由腹电信号滤波得到的子宫肌电信号进行宫缩识别获取宫缩参数(宫缩频率和起止时间)。对提取的上述参数进行整理后结合电子胎心监护应用专家共识进行胎儿监护结果的诊断。结果 通过分析89例同时采用腹电式动态胎儿监护仪和多普勒胎儿监护仪的20 min监护记录，算法在无激惹试验反应型的识别上表现出76.09%的敏感度和97.22%的阳性预测值，宫缩应激试验Ⅰ类的敏感度为88.89%,阳性预测值为68.09%,整体准确率达到77.53%。结论 该算法在与医生诊断结果的对比中展现出较高的一致性，为提高临床决策质量和医疗服务提供了一个创新的辅助工具。