CN104305992A - 一种交互式胎儿心电快速自动提取方法 - Google Patents
一种交互式胎儿心电快速自动提取方法 Download PDFInfo
- Publication number
- CN104305992A CN104305992A CN201410311531.2A CN201410311531A CN104305992A CN 104305992 A CN104305992 A CN 104305992A CN 201410311531 A CN201410311531 A CN 201410311531A CN 104305992 A CN104305992 A CN 104305992A
- Authority
- CN
- China
- Prior art keywords
- parent
- electrocardio
- fetal ecg
- wavelet
- abdominal part
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 20
- 210000003754 fetus Anatomy 0.000 title abstract 8
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 230000001605 fetal effect Effects 0.000 claims description 94
- 230000003187 abdominal effect Effects 0.000 claims description 50
- 238000000354 decomposition reaction Methods 0.000 claims description 22
- 239000000203 mixture Substances 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 230000000717 retained effect Effects 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 8
- 230000009466 transformation Effects 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 abstract description 5
- 210000001015 abdomen Anatomy 0.000 abstract 5
- 238000010276 construction Methods 0.000 abstract 1
- 239000000284 extract Substances 0.000 description 12
- 238000001914 filtration Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000002458 fetal heart Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/344—Foetal cardiography
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Power Engineering (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
一种交互式胎儿心电快速自动提取方法,其步骤是:对母体腹部心电信号进行预处理,去除较易滤掉的工频干扰和高频噪声干扰;将预处理后的母体腹部心电信号进行平稳小波时频变换;对小波细节系数进行特征提取;检测与母体腹部心电信号成分相关的特征并构造出母体心电模板;从预处理后的母体腹部心电信号中除去已构造出来的母体心电模板,得到胎儿心电信号。本发明利用了平稳小波时不变的特性,能准确定位母体心电与胎儿心电的位置,提取到的胎儿心电数据在用于胎儿心率检测上具有高准确率,且交互性特征自动检测方法及联合母体心电模板构造,所需循环少,计算速度快,可以适应实时处理的需求,并能够适应从不同孕妇腹部心电中提取到胎儿心电。
Description
技术领域
本发明属于医疗器械中非侵入式胎儿心电信号处理技术领域,具体是涉及一种可由一路低信噪比母体腹部心电信号中自动快速提取纯净胎儿心电信号的方法。
背景技术
非侵入式胎儿心电监护仪的工作原理主要是通过母体腹部外电极测量模拟心电信号,利用模数转换模块将模拟信号转换为数字信号,再经相应的算法对数字母体腹部信号进行处理以提取纯净的胎儿心电信号,最后对提取到的胎儿心电信号进行特征提取,将所提取到的特征提供给医生作诊断。从功能上来说,胎儿心电监护仪需提取到纯净的胎儿心电信号,否则其所提供的胎儿心电特征信息是不准确的,起不到胎儿健康监护的作用。因此,胎儿心电提取算法是胎儿心电监护中的关键技术。
近几十年来,国内外专家提出了许多胎儿心电提取方法。目前胎儿心电提取的方法主要基于:匹配滤波法、自适应滤波法、奇异值分解法、小波变换、神经网络和独立分量分析法。每一种方法都存在着一定的局限性,因此对于准确提取胎儿心电并将算法应用到胎儿心电实时监护系统中仍然需要继续研究。本发明是基于小波变换的方法,小波变换的方法能对信号进行多尺度细化进而局部分析信号,因此在非平稳信号(特别是心电信号)的分析上具有很大优势。有些研究将小波变换方法与盲源分离方法、独立分量分析方法以及神经网络等方法结合起来提取胎儿心电信号。目前单独基于小波变换的胎儿心电检测算法主要有两类工作原理:(1)将母体腹部提取到的心电信号进行小波分解,根据每个尺度上(或每一级)的信号波形进行分析,通过阈值法对小波系数直接处理提取出母体心电成分,通过反傅里叶变换获取母体心电信号模板,最后用母体腹部信号减去母体心电模板获取胎儿心电信号;(2)将母体腹部的心电信号进行小波分解,提取每个尺度上(或每一级)信号的特征,通过对小波系数进行处理获取另外一种表达方式的特征值,检测与母体心电信号相关的特征,然后利用这些特征来重构母体心电信号的小波系数继而得到母体心电,最后用母体腹部信号减去母体心电获取胎儿心电信号。本发明提出的胎儿心电提取方法基于第二种工作原理,在滤波方法、特征检测及构造母体心电信号的算法上进行了较大改进。
小波提取胎儿心电的方法是根据经验视采集的腹部信号使用。基于小波变换的胎儿心电信号提取算法一般先分析母体腹部心电信号的小波分解结果,然后根据分解结果的特征进行下一步处理。分解结果可能会有很多情况,需根据实际的情况来做不同的处理,很难找到一个通用的方法来提取纯净胎儿心电信号,需要调整各种参数(如分解层数,小波系数阈值,特征阈值等)来适应不同的信号。因此,胎儿心电提取的结果受到一定经验的影响,在自动控制上存在很大困难,对用户知识水平要求高,这样的处理算法难以应用于仪器中。其原因如下:
(1)由于胎儿心电信号个体差异性特征以及不同检测仪器的检测能力问题,检测仪器所提供的母体腹部心电信号存在着很大的差异。采集到的腹部心电信号除包含小幅值的胎儿心电信号外,还包含幅值很大的母体心电以及工频干扰、呼吸干扰、肌电干扰等。在这种低信噪比下,即使利用了小波方法的局部时频分析特性,各种噪声及干扰的处理要求依然很高,提取胎儿心电存在很大的困难;
(2)部分胎儿心电提取算法基于连续小波变换或是离散小波变换,连续小波变换与离散小波变换都是时变的,起始点不一样,则变换后的结果不一样。起始点的选取在某种程度上影响后续信号处理的效果,且这两种时变的变换不易定位母体心电与胎儿心电,易造成获取到的信号不是胎儿心电的可能;
(3)基于平稳小波变换或者二进小波变换的胎儿心电提取算法,是非时变的变换。只是,目前无论是直接处理时频域上的各级小波系数,还是先通过小波系数提取特征点再构造母体心电模板,还是存在需局部考虑信号的缺点。
发明内容
本发明的目的在于针对上述存在问题和不足,提供一种操作容易,稳定性好,算法模型结构简单且提取准确率高,能有效地解决基于小波提取胎儿心电信号算法中难以移植应用于实时胎儿心电监护系统的弊端的交互式胎儿心电快速自动提取方法。
本发明的技术方案是这样实现的:
本发明所述的交互式胎儿心电快速自动提取方法,其特点是包括如下步骤:
1)对母体腹部心电信号进行预处理,主要去除较易滤掉的工频干扰和高频噪声干扰;
2)将预处理后的母体腹部心电信号进行平稳小波时频变换;
3)对小波细节系数进行特征提取;
4)检测与母体腹部心电信号成分相关的特征并构造出母体心电模板;
5)从预处理后的母体腹部心电信号中除去已构造出来的母体心电模板,从而得到胎儿心电信号。
具体地,上述步骤1)中仅对易去除的工频干扰和高频噪声干扰分别用巴特沃斯带阻滤波器和巴特沃斯低通滤波器去除。
上述步骤2)和步骤4)中分别对相应参数做接口设计,并给出经验值,给予用户简单调整以获取更好的效果。
上述步骤2)是对预处理后的母体腹部心电信号进行N级平稳小波分解,分解级数为用户可更改参数,默认分解级数为经验值,依据平稳小波时频变换后的最高级上的小波概貌系数是否存在胎儿心电成分来提供选择的分解级数,小波分解级数N选择需使最高级上的小波概貌系数以及细节系数不存在胎儿心电成分,实验经验为分解级数大于或者等于6均可得到满足要求的分解。
上述步骤3)是对平稳小波分解后的每一级小波细节系数计算其模极大值,当小波模极大值落在尺度 上的位置时,有:
。
上述步骤4)只对特定的一级的特征采用阈值法检测出大于阈值的特征,该级的选定标准为:下一级特征中不含胎儿心电成分,选定级的特征中具有的胎儿心电成分相对母体心电成分小很多;并对提取到的模极大值进行阈值处理,选定级的值为用户可修改参数,提供参数值为比分解层数经验值小1或者更小一点的数,经验值为5;
选定第k级,阈值定为 ,C为常量,N为分解的级数,阈值函数为:
其中,为第k级上的小波模极大特征值序列;该处理后,自动将大于该级的后面几级的模极大值保留,小于该级的前面几级的模极大值设置为零,模极大值选取结束;
其构造母体心电模板的具体步骤如下:
4.1)将预处理后母体腹部心电信号平稳小波分解结果的最高级上小波概貌系数保留,所有级上的小波细节系数都设置为零;
4.2)将选取的模极大值利用交替投影法构造母体心电模板的小波细节系数,然后使用预处理后母体腹部心电信号最高级上的小波概貌系数与交替投影法构造的母体心电模板的小波细节系数作逆平稳小波变换重构母体心电模板,再对重构的母体心电模板进行N级平稳小波分解,所有级上的小波细节系数为新循环使用,前面所有处理为一个循环,默认循环次数为经验值;
4.3)将预处理后母体腹部心电信号平稳小波分解结果的最高级上小波概貌系数与第二步中构造出来的小波细节系数作逆平稳小波变换构造出最终母体心电模板。
上述步骤5)中胎儿心电信号计算公式为:
其中,为母体腹部胎儿心电信号,为工频噪声和高频噪声干扰,为母体心电模板,母体心电模板还包含基线漂移等低频噪声和干扰。
本发明通过改进提取方法的结构,改变滤波顺序及方式,加入可操控的交互接口,提出交互性特征自动检测方法联合构造母体心电模板的策略,因此与现有技术相比,具有如下有益效果:
(1)本发明中的胎儿心电提取算法利用了平稳小波时不变的特性,可以准确定位母体心电与胎儿心电的位置,使获得的胎儿心电更准确,提取到的胎儿心电数据在用于胎儿心率检测上具有高准确率,因此该提取算法的鲁棒性好,避免了其他小波提取胎儿心电方法中因无法分清母胎心电而错误滤除有用的信号或者是留下无用信号的缺点;
(2)交互性特征自动检测方法将根据信号的差异性来为用户提供调整接口参数,并预先设定一个有效经验值,使得屏幕显示一个可参考胎儿心电,用户简单调整一两个参数即可对输出胎儿心电的效果进行微调获取更好的效果,这样避免了小波提取胎儿心电算法中需要根据信号而调整多个相应的参数带来的诸多困难,减小用户使用仪器的难度;
(3)交互性特征自动检测方法及联合母体心电模板构造,所需循环少,计算速度快,可以适应实时处理的需求;
(4)由于特征值的检测方法的使用,降低了滤波的要求,只需将较高频的噪声及干扰滤除即可,技术上易于达到,此外无需额外的基线漂移滤除过程;
(5)本发明的胎儿心电提取算法基于单通道信号,只需一路母体腹部信号,减小设备的复杂度,提高仪器使用的可操作性;
(6)本发明算法具有很好的稳定性,经过多组模拟数据以及Non-Invasive Fetal Electrocardiogram Database共40组数据的验证,均能达到预期目的,且提取到的胎儿心电数据在用于胎儿心率检测上具有高准确率;
(7)本发明加入交互式的简单参数接口设计为操作带来了简便,更适应从不同孕妇腹部心电中提取到胎儿心电,并充分考虑了胎儿心电信号个体差异性特征,能够防止由于不同母体腹部信号的差异大而出现无法提取的情况。
下面结合附图对本发明作进一步的说明。
附图说明
图1为本发明的胎儿心电提取算法流程框图。
图2为本发明中根据要求所作平稳小波分解后各级系数。
图3为本发明中重构的母体心电模版的小波细节系数与原腹部心电信号小波细节系数对比图。
图4为本发明中对Non-Invasive Fetal Electrocardiogram Database数据库中ecg771中的数据提取胎儿心电的效果图。
图5为本发明中对Non-Invasive Fetal Electrocardiogram Database数据库中ecg826中的数据提取胎儿心电的效果图。
图6为本发明中对合成数据提取胎儿心电的效果图。
具体实施方式
使用Non-Invasive Fetal Electrocardiogram Database中ecg771第三通道数据,结合实际例子作具体描述。
如图1所示,本发明所述的交互式胎儿心电快速自动提取方法,包括如下步骤:
1)取母体腹部心电信号每3072个点,对母体腹部心电信号进行预处理,该预处理是自动采用巴特沃斯带阻滤波器去除工频干扰和自动采用巴特沃斯低通滤波器去除高频噪声干扰;
2)将预处理后的母体腹部心电信号进行平稳小波时频变换,具体操作方法如下:
对预处理后的母体腹部心电信号用4阶Daubechies小波默认选择对其进行6级平稳小波分解,原始母体腹部心电和分解得到的小波概貌系数与细节系数如图2所示,图中共分三部分,(a)部分为预处理后的母体腹部心电信号,(b)部分为6级小波概貌系数,(c)部分为6级小波细节系数;
平稳小波变换过程如下:
令为预处理后的母体腹部心电,则:
,
其中,为尺度函数,为小波概貌系数;
同时,母小波函数定义为:
,
可得小波细节系数:
。
3)对小波细节系数进行特征提取,具体操作方法如下:
对平稳小波分解后的每一级小波细节系数计算其模极大值,当小波模极大值落在尺度上的位置时,有:
;
4)检测与母体腹部心电信号成分相关的特征并构造出母体心电模板,具体操作方法如下:
对提取到的模极大值进行阈值处理,选定第5级,用户也可更改选择程序提供的选定层的值,则代入阈值及阈值函数:
,
其中,C为常量,由程序默认设置,N为分解的级数,为第k级上的小波模极大特征值序列;该处理后,处理程序自动将大于该级的后面几级的模极大值保留,小于该级的前面几级的模极大值设置为零,模极大值选取结束;
其构造母体心电模板的具体步骤如下:
第一步,将预处理后母体腹部心电信号平稳小波分解结果的第6级上的小波概貌系数保留,所有级上的小波细节系数都设置为零;
第二步,将选取的模极大值利用交替投影法构造母体心电模板的小波细节系数,然后使用预处理后母体腹部心电信号第6级上的小波概貌系数与交替投影法构造的母体心电模板的小波细节系数作逆平稳小波变换重构母体心电模板,再对重构的母体心电模板进行6级平稳小波分解,所有级上的小波细节系数为新循环使用,前面所有处理为一个循环,选取循环次数M为6,用户也可更改选择循环参数;
第三步,将预处理后母体腹部心电信号平稳小波分解结果的第6级上的小波概貌系数与第二步中构造出来的小波细节系数作逆平稳小波变换构造出最终母体心电模板;如图3所示,即为重构的母体心电模版的小波细节系数与原腹部心电信号小波细节系数对比图,其中蓝色线为原腹部信号预处理后的小波细节系数,红色线为构造的母体心电信号模板的小波细节系数;
5)从预处理后的母体腹部心电信号中除去已构造出来的母体心电模板,从而得到胎儿心电信号,将已构造出来的母体心电模板从预处理后的母体腹部心电信号中去除即可得胎儿心电信号,计算公式为:
其中,为母体腹部胎儿心电信号,为工频干扰和高频噪声干扰,为母体心电模板。
同时,步骤2)实施时,处理程序自动根据“进行平稳小波时频变换时,根据最高级上的小波概貌系数是否存在胎儿心电成分来选取平稳小波分解的级数,小波分解级数N必须增大到最高级上的小波概貌系数以及细节系数不存在胎儿心电成分为止”的实施要求提供分解级数参数选择。
步骤4)实施时,处理程序自动根据“对N级平稳小波分解结果中的小波细节系数求取特征后,对特定的一级的特征采用阈值法检测出大于阈值的特征;该级的选定标准为:下一级特征中不含胎儿心电成分,选定级的特征中具有的胎儿心电成分相对母体心电成分小很多”的实施要求提供选定级的选取。
此外,步骤4)实施时,程序提供循环参数值给用户用于微调,不过不提供太大的值,小循环次数即可获取较好的胎儿心电且计算速度快。
上述步骤2)和步骤4)已包含相应参数接口设计,并给出经验值,用户可再简单调整以获取更好的效果。
如图4所示,图中AECG为预处理后母体腹部心电信号,MECG为应用本发明的方法构造出来的母体心电模板,FECG为提取的胎儿心电信号。从图可看出,该胎儿心电信号几乎不含基线漂移。算法设计中将基线漂移归到母体心电模板中,故该方法本身存在除去基线漂移的能力。
如图5所示,为本发明中对Non-Invasive Fetal Electrocardiogram Database数据库中ecg826中的数据提取胎儿心电的效果图。
如图6所示,为本发明中对合成数据提取胎儿心电的效果图。而且,利用本发明所述的方法提取到的胎儿心电用于提取胎儿心率的结果,如表1所示:
表 1
其中,TP表示准确测到的胎儿心电R波个数,FP表示测到的非胎儿心电R波个数,FN表示没有测到的胎儿心电的R波个数,且
。
其中,Se的值体现灵敏性, PDV的值体现假阳性, ACC的值体现准确率。
本发明是通过实施例来描述的,但并不对本发明构成限制,参照本发明的描述,所公开的实施例的其他变化,如对于本领域的专业人士是容易想到的,这样的变化应该属于本发明权利要求限定的范围之内。
Claims (6)
1.一种交互式胎儿心电快速自动提取方法,其特征在于包括如下步骤:
1)对母体腹部心电信号进行预处理,主要去除较易滤掉的工频干扰和高频噪声干扰;
2)将预处理后的母体腹部心电信号进行平稳小波时频变换;
3)对小波细节系数进行特征提取;
4)检测与母体腹部心电信号成分相关的特征并构造出母体心电模板;
5)从预处理后的母体腹部心电信号中除去已构造出来的母体心电模板,从而得到胎儿心电信号。
2.根据权利要求1所述交互式胎儿心电快速自动提取方法,其特征在于上述步骤1)中仅对易去除的工频干扰和高频噪声干扰分别用巴特沃斯带阻滤波器和巴特沃斯低通滤波器去除。
3.根据权利要求1所述交互式胎儿心电快速自动提取方法,其特征在于上述步骤2)和步骤4)中分别对相应参数做接口设计,并给出经验值,给予用户简单调整以获取更好的效果。
4.根据权利要求1所述交互式胎儿心电快速自动提取方法,其特征在于上述步骤2)是对预处理后的母体腹部心电信号进行N级平稳小波分解,分解级数为用户可更改参数,默认分解级数为经验值,依据平稳小波时频变换后的最高级上的小波概貌系数是否存在胎儿心电成分来提供选择的分解级数,小波分解级数N选择需使最高级上的小波概貌系数以及细节系数不存在胎儿心电成分,实验经验为分解级数大于或者等于6均可得到满足要求的分解。
5.根据权利要求1所述交互式胎儿心电快速自动提取方法,其特征在于上述步骤4)只对特定的一级的特征采用阈值法检测出大于阈值的特征,该级的选定标准为:下一级特征中不含胎儿心电成分,选定级的特征中具有的胎儿心电成分相对母体心电成分小很多;并对提取到的模极大值进行阈值处理,选定级的值为用户可修改参数,提供参数值为比分解层数经验值小1或者更小一点的数,经验值为5;
选定第k级,阈值定为 ,C为常量,N为分解的级数,阈值函数为:
其中,为第k级上的小波模极大特征值序列;该处理后,自动将大于该级的后面几级的模极大值保留,小于该级的前面几级的模极大值设置为零,模极大值选取结束;
其构造母体心电模板的具体步骤如下:
4.1)将预处理后母体腹部心电信号平稳小波分解结果的最高级上小波概貌系数保留,所有级上的小波细节系数都设置为零;
4.2)将选取的模极大值利用交替投影法构造母体心电模板的小波细节系数,然后使用预处理后母体腹部心电信号最高级上的小波概貌系数与交替投影法构造的母体心电模板的小波细节系数作逆平稳小波变换重构母体心电模板,再对重构的母体心电模板进行N级平稳小波分解,所有级上的小波细节系数为新循环使用,前面所有处理为一个循环,默认循环次数为经验值;
4.3)将预处理后母体腹部心电信号平稳小波分解结果的最高级上小波概貌系数与第二步中构造出来的小波细节系数作逆平稳小波变换构造出最终母体心电模板。
6.根据权利要求1所述交互式胎儿心电快速自动提取方法,其特征在于上述步骤5)中胎儿心电信号计算公式为:
其中,为母体腹部胎儿心电信号,为工频噪声和高频噪声干扰,为母体心电模板,母体心电模板还包含基线漂移低频噪声和干扰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410311531.2A CN104305992B (zh) | 2014-07-02 | 2014-07-02 | 一种交互式胎儿心电快速自动提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410311531.2A CN104305992B (zh) | 2014-07-02 | 2014-07-02 | 一种交互式胎儿心电快速自动提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104305992A true CN104305992A (zh) | 2015-01-28 |
CN104305992B CN104305992B (zh) | 2016-09-21 |
Family
ID=52361418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410311531.2A Expired - Fee Related CN104305992B (zh) | 2014-07-02 | 2014-07-02 | 一种交互式胎儿心电快速自动提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104305992B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105310688A (zh) * | 2015-11-02 | 2016-02-10 | 广东工业大学 | 一种基于非负盲分离胎儿心电特征信号提取方法 |
CN105455800A (zh) * | 2015-12-24 | 2016-04-06 | 青岛光电医疗传感器有限公司 | 一种可穿戴同时监测成人与胎儿心率的设备及方法 |
CN106691437A (zh) * | 2017-01-26 | 2017-05-24 | 浙江铭众科技有限公司 | 一种基于母体心电信号的胎儿心率提取方法 |
CN106889981A (zh) * | 2017-01-26 | 2017-06-27 | 浙江铭众科技有限公司 | 一种用于提取胎儿心率的智能终端 |
CN109068986A (zh) * | 2016-04-01 | 2018-12-21 | 奥丽特婴儿保健公司 | 胎儿健康数据监测 |
CN111053547A (zh) * | 2018-10-16 | 2020-04-24 | 中山大学 | 基于搜索树的实现单通道胎儿心率监测方法 |
CN111772627A (zh) * | 2019-04-04 | 2020-10-16 | 中山大学 | 一种在线胎儿心电信号提取装置及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4211237A (en) * | 1977-04-14 | 1980-07-08 | Biotronik Mess- Und Therapiegerate Gmbh & Co. | Method and apparatus for identifying recurring signal patterns |
EP1366709A1 (en) * | 2002-05-15 | 2003-12-03 | Colin Corporation | Fetal-pulse-wave-velocity-related-information obtaining apparatus |
CN101972145A (zh) * | 2010-10-12 | 2011-02-16 | 华南理工大学 | 一种基于源信号时域相对稀疏性的胎儿心电盲分离方法 |
CN102525452A (zh) * | 2011-10-19 | 2012-07-04 | 广东工业大学 | 一种基于斜投影的单通道胎儿心电盲分离装置及分离方法 |
CN102783945A (zh) * | 2012-08-09 | 2012-11-21 | 北京工业大学 | 基于小波阈值去噪的胎儿心电信号提取方法 |
CN103263262A (zh) * | 2013-05-28 | 2013-08-28 | 捷普科技(上海)有限公司 | 测量胎儿心率的系统及方法 |
-
2014
- 2014-07-02 CN CN201410311531.2A patent/CN104305992B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4211237A (en) * | 1977-04-14 | 1980-07-08 | Biotronik Mess- Und Therapiegerate Gmbh & Co. | Method and apparatus for identifying recurring signal patterns |
EP1366709A1 (en) * | 2002-05-15 | 2003-12-03 | Colin Corporation | Fetal-pulse-wave-velocity-related-information obtaining apparatus |
CN101972145A (zh) * | 2010-10-12 | 2011-02-16 | 华南理工大学 | 一种基于源信号时域相对稀疏性的胎儿心电盲分离方法 |
CN102525452A (zh) * | 2011-10-19 | 2012-07-04 | 广东工业大学 | 一种基于斜投影的单通道胎儿心电盲分离装置及分离方法 |
CN102783945A (zh) * | 2012-08-09 | 2012-11-21 | 北京工业大学 | 基于小波阈值去噪的胎儿心电信号提取方法 |
CN103263262A (zh) * | 2013-05-28 | 2013-08-28 | 捷普科技(上海)有限公司 | 测量胎儿心率的系统及方法 |
Non-Patent Citations (1)
Title |
---|
贾文娟 等: "《小波变换模极大值算法用于胎儿心电信号提取的研究》", 《医疗卫生装备》, vol. 31, no. 12, 31 December 2010 (2010-12-31), pages 14 - 22 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105310688A (zh) * | 2015-11-02 | 2016-02-10 | 广东工业大学 | 一种基于非负盲分离胎儿心电特征信号提取方法 |
CN105310688B (zh) * | 2015-11-02 | 2018-07-10 | 广东工业大学 | 一种基于非负盲分离胎儿心电特征信号提取方法 |
CN105455800A (zh) * | 2015-12-24 | 2016-04-06 | 青岛光电医疗传感器有限公司 | 一种可穿戴同时监测成人与胎儿心率的设备及方法 |
CN109068986A (zh) * | 2016-04-01 | 2018-12-21 | 奥丽特婴儿保健公司 | 胎儿健康数据监测 |
CN109068986B (zh) * | 2016-04-01 | 2021-08-06 | 奥丽特婴儿保健公司 | 胎儿健康数据监测 |
US11517260B2 (en) | 2016-04-01 | 2022-12-06 | Owlet Baby Care, Inc. | Fetal health data monitoring |
CN106691437A (zh) * | 2017-01-26 | 2017-05-24 | 浙江铭众科技有限公司 | 一种基于母体心电信号的胎儿心率提取方法 |
CN106889981A (zh) * | 2017-01-26 | 2017-06-27 | 浙江铭众科技有限公司 | 一种用于提取胎儿心率的智能终端 |
CN111053547A (zh) * | 2018-10-16 | 2020-04-24 | 中山大学 | 基于搜索树的实现单通道胎儿心率监测方法 |
CN111772627A (zh) * | 2019-04-04 | 2020-10-16 | 中山大学 | 一种在线胎儿心电信号提取装置及方法 |
CN111772627B (zh) * | 2019-04-04 | 2023-08-15 | 中山大学 | 一种在线胎儿心电信号提取装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104305992B (zh) | 2016-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104305992B (zh) | 一种交互式胎儿心电快速自动提取方法 | |
CN110269600B (zh) | 基于多元经验模态分解与联合盲源分离的非接触式视频心率检测方法 | |
CN109907752B (zh) | 一种去除运动伪影干扰与心电特征检测的心电诊断与监护系统 | |
CN104523266B (zh) | 一种心电信号自动分类方法 | |
JP5271718B2 (ja) | 複数の時間区分にわたり胎児及び産婦のecgを特定する方法 | |
CN107945817B (zh) | 心肺音信号分类方法、检测方法、装置、介质和计算机设备 | |
CN108577834B (zh) | 一种用于癫痫间期棘波自动检测的方法 | |
EP3267884A1 (en) | Systems, apparatus and methods for sensing fetal activity | |
Bhateja et al. | A composite wavelets and morphology approach for ECG noise filtering | |
CN108056773A (zh) | 基于改进变分模态分解的心电信号qrs波群检测算法 | |
CN109745033A (zh) | 基于时频二维图像和机器学习的动态心电质量评估方法 | |
CN107260166A (zh) | 一种实用化在线脑电伪迹剔除方法 | |
CN102697493A (zh) | 一种快速的脑电信号中眼电伪迹自动识别和去除的方法 | |
CN104173043A (zh) | 一种适合于移动平台的心电数据分析方法 | |
CN106485208B (zh) | 单通道脑电信号中眼电干扰的自动去除方法 | |
CN105997043B (zh) | 一种基于腕式可穿戴设备的脉率提取方法 | |
CN106137185A (zh) | 一种基于模板构造小波的癫痫特征波检测方法 | |
CN110680307A (zh) | 一种运动环境下基于脉搏波传导时间的动态血压监测方法 | |
Wang et al. | Wavelet transform based ECG denoising using adaptive thresholding | |
CN103536282B (zh) | 基于Fast-ICA法的磁感应心肺活动信号分离方法 | |
CN113476074A (zh) | 基于智能穿戴系统的肺音实时监测方法 | |
Yacin et al. | Analysis of foetal electrocardiogram extraction methods and enhancement using Hilbert-Huang transform | |
CN110491504A (zh) | 一种心音信号医学指标数据的获取方法 | |
Zhang et al. | Fetal ECG subspace estimation based on cyclostationarity | |
CN113925495B (zh) | 结合统计学习和时频分析的动静脉瘘异常震颤信号识别系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160921 |