CN109009058B - 一种胎心监测方法 - Google Patents
一种胎心监测方法 Download PDFInfo
- Publication number
- CN109009058B CN109009058B CN201810957683.8A CN201810957683A CN109009058B CN 109009058 B CN109009058 B CN 109009058B CN 201810957683 A CN201810957683 A CN 201810957683A CN 109009058 B CN109009058 B CN 109009058B
- Authority
- CN
- China
- Prior art keywords
- heartbeat
- fetal heart
- heart sound
- threshold
- peak
- 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
Images
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
- A61B5/02411—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
- A61B5/43—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
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- 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
Abstract
本发明公开一种胎心监测方法,包括步骤:对采集到胎心音信号重采样,并消除干扰噪声;对重采样并消除干扰噪声的胎心音信号中的第一心音信号局部增强;从局部增强后输出的胎心音信号中识别出第一心音;对识别出的第一心音进行时间标记,并根据时间标记计算出心跳频率。本发明通过声学信号采取被动式的采集胎心音来得到胎心数据,然后分析得出结果,将完全解除超声波多普勒胎心仪设备的辐射风险。
Description
技术领域
本发明涉及信号处理技术领域,具体涉及一种胎心监测方法。
背景技术
目前最准确的胎心监护设备是医院使用的超声波多普勒胎心仪设备,采用超声非聚焦连续波多普勒原理,由与母体腹部声藕合的超声换能器及电路部分组成,可监测和记录胎儿心率、母体宫缩的功能。这种胎心监护设备虽然可以较为准确的得到胎心数据但采用超声波并不是完全安全的,过多的超声波辐射甚至会影响胎儿发育,可能导致严重的后果。
发明内容
本发明的目的是针对现有技术中存在的技术缺陷,而提供一种胎心监测方法,以解决过多的超声波辐射可能会影响胎儿发育,可能导致严重的后果的问题。
为实现本发明的目的所采用的技术方案是:
一种胎心监测方法,包括步骤:
S1,对采集到胎心音信号重采样,并消除干扰噪声;
S2,对重采样并消除干扰噪声的胎心音信号中的第一心音信号局部增强;
S3,从局部增强后输出的胎心音信号中识别出心跳;
S4,对识别出的心跳进行时间标记,并根据时间标记计算出心跳频率。
进一步的,步骤S3包括以下步骤:
判断局部增强后输出的胎心音信号的信噪比属性;
若胎心音信号的信噪比高于设定信噪比阈值,则根据第一心音的位置属性以及峰值属性确定心跳;否则,则将局部增强后输出的胎心音信号反向处理,通过确定非心跳区来确定心跳区,然后在心跳区根据第一心音的位置属性以及峰值属性确定心跳。
其中,所述根据第一心音的位置属性以及峰值属性确定心跳的步骤如下:
将具有固定时间间隔的峰值标记为候选心跳;
给定的时间间隔中,判断该候选心跳的心音波形的峰值的振幅阈值是否高于设定的第一阈值,若是,则将该候选心跳标记为识别出的心跳;
否则,判断该候选心跳的心音波形的峰值的振幅阈值是否高于第二阈值,若是,则将该候选心跳标记为识别出的心跳;
其中,所述第二阈值小于所述第一阈值;
若按第二阈值小于与第一阈值均没有识别出心跳,则在心音波形的预定时间位置P0处增加一增补峰值,将该增补峰值对应的候选心跳作为识别出的心跳;
P0=T0+MEAN,T0是最后检测到的心跳的峰值位置,MEAN表示根据之前的识别出结果所计算出来的心跳峰值间的平均距离值。
进一步的,按第二阈值与第一阈值识别心跳时,若在该时间间隔内识别出只有一个心跳,则使用该检测出的心跳的特征更新T0、MEAN、振幅阈值Threshold,重复该时间间隔,然后进行检测,直到检测完毕。
进一步的,若按第二阈值与第一阈值识别出的候选心跳中,若有多个信号峰值的振幅阈值高于第一阈值到超过预定值,则选择距离最小的峰值||T0-Pi|-MEAN|作为候选心跳,Pi为该信号峰值的位置。
进一步的,若在胎心音信号的信噪比高于设定信噪比阈值,根据第一心音的位置属性以及峰值属性仍无法确定心跳时,则将局部增强后输出的胎心音信号反向处理,通过确定非心跳区的方法确定心跳。
本发明通过声学信号采取被动式的采集胎心音来得到胎心数据,然后进行分析得出结果,这将完全解除超声波多普勒胎心仪设备的辐射风险。
附图说明
图1是本发明的胎心监测方法的流程示意图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参见图1所示,一种胎心监测方法,包括步骤:
S1,对采集到胎心音信号重采样,并消除干扰噪声;
S2,对重采样并消除干扰噪声的胎心音信号中的第一心音信号局部增强;
S3,从局部增强后输出的胎心音信号中识别出第一心音;
S4,对识别出的第一心音进行时间标记,并根据时间标记计算出心跳频率。
本发明中,在对采集到胎心音信号重采样后,使用滤波器减少背景噪音,消除干扰噪声;然后通过增强第一心音,同时将胎心音信号中的其他部分减弱,使第一心音的信号增强,方便后续处理判断,之后通过胎心搏动规律的规则,检测寻找到的几个心音中哪个是满足要求或标准的第一心音S1;最后精确定位第一心音的时间位置,从而实现胎儿心率估计。
其中,所述的滤波器可以采用带通滤波器,也可以采用其它滤波器,如使用具有设定或可变中心频率频带的带通滤波器,具体不限。
在对胎心音信号进行增强时,可以采用TEO增强(Teager能量算子)进行增强处理,具体的选择时,可以是利用下面不同的策略,如Teager能量算子(TEO),自相关,自相关+TEO或TEO+自相关等增强策略
由于在胎心音信号中,第一个胎心音S1和第二胎心音S2是可以被识别的,形状如同脉冲信号。第一个胎心音S1(心脏的二尖瓣和三尖瓣的闭合的声音)被认为是心脏搏动的良好时间指示器,因为它相对于胎心音信号中的其他部分具有高能量,并且形态变异性较小,容易识别,因此本发明是针对第一个胎心音S1进行检测来确定胎心率的。
本发明中,步骤S1,对采集到胎心音信号进行重采样,输出采样后信号x,是为了便于在连续的后处理程序中(如对找出的第一胎心音进行时间基准定位)时减少低有限采样率的错误。具体的,选择采样大小为心音图设备采样频率四倍的采样频率。
x=resample(data,resampleFs,fs)(1)
在(1)中,x代表重采样后的信号,resample代表重采样的方法,data表示处理前的信号,fs表示处理前信号采样率,resampleFs则表示重采样的采样率。重采样可以用不同方式实现,具体不再说明。
本发明中,对重采样后的信号x滤波的目的是为了增加信噪比。由于第一胎心音S1和第二胎心音S2之间的关系已知,所以它们在时间上是可分离的,直通通过第一胎心音S1和第二胎心音S2的峰值之间的典型时间距离,即可实现分离。所以该信号的滤波是通过使用数字带通滤波器来实现的。
具体的,可以选用N阶FIR滤波器实现:
在公式(2)中,hk表示匹配的滤波器系数,x(n)表示输入的样本信号(胎心音信号),y(n)表示滤波器输出的样本信号,N表示滤波器阶数。当然实现滤波器的方法有很多,除此之外也可以选用不同的实现方法。
由于滤波后重采样信号仍然存在扰乱。因此本发明需要发现胎心音信号中存在的与第一胎心音S1相对应的突发,因此,需要对胎心音信号中的第一胎心音S1增强。
其中,可以采用Teager能量算子(TEO),TEO是一个非线性时间算子,定义在连续时间域和离散时间域中,具有识别局部高能信号的属性,所以使用TEO可进一步提升第一胎心音S1的强度。以下(3)式用于描述离散时域中的TEO:
E(t)=x2(t)-x(t+1)*x(t-1)(3)
在(3)式中,E(t)代表在时间t的Teager能量的量度;x(t),x(t+1)和x(t-1)分别是在时间t,t+1和t-1所表示的信号的值。
在对第一胎心音S1增强后,需要对增强后输出的胎心音信号LP处理,以确定输出的胎心音信号LP所对应的所有(也是唯一)的第一胎心音S1的可能位置。由于噪声影响,LP与第一胎心音S1间并没有一对一的对应关系,且可能会出现多个峰。如果选择了错误的峰值,第一胎心音S1可能会错误定位。因此,必须正确选择第一胎心音S1,首先就要按心音信号的波峰的峰值属性来寻找第一胎心音的波峰位置,按以下方式进行。
(pks,locs)=findpeaks(LP)(4)
如(4),(5)式,findpeaks表示寻找波峰位置的方法,(pks,locs)表示峰值的属性,pks表示局部最大值,作为信号值的向量返回,locs表示波峰位置,表示整体平均,“w:M”表示最近的心脏周期w被用于当前的心脏周期M的估计,xi(n)表示n段样本信号,xM(n)表示x(n)与当前的心脏周期M的交叉相关。
通过对LP信号中的每一个峰值分析以及根据峰值距离间一致性(位置标准)和振幅规律性(振幅标准)来分析心跳,本发明把具有固定时间间隔的峰值(相对于之前检测到的心跳所计算的峰值间距平均值)标记为候选心跳。
在候选心跳中,将振幅的幅度大于固定阈值(固定阈值是之前所检测心跳的最大幅度的平均值)可以被认为是可能的心跳,因为满足这位置及振幅标准的峰值最有可能保持胎心率的连续性。
具体来说,设T0是最后检测到的心音信号的峰值的位置(标为第一胎心音S1),本发明将在给定的时间间隔T中搜索连续峰值(候选心跳),T被定义为:
T=T0+0.65*MEAN,T0+1.35*MEAN(6)
T0=beat(k),k=B(7)
Threshold=mean(beat(amp))(9)
HT=0.5*Threshold(10)
公式(6-10),其中MEAN表示根据之前识别的心跳节拍计算出来的峰值间的平均距离值,beat(k)表示检测到的峰值的位置,B表示最后检测到的峰值的位置;beat(amp)表示心跳幅值,选择此时间间隔T(超过预期发生第一胎心音S1的时间)是考虑到合理的胎心率瞬时变化,从而自动拒绝极端异常值,例如,如胎心率平均值为140bpm,则选择对应胎心率间隔为104-215bpm。
在一个时间间隔T中,可能有很多心跳,也可能有一个心跳,或者没有心跳;为了找到合理的心跳,只有当信号的峰值高于前n次检测到的振幅阈值(其最大振幅平均值的50%,这里称为高阈值HT)时,算法才会进行标记。
如果在时间间隔T中仅存在一个满足幅度标准的候选心跳,则将其作为检测到的心跳,并使用其特性来更新T0,MEAN和幅度阈值,然后重复该周期(即给定的时间间隔T),直至信号结束。
如果在时间间隔T中识别出的多个候选心跳中,存在比高阈值HT更高的峰值,把它的位置定义为pi,则选择距离最小的峰值||T0-Pi|-MEAN|作为候选心跳,即认为它是最可能的心跳的峰值,因为它的位置最接近于前一个均值,即在多个候选心跳中选择与上一个候选心跳距离最小的那个心跳当做符合标准的候选心跳。
如果在时间间隔T中没有任何峰值超过高阈值HT,则将振幅阈值设置为前k次搏动的最大振幅平均值的30%(这里称为低阈值LT)然后再次搜索。低阈值LT计算方法如下:
没有满足的候选心跳时更新T0:
T0=x(n)+maxFetalBeatSample;(12)
在式(12),(13),其中,x(n)表示信号样本,maxFetalBeatSample表示最大胎心样本,maxFetalBeatPerMin为指定的每分钟最大胎心样本,resampleFs表示重采样率。
如果在时间间隔T中没有任何满足幅度标准的候选心跳时,为避免错过心跳,该算法在时间位置P0=T0+MEAN处增加一个峰值,并将该时间位置与该峰值以最低基准度关联,将该时间位置对应的峰值作为符合要求的候选心跳。
最终,将选出的候选心跳会以索引的方式输出,作为满足判断标准的第一胎心音S1,之后它将被执行时间定位,以计算胎心率。
本发明中,在进行完第一心跳音增强后输出LP,在所采集信号信噪比不够高时,因为有较大噪声,在利用上述方法根据峰值的属性判断候选心跳时,在时间间隔T中发现很多峰值的振幅很小,以至于无法单独区分出来是否为心跳音,但是与此同时发现在候选心跳间隔的一段时间内,即非心跳区(可能是噪声)的信号非常稳定,且与候选心跳的振幅有很明显区别。
利用这个特点逆向计算出心跳间隔;将增强输出后信号LP的结果反向:
其中,LP为增强模块后的输出信号,e为环境或周围噪声,以确保反向后的非心跳区不为0;而之前候选心跳区的部分则会变为较小的数值,这样就可区分两个部分的差异。
对每段数据寻找峰值和其对应位置后,可加入一个判断,
根据算法计算,判断一段数据是否是非心跳,必须满足有n个以上连续峰值位置信息(length(locs)>n),并且两峰值间的均方差与对应的两峰值间位置差的平均值的比值必须小于某个参考量S。判断出多个连续非心跳区后,由其中的时间间隔就可计算出胎儿心跳频率。
如NF1为第一段非心跳区的开始点的位置(即第一段非心跳区间中第一个峰的位置信息),NF′1为第一段非心跳区的结束点的位置(即第一段非心跳区间中最后一个峰的位置信息);NF2为第二段非心跳区的开始点的位置(即第二段非心跳区间中第一个峰的位置信息),NF′2为第二段非心跳区的结束点的位置(即第二段非心跳区间中最后一个峰的位置信息);则第一候选心跳的位置信息F1
F1=NF2-NF′1 (19)
可得出:
Fn=NFn+1-NFn′ (20)
Fn表示第n个候选心跳的位置信息,即(pks,locs)峰值的属性。
通过信号反向处理技术,实现了在所采集信号信噪比不够高时,保证能准确地确定出心跳,从而计算出胎心率。
进一步的,本发明中,即在高信噪比时优先通过第一心音的位置及峰值属性,判断第一心音,可以快速判断峰值寻找胎心音位置,在找到候选胎心音后加入反向识别技术,验证可靠性;在低信噪比时优先进行反向识别处理,找到第n个候选心跳后再通过第一心音的位置及峰值属性进行快速验证,确保数据正确;
具体方法为:当通过第一心音的位置及峰值属性进行到“将振幅阈值设置为前n次搏动的最大振幅平均值的30%(这里称为低阈值LT)然后再次搜索”后仍未找到候选心跳时,通过反向识别技术来判断,判断非心跳范围从而选出候选心跳;同样的,也可在反向识别“判断非心跳范围”后,在“心跳范围”,利用第一心音的位置及峰值属性,快速寻找候选心跳;这样就可以在数据质量不高(所采集到信号的信噪比过低,多峰值振幅较小的情况)时,增加算法的鲁棒性,提高对胎心数据分析的准确性。
为了计算胎心率,因此,一旦通过上述的方法确定出满足判断标准的第一胎心音S1,就必须确定第一胎心音S1的时间,对第一胎心音S1的峰值进行时间标记,形成心跳时间序列。时间标记后,心跳间距序列(RR)被计算为连续时间标记之间的差异(对应于检测到的心跳)并以毫秒表示。估计的胎心率序列表示为60,000/RR,以bpm表示。
检测到第一胎心音S1时:
式(14)中,转换为胎心率单位,ratePerMin每分钟心跳数,j表示数据长度单位。
未检测到第一胎心音S1时:
如式(15),(16),其中,ratePerMinSmooth表示为了防止突然变化的异常读数影响整体判断,对每帧心跳读数进行平滑处理;smoothFactor表示每秒输出这段时间心跳读数的平均值。
以上所述仅是本发明的优选实施方式,应当指出的是,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种胎心监测方法,其特征在于,包括步骤:
S1.对采集到胎心音信号重采样,并消除干扰噪声;
S2.对重采样并消除干扰噪声的胎心音信号中的第一心音信号局部增强;
S3.从局部增强后输出的胎心音信号中识别出心跳;
S4.对识别出的心跳进行时间标记,并根据时间标记计算出心跳频率;
步骤S3包括以下步骤:
判断局部增强后输出的胎心音信号的信噪比属性;
若胎心音信号的信噪比高于设定信噪比阈值,则根据第一心音的位置属性以及峰值属性确定心跳;反之,在时间间隔中信号的峰值低于设定的低振幅阈值时,则将局部增强后输出的胎心音信号反向处理,通过确定非心跳区来确定心跳区,然后在心跳区根据第一心音的位置属性以及峰值属性确定心跳。
2.如权利要求1所述胎心监测方法,其特征在于,所述根据第一心音的位置属性以及峰值属性确定心跳的步骤如下:
将具有固定时间间隔的峰值标记为候选心跳;
给定的时间间隔中,判断该候选心跳的心音波形的峰值的振幅阈值是否高于设定的第一阈值,若是,则将该候选心跳标记为识别出的心跳;
否则,判断该候选心跳的心音波形的峰值的振幅阈值是否高于第二阈值,若是,则将该候选心跳标记为识别出的心跳;
其中,所述第二阈值小于所述第一阈值;
若按第二阈值与第一阈值均没有识别出心跳,则在心音波形的预定时间位置P0处增加一增补峰值,将该增补峰值对应的候选心跳作为识别出的心跳;
P0=T0+MEAN,T0是最后检测到的心跳的峰值位置,MEAN表示根据之前的识别出结果所计算出来的心跳峰值间的平均距离值。
3.如权利要求2所述胎心监测方法,其特征在于,按第二阈值与第一阈值识别心跳时,若在该时间间隔内识别出只有一个心跳,则使用该检测出的心跳的特征更新T0、MEAN、振幅阈值Threshold,重复该时间间隔,然后进行检测,直到检测完毕。
4.如权利要求2所述胎心监测方法,其特征在于,按第二阈值与第一阈值识别出的候选心跳中,若有多个信号峰值的振幅阈值高于第一阈值到超过预定值,则选择距离最小的峰值||T0-Pi|-MEAN|作为候选心跳,Pi为该信号峰值的位置。
5.如权利要求1所述胎心监测方法,其特征在于,若在胎心音信号的信噪比高于设定信噪比阈值,根据第一心音的位置属性以及峰值属性仍无法确定心跳时,则将局部增强后输出的胎心音信号反向处理,通过确定非心跳区的方法确定心跳。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810957683.8A CN109009058B (zh) | 2018-08-22 | 2018-08-22 | 一种胎心监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810957683.8A CN109009058B (zh) | 2018-08-22 | 2018-08-22 | 一种胎心监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109009058A CN109009058A (zh) | 2018-12-18 |
CN109009058B true CN109009058B (zh) | 2021-04-16 |
Family
ID=64627650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810957683.8A Active CN109009058B (zh) | 2018-08-22 | 2018-08-22 | 一种胎心监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109009058B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3090387A1 (fr) * | 2018-12-20 | 2020-06-26 | Sorin Crm Sas | Dispositif et procédé de détection de fibrillation ventriculaire |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504431A (zh) * | 2009-02-20 | 2009-08-12 | 重庆大学 | 随机脉冲时间序列的纳秒级在线检测系统 |
CN102217931A (zh) * | 2011-06-09 | 2011-10-19 | 李红锦 | 一种心率变异性特征参数的获取方法和装置 |
CN103298396A (zh) * | 2010-10-12 | 2013-09-11 | 学校法人福冈大学 | 身体信息测定装置和身体信息测定方法 |
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 |
CN103494605A (zh) * | 2013-10-09 | 2014-01-08 | 清华大学 | 心率检测方法及装置 |
CN103860180A (zh) * | 2013-12-16 | 2014-06-18 | 中国医学科学院北京协和医院 | 在心肺复苏(cpr)过程中实时识别自主循环恢复(rosc) |
CN104305985A (zh) * | 2014-10-18 | 2015-01-28 | 浙江大学 | 一种低功耗心率监测仪及其监测方法 |
CN104367344A (zh) * | 2014-10-10 | 2015-02-25 | 广东工业大学 | 一种基于香农包络的胎儿瞬时心率检测方法及装置 |
CN104473631A (zh) * | 2014-12-12 | 2015-04-01 | 广东工业大学 | 一种基于非负盲分离胎儿心电瞬时心率识别方法及系统 |
CN106793996A (zh) * | 2015-06-25 | 2017-05-31 | 培它沃莫诺克商业管理有限公司 | 通过无源感测确定胎儿心脏声音的方法和设备及检查胎儿心脏功能的系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150359491A1 (en) * | 2012-09-29 | 2015-12-17 | Aliphcom | Physiological characteristic determination based on signal correlation |
JP6304691B2 (ja) * | 2015-03-26 | 2018-04-04 | 国立大学法人九州工業大学 | 心音雑音除去装置、その方法及びプログラム |
-
2018
- 2018-08-22 CN CN201810957683.8A patent/CN109009058B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504431A (zh) * | 2009-02-20 | 2009-08-12 | 重庆大学 | 随机脉冲时间序列的纳秒级在线检测系统 |
CN103298396A (zh) * | 2010-10-12 | 2013-09-11 | 学校法人福冈大学 | 身体信息测定装置和身体信息测定方法 |
CN102217931A (zh) * | 2011-06-09 | 2011-10-19 | 李红锦 | 一种心率变异性特征参数的获取方法和装置 |
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 |
CN103494605A (zh) * | 2013-10-09 | 2014-01-08 | 清华大学 | 心率检测方法及装置 |
CN103860180A (zh) * | 2013-12-16 | 2014-06-18 | 中国医学科学院北京协和医院 | 在心肺复苏(cpr)过程中实时识别自主循环恢复(rosc) |
CN104367344A (zh) * | 2014-10-10 | 2015-02-25 | 广东工业大学 | 一种基于香农包络的胎儿瞬时心率检测方法及装置 |
CN104305985A (zh) * | 2014-10-18 | 2015-01-28 | 浙江大学 | 一种低功耗心率监测仪及其监测方法 |
CN104473631A (zh) * | 2014-12-12 | 2015-04-01 | 广东工业大学 | 一种基于非负盲分离胎儿心电瞬时心率识别方法及系统 |
CN106793996A (zh) * | 2015-06-25 | 2017-05-31 | 培它沃莫诺克商业管理有限公司 | 通过无源感测确定胎儿心脏声音的方法和设备及检查胎儿心脏功能的系统 |
Non-Patent Citations (2)
Title |
---|
An adaptive delineator for photoplethysmography waveforms;Soundararajan M ,等;《Biomedizinische Technik Biomedical Engineering》;20161231;全文 * |
基于LabVIEW与物联网的远程胎心监测系统设计;陈硕章,等;《电子世界》;20161231(第7期);第50-52、70页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109009058A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9198634B2 (en) | Medical decision support system | |
Vadrevu et al. | A robust pulse onset and peak detection method for automated PPG signal analysis system | |
Papadaniil et al. | Efficient heart sound segmentation and extraction using ensemble empirical mode decomposition and kurtosis features | |
US5123420A (en) | Method and apparatus for processing heart rate traces in a fetal monitor | |
Ruffo et al. | An algorithm for FHR estimation from foetal phonocardiographic signals | |
US20110257548A1 (en) | Method and system for processing heart sound signals | |
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 | |
US8491481B2 (en) | System and method for measuring the instantaneous period of a quasi-periodic signal | |
CN112971839B (zh) | 一种基于前馈卷积神经网络的心音分类方法 | |
WO2008000255A1 (en) | Method for segmenting a cardiovascular signal | |
CN112998690A (zh) | 一种基于脉搏波多特征融合的呼吸率提取方法 | |
CN109009058B (zh) | 一种胎心监测方法 | |
CN101897578B (zh) | 一种动脉压信号逐拍分割方法 | |
CN105138823B (zh) | 一种基于自相关函数的生理信号质量检测方法 | |
CN107049357B (zh) | 一种心音信号解析方法、装置及系统 | |
Du et al. | Crackle detection and classification based on matched wavelet analysis | |
Ari et al. | On a robust algorithm for heart sound segmentation | |
CN114052709B (zh) | 一种稳健的毫米波雷达生命体征测量方法 | |
KR101453644B1 (ko) | 피크 검출 방법, 피크 검출 장치 및 태아 심박 검출 장치 | |
JP2015217060A (ja) | 心拍検出方法および心拍検出装置 | |
JPH1028686A (ja) | 胎児監視装置 | |
WO2018023698A1 (zh) | 一种胎儿心电分离方法及装置 | |
Celler et al. | Blood pressure estimation using time domain features of auscultatory waveforms and GMM-HMM classification approach | |
Dhage et al. | An automated methodology for FECG extraction and fetal heart rate monitoring using independent component analysis | |
Lima et al. | Automatic segmentation of the second cardiac sound by using wavelets and hidden Markov models |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230403 Address after: 201, No. 33, Southeast Avenue, Changshu Hi tech Industrial Development Zone, Suzhou City, Jiangsu Province, 215500 Patentee after: Suzhou Yinman Technology Co.,Ltd. Address before: 100029 9 / F, 19 Ritan North Road, Chaoyang District, Beijing (08) (1056 Chaowai incubator) Patentee before: YINMAN (BEIJING) TECHNOLOGY CO.,LTD. |
|
TR01 | Transfer of patent right |