[go: up one dir, main page]

CN106073746B - 基于胎儿心率曲线的胎儿安静睡眠周期提取方法 - Google Patents

基于胎儿心率曲线的胎儿安静睡眠周期提取方法 Download PDF

Info

Publication number
CN106073746B
CN106073746B CN201610424445.1A CN201610424445A CN106073746B CN 106073746 B CN106073746 B CN 106073746B CN 201610424445 A CN201610424445 A CN 201610424445A CN 106073746 B CN106073746 B CN 106073746B
Authority
CN
China
Prior art keywords
heart rate
signal
fetal
fetal heart
quiet sleep
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610424445.1A
Other languages
English (en)
Other versions
CN106073746A (zh
Inventor
张松
李广飞
王妍
赵扬玉
张蕾
杨琳
陈练
李淑芳
郝冬梅
杨益民
李旭雯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Technology
Peking University Third Hospital
Original Assignee
Beijing University of Technology
Peking University Third Hospital
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Technology, Peking University Third Hospital filed Critical Beijing University of Technology
Priority to CN201610424445.1A priority Critical patent/CN106073746B/zh
Publication of CN106073746A publication Critical patent/CN106073746A/zh
Application granted granted Critical
Publication of CN106073746B publication Critical patent/CN106073746B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/0245—Measuring pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/02411—Measuring pulse rate or heart rate of foetuses
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Gynecology & Obstetrics (AREA)
  • Pregnancy & Childbirth (AREA)
  • Power Engineering (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明公开了基于胎儿心率曲线的胎儿安静睡眠周期提取方法，包括信号输入模块，减速识别模块，安静睡眠周期识别模块，结果输出模块。其中：信号输入模块包括信号预处理与减速片段提取，胎儿安静睡眠周期识别模块包括有效信号选取、参数计算以及安静睡眠周期识别。结果输出为安静睡眠周期次数、最长持续时间和平均持续时间等参数。该方法可利用胎心监护仪器获得的原始数据提取出胎儿的安静睡眠周期并输出相关参数，有效提高对电子胎心监护图的解读效率。

Description

基于胎儿心率曲线的胎儿安静睡眠周期提取方法
技术领域
本发明涉及生物医学信号处理领域，具体是一种电子胎心监护中基于胎儿心率曲线的胎儿安静睡眠周期提取方法。
背景技术
电子胎心监护技术是产科临床应用十分广泛的胎儿心率监测手段，是了解胎儿宫内情况和胎儿储备能力的重要方法。其中无应激试验(non-stress test，NST)主要用于产前监测，对胎儿进行20～40分钟的胎儿心率监测并记录得到的胎儿心率图形。胎儿心率曲线中蕴含着丰富的有关胎儿的神经与心血管功能信息，其所表现出来的形态、振幅强度与一定的周期性等方面的综合信息在相当程度上反映出胎儿在宫内的生理状态。胎儿心率信号中的安静睡眠周期作为胎儿电子监护图形中的重要组成部分，是胎儿心率满足基线变异小于特定阈值、持续时间大于特定阈值的心率片段，在安静睡眠周期内胎儿处于安静睡眠状态。胎儿在安静睡眠状态下其心率信号在监护图形上的波动较为平缓。
目前对胎儿心率信号安静睡眠周期的评估主要是通过对监护图形的手工测量与计算和肉眼识别的方法来判定，对胎儿心率信号的分析与研究不够准确，对胎儿安静睡眠周期所含有的信息提取不够充分。利用数字信号处理技术，对胎儿心率信号计算机化分析，可获取更为客观的参数值，有助于得到更为全面的胎儿安静睡眠相关信息。
发明内容
现有的技术方案主要是利用多路电极传感器采集孕妇与胎儿的心电信号，对采集获得的心电信号进行滤波等方法处理并由特定算法得到胎儿心率。利用胎儿心率曲线的形态学特征来识别胎儿安静睡眠周期。产前胎儿的监护是一个综合复杂的过程，以主观判读的方法从监护图形中获取的胎儿安静睡眠周期信息不够客观，且不同判读者之间得出的结果差异性较大，仅依靠肉眼对胎儿安静睡眠周期进行识别，效率较低并且会丢失除时域以外在频域或者由非线性参数提供的更多信息。
为解决上述问题，本发明提出了一种胎儿心率信号曲线的胎儿安静睡眠周期提取方法，胎儿安静睡眠周期是利用电子胎心监护长时间的胎儿心率数据以及胎儿安静睡眠周期定义计算获得，具有较明确的生理意义，结合胎儿心率的加速、减速、基线、基线变异以及其它电子胎心监护中的参数，能够从胎儿心率信号中获得更为全面的信息。应用提取出的胎儿安静睡眠周期片段，计算相关特征参数，可以对胎儿的安静睡眠状态的相关信息加以分析。
为达到上述目的，本发明所采取的技术方案为：基于胎儿心率曲线的胎儿安静睡眠周期提取方法，其特征在于：包括信号输入模块、减速识别模块、安静睡眠周期识别模块、结果输出模块。信号输入模块、减速识别模块、安静睡眠周期识别模块、结果输出模块依次相连，胎儿心率信号输入信号输入模块后在减速识别模块对胎儿心率信号进行预处理并识别出减速片段，在安静睡眠周期识别模块中进行有效信号选取及特定参数计算后提取出胎儿安静睡眠周期，之后在结果输出模块计算出胎儿安静睡眠周期的最长持续时间、次数、平均持续时间及安静睡眠周期占整体监护时间的比例，最后将这些参数输出。
所述信号输入模块，接收电子胎心监护仪器实测的信号F(t)，F(t)中包含母亲心率信号、胎儿心率信号、母亲移动次数和子宫肌电信号，并从信号F(t)中分离出胎儿心率信号f(t)。
所述减速识别模块，对分离得到的胎儿心率信号f(t)进行预处理，并利用减速定义提取识别出胎儿心率减速片段，以下为减速具体识别方法。
首先对胎儿心率信号f(t)进行预处理，将f(t)分为N段特定长度的胎儿心率信号片段f(k)，每一段胎儿心率信号片段f(k)中胎儿心率等于0的为丢失信号f(k0)，其长度为l(f(k0))，与该段胎儿心率信号片段f(k)的长度l(f(k))之比作为信号丢失率筛选出满足信号丢失率lost小于特定阈值low的胎儿心率信号片段g(k)，即满足条件其中g(k0)为胎儿心率信号片段g(k)中胎儿心率等于0的丢失信号，l(g(k0))为g(k0)的长度。则监护胎儿心率信号时间总长度为其中N为满足信号丢失率lost小于特定阈值low的胎儿心率信号片段g(k)的个数。
然后识别胎儿心率减速片段，对于输入的胎儿心率信号g(k)，若满足胎儿心率g(k)≤b(k)成立，则开始计数，当g(k+aj)＞b(k+aj)成立时则停止计数(计数不包括第aj个胎儿心率，故有0,1,2...(aj-1)共aj个数值)，此时如果计数值aj≥m1且满足g(kr)≤b(kr)-m2(其中kr∈[k,k+aj-1]，m1与m2为特定阈值且都大于零)，则该段胎儿心率片段为减速片段gd(k)。
所述安静睡眠周期识别模块，在筛选出有效信号e(t)之后，利用e(t)计算特征参数c，识别出胎儿安静睡眠周期，以下为胎儿安静睡眠周期具体识别方法。
首先是筛选有效信号e(t)。对于胎儿心率信号g(k)，将其分为定长为一分钟的信号片段min(k)。如果长度为一分钟的胎儿心率信号min(k)满足以下两个条件中任何一个，则舍弃该段胎心率信号。条件一：信号min(k)中含有判定为胎儿心率减速片段gd(k)的部分或者全部；条件二：信号min(k)的丢失率lost＞40％，其中l(min(k0))为信号min(k)中胎儿心率等于0的长度，l(min(k))为信号min(k)的长度。在对定长为一分钟的胎儿心率信号min(k)进行判断并舍弃满足条件的信号之后，剩余一分钟长度的胎儿心率信号片段为有效信号片段e(k)，所有的一分钟长度信号e(k)的集合则为有效信号e(t)。
然后利用有效胎儿心率信号e(t)计算出特征参数c。每一分钟长度的有效信号e(k)都会对应计算出一个特征参数c。计算公式如下：
其中b(k)为心率信号e(k)对应的基线心率。max(e(k))为e(k)中最大胎儿心率值，min(e(k))为e(k)中最小胎儿心率值。max(b(k))为该段有效信号e(k)对应的最大基线心率值，min(b(k))为该段有效信号e(k)对应的最小基线心率值。
最后识别出胎儿安静睡眠周期。设定有效胎儿心率信号e(t)长度为M分钟，则对应会计算出特征参数c为M个，其中第i分钟对应的特征参数为c(i)。将M个特征参数c折叠成(M-5)行6列的矩阵D。矩阵D如下所示：
矩阵D每行为六分钟有效胎儿心率信号对应的六个特征参数，D(i)表示矩阵第i行，其包含第i分钟到第i+5分钟有效信号对应的特征参数。对矩阵D的每一行进行如下比较：D(i)中的六个特征参数c(i)c(i+1)c(i+2)c(i+3)c(i+4)c(i+5)分别与特定阈值m3第进行比较，如果六个特征参数中有五个或者六个特征参数小于等于特定阈值m3，则D(i)为胎儿安静睡眠片段。故胎儿安静睡眠片段持续时间最短为六分钟，如果判定结果D(i)和D(i+1)都为胎儿安静睡眠片段，则从第i分钟到i+6分钟总计持续时间七分钟为胎儿安静睡眠片段。记第j次胎儿安静睡眠周期持续时间为T(j)，胎儿安静睡眠周期出现共计n次。
所述结果输出模块，在计算出胎儿安静睡眠周期的最长持续时间max(T(j))、次数n、平均持续时间mean(T(j))及胎儿安静睡眠周期占整体监护时间的比例rate之后，将这些胎儿安静睡眠相关参数输出。
首先从胎儿安静睡眠周期片段中选出最长持续时间max(T(j))。计算出胎儿安静睡眠周期平均持续时间mean(T(j))。mean(T(j))计算公式如下：
胎儿安静睡眠周期占整体监护时间的比例rate计算公式如下：
最后将上述计算出的胎儿安静睡眠周期参数结果输出。
胎儿心率安静睡眠周期提取的有益效果在于：
该方法仅需输入电子胎儿心率监护仪器的实测原始信号，即可分从中离出胎儿心率信号，并通过信号预处理、胎儿心率减速识别、特征参数计算等步骤获取该胎儿心率信号的安静睡眠周期片段与相关参数。步骤简单方便，提出了一种胎儿安静睡眠周期的提取方法，并计算出一些相关时域参数，改善了关于胎儿安静睡眠周期较难识别的情况。在实际应用过程中可减少通过目测方法带来的误差，有效提高关于胎儿心监护图的解读效率。
附图说明
图1为胎儿安静睡眠周期及其参数提取结构框图。
图2为胎儿安静睡眠周期及其特征参数提取操作流程图。
图3为胎儿安静睡眠周期对应胎儿心率曲线示意图。
具体实施方式
以下结合附图对本发明的一种较为典型的具体实施方式进行详细描述。
本发明的一种典型应用场景在于利用电子胎儿心率监护实测信号获取胎儿安静睡眠周期及其特征参数。由此可以利用现有电子胎心监护仪采集胎儿心率信号的成熟技术及胎儿安静睡眠周期识别方法获取更为客观全面的关于胎儿安静睡眠周期的特征信息。
如图2所示，以一位年龄为29周岁，孕周为39周的被测者为例。
步骤T1中系统开始接收点电子胎儿心率监护仪器实测的信号F(t)，并从F(t)中提取处胎儿心率信号f(t)。
步骤T2将输入的胎儿心率信号f(t)进行分段，计算出每段信号序列f(k)的丢失率lost以并及整体胎儿心率信号的时间长度Lt，被测者的胎儿心率时间长度Lt为10小时40分钟。
步骤T3中根据每段信号的丢失率lost进行判断，不满足丢失率lost低于特定阈值low的胎儿心率信号片段予以舍弃。满足丢失率lost低于特定阈值low的胎儿心率信号片段g(k)则进入下一步操作。
步骤T4对步骤T3中满足要求的胎儿心率信号g(k)进行减速识别提取，提取出的减速片段为gd(k)。
步骤T5中将胎儿心率信号g(k)分为定长为一分钟的信号片段min(k)，并进行有效信号判断，如果min(k)中含有判定为胎儿心率减速片段gd(k)的部分或信号min(k)的丢失率lost＞40％，则该段信号舍弃；如果min(k)中不含有胎儿心率减速片段gd(k)的部分并且信号min(k)的丢失率lost＜40％则该段信号有效，为有效信号片段e(k)，所有的一分钟长度信号e(k)的集合则为有效信号e(t)。
步骤T6中利用每一分钟长度的有效信号片段e(k)计算出一个特征参数c，计算公式如下：
步骤T7中利用特征参数c识别出胎儿安静睡眠周期。
步骤T8中计算出胎儿安静睡眠周期的最长持续时间max(T(j))、次数n、平均持续时间mean(T(j))及胎儿安静睡眠周期占整体监护时间的比例rate之后，将这些胎儿安静睡眠相关参数输出。被测者的最长持续时间max(T(j))＝13分钟、次数n＝7次、平均持续时间mean(T(j))＝9分钟、胎儿安静睡眠周期占整体监护时间的比例rate＝9.8％。最后将上述参数按照指定格式输出；

Claims (1)

1.基于胎儿心率曲线的胎儿安静睡眠周期提取方法，其特征在于：包括信号输入模块、减速识别模块、安静睡眠周期识别模块、结果输出模块；信号输入模块、减速识别模块、安静睡眠周期识别模块、结果输出模块依次相连，胎儿心率信号输入信号输入模块后在减速识别模块对胎儿心率信号进行预处理并识别出减速片段，在安静睡眠周期识别模块中进行有效信号选取及特定参数计算后提取出胎儿安静睡眠周期，之后在结果输出模块计算出胎儿安静睡眠周期的最长持续时间、次数、平均持续时间及安静睡眠周期占整体监护时间的比例，最后将这些参数输出；
所述信号输入模块，接收电子胎心监护仪器实测的信号F(t)，F(t)中包含母亲心率信号、胎儿心率信号、母亲移动次数和子宫肌电信号，并从信号F(t)中分离出胎儿心率信号f(t)；
所述减速识别模块，对分离得到的胎儿心率信号f(t)进行预处理，并利用减速定义提取识别出胎儿心率减速片段，以下为减速具体识别方法；
首先对胎儿心率信号f(t)进行预处理，将f(t)分为N段特定长度的胎儿心率信号片段f(k)，每一段胎儿心率信号片段f(k)中胎儿心率等于0的为丢失信号f(k0)，其长度为l(f(k0))，与该段胎儿心率信号片段f(k)的长度l(f(k))之比作为信号丢失率筛选出满足信号丢失率lost小于特定阈值low的胎儿心率信号片段g(k)，即满足条件其中g(k0)为胎儿心率信号片段g(k)中胎儿心率等于0的丢失信号，l(g(k0))为g(k0)的长度；则监护胎儿心率信号时间总长度为其中N为满足信号丢失率lost小于特定阈值low的胎儿心率信号片段g(k)的个数；
然后识别胎儿心率减速片段，对于输入的胎儿心率信号g(k)，如若满足胎儿心率g(k)≤b(k)成立，则开始计数，当g(k+aj)＞b(k+aj)成立时则停止计数，计数不包括第aj个胎儿心率，故有0,1,2...(aj-1)共aj个数值，此时如果计数值aj≥m1且满足g(kr)≤b(kr)-m2，其中kr∈[k,k+aj-1]，m1与m2为特定阈值且都大于零，则该段胎儿心率片段为减速片段gd(k)；
所述安静睡眠周期识别模块，在筛选出有效信号e(t)之后，利用e(t)计算特征参数c，识别出胎儿安静睡眠周期，以下为胎儿安静睡眠周期具体识别方法；
首先是筛选有效信号e(t)；对于胎儿心率信号g(k)，将其分为定长为一分钟的信号片段min(k)；如果长度为一分钟的胎儿心率信号min(k)满足以下两个条件中任何一个，则舍弃该段胎心率信号；条件一：信号min(k)中含有判定为胎儿心率减速片段gd(k)的部分或者全部；条件二：信号min(k)的丢失率lost＞40％，其中为信号min(k)中胎儿心率等于0的长度，l(min(k))为信号min(k)的长度；在对定长为一分钟的胎儿心率信号min(k)进行判断并舍弃满足条件的信号之后，剩余一分钟长度的胎儿心率信号片段为有效信号片段e(k)，所有的一分钟长度信号e(k)的集合则为有效信号e(t)；
然后利用有效胎儿心率信号e(t)计算出特征参数c；每一分钟长度的有效信号e(k)都会对应计算出一个特征参数c；计算公式如下：
其中b(k)为心率信号e(k)对应的基线心率；max(e(k))为e(k)中最大胎儿心率值，min(e(k))为e(k)中最小胎儿心率值；max(b(k))为该段有效信号e(k)对应的最大基线心率值，min(b(k))为该段有效信号e(k)对应的最小基线心率值；
最后识别出胎儿安静睡眠周期；设定有效胎儿心率信号e(t)长度为M分钟，则对应会计算出特征参数c为M个，其中第i分钟对应的特征参数为c(i)；将M个特征参数c折叠成(M-5)行6列的矩阵D；矩阵D如下所示：
矩阵D每行为六分钟有效胎儿心率信号对应的六个特征参数，如D(i)表示矩阵第i行，其包含第i分钟到第i+5分钟有效信号对应的特征参数；对矩阵D的每一行进行如下比较：D(i)中的六个特征参数c(i)c(i+1)c(i+2)c(i+3)c(i+4)c(i+5)分别与特定阈值m3进行比较，如果六个特征参数中有五个或者六个特征参数小于等于特定阈值m3，则D(i)为胎儿安静睡眠片段；故胎儿安静睡眠片段持续时间最短为六分钟，如果判定结果D(i)和D(i+1)都为胎儿安静睡眠片段，则从第i分钟到i+6分钟总计持续时间七分钟为胎儿安静睡眠片段；记第j次胎儿安静睡眠周期持续时间为T(j)，胎儿安静睡眠周期出现共计n次；
所述结果输出模块，在计算出胎儿安静睡眠周期的最长持续时间max(T(j))、次数n、平均持续时间mean(T(j))及胎儿安静睡眠周期占整体监护时间的比例rate之后，将这些胎儿安静睡眠相关参数输出；
首先从胎儿安静睡眠周期片段中选出最长持续时间max(T(j))；计算出胎儿安静睡眠周期平均持续时间mean(T(j))；mean(T(j))计算公式如下：
胎儿安静睡眠周期占整体监护时间的比例rate计算公式如下：
最后将上述计算出的胎儿安静睡眠周期参数结果输出。
CN201610424445.1A 2016-06-15 2016-06-15 基于胎儿心率曲线的胎儿安静睡眠周期提取方法 Active CN106073746B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610424445.1A CN106073746B (zh) 2016-06-15 2016-06-15 基于胎儿心率曲线的胎儿安静睡眠周期提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610424445.1A CN106073746B (zh) 2016-06-15 2016-06-15 基于胎儿心率曲线的胎儿安静睡眠周期提取方法

Publications (2)

Publication Number Publication Date
CN106073746A CN106073746A (zh) 2016-11-09
CN106073746B true CN106073746B (zh) 2018-10-19

Family

ID=57846933

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610424445.1A Active CN106073746B (zh) 2016-06-15 2016-06-15 基于胎儿心率曲线的胎儿安静睡眠周期提取方法

Country Status (1)

Country Link
CN (1) CN106073746B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106991291B (zh) * 2017-04-14 2020-01-10 北京工业大学 胎儿心电信号实时转换为胎儿胎音的计算机仿真转换方法
CN107713991A (zh) * 2017-11-08 2018-02-23 四川大学 体征检测装置、方法及系统
CN109864701B (zh) * 2017-12-01 2021-10-22 深圳市理邦精密仪器股份有限公司 一种胎心率曲线的处理方法、装置及胎心监护仪
CN108143403A (zh) * 2017-12-25 2018-06-12 无锡思博思奇科技有限公司 心率计算方法
CN112971753B (zh) * 2019-12-13 2024-09-10 深圳市理邦精密仪器股份有限公司 胎心率减速类型的识别方法、装置及胎儿监护设备
CN112971752B (zh) * 2019-12-13 2024-07-05 深圳市理邦精密仪器股份有限公司 胎心率减速类型的修正方法、装置及胎儿监护设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102028456A (zh) * 2010-11-23 2011-04-27 东莞市隆博医疗科技有限公司 一种全方位监护胎儿安全的方法
CN105030231A (zh) * 2015-07-16 2015-11-11 北京工业大学 一种胎心监护加速特征参数的提取方法
CN105193451A (zh) * 2015-10-21 2015-12-30 北京工业大学 一种胎儿心率曲线基线的识别方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008016911A2 (en) * 2006-07-31 2008-02-07 Oregon Health & Science University Replicating melatonin signaling in a fetus, newborn or suckling infant
FR3022762B1 (fr) * 2014-06-27 2022-10-28 Univ Rennes Dispositif de traitement de donnees de rythme cardiaque fœtal, methode et programme d'ordinateur correspondant

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102028456A (zh) * 2010-11-23 2011-04-27 东莞市隆博医疗科技有限公司 一种全方位监护胎儿安全的方法
CN105030231A (zh) * 2015-07-16 2015-11-11 北京工业大学 一种胎心监护加速特征参数的提取方法
CN105193451A (zh) * 2015-10-21 2015-12-30 北京工业大学 一种胎儿心率曲线基线的识别方法

Also Published As

Publication number Publication date
CN106073746A (zh) 2016-11-09

Similar Documents

Publication Publication Date Title
CN106073746B (zh) 基于胎儿心率曲线的胎儿安静睡眠周期提取方法
CN109171712B (zh) 心房颤动识别方法、装置、设备及计算机可读存储介质
US9801609B2 (en) Device and method for enhancing accuracy of recognizing fetus heart rate acceleration data
CN110338786B (zh) 一种癫痫样放电的识别与分类方法、系统、装置和介质
CN110151138B (zh) 基于卷积神经网络的睡眠呼吸暂停片段检测方法、设备
CN104173046B (zh) 一种色彩标记振幅整合脑电图的提取方法
CN108175384A (zh) 基于子宫肌电信号识别宫缩的方法及装置
CN106889987B (zh) 基于分段滤波处理的子宫肌电强度信息提取方法
CN112971853B (zh) 一种基于人工智能分析电子胎心监测数据的方法及装置
CN102090883A (zh) 一种胎动自动识别方法及其装置
CN104840186A (zh) 一种充血性心力衰竭患者自主神经功能的评估方法
CN108511055A (zh) 基于分类器融合及诊断规则的室性早搏识别系统及方法
Gao et al. Fetal heart baseline extraction and classification based on deep learning
CN113995419A (zh) 一种基于心跳节律信号的房颤发生风险预测系统及其应用
CN104305992B (zh) 一种交互式胎儿心电快速自动提取方法
Haritopoulos et al. Survey on cardiotocography feature extraction algorithms for foetal welfare assessment
WO2023226223A1 (zh) Ppg信号质量评估方法及装置以及ppg信号处理方法及系统
Sbrollini et al. Automatic identification and classification of fetal heart-rate decelerations from cardiotocographic recordings
Altini et al. Combining electrohysterography and heart rate data to detect labour
Krupa et al. The application of empirical mode decomposition for the enhancement of cardiotocograph signals
CN109567869B (zh) 一种处理胎心率曲线上加速活动的方法及系统
CN104055506A (zh) 一种胎监数据处理方法及装置
CN109549641A (zh) 胎心监护方法及装置、终端、计算机可读存储介质
Das et al. A novel approach for extraction and analysis of variability of baseline
CN103876731B (zh) 一种胎儿心电信号提取装置及方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20170731

Address after: 100124 Chaoyang District, Beijing Ping Park, No. 100

Applicant after: Beijing University of Technology

Applicant after: The Third Affiliated Hospital of Peking University

Address before: 100124 Chaoyang District, Beijing Ping Park, No. 100

Applicant before: Beijing University of Technology

TA01 Transfer of patent application right
CB03 Change of inventor or designer information

Inventor after: Zhang Song

Inventor after: Yang Yimin

Inventor after: Li Xuwen

Inventor after: Li Guangfei

Inventor after: Wang Yan

Inventor after: Zhao Yangyu

Inventor after: Zhang Lei

Inventor after: Yang Lin

Inventor after: Chen Lian

Inventor after: Li Shufang

Inventor after: Hao Dongmei

Inventor before: Zhang Song

Inventor before: Li Guangfei

Inventor before: Yang Lin

Inventor before: Yang Yimin

Inventor before: Li Xuwen

Inventor before: Hao Dongmei

Inventor before: Wang Yan

Inventor before: Li Shufang

Inventor before: Zhang Lei

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant