CN106725511B - 基于多特征融合的胎动检测方法 - Google Patents

基于多特征融合的胎动检测方法 Download PDF

Info

Publication number
CN106725511B
CN106725511B CN201710074941.3A CN201710074941A CN106725511B CN 106725511 B CN106725511 B CN 106725511B CN 201710074941 A CN201710074941 A CN 201710074941A CN 106725511 B CN106725511 B CN 106725511B
Authority
CN
China
Prior art keywords
acceleration
flag
fetal heart
data
fetal
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
CN201710074941.3A
Other languages
English (en)
Other versions
CN106725511A (zh
Inventor
周营
饶丽婷
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.)
Suzhou Budding Medical Technology Co Ltd
Original Assignee
Suzhou Budding Medical Technology Co Ltd
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 Suzhou Budding Medical Technology Co Ltd filed Critical Suzhou Budding Medical Technology Co Ltd
Priority to CN201710074941.3A priority Critical patent/CN106725511B/zh
Publication of CN106725511A publication Critical patent/CN106725511A/zh
Application granted granted Critical
Publication of CN106725511B publication Critical patent/CN106725511B/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
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • 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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B7/00—Instruments for auscultation
    • A61B7/02—Stethoscopes
    • A61B7/04—Electric stethoscopes

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Acoustics & Sound (AREA)
  • Artificial Intelligence (AREA)
  • Dentistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Pediatric Medicine (AREA)
  • Pregnancy & Childbirth (AREA)
  • Gynecology & Obstetrics (AREA)
  • Reproductive Health (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明提供了一种基于多特征融合的胎动检测方法。该方法利用胎心音数据和加速度数据提取多种特征，特征包括：胎心音能量异常、胎心率加速、加速度异常，融合这三种特征识别伪胎动和检测真实胎动。这种多特征融合的方法相比仅利用加速度异常特征的方法，对伪胎动识别能力更强，检测真实胎动的正确率更高。

Description

基于多特征融合的胎动检测方法
技术领域
本发明涉及生物医学信号处理领域，尤其涉及一种胎动信号的检测方法。
背景技术
胎动信号是胎儿重要的生理信号。胎动正常是胎儿宫内健康的表现；胎动减少或消失是胎儿缺氧或即将死亡的警示信号。目前，检测胎动主要采用超声波成像和孕妇自数胎动这两种方法，超声波成像需要在医生的辅助下进行，而孕妇自数胎动则准确性不足。近些年，基于加速度传感器记录胎动的检测装备正在逐步研发，为了识别母体造成的伪胎动和真实胎动，这些胎动检测装备需采用阵列式在母体腹部的多个位置同时采集数据，设备复杂、不便携带，而且这种检测装备只利用了胎动会引起加速度异常的特征。
申请人发现胎儿在胎动时，不仅会引起孕妇肚皮上加速度异常，而且母体腹内声音比胎儿安静时更大。此外，胎心率加速时通常伴随着胎动。因此，可以考虑同时收集加速度数据和胎心音数据，从这两种数据中提取胎动的多种特征，这样胎动检测装备可不采用阵列式传感器，也能够实现识别伪胎动和真实胎动。此时需要一种数据处理方法，融合这三个特征识别胎动，使胎动检测有较高的识别率和准确率。
发明内容
(一)要解决的技术问题
鉴于上述技术问题，本发明提供了一种基于多特征融合的胎动检测方法，以实现高准确率地识别胎动。
(二)技术方案
本发明基于多特征融合的胎动检测方法：
步骤A，在孕妇腹部实时采集加速度数据和胎心音数据，第i秒胎心音数据表示为si(n)，其中，n＝1，2，…，N，N为1秒胎心音数据总采样点数，第i秒加速度数据表示为ci(m)，m＝1，2，…，M，M为1秒加速度数据总采样点数；
步骤B，对第i秒胎心音数据si(n)进行处理，判断是否具有胎心加速和胎心音能量异常的特征，具体包括：
子步骤B1：计算当前1秒胎心音数据的能量；
子步骤B2：将当前1秒胎心音数据的能量与前P秒胎心音数据的能量的平均值进行比较，若出现胎心音能量异常，则令胎心音能量异常标志Eflag＝1，否则令Eflag＝0；
子步骤B3：对当前1秒胎心音数据进行滤波、取包络处理，计算当前1秒胎心率；
子步骤B4：取当前1秒及前K秒胎心率，判定是否存在胎心加速现象，若存在胎心加速，则令胎心加速标志Fflag＝1，否则令Fflag＝0。
步骤C，对第i秒加速度数据ci(m)进行处理，判断是否存在加速度异常的特征，具体包括：
子步骤C1：计算当前1秒加速度数据ci(m)均值；
子步骤C2：与前1秒加速度数据均值比较，判定是否是身体移动，若存在身体移动，则令加速度异常标志Aflag＝0，并跳至步骤D，否则跳至子步骤C3；
子步骤C3：对当前1秒加速度数据进行带通滤波，对滤波数据的绝对值进行滑动求和，得到能量包络ei(m)；
子步骤C4：将当前1秒的能量包络ei(m)与大幅移动的阈值进行比较，若ei(m)中存在大于阈值的数据点，则令加速度异常标志Aflag＝0，并跳至步骤D，否则跳至子步骤C5；
子步骤C5：对当前1秒及前L秒的能量包络求均值，设定加速度异常阈值为w倍(w为一预设值)能量包络均值，若ei(m)中存在大于加速度异常阈值的数据点，则令Aflag＝1；否则令Aflag＝0。
步骤D，根据胎心加速标志Fflag、胎心音能量异常标志Eflag、加速度异常标志Aflag联合判定当前1秒是否存在胎动：当Fflag+Eflag+Aflag≥2时，则判定存在胎动；当Fflag+Eflag+Aflag＜2时，则判定不存在胎动。
(三)有益效果
从上述技术方案可以看出，本发明基于多特征融合的胎动检测方法具有以下有益效果：
(1)识别母体引起的伪胎动；
(2)融合多种特征检测胎儿的真实胎动，准确率更高。
附图说明
图1为根据本发明实施例基于多数据融合的胎动检测方法的流程图。
图2为实测数据1的基于本发明检测的胎动位置与孕妇手记胎动位置对比；
图3为实测数据2的基于本发明检测的胎动位置与孕妇手记胎动位置对比；
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号。附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。另外，虽然本文可提供包含特定值的参数的示范，但应了解，参数无需确切等于相应的值，而是可在可接受的误差容限或设计约束内近似于相应的值。实施例中提到的方向用语，例如“上”、“下”、“前”、“后”、“左”、“右”等，仅是参考附图的方向。因此，使用的方向用语是用来说明并非用来限制本发明的保护范围。
本发明基于多特征融合的胎动检测方法，该方法利用胎心音数据和加速度数据提取多种特征，融合这几种特征识别伪胎动和检测真实胎动。这种多特征融合的方法比仅利用加速度异常特征的方法，对伪胎动识别能力更强，真实胎动的检测正确率更高。
在本发明的一个示例性实施例中，提供了对实测数据进行基于多特征融合的胎动检测方法的演示。图1是根据本发明实施例基于多特征融合的胎动检测方法的流程图。请参照图1，本实施例包括：
步骤A，在孕妇腹部实时采集加速度数据和胎心音数据，第i秒胎心音数据表示为si(n)，其中，n＝1，2，…，N，N为1秒胎心音数据总采样点数，第i秒加速度数据表示为ci(m)，m＝1，2，…，M，M为1秒加速度数据总采样点数；
步骤B，对第i秒胎心音数据si(n)进行处理，判断是否具有胎心加速和胎心音能量异常的特征，具体包括：
子步骤B1：计算当前1秒胎心音数据的能量；
子步骤B2：将当前1秒胎心音数据的能量与前P秒胎心音数据的能量的平均值进行比较，若出现胎心音能量异常，则令胎心音能量异常标志Eflag＝1，否则令Eflag＝0；
子步骤B3：对当前1秒胎心音数据进行滤波、取包络处理，计算当前1秒胎心率；
子步骤B4：取当前1秒及前K秒胎心率，判定是否存在胎心加速现象，若存在胎心加速，则令胎心加速标志Fflag＝1，否则令Fflag＝0。
步骤C，对第i秒加速度数据ci(m)进行处理，判断是否存在加速度异常的特征，具体包括：
子步骤C1：计算当前1秒加速度数据ci(m)均值；
子步骤C2：与前1秒加速度数据均值比较，判定是否是身体移动，若存在身体移动，则令加速度异常标志Aflag＝0，并跳至步骤D，否则跳至子步骤C3；
子步骤C2中，只要加速度x，y，z任意一轴出现基线改变，则认为是身体移动。
子步骤C3：对当前1秒加速度数据进行带通滤波，对滤波数据的绝对值进行滑动求和，得到能量包络ei(m)；
子步骤C4：将当前1秒的能量包络ei(m)与大幅移动的阈值进行比较，若ei(m)中存在大于阈值的数据点，则令加速度异常标志Aflag＝0，并跳至步骤D，否则跳至子步骤C5；
子步骤C5：对当前1秒及前L秒的能量包络求均值，设定加速度异常阈值为w倍(w为一预设值，其取值范围通常为2≤w≤4)能量包络均值，若ei(m)中存在大于加速度异常阈值的数据点，则令Aflag＝1；否则令Aflag＝0。
步骤D，根据胎心加速标志Fflag、胎心音能量异常标志Eflag、加速度异常标志Aflag联合判定当前1秒是否存在胎动。当Fflag+Eflag+Aflag≥2时，则判定存在胎动；当Fflag+Eflag+Aflag＜2时，则判定不存在胎动。
图2至图3给出了两组实测数据的基于本发明检测的胎动位置与孕妇手记胎动位置对比，图中红线为本发明检测的胎动位置，绿线为孕妇手记胎动位置，可以看出，本发明检测的胎动位置与孕妇的手记位置一致，相差2秒是因为孕妇从感觉到胎动到手动标记有一定延迟，这说明本发明可以较准确地检测出胎动。
至此，已经结合附图对本实施例进行了详细描述。依据以上描述，本领域技术人员应当对本发明基于多特征融合的胎动检测方法有了清楚的以识。
此外，上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式，本领域普通技术人员可对其进行简单地更改或替换。
综上所述，本发明基于多特征融合的胎动检测方法，通过对胎心音数据和加速度数据提取多种胎动特征，融合多种特征剔除母体引起的伪胎动，并识别胎儿的真实胎动。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.基于多特征融合的胎动检测方法，其特征在于，包括：
步骤A，在孕妇腹部实时采集加速度数据和胎心音数据，第i秒胎心音数据表示为si(n)，其中，n＝1，2，…，N，N为1秒胎心音数据总采样点数，第i秒加速度数据表示为ci(m)，m＝1，2，…，M，M为1秒加速度数据总采样点数；
步骤B，对第i秒胎心音数据si(n)进行处理，判断是否具有胎心加速和胎心音能量异常的特征，计算出胎心加速标志Fflag、胎心音能量异常标志Eflag，具体包括：
子步骤B1：计算当前1秒胎心音数据的能量；
子步骤B2：将当前1秒胎心音数据的能量与前P秒胎心音数据的能量的平均值进行比较，若出现胎心音能量异常，则令胎心音能量异常标志Eflag＝1，否则令Eflag＝0；
子步骤B3：对当前1秒胎心音数据进行滤波、取包络处理，计算当前1秒胎心率；
子步骤B4：取当前1秒及前K秒胎心率，判定是否存在胎心加速现象，若存在胎心加速，则令胎心加速标志Fflag＝1，否则令Fflag＝0；
步骤C，对第i秒加速度数据ci(m)进行处理，判断是否存在加速度异常的特征，计算出加速度异常标志Aflag，具体包括：
子步骤C1：计算当前1秒加速度数据ci(m)均值；
子步骤C2：与前1秒加速度数据均值比较，判定是否是身体移动，若存在身体移动，则令加速度异常标志Aflag＝0，并跳至步骤D，否则跳至子步骤C3；
子步骤C3：对当前1秒加速度数据进行带通滤波，对滤波数据的绝对值进行滑动求和，得到能量包络ei(m)；
子步骤C4：将当前1秒的能量包络ei(m)与大幅移动的阈值进行比较，若ei(m)中存在大于阈值的数据点，则令加速度异常标志Aflag＝0，并跳至步骤D，否则跳至子步骤C5；
子步骤C5：对当前1秒及前L秒的能量包络求均值，设定加速度异常阈值为w倍能量包络均值，w为一预设值，若ei(m)中存在大于加速度异常阈值的数据点，则令Aflag＝1；否则令Aflag＝0。
步骤D，根据以下三个数值联合判定当前1秒是否存在胎动：胎心加速标志Fflag、胎心音能量异常标志Eflag、加速度异常标志Aflag。
2.根据权利要求1所述的方法，其特征在于，所述步骤D联合判定存在胎动的条件是：胎心加速标志Fflag、胎心音能量异常标志Eflag、加速度异常标志Aflag满足Fflag+Eflag+Aflag≥2。
CN201710074941.3A 2017-02-10 2017-02-10 基于多特征融合的胎动检测方法 Active CN106725511B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710074941.3A CN106725511B (zh) 2017-02-10 2017-02-10 基于多特征融合的胎动检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710074941.3A CN106725511B (zh) 2017-02-10 2017-02-10 基于多特征融合的胎动检测方法

Publications (2)

Publication Number Publication Date
CN106725511A CN106725511A (zh) 2017-05-31
CN106725511B true CN106725511B (zh) 2019-12-13

Family

ID=58955992

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710074941.3A Active CN106725511B (zh) 2017-02-10 2017-02-10 基于多特征融合的胎动检测方法

Country Status (1)

Country Link
CN (1) CN106725511B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110236594B (zh) * 2019-05-30 2022-06-07 暨南大学 一种胎动信号识别标记方法、系统、介质、设备
KR20230135470A (ko) * 2022-03-16 2023-09-25 의료법인 성광의료재단 태아 모니터링 서비스 제공 방법 및 그 방법을 수행하는 서버

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102090883B (zh) * 2010-12-30 2012-11-07 深圳市理邦精密仪器股份有限公司 一种胎动自动识别方法及其装置
CN102319063B (zh) * 2011-07-26 2013-10-16 深圳市理邦精密仪器股份有限公司 一种提高胎心率数据加速识别准确性的装置和方法
CN103190913B (zh) * 2013-04-15 2015-03-11 深圳邦健生物医疗设备股份有限公司 一种胎动识别方法、设备及胎儿监护仪
CN103239234A (zh) * 2013-04-23 2013-08-14 江苏矽望电子科技有限公司 基于多尺度测量的智能胎动监测系统
CN104546007B (zh) * 2015-01-29 2017-05-24 深圳市理邦精密仪器股份有限公司 胎动检测抗干扰处理方法及装置
CN104921731B (zh) * 2015-05-14 2017-08-11 传世未来（北京）信息科技有限公司 一种胎动监测方法及胎动监测装置

Also Published As

Publication number Publication date
CN106725511A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
Mahmood et al. Red blood cells estimation using Hough transform technique
CN106725511B (zh) 基于多特征融合的胎动检测方法
EP3363351B1 (en) System for detection of coronary artery disease in a person using a fusion approach
US9168018B2 (en) System and method for classifying a heart sound
Fadzil et al. Analysis of foveal avascular zone in colour fundus images for grading of diabetic retinopathy severity
US11058342B2 (en) Classifying ECG signals
KR101963694B1 (ko) 동작 인식 및 제어를 위한 웨어러블 장치 및 이를 이용한 동작 인식 제어 방법
CN108256296B (zh) 数据处理装置
CN112401856A (zh) 一种基于毫米波雷达的疗养院监护方法及系统
WO2005118852A3 (en) A marker for prenatal diagnosis and monitoring
CN107714031A (zh) 波前的注释
WO2008139372A8 (en) Method of automatically monitoring the movement activity of a fetus
KR102444791B1 (ko) 두개내압의 비-침습적 평가 방법 및 장치
CN111931733A (zh) 基于深度相机的人体姿态检测方法
KR20190063578A (ko) 생체신호를 이용한 음주 판별 장치 및 방법
CN113907765B (zh) 一种无创胎儿心电信号质量评估方法
CN110517264A (zh) 一种基于血管分割的病灶提取方法及装置
Gatti et al. Development of Automated System for Detection of Diabetic Retinopathy
Aboofazeli et al. Analysis and classification of swallowing sounds using reconstructed phase space features
Sucerquia et al. Two-threshold energy based fall detection using a triaxial accelerometer
CN113425278A (zh) 一种通过穿戴设备采集数据监测胎心的方法
WO2017165661A1 (en) Signal processing for precise identification and separation of artifact and a signal of interest in a longitudinal signal
Dharshini et al. Certain investigations on prenatal medical image analysis
JP2010063670A (ja) 画像処理方法、画像処理装置および画像処理のためのプログラム
Jaeger et al. Machine Learning-based Detection of In-Utero Fetal Presentation from Non-Invasive Fetal ECG

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant