CN106491085A - 一种胎儿心音瞬时心率检测识别方法及装置 - Google Patents
一种胎儿心音瞬时心率检测识别方法及装置 Download PDFInfo
- Publication number
- CN106491085A CN106491085A CN201610928161.6A CN201610928161A CN106491085A CN 106491085 A CN106491085 A CN 106491085A CN 201610928161 A CN201610928161 A CN 201610928161A CN 106491085 A CN106491085 A CN 106491085A
- Authority
- CN
- China
- Prior art keywords
- heart sound
- fetal heart
- signal
- fetal
- heart rate
- 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.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
- A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
- A61B5/4343—Pregnancy and labour monitoring, e.g. for labour onset detection
- A61B5/4362—Assessing foetal parameters
-
- 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 pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- 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
- A61B5/7235—Details of waveform analysis
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/02—Foetus
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Gynecology & Obstetrics (AREA)
- Pregnancy & Childbirth (AREA)
- Reproductive Health (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Pediatric Medicine (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种胎儿心音瞬时心率检测识别方法及装置,本发明技术方案首先通过仪器采集胎儿心音信号作为原始混合信号,然后进行滤波和归一化处理而得到胎儿心音信号作为预处理信号,再通过提取胎儿心音信号的特征以建立并训练混合高斯模型,通过训练完毕的混合高斯模型对待测定的胎儿心音信号进行识别,最终得到胎儿心音瞬时心率。本发明的技术方案相对于现有技术检测识别方法,能够快速便捷并准确地检测识别出胎儿心音瞬时心率,更好地服务于临床胎儿监护。
Description
技术领域
本发明涉及胎心音信号领域,特别涉及一种胎儿心音瞬时心率检测识别方法及装置。
背景技术
众所周知,通过对胎儿的监护,可以判断胎儿在子宫内的健康状况并作出合理的预防与治疗。早在19世纪,通过胎儿听诊以估计胎儿在子宫内的健康状况的方法已经被产科应用,随着超声波多普勒技术的发展,特别是电子胎儿监护已经成为目前最常见的胎儿监护方法。
现代医学证明,由于胎盘脐带因素、孕妇自身因素等都会造成胎儿宫内缺氧,统称为胎儿窘迫。而通过对胎儿监护,可及时发现胎儿的健康状况,并及时进行治疗,能够最大限度降低先天缺陷儿的出生率,从而提高我国的人口质量。因此,胎儿心率监测对于我国大力提倡的优生优育有着极其重要的意义。
现有技术,由于硬件采集到的胎儿信号中,通常包含胎儿信号、母亲信号以及其他大量的干扰等信号,并且胎儿在母亲体内运动的声音信号强弱变化幅度较大,而这些干扰信号在时域和频域上混叠在一起,对胎儿心音信号的瞬时心率的计算造成很大影响。因此,如何准确、便捷、有效监测胎儿心音的瞬时心率具有极其重要的应用价值和临床意义。
现有技术中关于胎儿心音的瞬时心率的检测识别方法,大致可以分为以下两类:
1)基于心电模式的匹配滤波法计算胎儿心音心率。其基本思路是,首先将胎儿心音电信号分离出来,然后对胎儿心音电信号进行R波定位,最后求出胎儿心音的瞬时心率。
由于对胎儿心音电信号进行R波定位前的匹配滤波中,对模板的要求比较高,混合信号与模板相减要求有较高的精度,因此在选取模板、阈值、相位、幅度值修正上需要采取多种措施以保证分离后的信号达到一定准确性,从而使得整个过程比较复杂,算法存在较多冗余。
2)基于胎儿心音模式的自相关方法计算胎儿心音心率。自相关方法是从加性噪声中提取已知滤波,特别是对于确定性的周期信号时一种好方法,但是自相关提取胎儿心率信号,效果不够好,主要是因为胎儿心音信号具有周期性,这是不确定性的周期信号,并且胎儿心音信号波形也是受到胎儿本身以及周边环境的影响,使得周期不是固定不变的,因此周期与波形均带有随机性变化造成的自相关函数波形难以检测。
因此,对胎心心音瞬时心率快速并准确的检测识别,成为急需解决的技术问题。
发明内容
本发明的主要目的是提出一种胎儿心音瞬时心率检测识别方法及装置,旨在能快速便捷并准确地检测识别出胎儿心音瞬时心率,更好地服务于临床胎儿监护。
为实现上述目的,本发明提出的一种胎儿心音瞬时心率检测识别方法,包括以下步骤:
S1.通过仪器对胎儿心音信号进行采集并作为原始混合信号;
S2.对采集到的所述原始混合信号进行滤波处理,并作归一化处理,而得到胎儿心音信号作为预处理信号;
S3.根据所述预处理信号,提取所述胎儿心音信号的特征值;
S4.将提取出来的所述特征值建立并训练混合高斯模型;
S5.通过训练完毕的所述混合高斯模型对待测定的所述胎儿心音信号进行识别,最终得出所述胎儿心音信号的瞬时心率。
优选地,所述步骤S4包括以下步骤:
S41.对所述混合高斯模型进行定义;
S42.利用最大似然法对所述混合高斯模型的各个变量的参数进行估计;
S43.直至所述混合高斯模型的参数收敛为止。
本发明还提出一种胎儿心音瞬时心率检测识别装置,所述胎儿心音瞬时心率检测识别装置使用胎儿心音瞬时心率检测识别方法。
本发明技术方案首先通过仪器采集胎儿心音信号作为原始混合信号,然后进行滤波和归一化处理而得到胎儿心音信号作为预处理信号,再通过提取胎儿心音信号的特征以建立并训练混合高斯模型,通过训练完毕的混合高斯模型对待测定的胎儿心音信号进行识别,最终得到胎儿心音瞬时心率。本发明的技术方案相对于现有技术检测识别方法,能够快速便捷并准确地检测识别出胎儿心音瞬时心率,更好地服务于临床胎儿监护。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明胎儿心音瞬时心率检测识别方法原理图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……),则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,若本发明实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
参见图1,本发明提出一种胎儿心音瞬时心率检测识别方法,包括以下步骤:
第一步,首先通过仪器对胎儿心音信号进行采集。通过常规技术手段和硬件,如胎心仪等设备装置对胎儿进行检测,并采集到相应信号作为原始混合信号。因为对胎儿心音信号检测过程中,通常包含母亲心音信号、其他设备等工频干扰等信号,因此可设定S(n)表示原始混合信号,y(n)表示胎儿心音信号,x(n)表示干扰信号,包括母亲心音信号以及工频干扰等信号,最终公式表示为:
S(n)=y(n)+x(n)
第二步,然后对采集的原始混合信号进行滤波,归一化处理得到胎儿心音信号作为预处理信号。通过自适应滤波技术,对原始混合信号S(n)进行数字滤波处理,去除干扰信号x(n),从而可以得到比较单纯的胎儿心音信号y(n),然后采用巴特沃斯二阶低通滤波器得到胎儿心音的预处理信号。优选地,本发明中巴特沃斯二阶低通滤波器的截止频率设置为fc881hz。
第三步,根据预处理信号,提取胎儿特征值序列d(n)。采用Mel差分倒谱系数法提取胎儿心音信号的特征值,采用上述方法不仅可以反映胎儿心音信号的静态特性,而且在动态变化过程中得到很好的体现,其中Mel差分倒谱次数的计算公式如下:
其中,式中的参数c,d表示一帧胎儿心音信号序列,k为常数。通过上述公式求出的Mel差分倒谱系数d(n)即为胎儿心音信号的特征值,用于后续的模式训练和识别。
第四步,然后将上述步骤公式求出的Mel差分倒谱系数d(n)即为胎儿心音信号的特征值,建立混合高斯模型并进行相应混合高斯模型的训练,包括以下步骤:
第一,对混合高斯模型进行定义,公式为:
式中的参数k为模型的个数,πk为第k个混合高斯模型的权重,p(x|k)为第k个混合高斯模型概率密度,其均值为μk,方差为σk。对此概率密度相当于要求出πk、μk、σk各个变量。当求出P(x)的表达式之后,求和时的各项的结果就分别代表样本x属于各个变量的概率。
第二,利用最大似然法估计混合高斯模型参数πk、μk、σk各个变量的参数。其中,最大似然法就是使样本点在估计的概率密度函数上的概率值最大,由于概率值一般都很少,当N很大的时候,连乘的结果非常小,容易造成浮点数下溢,所以通常采取对数取值方式,将目标改写成:
上式的求解时,通常采用EM求解算法,将求解过程分解为两个步骤。第一步,假设已经知道混合高斯模型的各个参数,然后去估计各个参数在混合高斯模型的权值;第二步,基于估算的权值,然后去确定混合高斯模型的各个参数的数值。通过重复上述的两个步骤,使得混合高斯模型的各个参数的波动逐渐变小,以近似达到极值,具体步骤如下:
1)E步骤:
对于第i个样本xi,由第k个mod el生成的概率为:
在这一步骤中,假设混合高斯模型的参数为已知,如由上述迭代或由初始值决定。
2)M步骤:
由上述的E步骤得到每个点的ωi(k)后,对于样本xi的ωi(k)xi的值是由第k个混合高斯模型的参数,用ωi(k)xi(i=1………N)的数据去作相应的参数估计,公式如下:
3)通过重复E步骤和M步骤,直至所述混合高斯模型的参数收敛为止。
第五步,通过训练好的混合高斯模型来识别待测的胎儿心音信号属于哪一类的心音,从而根据判断得到心音信号的瞬时心率而作为待测胎儿心音的瞬时心率。
本发明还提出一种胎儿心音瞬时心率检测识别装置,该胎儿心音瞬时心率检测识别装置使用了上述一种胎儿心音瞬时心率检测识别方法。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (3)
1.一种胎儿心音瞬时心率检测识别方法,其特征在于,包括以下步骤:
S1.通过仪器对胎儿心音信号进行采集并作为原始混合信号;
S2.对采集到的所述原始混合信号进行滤波处理,并作归一化处理,而得到胎儿心音信号作为预处理信号;
S3.根据所述预处理信号,提取所述胎儿心音信号的特征值;
S4.将提取出来的所述特征值建立并训练混合高斯模型;
S5.通过训练完毕的所述混合高斯模型对待测定的所述胎儿心音信号进行识别,最终得出所述胎儿心音信号瞬时心率。
2.如权利要求1所述的胎儿心音瞬时心率检测识别方法,其特征在于,所述步骤S4包括以下步骤:
S41.对所述混合高斯模型进行定义;
S42.利用最大似然法对所述混合高斯模型的各个变量的参数进行估计;
S43.直至所述混合高斯模型的参数收敛为止。
3.一种胎儿心音瞬时心率检测识别装置,其特特征在于,所述胎儿心音瞬时心率检测识别装置使用如权利1所述的胎儿心音瞬时心率检测识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610928161.6A CN106491085A (zh) | 2016-10-31 | 2016-10-31 | 一种胎儿心音瞬时心率检测识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610928161.6A CN106491085A (zh) | 2016-10-31 | 2016-10-31 | 一种胎儿心音瞬时心率检测识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106491085A true CN106491085A (zh) | 2017-03-15 |
Family
ID=58318635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610928161.6A Pending CN106491085A (zh) | 2016-10-31 | 2016-10-31 | 一种胎儿心音瞬时心率检测识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106491085A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109567778A (zh) * | 2017-09-29 | 2019-04-05 | 脸谱科技有限责任公司 | 心率监测设备 |
CN109662727A (zh) * | 2019-01-29 | 2019-04-23 | 广东工业大学 | 基于模糊聚类算法的胎儿心率检测方法与系统 |
CN113192629A (zh) * | 2021-05-08 | 2021-07-30 | 清华大学 | 用于自动胎心判读的方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102370496A (zh) * | 2011-09-09 | 2012-03-14 | 北京大学深圳研究生院 | 一种基于压电薄膜传感器的胎心音监测仪 |
KR20130034839A (ko) * | 2011-09-29 | 2013-04-08 | 한국원자력의학원 | 다중가우시안혼합모델을 이용한 심장 극성지도에서의 경색 크기 계측 장치 및 방법 |
CN103462642A (zh) * | 2013-08-20 | 2013-12-25 | 广东工业大学 | 基于时频分析的多普勒胎心音的瞬时心率检测方法及装置 |
CN103845079A (zh) * | 2014-02-14 | 2014-06-11 | 广东工业大学 | 一种基于盲分离的多普勒胎心音瞬时心率的检测方法 |
CN203873785U (zh) * | 2013-11-28 | 2014-10-15 | 中国人民解放军第四军医大学 | 一种基于移动网络的胎儿心音远程监测系统 |
-
2016
- 2016-10-31 CN CN201610928161.6A patent/CN106491085A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102370496A (zh) * | 2011-09-09 | 2012-03-14 | 北京大学深圳研究生院 | 一种基于压电薄膜传感器的胎心音监测仪 |
KR20130034839A (ko) * | 2011-09-29 | 2013-04-08 | 한국원자력의학원 | 다중가우시안혼합모델을 이용한 심장 극성지도에서의 경색 크기 계측 장치 및 방법 |
CN103462642A (zh) * | 2013-08-20 | 2013-12-25 | 广东工业大学 | 基于时频分析的多普勒胎心音的瞬时心率检测方法及装置 |
CN203873785U (zh) * | 2013-11-28 | 2014-10-15 | 中国人民解放军第四军医大学 | 一种基于移动网络的胎儿心音远程监测系统 |
CN103845079A (zh) * | 2014-02-14 | 2014-06-11 | 广东工业大学 | 一种基于盲分离的多普勒胎心音瞬时心率的检测方法 |
Non-Patent Citations (2)
Title |
---|
安玲玲: "基于高斯混合模型的心音信号识别", 《吉林大学学报(理学版)》 * |
段赟: "基于高斯混合模型的心音模式识别研究", 《CNKI中国优秀硕士学位论文库 医药卫生科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109567778A (zh) * | 2017-09-29 | 2019-04-05 | 脸谱科技有限责任公司 | 心率监测设备 |
CN109662727A (zh) * | 2019-01-29 | 2019-04-23 | 广东工业大学 | 基于模糊聚类算法的胎儿心率检测方法与系统 |
CN113192629A (zh) * | 2021-05-08 | 2021-07-30 | 清华大学 | 用于自动胎心判读的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110664390B (zh) | 基于腕带式ppg和深度学习的心率监测系统及方法 | |
CN106289309B (zh) | 基于三轴加速度传感器的计步方法及装置 | |
CN111407315B (zh) | 一种针对超声多普勒胎心信号的质量评估方法 | |
CN104546007B (zh) | 胎动检测抗干扰处理方法及装置 | |
CN103845079B (zh) | 一种基于盲分离的多普勒胎心音瞬时心率的检测方法 | |
Wiśniewski et al. | Joint application of audio spectral envelope and tonality index in an e-asthma monitoring system | |
CN103083013A (zh) | 基于形态学与小波变换的心电信号qrs复波检测方法 | |
CN105588577A (zh) | 一种用于运动监测装置的异常计步的检测方法和装置 | |
CN106491085A (zh) | 一种胎儿心音瞬时心率检测识别方法及装置 | |
CN107966161B (zh) | 基于fft的步行检测方法 | |
CN114469124B (zh) | 一种运动过程中异常心电信号的识别方法 | |
CN111536989B (zh) | 基于峰值检测的自适应时间窗口计步方法 | |
CN107469326A (zh) | 一种用于可穿戴设备的游泳监测方法与装置及可穿戴设备 | |
CN112711979A (zh) | 基于生物雷达的慢速随机运动下非接触生命体征监测 | |
CN108670245A (zh) | 一种心电信号检测方法及系统 | |
CN105662454B (zh) | 一种罗音检测的方法和装置 | |
CN103315767B (zh) | 心音信号的判别方法及心音信号的判别系统 | |
Liu et al. | Human body fall detection based on the Kinect sensor | |
CN105469037A (zh) | 一种基于心电信号的身份识别方法及系统 | |
Tan et al. | EMD-based electrocardiogram delineation for a wearable low-power ECG monitoring device | |
CN106236041A (zh) | 一种实时且准确的测量心率及呼吸率的算法及系统 | |
Haibing et al. | A method of continuous wavelet transform for qrs wave detection in ecg signal | |
Lee et al. | Vital sign quality assessment based on IR-UWB radar sensor | |
CN106419884A (zh) | 一种基于小波分析的心率计算方法与系统 | |
CN105193451B (zh) | 一种胎儿心率曲线基线的识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170315 |
|
RJ01 | Rejection of invention patent application after publication |