本发明公开了一种基于深度森林的产前胎儿监护智能判读方法，该方法将经过预处理且已知分类的p维CTG临床特征向量通过三个多粒度滑动窗口扫描，并通过两个森林模型后合并得到2m（p‑d1+1）维、2m（p‑d2+1）维和2m（p‑d3+1）维三个表征向量，再输入至级联森林阶段的四个森林模型，级联森林利用多粒度扫描处理后的特征向量作为第一层的输入，经四个森林模型得到4m维的类别向量，再与原始输入特征向量拼接得到（4m+d1）维后作为下一层级的输入特征；该方法有效解决产前胎儿监护智能判读模型中可疑类和正常类样本的误判问题，不仅减轻医护人员工作量，而且为基层医院产检工作提供辅助。