CN107249449B - 用于感测胎儿活动的系统、装置和方法 - Google Patents
用于感测胎儿活动的系统、装置和方法 Download PDFInfo
- Publication number
- CN107249449B CN107249449B CN201680011312.XA CN201680011312A CN107249449B CN 107249449 B CN107249449 B CN 107249449B CN 201680011312 A CN201680011312 A CN 201680011312A CN 107249449 B CN107249449 B CN 107249449B
- Authority
- CN
- China
- Prior art keywords
- heartbeat
- filtering
- input
- detection
- pcg
- 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
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 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
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- 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
- A61B5/43—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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/6804—Garments; Clothes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
-
- 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
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
- A61B7/026—Stethoscopes comprising more than one sound collector
-
- 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
-
- 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
- A61B5/02411—Detecting, measuring or recording 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
- A61B5/02—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
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Cardiology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Gynecology & Obstetrics (AREA)
- Pregnancy & Childbirth (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Reproductive Health (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
Abstract
本发明提供了用于使用多个声学传感器通过非侵入性检测和对胎儿心脏活动数据的分析来监测胎儿健康的系统和方法。
Description
本申请要求于2015年3月16日提交的美国临时专利申请No.62/133,485以及于2015年10月23日提交的美国临时专利申请 No.14/921,489的优先权,其全部内容全文以引用的方式并入本文。
技术领域
本发明一般涉及通过非侵入性检测和分析胎儿心脏活动数据来监测胎儿健康的系统和方法。
背景技术
监测胎儿心脏活动可用于确定怀孕期间胎儿的健康状况。
发明内容
在一些实施例中,本发明涉及一种计算机实现的方法,其至少包括以下步骤:通过至少一个计算机处理器执行为该方法配置的特定可编程指令,从多个声学传感器接收多个心音图(PCG)信号数据输入;通过至少一个计算机处理器利用多个带通滤波器对多个PCG信号数据输入进行数字信号滤波以形成多个滤波PCG输出,其中多个带通滤波器包括L个带通滤波器,其中每个带通滤波器输出K个滤波PCG输出;通过至少一个计算机处理器对多个滤波PCG输出的滤波PCG输出的第一子集进行小波去噪,以形成M个去噪滤波PCG 输出,其中M等于L乘以K;通过至少一个计算机处理器利用独立分量分析(ICA)来转换多个滤波PCG输出的滤波PCG输出的第二子集,以形成M个滤波ICA变换;通过至少一个计算机处理器利用独立分量分析(ICA)来转换去噪的滤波PCG输出的第二子集的第一部分以形成M个滤波的去噪滤波ICA变换;通过至少一个计算机处理器编译多个检测心跳(DH)输入中的S个输入,其包括:i)M个滤波PCG 输出,ii)M个去噪滤波PCG输出,iii)M个滤波ICA变换,以及iv)M 个去噪滤波ICA变换;通过至少一个计算机处理器检测每个DH输入中的搏动的搏动位置;通过至少一个计算机处理器计算置信度得分,该置信度得分描述多个DH输入的每个DH输入中的搏动代表实际心跳而不是噪声的概率;通过至少一个计算机处理器将多个DH输入划分成至少两组:i)第一组DH输入包含胎儿心跳,ii)第二组DH输入包含母体心跳;基于至少一个特定胎儿DH输入的第一置信度得分,通过至少一个计算机处理器从第一组DH输入中选择包含胎儿心跳的至少一个特定胎儿DH输入;以及基于至少一个特定母体DH输入的第二置信度得分,通过至少一个计算机处理器从第二组DH输入中选择包含母体心跳的至少一个特定母体DH输入。
在一些实施例中,其中小波去噪至少包括:通过至少一个计算机处理器,通过不相关地将每个滤波PCG输出通过一系列低通滤波器和高通滤波器,解构每个滤波PCG输出,以产生多个变换系数;通过至少一个计算机处理器从多个变换系数识别携带心跳变换系数(heartbeat-carrying transform coefficient)的子集,通过至少一个计算机处理器重构携带心跳变换系数的子集以形成M个去噪滤波PCG 输出。
在一些实施例中,K等于多个声学传感器的数量,L等于 6。
在一些实施例中,多个带通滤波器的每个滤波器均具有 10-100Hz的带宽和5-110Hz的频率范围。
在一些实施例中,检测每个DH输入中搏动的搏动位置至少包括:通过至少一个计算机处理器计算预定的变换滤波器;通过至少一个计算机处理器基于预定变换滤波器的预定平均窗口长度迭代地重复:在每个DH输入中识别具有预定形状和预定大小的峰值的子集,以及从峰值的子集中选择一组峰值,其中该组峰值具有最小的方差测量值;通过至少一个计算机处理器计算搏动的初始位置。
在一些实施例中,计算置信度得分至少包括:通过至少一个计算机处理器基于搏动位置为每个DH输入产生逐搏心跳图。
在一些实施例中,将多个DH输入划分为包含胎儿心跳的第一组DH输入和包含母体心跳的第二组DH输入至少包括:通过至少一个计算机处理器根据每个搏动值对每个DH输入的搏动进行聚类;以及通过至少一个计算机处理器将具有较高平均搏动率的特定 DH输入分配给包含胎儿心跳的第一组DH输入。
在一些实施例中,本发明涉及专门编程的计算机系统,其至少包括以下组件:至少一个专用计算机机器,该计算机机器包括:非暂态存储器,其电子地存储特定的计算机可执行程序代码;以及至少一个计算机处理器,其在执行特定程序代码时变成专门编程的计算处理器,其被配置成至少执行以下操作:从多个声学传感器接收多个心音图(PCG)信号数据输入;利用多个带通滤波器对多个PCG信号数据输入进行数字信号滤波以形成多个滤波PCG输出,其中多个带通滤波器包括L个带通滤波器,其中每个带通滤波器均输出K个滤波 PCG输出;对多个滤波PCG输出的滤波PCG输出的第一子集进行小波去噪,以形成M个去噪滤波PCG输出,其中M等于L乘以K;利用独立分量分析(ICA)来转换多个滤波PCG输出的滤波PCG输出的第二子集,以形成M个滤波ICA变换;利用独立分量分析(ICA)来转换去噪的滤波PCG输出的第二子集的第一部分以形成M个去噪滤波 ICA变换;编译多个检测心跳(DH)输入中的S个输出,其包括:i)M 个滤波PCG输出,ii)M个去噪滤波PCG输出,iii)M个滤波ICA变换,以及iv)M个去噪滤波ICA变换;检测每个DH输入中的搏动的搏动位置;计算置信度得分,该置信度得分描述多个DH输入的每个DH输入中的搏动代表实际心跳而非噪声的概率;将多个DH输入划分成至少两组:i)第一组DH输入包含胎儿心跳,ii)第二组DH输入包含母体心跳;基于至少一个特定胎儿DH输入的第一置信度得分,从第一组DH输入中选择包含胎儿心跳的至少一个特定胎儿DH输入;以及基于至少一个特定母体DH输入的第二置信度得分,从第二组DH输入中选择包含母体心跳的至少一个特定母体DH输入。
附图说明
图1示出了根据本发明的一些实施例的示例性声学传感器在怀孕女性的腹部上的位置。
图2示出了根据本发明的一些实施例的用于检测和分析心脏活动数据的算法的流程图。
图3A和图3B示出了根据本发明的一些实施例的信号去噪算法的流程图。
图4至图8示出了根据本发明的一些实施例的来自声学传感器的数据的处理结果的曲线图。
具体实施方式
为了使公开的内容清楚而不受到限制,本发明的详细描述分为以下小节,其描述或说明本发明的某些特征、实施例或应用。
在一些实施例中,本发明提供了一种用于检测、记录和分析来自携带胎儿的怀孕母体的声学数据的系统,以识别母体和/或胎儿的心脏数据。在一些实施例中,使用多个声学传感器来记录代表心脏活动数据的心音图(PCG)信号。心音图信号是由心脏通常在心动周期期间产生的所有声音的记录,例如,由于心脏瓣膜闭合引起的振动。例如,可以列出两个声音生成事件:当房室瓣在开始收缩时关闭的第一事件(S1),以及当主动脉瓣和肺动脉瓣在结束收缩时关闭的第二事件(S2)。
在一些实施例中,本发明的示例性发明系统可以利用多个声学传感器(例如,2、3、4、5、6、7、8、9、10等)定位在和/ 或靠近怀孕女性的腹部。例如,在一些实施例中,声学传感器被直接附接。在一些实施例中,声学传感器被并入物品中,诸如腰带和贴片等,并且该物品由怀孕母体穿戴或放置在其身上。在一些实施例中,根据本发明的原理,来自多个声学传感器的所记录的声学信号数据经由例如通过放置在物品中的至少一个数据发送器产生的至少一个通信链路发送到至少一个远程服务器,以用于通过至少一个专门编程的计算机处理器进行处理。在一些实施例中,通信链路基于至少一个无线类型通信实施方式(例如,低发射蓝牙(低功耗蓝牙))。在一些实施例中,用于记录、检测和分析声学信号数据的本发明的示例性系统包括模拟预处理模块、模数转换器/微控制器(ADC/MCU)模块、通信模块、智能电话模块和云计算模块。在一些实施例中,模拟预处理模块执行选自以下组中的至少一个功能:记录信号的放大,以及对记录信号的滤波。在一些实施例中,ADC/MCU模块执行选自以下组的至少一个任务:将模拟信号转换为数字信号、将记录的信号转换为数字信号、压缩数据、数字滤波、以及将记录的PCG信号传送到发送器。在一些实施例中,通信模块将记录的信号发送到本发明的系统的无线接收器。
在一些实施例中,声学传感器的选择由本领域普通技术人员较为容易地确定。影响声学传感器选择的因素包括但不限于麦克风组件的灵敏度、声学传感器的尺寸和声学传感器的重量等。在一些实施例中,声学传感器被配置成补偿由皮肤-空气界面引起的声音传播的变化。声学信号包括声波或振动,其通过诸如空气、水或身体等介质传播作为压力和位移的机械波。不限于任何特定的理论,声音传播的行为可能受声波传播介质的密度和压力之间的关系的影响。此外,声音传播的行为可能受到声波传播介质的运动的影响。此外,声音传播的行为可能受到声波传播介质的粘度的影响。
例如,如图1所示,本发明的示例性发明系统在各个示例性位置处使用一组四个声学传感器(M1-M4)。在一些实施例中,声学传感器的定位可以至少部分地基于例如母体的胃的形状、怀孕阶段、母体和/或胎儿的生理特征、先前的声学和/或其它类型的心脏记录(例如,心电图(ECG)信号记录和分析等)以及其它类似的适当数据进行变化。
在一些实施例中,本发明的声学传感器记录了在女性体内产生的内部声音和来自环境的附加噪声。如下所详述,从这些记录中提取胎儿和/或母体的心跳声,并计算每个受试者的心率。
在一些实施例中,每个声学传感器的检测水平独立于其它声学传感器(例如,在图1中的其它三个声学传感器上)。参考图 1,在一些实施例中,确定通常由在位置M3和/或M4处的声学传感器检测胎儿PCG信号,而母体PCG信号由在位置M1和/或M2处的声学传感器进行检测。在一些实施例中,母体PCG信号可被所有四个传感器(M1-M4)检测,并且必须被清洁(clean)以便检测胎儿心跳。如下所述,在一些实施例中,使用本发明的至少一个独立分量分析 (ICA)算法执行清洁处理。例如,在一些实施例中,本发明的发明系统假定干扰噪声是非胎儿来源的音频源,因此其在统计意义上独立于胎儿心脏声音。
根据本发明的用于估计胎儿和/或母体心跳数据的示例性过程的实例
图2示出了在一些实施例中,利用本发明的示例性发明系统估计胎儿和/或母体心跳数据(例如,存在心跳、心跳图形、心跳频率等)的示例性过程。
参考图2,示例性过程包含以下四个阶段。
阶段1:滤波器组
参考图2,输入是由图1所示的每个声学传感器(M1-M4) 记录的信号数据。在一些实施例中,来自四个声学传感器中的每一个传感器的记录信号数据通过例如但不限于L个带通滤波器,其中每个滤波器均具有预定的频率范围。在一些实施例中,示例性的六个带通滤波器(L=6)可以具有以下六个带宽:
10-45Hz
20-50Hz
25-65Hz
40-80Hz
55-95Hz
20-80Hz。
在一些实施例中,可以有至少3个带通滤波器。在一些实施例中,可以有3-12个带通滤波器。在一些实施例中,可以有5-10 个带通滤波器。在一些实施例中,可以有至少5个带通滤波器。在一些实施例中,可以有至少7个带通滤波器。
在一些实施例中,特定滤波器的带宽可以从10-100Hz的范围中选择。在一些实施例中,特定滤波器的带宽可以从20-100Hz 的范围中选择。在一些实施例中,特定滤波器的带宽可以从30-100Hz 的范围中选择。在一些实施例中,特定滤波器的带宽可以从40-100Hz的范围中选择。在一些实施例中,特定滤波器的带宽可以从50-100Hz 的范围中选择。在一些实施例中,特定滤波器的带宽可以从60-100Hz 的范围中选择。在一些实施例中,特定滤波器的带宽可以从70-100Hz 的范围中选择。在一些实施例中,特定滤波器的带宽可以从80-100Hz 的范围中选择。在一些实施例中,特定滤波器的带宽可以从90-100Hz 的范围中选择。
在一些实施例中,特定滤波器可以具有5-110Hz的频率范围。在一些实施例中,特定滤波器可以具有15-110Hz的频率范围。在一些实施例中,特定滤波器可以具有25-110Hz的频率范围。在一些实施例中,特定滤波器可以具有35-110Hz的频率范围。在一些实施例中,特定滤波器可以具有45-110Hz的频率范围。在一些实施例中,特定滤波器可以具有55-110Hz的频率范围。在一些实施例中,特定滤波器可以具有5-105Hz的频率范围。在一些实施例中,特定滤波器可以具有5-100Hz的频率范围。在一些实施例中,特定滤波器可以具有5-95Hz的频率范围。在一些实施例中,特定滤波器可以具有5-25Hz的频率范围。在一些实施例中,特定滤波器可以具有5-50Hz 的频率范围。在一些实施例中,特定滤波器可以具有5-75Hz的频率范围。
在一些实施例中,参考图2,将来自六个滤波器中的每一个滤波器的K个输出(滤波PCG输出)推送到第2阶段。例如,在下面详细描述的一些实施例中,K等于但不限于4。在一些实施例中, K等于用于收集声学传感器数据的声学传感器(M1-M4)的数量。在一些实施例中,将预定数量的输出推送到第2阶段。
阶段2:小波去噪
在一些实施例中,例如,对来自六个带通滤波器的四个滤波PCG输出中的其中一个进一步进行小波去噪,其中此类特定滤波PCG输出通过一系列低通滤波器和高通滤波器进行解构达X次,以形成解构的滤波PCG输出。在一些实施例中,X的值取决于采样频率,其允许实现适合的结果以满足下面详细描述的要求。例如,在一些实施例中,特定滤波PCG输出通过一系列低通滤波器和高通滤波器进行解构达3次。例如,在一些实施例中,特定滤波PCG输出通过一系列低通滤波器和高通滤波器进行解构达5次。例如,在一些实施例中,特定滤波PCG输出通过一系列低通滤波器和高通滤波器进行解构达6次。
图3A和图3B示出了示例性去噪阶段的示意图。在一些实施例中,去噪的结果是被称为近似值和细节的小波变换系数。具体来说,可以使用细节Dj(n),j=l,...,N和近似值Aj(n)对解构滤波PCG 输出进行重构,以形成去噪滤波PCG输出。
在一些实施例中,基于等式1确定去噪滤波PCG输出:
具体来说,最初时,在去噪的第一步骤中,最可能不携带心跳信号信息的所有细节都被设置为0,例如但不限于:D_j(n)=0, j=l,2,3,5,6,…,N。例如,不包含对应于心脏收缩周期的S1和/或S2 阶段的声音数据的细节。
然后,使用例如但不限于由等式2所示的斯坦无偏风险估计(SURE)方法计算的阈值(THSURE)来阈值化剩余细节,第四细节:
在一些实施例中,可以使用任何其它类似合适的方法来计算阈值。
在一些实施例中,剩余细节可以是任何细节或它们的组合。
最后,使用等式(1)计算去噪滤波PCG输出。
阶段3:ICA变换
参考图2,(1)滤波PCG输出和(2)去噪滤波PCG输出进一步使用至少一个ICA算法进行变换,以形成(1)经变换的滤波PCG输出和 (2)经变换的去噪滤波PCG输出。在一些实施例中,示例性ICA算法是例如但不限于FAST ICA算法。在一些实施例中,FAST ICA算法的使用例如是基于“独立分量分析:算法和应用(Independent component analysis:Algorithmsand applications)”的(等人,Neural Networks(神经网络)13(4-5):411-430(2000)),其具体描述出于此特定目的在此引入。
本文所用的术语“变换”是指线性或非线性数学变换,特别地其可以包括数字滤波、数学线性或非线性分解、数学优化。
阶段4:检测胎儿和母体心跳
总而言之,在此阶段,来自前三个阶段的滤波器组、去噪和ICA 的所有输出都被用作S个检测心跳(DH)输入,其中S是滤波器组、去噪和ICA阶段的所有输出的数量,由L x M计算得到,如下所确定的:
1)M个滤波PCG输出,由通过L个带通滤波器的声学传感器 M1-M4的4个信号数据输入产生;
2)滤波PCG输出的M个滤波ICA变换;
3)M个去噪滤波PCG输出;以及
4)去噪滤波PCG输出的M个去噪滤波ICA变换,其中M=L x K。
在一些实施例中,本检测的示例性发明系统假设在这些DH输入中的每一个中均可以检测到母体和/或胎儿心跳。在一些实施例中,示例性发明系统没有先前的历史数据来表明在这些DH输入中的哪一个输入中将检测到胎儿心跳、或检测到母体心跳、或两者都检测到、或两者都检测不到。
例如,在一些实施例中,滤波器组中的L个滤波器的数量为6,以及阶段4的输入总数为M x L=96。
在一些实施例中,阶段4进一步分为4个子阶段:
子阶段1:检测每个DH输入中的所有心跳;
子阶段2:计算置信度得分,其说明步骤1中检测到的心跳是实际心跳而不是噪声的概率;
子阶段3:将所有DH输入分成至少两组:
-组1:包含胎儿心跳的胎儿心跳输出
-组2:包含母体心跳的母体心跳输出;
子阶段4:从每个组中选择包含相应心跳的最可能的输出。
子阶段1:心跳检测
通常,声学信号可以包含至少一些噪声,并且至少在某些情况下或者在非常嘈杂的周围环境下噪声可以“覆盖”心跳。此外,通常心跳形态从一个心跳到下一个心跳可以变化。在一些实施例中,子阶段1至少以下列步骤执行。
步骤1:搏动检测
i)在一些实施例中,本发明的示例性发明系统计算声学信号的希尔伯特变换的绝对值的慢包络(slow envelop)。例如,本发明的示例性发明系统通过对希尔伯特变换的绝对值应用移动平均滤波器来计算该包络。在一些实施例中,本发明的示例性发明系统可以利用具有预定长度P的移动平均窗口。例如,在一些实施例中,P是300 毫秒(ms)。在一些实施例中,P在100到500ms之间变化。在一些实施例中,P在200到500ms之间变化。在一些实施例中,P在300到 500ms之间变化。在一些实施例中,P在400到500ms之间变化。
ii)然后,本发明的示例性发明系统通过识别每个相应DH输入中的信号的导数零点交叉来确定信号的所有峰值。
iii)然后,本发明的示例性发明系统至少部分地基于以下标准来弃去所有不够突起的峰值:
选择峰值使得其中p(k)是第k个峰值的突起。
iv)然后,本发明的示例性发明系统根据例如形状和尺寸将所有峰值分组成两组。例如,使用高斯混合模型聚类算法完成此类分组,其中每个峰值具有以下特征:
-每个峰值的宽度除以最大峰宽,以及
-峰值的高度除以其突起。
v)然后,本发明的示例性发明系统选择具有最小方差度量的一组峰值作为下面步骤的峰值。
vi)然后,本发明的示例性发明系统使用平均窗口长度R ms重复步骤i-v。在一些实施例中,平均窗口长度为250ms。在一些实施例中,平均窗口长度在100ms-300ms之间。
vii)然后,本发明的示例性发明系统计算峰值位置的分布的超值峰度测量(皮尔逊峰度的调整版本),并且选择提供最小超值峰度的峰值位置。图4示出了在此步骤中的检测结果,具体地说,未检测到位于噪声区域中的搏动。
viii)然后,本发明的示例性发明系统根据所选择的峰值位置计算平均心率(HR)的初始估计。
步骤2-增强检测
本发明的示例性发明系统通过例如添加缺失搏动和校正步骤1 检测位置来优化步骤1的检测结果。
i)本发明的示例性发明系统使用与步骤1的(i)项中详细描述的方式相同的方式执行的Q ms窗口来计算快速包络。例如,在一些实施例中,Q为100ms。在一些实施例中,Q在50-200ms之间变化。在一些实施例中,Q在50-150ms之间变化。在一些实施例中,Q在 50-100ms之间变化。
ii)然后,本发明的示例性发明系统识别快速包络信号上的峰值,并以与步骤1的(iii)项中详细描述的方式相同的方式选择所有突起的峰值。
iii)然后,本发明的示例性发明系统根据步骤1的检测结果计算所有搏动间间隔(B2B),其中B2B是连续搏动之间的间隔。
iv)然后参考图5,本发明的示例性发明系统基于至少以下示例性但非限制性条件,通过重复地分析在步骤2的(iii)项中确定的所有搏动间间隔,以完成在步骤1中未识别的缺失搏动:
-如果B2B(k)高于步骤1的(viii)项中计算出的1.5×B2B (平均值),则从快速包络中找到峰值,其尽可能接近步骤1的(viii) 项中的最后一个峰值+B2B(平均值)。
v)然后,本发明的示例性发明系统使用快速包络来校正步骤1 中的检测。
在一些实施例中,本发明的示例性发明系统在必要程度上执行步骤2以最小化搏动之间的方差。
子阶段2:计算心跳检测的置信度得分
通常,逐搏(beat by beat)心率是不能变化太快的生理信号,并且通常遵循限定平均心率的基线。在一些实施例中,本发明的示例性发明系统利用平均心率作为基础来计算置信度得分。对于心跳的每次检测(例如但不限于,在子阶段1结束时从96个DH输入中获得的其中96个检测),本发明的示例性发明系统根据以下步骤计算置信度得分。
I)本发明的示例性发明系统基于搏动的位置产生逐搏心跳图 (在图6中示出)。
ii)然后,本发明的示例性发明系统通过计算所有逐搏心率的直方图来估计整个信号的心率(HRestim),其中整个信号的估计心率为直方图的最大值。
iii)然后,本发明的示例性发明系统使用中值滤波器(例如, 20阶等)估计用于逐搏心跳图(图6)的基线。
iv)然后,本发明的示例性发明系统基于以下等式(3)计算置信度得分(Score):
其中
子阶段3:将所有的心跳检测分成2组:母体和胎儿
基于阶段1-3和子阶段1-2,本发明的示例性发明系统产生S个逐搏心跳图,其是表示从阶段1-3获得的DH输入的向量(DH输入向量)。例如,在96个DH输入的情况下,生成96个逐搏心跳图。一些DH输入向量代表母体心跳,一些代表胎儿心跳。
在一些实施例中,本发明的示例性发明系统可以利用例如基于从非声学传感器/设备收集的数据单独确定的关于母体心跳的其它同期母体心跳数据(例如,ECG数据),来将与其它同期母体心跳数据高度相关的所有DH输入向量分组为母体心率检测的候选,并且剩余的DH输入向量被分组为胎儿心跳候选。
在一些实施例中,当其它同期母体心跳数据不可用时,本发明的示例性发明系统可以通过根据其值来聚类(cluster)每个DH输入向量的估计心率来对DH输入向量进行分组。在一些实施例中,本发明的示例性发明系统然后将具有更高的平均心跳率的DH输入向量指定到胎儿心跳组中。
子阶段4:选择胎儿和母体的最佳检测
在一些实施例中,本发明的示例性发明系统基于最佳置信度得分在子阶段3中识别的母体心跳DH输入向量组中选择最佳的代表母体DH输入向量作为母体心跳率的最佳检测。
在一些实施例中,本发明的示例性发明系统基于最佳置信度得分在子阶段3中识别的胎儿DH输入向量组中选择最佳的代表胎儿 DH输入向量作为胎儿心跳率的最佳检测。
图7示出了代表具有低置信度得分的示例性DH输入向量的逐搏心跳图。
图8示出了代表具有高置信度得分的示例性DH输入向量的逐搏心跳图。
在一些实施例中,本发明涉及一种计算机实施的方法,其至少包括以下步骤:通过至少一个计算机处理器执行为该方法配置的特定可编程指令,从多个声学传感器接收多个心音图(PCG)信号数据输入;通过至少一个计算机处理器利用多个带通滤波器对多个PCG信号数据输入进行数字信号滤波以形成多个滤波PCG输出,其中多个带通滤波器包括L个带通滤波器,其中每个带通滤波器均输出K个滤波PCG输出;通过至少一个计算机处理器对多个滤波PCG输出的滤波PCG输出的第一子集进行小波去噪,以形成M个去噪滤波PCG 输出,其中M等于L乘以K;通过至少一个计算机处理器利用独立分量分析(ICA)来转换多个滤波PCG输出的滤波PCG输出的第二子集,以形成M个滤波ICA变换;通过至少一个计算机处理器利用独立分量分析(ICA)来转换去噪的滤波PCG输出的第二子集的第一部分以形成M个滤波的去噪滤波ICA变换;通过至少一个计算机处理器编译多个检测心跳(DH)输入中的S个输入,其包括:i)M个滤波PCG 输出,ii)M个去噪滤波PCG输出,iii)M个滤波ICA变换,以及iv)M 个去噪滤波ICA变换;通过至少一个计算机处理器检测每个DH输入中的搏动的搏动位置;通过至少一个计算机处理器计算置信度得分,该置信度得分描述多个DH输入的每个DH输入中的搏动代表实际心跳而非噪声的概率;通过至少一个计算机处理器将多个DH输入划分成至少两组:i)第一组DH输入包含胎儿心跳,ii)第二组DH输入包含母体心跳;基于至少一个特定胎儿DH输入的第一置信度得分,通过至少一个计算机处理器从第一组DH输入中选择包含胎儿心跳的至少一个特定胎儿DH输入;以及基于至少一个特定母体DH输入的第二置信度得分,通过至少一个计算机处理器从第二组DH输入中选择包含母体心跳的至少一个特定母体DH输入。
在一些实施例中,其中小波去噪至少包括:通过至少一个计算机处理器,通过不相关地将每个滤波PCG输出通过一系列低通滤波器和高通滤波器,解构每个滤波PCG输出以产生多个变换系数;通过至少一个计算机处理器从多个变换系数识别携带心跳变换系数(heartbeat-carrying transform coefficient)的子集,通过至少一个计算机处理器重构携带心跳变换系数的子集以形成M个去噪滤波PCG输出。
在一些实施例中,K等于多个声学传感器的数量,L等于6。
在一些实施例中,多个带通滤波器的每个滤波器均具有 10-100Hz的带宽和5-110Hz的频率范围。
在一些实施例中,检测每个DH输入中搏动的搏动位置至少包括:通过至少一个计算机处理器计算预定的变换滤波器;通过至少一个计算机处理器基于预定变换滤波器的预定平均窗口长度迭代地重复:在每个DH输入中识别具有预定形状和预定大小的峰值的子集,以及从峰值的子集中选择一组峰值,其中该组峰值具有最小的方差测量值;通过至少一个计算机处理器计算搏动的初始位置。
在一些实施例中,计算置信度得分至少包括:通过至少一个计算机处理器基于搏动位置为每个DH输入产生逐搏心跳图。
在一些实施例中,将多个DH输入划分为包含胎儿心跳的第一组DH输入和包含母体心跳的第二组DH输入至少包括:通过至少一个计算机处理器根据每个搏动值对每个DH输入的搏动进行聚类;以及通过至少一个计算机处理器将具有较高平均搏动率的特定DH输入分配给包含胎儿心跳的第一组DH输入。
在一些实施例中,本发明涉及专门编程的计算机系统,其至少包括以下组件:至少一个专用计算机机器,该计算机机器包括:非暂态存储器,其电子地存储特定的计算机可执行程序代码;以及至少一个计算机处理器,其在执行特定程序代码时变成专门编程的计算处理器,其被配置成至少执行以下操作:从多个声学传感器接收多个心音图(PCG)信号数据输入;利用多个带通滤波器对多个PCG信号数据输入进行数字信号滤波以形成多个滤波PCG输出,其中多个带通滤波器包括L个带通滤波器,其中每个带通滤波器输出K个滤波PCG 输出;对多个滤波PCG输出的滤波PCG输出的第一子集进行小波去噪,以形成M个去噪滤波PCG输出,其中M等于L乘以K;利用独立分量分析(ICA)来转换多个滤波PCG输出的滤波PCG输出的第二子集,以形成M个滤波ICA变换;利用独立分量分析(ICA)来转换去噪的滤波PCG输出的第二子集的第一部分以形成M个去噪滤波ICA变换;编译多个检测心跳(DH)输入中的S个输入,其包括:i)M个滤波PCG输出,ii)M个去噪滤波PCG输出,iii)M个滤波ICA变换,以及iv)M个去噪滤波ICA变换;检测每个DH输入中的搏动的搏动位置;计算置信度得分,该置信度得分描述多个DH输入的每个DH输入中的搏动代表实际心跳而非噪声的概率;将多个DH输入划分成至少两组:i)第一组DH输入包含胎儿心跳,ii)第二组DH输入包含母体心跳;基于至少一个特定胎儿DH输入的第一置信度得分,从第一组 DH输入中选择包含胎儿心跳的至少一个特定胎儿DH输入;以及基于至少一个特定母体DH输入的第二置信度得分,从第二组DH输入中选择包含母体心跳的至少一个特定母体DH输入;
整个本文中引用的公开据此其全文以引用的方式并入。尽管通过以上参考实例和优选实施例已经说明了本发明的各个方面,但是应当理解,本发明的范围不是由前述内容而是由专利法原则下适当解释的所附权利要求限定的。
Claims (12)
1.一种计算机实施的方法,其包括:
通过执行为所述方法配置的特定可编程指令的至少一个计算机处理器从多个声学传感器接收多个PCG信号数据输入;
通过所述至少一个计算机处理器利用多个带通滤波器对所述多个PCG信号数据输入进行数字信号滤波以形成多个滤波PCG输出,其中所述多个带通滤波器包括L个带通滤波器,其中每个带通滤波器输出K个滤波PCG输出;
通过所述至少一个计算机处理器对所述多个滤波PCG输出的滤波PCG输出的第一子集进行小波去噪,以形成M个去噪滤波PCG输出,其中M等于L乘以K;
其中所述小波去噪包括:
通过所述至少一个计算机处理器,通过不相关地将每个滤波PCG输出通过一系列低通滤波器和高通滤波器,解构每个滤波PCG输出,以产生多个变换系数;
通过所述至少一个计算机处理器从所述多个变换系数识别携带心跳变换系数的子集,
通过所述至少一个计算机处理器重构携带心跳变换系数的所述子集以形成所述M个去噪滤波PCG输出;
通过所述至少一个计算机处理器利用ICA来转换所述多个滤波PCG输出的滤波PCG输出的第二子集,以形成M个滤波ICA变换;
通过所述至少一个计算机处理器利用所述ICA来转换去噪的滤波PCG输出的所述第二子集的第一部分以形成M个去噪滤波ICA变换;
通过所述至少一个计算机处理器编译多个检测心跳输入中的S个输入,其包括:
i)M个滤波PCG输出,
ii)所述M个去噪滤波PCG输出,
iii)所述M个滤波ICA变换,以及
iv)所述M个去噪滤波ICA变换;
通过所述至少一个计算机处理器检测每个检测心跳输入中的搏动的搏动位置;
通过所述至少一个计算机处理器计算置信度得分,所述置信度得分描述所述多个检测心跳输入的每个检测心跳输入中的所述搏动代表实际心跳而非噪声的概率;
通过所述至少一个计算机处理器将所述多个检测心跳输入划分成至少两组:
i)第一组检测心跳输入,其包含胎儿心跳,
ii)第二组检测心跳输入,其包含母体心跳;
基于至少一个特定胎儿检测心跳输入的第一置信度得分,通过所述至少一个计算机处理器从所述第一组检测心跳输入中选择包含所述胎儿心跳的所述至少一个特定胎儿检测心跳输入;以及
基于至少一个特定母体检测心跳输入的第二置信度得分,通过所述至少一个计算机处理器从所述第二组检测心跳输入中选择包含所述母体心跳的所述至少一个特定母体检测心跳输入。
2.根据权利要求1所述的计算机实施的方法,其中K等于所述多个声学传感器的数量,并且L等于6。
3.根据权利要求1所述的计算机实施的方法,其中所述多个带通滤波器的每个滤波器均具有10-100Hz的带宽和5-110Hz的频率范围。
4.根据权利要求1所述的计算机实施的方法,其中检测每个检测心跳输入中的搏动的搏动位置包括:
通过所述至少一个计算机处理器计算预定的变换滤波器;
通过所述至少一个计算机处理器基于预定变换滤波器的预定平均窗口长度迭代地重复:
在每个检测心跳输入中识别具有预定形状和预定大小的峰值的子集,以及
从峰值的所述子集中选择一组峰值,其中该组峰值具有最小的方差测量值;
通过所述至少一个计算机处理器计算所述搏动的初始位置。
5.根据权利要求1所述的计算机实施的方法,其中计算所述置信度得分包括:
通过所述至少一个计算机处理器基于所述搏动位置为每个检测心跳输入产生逐搏心跳图。
6.根据权利要求1所述的计算机实施的方法,其中将所述多个检测心跳输入划分为包含胎儿心跳的所述第一组检测心跳输入以及包含母体心跳的所述第二组检测心跳输入包括:
通过所述至少一个计算机处理器根据每个搏动值对每个检测心跳输入的所述搏动进行聚类;以及
通过所述至少一个计算机处理器将具有较高平均搏动率的特定检测心跳输入分配给包含胎儿心跳的所述第一组检测心跳输入。
7.一种专门编程的计算机系统,其包括:
至少一个专用计算机机器,该计算机机器包括:
非暂态存储器,其电子地存储特定的计算机可执行程序代码;以及
至少一个计算机处理器,其在执行所述特定程序代码时变成专门编程的计算处理器,其被配置成至少执行以下操作:
从多个声学传感器接收多个PCG信号数据输入;
利用多个带通滤波器对所述多个PCG信号数据输入进行数字信号滤波以形成多个滤波PCG输出,其中所述多个带通滤波器包括L个带通滤波器,其中每个带通滤波器均输出K个滤波PCG输出;
对所述多个滤波PCG输出的滤波PCG输出的第一子集进行小波去噪,以形成M个去噪滤波PCG输出,其中M等于L乘以K;
其中所述小波去噪包括:
通过不相关地将每个滤波PCG输出通过一系列低通滤波器和高通滤波器,解构每个滤波PCG输出以产生多个变换系数;
从所述多个变换系数识别携带心跳变换系数的子集,
重构携带心跳变换系数的所述子集以形成所述M个去噪滤波PCG输出;
利用ICA来转换所述多个滤波PCG输出的滤波PCG输出的第二子集,以形成M个滤波ICA变换;
利用所述ICA来转换去噪的滤波PCG输出的所述第二子集的第一部分以形成M个去噪滤波ICA变换;
编译多个检测心跳输入中的S个输入,其包括:
i)M个滤波PCG输出,
ii)所述M个去噪滤波PCG输出,
iii)所述M个滤波ICA变换,以及
iv)所述M个去噪滤波ICA变换;
检测每个检测心跳输入中的搏动的搏动位置;
计算置信度得分,所述置信度得分描述所述多个检测心跳输入的每个检测心跳输入中的搏动代表实际心跳而非噪声的概率;
将所有检测心跳输入分成至少两组:
i)第一组检测心跳输入,其包含胎儿心跳,
ii)第二组检测心跳输入,其包含母体心跳;
基于至少一个特定胎儿检测心跳输入的第一置信度得分,从所述第一组检测心跳输入中选择包含所述胎儿心跳的所述至少一个特定胎儿检测心跳输入;以及
基于至少一个特定母体检测心跳输入的第二置信度得分,从所述第二组检测心跳输入中选择包含所述母体心跳的所述至少一个特定母体检测心跳输入。
8.根据权利要求7所述的专门编程的计算机系统,其中K等于所述多个声学传感器的数量,并且L等于6。
9.根据权利要求7所述的专门编程的计算机系统,其中所述多个带通滤波器的每个滤波器均具有10-100Hz的带宽和5-110Hz的频率范围。
10.根据权利要求7所述的专门编程的计算机系统,其中检测每个检测心跳输入中搏动的搏动位置包括:
计算预定变换滤波器;
基于所述预定变换滤波器的预定平均窗口长度迭代地重复:
在每个检测心跳输入中识别具有预定形状和预定大小的峰值的子集,以及
从峰值的所述子集中选择一组峰值,其中该组峰值具有最小的方差测量值;
计算所述搏动的初始位置。
11.根据权利要求7所述的专门编程的计算机系统,其中计算所述置信度得分包括:
基于搏动位置为每个检测心跳输入产生逐搏心跳图。
12.根据权利要求7所述的专门编程的计算机系统,其中将所述多个检测心跳输入划分为包含胎儿心跳的所述第一组检测心跳输入以及包含母体心跳的所述第二组检测心跳输入包括:
根据每个搏动值对每个检测心跳输入的搏动进行聚类;以及将具有较高平均搏动率的特定检测心跳输入分配给包含胎儿心跳的所述第一组检测心跳输入。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562133485P | 2015-03-16 | 2015-03-16 | |
US62/133,485 | 2015-03-16 | ||
US14/921,489 | 2015-10-23 | ||
US14/921,489 US9392952B1 (en) | 2015-03-10 | 2015-10-23 | Systems, apparatus and methods for sensing fetal activity |
PCT/IB2016/000406 WO2016147051A2 (en) | 2015-03-16 | 2016-03-16 | Systems, apparatuses and methods for sensing fetal activity |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107249449A CN107249449A (zh) | 2017-10-13 |
CN107249449B true CN107249449B (zh) | 2018-09-28 |
Family
ID=56918452
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680011312.XA Active CN107249449B (zh) | 2015-03-16 | 2016-03-16 | 用于感测胎儿活动的系统、装置和方法 |
CN201680011539.4A Active CN107427241B (zh) | 2015-03-16 | 2016-03-16 | 怀孕的人类受试者的连续非侵入性监测 |
CN201680028544.6A Pending CN107613857A (zh) | 2015-03-16 | 2016-03-16 | 用于腹部胎儿心电图检测的电极 |
CN201680011349.2A Pending CN107249440A (zh) | 2015-03-16 | 2016-03-16 | 用于腹部胎儿心脏活动检测的声学传感器 |
Family Applications After (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680011539.4A Active CN107427241B (zh) | 2015-03-16 | 2016-03-16 | 怀孕的人类受试者的连续非侵入性监测 |
CN201680028544.6A Pending CN107613857A (zh) | 2015-03-16 | 2016-03-16 | 用于腹部胎儿心电图检测的电极 |
CN201680011349.2A Pending CN107249440A (zh) | 2015-03-16 | 2016-03-16 | 用于腹部胎儿心脏活动检测的声学传感器 |
Country Status (10)
Country | Link |
---|---|
EP (4) | EP3270775B1 (zh) |
JP (1) | JP6457117B2 (zh) |
KR (2) | KR101933338B1 (zh) |
CN (4) | CN107249449B (zh) |
AU (2) | AU2016231895B2 (zh) |
BR (1) | BR112017019788A2 (zh) |
CA (2) | CA2979953C (zh) |
DK (1) | DK3270774T3 (zh) |
IL (1) | IL254499B (zh) |
WO (4) | WO2016198963A2 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3589200A4 (en) | 2017-02-28 | 2021-03-31 | Mayo Foundation for Medical Education and Research | FETAL SURVEILLANCE SYSTEMS AND METHODS |
US20200163575A1 (en) * | 2017-06-30 | 2020-05-28 | Coala-Life Ab | Analysing phonocardiogram and electrocardiogram data from a portable sensor device |
CN109745031A (zh) * | 2017-11-03 | 2019-05-14 | 创心医电股份有限公司 | 可收集心电与生理音的医疗装置 |
US11877834B2 (en) * | 2018-02-12 | 2024-01-23 | Nuvo Group Ltd. | Systems, apparatuses and methods for sensing fetal activity |
CN109009046A (zh) * | 2018-05-23 | 2018-12-18 | 中国科学院化学研究所 | 电学传感器及其制备方法、以及胎音监护装置和方法 |
CN108992054B (zh) * | 2018-06-27 | 2021-11-12 | 深圳市元征科技股份有限公司 | 一种脉搏信号峰值点检测方法及装置 |
CN110151156B (zh) * | 2019-04-07 | 2021-10-29 | 西安电子科技大学 | 一种基于窗内自动加权平均算法的胎心率提取方法及系统 |
CN110720905B (zh) * | 2019-09-20 | 2021-10-15 | 中南大学 | 一种基于阵列处理的胎儿心电信号干扰抑制系统 |
CN111265241B (zh) * | 2020-02-21 | 2021-10-22 | 孙磊 | 多维通道传感器的胎儿胎心数据可视化方法及系统 |
US20210330205A1 (en) * | 2020-04-22 | 2021-10-28 | New York University | Apparatus, computer-accessible medium, system and method for detection, analysis and use of fetal heart rate and movement |
WO2023113048A1 (ko) * | 2021-12-13 | 2023-06-22 | 네오컨버전스 주식회사 | 인공지능을 이용한 태아 박동 진단방법, 장치 및 시스템 |
WO2024069500A1 (en) * | 2022-09-29 | 2024-04-04 | Resmed Sensor Technologies Limited | Systems and methods for cardiogenic oscillation detection |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8892181B2 (en) * | 2011-10-21 | 2014-11-18 | Mindchild Medical, Inc. | Non-invasive fetal monitoring |
Family Cites Families (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB945560A (en) * | 1961-03-30 | 1964-01-02 | Bruce Peebles & Co Ltd | Foetal heartbeat detector |
US4299234A (en) * | 1979-03-30 | 1981-11-10 | Brattle Instrument Corporation | Fetal heart rate monitor apparatus and method for combining electrically and mechanically derived cardiographic signals |
US4781200A (en) * | 1985-10-04 | 1988-11-01 | Baker Donald A | Ambulatory non-invasive automatic fetal monitoring system |
EP0454931A1 (en) * | 1990-04-30 | 1991-11-06 | Ming-Jeng Shue | Electronic stethoscopic apparatus |
CN2209370Y (zh) * | 1993-08-16 | 1995-10-04 | 李晓东 | 胎教器多用探头 |
US6171263B1 (en) * | 1994-11-24 | 2001-01-09 | The Institute Of Respiratory Medicine Limited | Foetal circulatory impedance monitor |
US5467775A (en) * | 1995-03-17 | 1995-11-21 | University Research Engineers & Associates | Modular auscultation sensor and telemetry system |
CN2358833Y (zh) * | 1997-09-04 | 2000-01-19 | 北京中方荣科技有限公司 | 腹带式胎音监测仪 |
US6749573B2 (en) * | 2000-02-14 | 2004-06-15 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Passive fetal heart monitoring system |
US6766145B2 (en) * | 2001-10-26 | 2004-07-20 | Mattel, Inc. | Prenatal-to-infant monitoring device |
US7333850B2 (en) | 2004-05-28 | 2008-02-19 | University Of Florida Research Foundation, Inc. | Maternal-fetal monitoring system |
US20050277841A1 (en) * | 2004-06-10 | 2005-12-15 | Adnan Shennib | Disposable fetal monitor patch |
KR100630341B1 (ko) | 2004-12-31 | 2006-09-29 | 학교법인연세대학교 | 산모 복부 심전도로부터 태아 심전도 분리 장치 및 방법 |
US7942818B2 (en) * | 2006-02-01 | 2011-05-17 | University Of Florida Research Foundation, Inc. | Obstetric analgesia system |
US7818050B2 (en) * | 2006-05-02 | 2010-10-19 | Lono Medical Systems, Llc | Passive phonography heart monitor |
US8396229B2 (en) * | 2006-08-07 | 2013-03-12 | Nuvo Group Ltd. | Musical maternity belt |
US9351682B2 (en) | 2006-10-18 | 2016-05-31 | Convergent Engineering, Inc. | Sensor interface system |
GB0810843D0 (en) * | 2008-06-13 | 2008-07-23 | Monica Healthcare Ltd | Electrode and electrode positioning arrangement for abdominal fetal electrocardiogram detection |
WO2011033784A1 (ja) * | 2009-09-18 | 2011-03-24 | 国立大学法人東北大学 | 信号抽出装置 |
CN101694904B (zh) * | 2009-10-16 | 2011-09-28 | 中国联合网络通信集团有限公司 | 移动通信网络室内分布系统中使用的全向吸顶天线 |
US8694081B2 (en) * | 2009-10-23 | 2014-04-08 | General Electric Company | Fetal monitoring system and method |
US8632465B1 (en) * | 2009-11-03 | 2014-01-21 | Vivaquant Llc | Physiological signal denoising |
DE102010034192A1 (de) * | 2010-08-12 | 2012-02-16 | Capical Gmbh | EKG-Handgerät |
US9717412B2 (en) * | 2010-11-05 | 2017-08-01 | Gary And Mary West Health Institute | Wireless fetal monitoring system |
CN102772222B (zh) * | 2011-05-10 | 2014-06-11 | 重庆融海超声医学工程研究中心有限公司 | 一种电子听诊器 |
GB2507113A (en) * | 2012-10-19 | 2014-04-23 | Ireland Vitalograph | Acoustic pick-up assemblies |
CN102920452B (zh) * | 2012-11-02 | 2015-02-11 | 上海交通大学 | 基于石墨烯的柔性冠状心电电极及其制备方法 |
US20140205374A1 (en) * | 2013-01-23 | 2014-07-24 | Saint-Gobain Performance Plastics Rencol Limited | Torque Limiting Tolerance Ring |
CN103222862A (zh) * | 2013-04-23 | 2013-07-31 | 江苏矽望电子科技有限公司 | 基于声学传感器的被动式胎心监护系统 |
CN103251402B (zh) * | 2013-05-28 | 2015-11-18 | 捷普科技(上海)有限公司 | 一种用于胎心监护的可移动测量电极装置 |
JP2016523110A (ja) * | 2013-06-01 | 2016-08-08 | ヘルスウォッチ・リミテッドHealthwatch Ltd. | 繊維電極を有するウェアラブル胎児モニタリングシステム |
US20140378855A1 (en) * | 2013-06-25 | 2014-12-25 | The Research Foundation For The State University Of New York | Apparatus and method for feature extraction and classification of fetal heart rate |
CN103325283B (zh) * | 2013-06-26 | 2015-04-15 | 四川微迪数字技术有限公司 | 胎音记录培训器装置 |
CN103784128A (zh) * | 2014-02-18 | 2014-05-14 | 陈朴 | 一种小型连续动态胎儿监测仪 |
CN104027105B (zh) * | 2014-04-23 | 2016-08-24 | 河南科技大学 | 一种新型母胎心电分离方法 |
CN203988040U (zh) * | 2014-07-01 | 2014-12-10 | 深圳先进技术研究院 | 可穿戴心电采集上衣 |
CN104306018B (zh) * | 2014-10-11 | 2016-08-24 | 重庆理工大学 | 具有胎音监护、胎动检测及胎动轨迹诱导功能的可穿戴式胎教腹带系统 |
-
2016
- 2016-03-16 EP EP16764295.8A patent/EP3270775B1/en active Active
- 2016-03-16 CN CN201680011312.XA patent/CN107249449B/zh active Active
- 2016-03-16 JP JP2017559639A patent/JP6457117B2/ja active Active
- 2016-03-16 CA CA2979953A patent/CA2979953C/en active Active
- 2016-03-16 EP EP16782707.0A patent/EP3270774B1/en active Active
- 2016-03-16 CN CN201680011539.4A patent/CN107427241B/zh active Active
- 2016-03-16 BR BR112017019788A patent/BR112017019788A2/pt not_active Application Discontinuation
- 2016-03-16 AU AU2016231895A patent/AU2016231895B2/en active Active
- 2016-03-16 CN CN201680028544.6A patent/CN107613857A/zh active Pending
- 2016-03-16 EP EP16806961.5A patent/EP3270773A4/en not_active Withdrawn
- 2016-03-16 KR KR1020177029603A patent/KR101933338B1/ko active IP Right Grant
- 2016-03-16 WO PCT/IB2016/001378 patent/WO2016198963A2/en active Application Filing
- 2016-03-16 EP EP16764297.4A patent/EP3250115A4/en not_active Withdrawn
- 2016-03-16 DK DK16782707.0T patent/DK3270774T3/da active
- 2016-03-16 CA CA2979785A patent/CA2979785C/en active Active
- 2016-03-16 AU AU2016252353A patent/AU2016252353B2/en active Active
- 2016-03-16 CN CN201680011349.2A patent/CN107249440A/zh active Pending
- 2016-03-16 WO PCT/IB2016/000406 patent/WO2016147051A2/en active Application Filing
- 2016-03-16 KR KR1020177029697A patent/KR101834716B1/ko active IP Right Grant
- 2016-03-16 WO PCT/IB2016/000454 patent/WO2016147054A1/en active Application Filing
- 2016-03-16 WO PCT/IB2016/001109 patent/WO2016170435A2/en active Application Filing
-
2017
- 2017-09-14 IL IL254499A patent/IL254499B/en active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8892181B2 (en) * | 2011-10-21 | 2014-11-18 | Mindchild Medical, Inc. | Non-invasive fetal monitoring |
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107249449B (zh) | 用于感测胎儿活动的系统、装置和方法 | |
CN108416367B (zh) | 基于多传感器数据决策级融合的睡眠分期方法 | |
US11311201B2 (en) | Feature selection for cardiac arrhythmia classification and screening | |
Nabar et al. | GeM-REM: Generative model-driven resource efficient ecg monitoring in body sensor networks | |
Wróbel et al. | Improving fetal heart rate signal interpretation by application of myriad filtering | |
Chourasia et al. | A novel approach for phonocardiographic signals processing to make possible fetal heart rate evaluations | |
CN109907752A (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方法及系统 | |
CN105249925B (zh) | 一种中医脉象采集装置及降噪系统和降噪方法 | |
EP3692898A1 (en) | Sleep/motion determination based on wi-fi signals | |
Vican et al. | Can empirical mode decomposition improve heartbeat detection in fetal phonocardiography signals? | |
CN114052693B (zh) | 心率分析方法、装置及设备 | |
CN114916913A (zh) | 一种便携式睡眠呼吸状态实时监测系统及方法 | |
CN106419884B (zh) | 一种基于小波分析的心率计算方法与系统 | |
Quanyu | Pulse signal analysis based on deep learning network | |
US20220061797A1 (en) | Medical decision support system | |
CN115054218A (zh) | 一种血压测量方法及设备 | |
CA3228042A1 (en) | Medical decision support system | |
CN114668375A (zh) | 一种基于深度神经网络模型的无袖带血压预测系统 | |
Kumar | Heart disease detection using radial basis function classifier | |
Setiawan et al. | Comparison of Fetal Heart Rate Detection Using Envelope Extraction and Shannon Energy | |
Rao et al. | Estimate MECG from abdominal ECG signals using extended Kalman RTS smoother | |
Lu et al. | Uterine electromyography signal feature extraction and classification | |
CN215820931U (zh) | 一种基于毫米波雷达的生命体征检测与身份识别系统 | |
CN115607126B (zh) | 一种基于脉冲超宽带雷达的非接触血压测量方法 | |
Kim et al. | Template matching compression algorithm for wearable ECG measurement system based on multi wireless transmission platform |
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 |