CN109998490A - 一种基于子宫肌电信号自动识别宫缩的方法 - Google Patents
一种基于子宫肌电信号自动识别宫缩的方法 Download PDFInfo
- Publication number
- CN109998490A CN109998490A CN201910320135.9A CN201910320135A CN109998490A CN 109998490 A CN109998490 A CN 109998490A CN 201910320135 A CN201910320135 A CN 201910320135A CN 109998490 A CN109998490 A CN 109998490A
- Authority
- CN
- China
- Prior art keywords
- uterine
- signal
- function
- myoelectricity signal
- zero
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/03—Detecting, measuring or recording fluid pressure within the body other than blood pressure, e.g. cerebral pressure; Measuring pressure in body tissues or organs
- A61B5/033—Uterine pressure
-
- 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
-
- 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
- A61B5/389—Electromyography [EMG]
-
- 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
- A61B5/4356—Assessing uterine contractions
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Hematology (AREA)
- Pregnancy & Childbirth (AREA)
- Gynecology & Obstetrics (AREA)
- Reproductive Health (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一种基于子宫肌电信号自动识别宫缩的方法;属于产科监护技术领域。该方法首先采集子宫肌电信号O;对子宫肌电信号进行预处理,得到预处理后的子宫肌电信号P;计录预处理后的子宫肌电信号P的幅值平均值E,并将预处理后的子宫肌电信号P的幅值上移αE,得到幅值上移后的子宫肌电信号U;计算幅值上移后的子宫肌电信号U的过零率Z,并生成过零率函数Z';将过零率函数Z'归一化后的结果作为函数M的输入变量,将函数M的输出作为权重函数Q的值;将权重函数Q与预处理后的子宫肌电信号P对应相乘,得到加权后的子宫肌电信号K;求取子宫肌电信号K的包络曲线并以该曲线的幅值为函数生成宫缩发生概率灰度图。本发明实现了宫缩信号的自动识别与宫缩发生概率的直观显示,为监测子宫活动提供了新的途径。
Description
技术领域
本发明属于分娩监护技术领域,涉及一种基于子宫肌电信号自动识别宫缩的方法。
背景技术
提高人口质量、减少出生缺陷是关系到家和国泰的民生大事。随着生育政策的实施,分娩量急剧增加的同时,高危产妇也明显增加。子宫收缩即宫缩直接促使胎儿排出母体,有规律的宫缩是临产的一个重要特征,是推动分娩的动力。可见,宫缩是反映孕妇分娩状态的重要依据,宫缩监测对于保证母胎健康具有重要意义。
在产检中,经常将TOCO压力传感器用松紧带固定于腹部,通过测量腹部形变间接评估宫内压力,这样测得的压力受到测量初始值和皮带捆扎松紧程度的影响,还容易受产妇体位、肥胖的影响。有些孕妇可以感知宫缩,有些则不能。有经验的医生靠触诊孕妇腹部感知宫缩,而此类方法主观性强,不便于长期监测。
近些年,有研究将电极置于孕妇腹部表面,记录体表子宫肌电(electrohysterogram,EHG)信号监测宫缩,EHG信号是从孕妇体表检测到的妊娠子宫的电活动,是无数个子宫平滑肌细胞单个电活动的综合表现。子宫收缩是动作电位以间歇式爆发波的方式沿子宫肌细胞传播的结果。子宫收缩强度与动作电位的传播程度和招募的肌细胞数量有关,随着分娩的临近,子宫肌层细胞兴奋性和连通性增加,导致动作电位的传播增加,EHG信号强度和同步性增大,常对应可被感知的宫缩。
但目前为止,在利用EHG信号识别宫缩的相关研究中,大多基于临床经验,以TOCO压力信号、孕妇和医生感知的宫缩记录作为参考,人工截取EHG信号的宫缩段,训练分类器。此方法不能自动识别宫缩,因而,无法用于临床诊断中。
发明内容
本发明旨在提供一种利用子宫肌电信号识别宫缩的方法,实现分娩期宫缩的自动识别和宫缩发生概率灰度图的直观显示,该方法不仅不需要借助于TOCO压力信号、孕妇和医生感知的宫缩记录就可以较为准确的识别宫缩位置,并且本方法的宫缩识别算法较为简洁,可以嵌入分娩监护医疗产品中进行使用,具有很好的实际应用前景。
为达到上述目的,本发明通过以下技术方案来实现:
基于子宫肌电信号自动识别宫缩的方法,该方法包括以下步骤:
步骤A1:采集子宫肌电信号O;
步骤A2:对子宫肌电信号进行预处理,得到预处理后的子宫肌电信号P;
步骤A3:计算预处理后的子宫肌电信号P的幅值平均值E,并将预处理后的子宫肌电信号P的幅值上移αE,得到幅值上移后的子宫肌电信号U,α为纯数值,可以根据需要选取,如0.1-10;
步骤A4:计算幅值上移后的子宫肌电信号U的过零率Z,并生成过零率函数Z';
步骤A5:将过零率函数Z'归一化后的结果作为函数M的输入变量,将函数M的输出作为权重函数Q的值;其中函数M的作用是增强过零率函数Z'幅值较高的部分,并使过零率函数Z'幅值较低的部分得到衰减;
步骤A6:将权重函数Q与预处理后的子宫肌电信号P对应相乘,得到加权后的子宫肌电信号K;
步骤A7:求取加权后的子宫肌电信号K的包络曲线并以该曲线的幅值为函数生成宫缩发生概率灰度图。
作为本发明进一步的技术方案,步骤A2中所述子宫肌电信号预处理的方法包括以下步骤:
步骤B1:设计滤波器对子宫肌电信号O进行低通滤波,得到去除高频干扰的子宫肌电信号O';
步骤B2:采用中值滤波算法处理子宫肌电信号O',得到去除基线漂移的子宫肌电信号P即最终得到预处理后的子宫肌电信号P;
作为本发明进一步的技术方案,步骤A3中所述算法包括以下步骤:
步骤C1:对预处理后的子宫肌电信号P的各点幅值求和并除以信号总点数得到幅值平均值E;
步骤C2:将预处理后的子宫肌电信号P与α倍幅值平均值αE相加,得到幅值上移后的子宫肌电信号U;
作为本发明进一步的技术方案,步骤A4中所述过零率算法包括以下步骤:
步骤D1:判断幅值上移后的子宫肌电信号U前后两点连线是否穿过X轴,若穿过X轴则标记前点为过零点点位,若不穿过X轴则不标记点位,重复此操作,标记整个子宫肌电信号U的过零点点位;
步骤D2:设置窗口长度为W,计算窗口内的过零点个数并除以窗口长度得到该窗口内的过零率Z,以步长为N滑动窗口,重复该操作,遍历整个幅值上移后的子宫肌电信号U;以每个窗口中心点的横坐标和窗口内过零率为纵坐标,描绘过零率函数Z';
作为本发明进一步的技术方案,步骤A5中所述算法包括以下步骤:
步骤E1:对过零率函数Z'进行归一化,使过零率取值在[0,1]之间;
步骤E2:将过零率函数Z'归一化后的结果作为函数M的输入变量,将函数M的输出作为权重函数Q的值;
作为本发明进一步的技术方案,步骤A7中所述包络绘制与灰度算法包括以下步骤:
步骤F1:利用均方根算法对加权后的子宫肌电信号K进行计算得到包络函数R;
步骤F2:用包络函数R作为灰度变量生成宫缩发生概率灰度图P。
本发明相对现有技术的有益效果是:
本发明提供了一种利用子宫肌电信号自动识别宫缩的方法,实现了宫缩信号的自动识别和宫缩发生概率灰度图的直观显示,为监测子宫活动提供了新的途径。
附图说明
图1是本发明宫缩自动识别算法的实施方式流程图。
图2是本发明预处理后的子宫肌电信号O'及其过零点点位图,(a)图是预处理后的子宫肌电信号O',(b)图是子宫肌电信号O'的过零点点位图。
图3是本发明的信号过零率Z示意图。
图4是本发明的权重函数Q示意图。
图5是本发明的加权后的子宫肌电信号K示意图。
图6是本发明的加权后的子宫肌电信号包络曲线R示意图与宫缩发生概率灰度图。
图7是本发明的子宫肌电信号自动识别宫缩示意图。
具体实施方式
下面结合实施例对本发明做进一步说明,但本发明并不限于以下实施例。
实施例1
步骤A1:采集子宫肌电信号O;
下面结果具体实施方式和附图对本发明进行详细描述,但是本发明的实施方式不限于此。
根据临床经验,临产宫缩约为10分钟3次,每次持续时间平均为40s,为了记录到较为完整的宫缩信号,且每次记录到的宫缩次数不少于5次,因此记录时长应在15分钟以上。
步骤A2:对子宫肌电信号进行预处理,得到预处理后的子宫肌电信号P;
步骤A3:计算预处理后的子宫肌电信号P的幅值平均值E,并将预处理后的子宫肌电信号P的幅值上移αE,得到幅值上移后的子宫肌电信号U;
步骤A4:计算幅值上移后的子宫肌电信号U的过零率Z,并生成过零率函数Z';
步骤A5:将过零率函数Z'归一化后的结果作为函数M的输入变量,将函数M的输出作为权重函数Q的值;函数M的作用是增强过零率函数Z'幅值较高的部分,并使过零率函数Z'幅值较低的部分得到衰减;
步骤A6:将权重函数Q与预处理后的子宫肌电信号P对应相乘,得到加权后的子宫肌电信号K;
步骤A7:求取子宫肌电信号K的包络曲线并以该曲线的幅值为函数生成宫缩出现概率灰度图。
作为本发明进一步的技术方案,步骤A2中所述子宫肌电信号预处理的方法包括以下步骤:
步骤B1:由于子宫肌电信号为低频信号,频率在0-3Hz范围内,因此设计0-3HZ低通滤波器,本设计中实际滤波范围为0.1-3HZ;
步骤B2:采用中值滤波算法处理子宫肌电信号O',得到去除基线漂移的子宫肌电信号P。
中值滤波的计算如公式(1):
Y(i)=Med[x(i-η),...,x(i),...,x(i+η)] (1)
公式中x(i)代表子宫肌电信号O(此时O'与O相同)在第i点的幅值,Y代表子宫肌电信号基线漂移,η代表中值滤波窗口长度,由于人体呼吸间隔普遍为4s,设备采样频率为250HZ,因此本设计中η=1000;
作为本发明进一步的技术方案,步骤A3中所述算法包括以下步骤:
步骤C1:对预处理后的子宫肌电信号P的各点幅值求和并除以信号总长度得到幅值平均值E;
步骤C2:将预处理后的子宫肌电信号P与α倍幅值平均值αE相加,得到幅值上移后的子宫肌电信号U。其中α的取值范围可根据需求选取[0.1,10],本实施例中取α=1,预处理后的子宫肌电信号P的幅值平均值E的计算如公式(2):
公式中x(i)代表经预处理后的子宫肌电信号P在第i点的幅值,λ代表信号P的长度;
作为本发明进一步的技术方案,步骤A4中所述过零率算法包括以下步骤:
步骤D1:判断幅值上移后的子宫肌电信号U前后两点连线是否穿过X轴,若穿过X轴则标记前点为过零点点位,若不穿过X轴则不标记点位,重复此操作,标记整个幅值上移后的子宫肌电信号U的过零点点位;
步骤D2:设置窗口长度为W,计算窗口内的过零点个数并除以窗口长度得到该窗口内的过零率Z,以步长为N滑动窗口,重复该操作,遍历整个幅值上移后的子宫肌电信号U。以每个窗口中心点的横坐标和窗口内过零率为纵坐标,描绘过零率函数Z'。实施例中取N=1。
过零率Z的计算如公式(3):
公式中n代表长度为W的窗口内过零点的个数;
其中窗口长度W可根据采样率与宫缩平均时长进行改变(可采用两者的乘积),本设计中采样率为250HZ,平均宫缩时长为40s,本实施例中取W=10000。
作为本发明进一步的技术方案,步骤A5中所述算法包括以下步骤:
步骤E1:对过零率函数Z'进行归一化,使过零率取值在[0,1]之间;
步骤E2:将过零率函数Z'归一化后的结果作为函数M的输入变量,将函数M的输出作为权重函数Q的值;
本实施例中函数M取3次幂函数,则权重函数Q的计算如公式(4):
Q(i)=Z'(i)3 (4)
公式中Z'(i)代表过零函数在第i点的幅值,Q(i)代表权重函数在第i点的权重;
作为本发明进一步的技术方案,步骤A7中所述包络绘制与灰度算法包括以下步骤:
步骤F1:利用均方根算法对加权后的子宫肌电信号K进行计算得到包络函数R;
均方根RMS的计算如公式(5):
公式中x(i)代表加权后的子宫肌电信号K在第i点的幅值,ω代表加权后的子宫肌电信号K的长度;
步骤F2:用包络函数R的幅值作为灰度变量生成宫缩出现概率灰度图P,在宫缩出现概率灰度图中,灰度值越大表示宫缩出现概率越高。
Claims (7)
1.一种基于子宫肌电信号自动识别宫缩的方法,其特征在于,包括以下步骤:
步骤A1:采集子宫肌电信号O;
步骤A2:对子宫肌电信号进行预处理,得到预处理后的子宫肌电信号P;
步骤A3:计算预处理后的子宫肌电信号P的幅值平均值E,并将预处理后的子宫肌电信号P的幅值上移αE,得到幅值上移后的子宫肌电信号U,α为纯数值,选自0.1-10;
步骤A4:计算幅值上移后的子宫肌电信号U的过零率Z,并生成过零率函数Z';
步骤A5:将过零率函数Z'归一化后的结果作为函数M的输入变量,将函数M的输出作为权重函数Q的值,其中函数M的作用是增强过零率函数Z'幅值较高的部分,并使过零率函数Z'幅值较低的部分得到衰减;
步骤A6:将权重函数Q与预处理后的子宫肌电信号P对应相乘,得到加权后的子宫肌电信号K;
步骤A7:求取加权后的子宫肌电信号K的包络曲线并以该曲线的幅值为函数生成宫缩发生概率灰度图。
2.根据权利要求1所述的一种基于子宫肌电信号自动识别宫缩的方法,其特征在于,步骤A2中所述子宫肌电信号预处理方法包括以下步骤:
步骤B1:设计滤波器对子宫肌电信号O进行低通滤波,得到了去除高频干扰的子宫肌电信号O';
步骤B2:采用中值滤波算法处理子宫肌电信号O',得到去除基线漂移的子宫肌电信号P即预处理后的子宫肌电信号P。
3.根据权利要求1所述的一种基于子宫肌电信号自动识别宫缩的方法,其特征在于,步骤A3中所述算法包括以下步骤:
步骤C1:对预处理后的子宫肌电信号P的各点幅值求和并除以信号总点数得到幅值平均值E;
步骤C2:将预处理后的子宫肌电信号P与α倍幅值平均值αE相加,得到幅值上移后的子宫肌电信号U。
4.根据权利要求1所述的一种基于子宫肌电信号自动识别宫缩的方法,其特征在于,步骤A4中所述过零率算法包括以下步骤:
步骤D1:判断幅值上移后的子宫肌电信号U前后两点连线是否穿过X轴,若穿过X轴则标记前点为过零点点位,若不穿过X轴则不标记点位,重复此操作,标记整个幅值上移后的子宫肌电信号U的过零点点位;
步骤D2:设置窗口长度为W,计算窗口内的过零点个数并除以窗口长度得到该窗口内的过零率Z,以步长为N滑动窗口,重复该操作,遍历整个幅值上移后的子宫肌电信号U;以每个窗口中心点的横坐标和窗口内过零率为纵坐标,描绘过零率函数Z'。
5.根据权利要求1所述的一种基于子宫肌电信号自动识别宫缩的方法,其特征在于,步骤A5中所述算法包括以下步骤:
步骤E1:对过零率函数Z'进行归一化,使过零率取值在[0,1]之间;
步骤E2:将过零率函数Z'归一化后的结果作为函数M的输入变量,将函数M的输出做为权重函数Q的值。
6.根据权利要求1所述的一种基于子宫肌电信号自动识别宫缩的方法,其特征在于,步骤A7中所述包络绘制与灰度算法包括以下步骤:
步骤F1:利用均方根算法对加权后的子宫肌电信号K进行计算得到包络函数R;
步骤F2:用包络函数R作为灰度变量生成宫缩发生概率灰度图P。
7.根据权利要求2所述的一种基于子宫肌电信号自动识别宫缩的方法,其特征在于,采用0-3HZ低通滤波器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910320135.9A CN109998490B (zh) | 2019-04-19 | 2019-04-19 | 一种基于子宫肌电信号自动识别宫缩的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910320135.9A CN109998490B (zh) | 2019-04-19 | 2019-04-19 | 一种基于子宫肌电信号自动识别宫缩的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109998490A true CN109998490A (zh) | 2019-07-12 |
CN109998490B CN109998490B (zh) | 2021-11-05 |
Family
ID=67173253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910320135.9A Active CN109998490B (zh) | 2019-04-19 | 2019-04-19 | 一种基于子宫肌电信号自动识别宫缩的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109998490B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113133771A (zh) * | 2021-03-18 | 2021-07-20 | 浙江工业大学 | 基于时频域熵特征的子宫肌电信号分析及早产预测方法 |
CN113855198A (zh) * | 2021-10-13 | 2021-12-31 | 泰州市华达机电设备有限公司 | 用于宫缩识别的图像增强系统 |
CN113907771A (zh) * | 2021-10-07 | 2022-01-11 | 北京工业大学 | 基于子宫肌电信号识别宫缩传导方向和起搏区的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0740526A1 (en) * | 1993-08-06 | 1996-11-06 | Sanhill OY | Method and apparatus for measuring muscle fatigue |
US20120172689A1 (en) * | 2010-06-08 | 2012-07-05 | David Albert | Wireless, ultrasonic personal health monitoring system |
CN103212188A (zh) * | 2013-05-13 | 2013-07-24 | 中山大学 | 一种辅助步态训练的方法及系统 |
CN105597298A (zh) * | 2016-04-05 | 2016-05-25 | 哈尔滨工业大学 | 基于肌电信号及肢体动作检测的健身效果评价系统 |
CN106889987A (zh) * | 2017-02-21 | 2017-06-27 | 暨南大学 | 基于分段滤波处理的子宫肌电强度信息提取方法 |
CN108143415A (zh) * | 2018-01-24 | 2018-06-12 | 南京林业大学 | 一种上肢疲劳智能监测、保健方法及其智能穿戴装置 |
-
2019
- 2019-04-19 CN CN201910320135.9A patent/CN109998490B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0740526A1 (en) * | 1993-08-06 | 1996-11-06 | Sanhill OY | Method and apparatus for measuring muscle fatigue |
US20120172689A1 (en) * | 2010-06-08 | 2012-07-05 | David Albert | Wireless, ultrasonic personal health monitoring system |
CN103212188A (zh) * | 2013-05-13 | 2013-07-24 | 中山大学 | 一种辅助步态训练的方法及系统 |
CN105597298A (zh) * | 2016-04-05 | 2016-05-25 | 哈尔滨工业大学 | 基于肌电信号及肢体动作检测的健身效果评价系统 |
CN106889987A (zh) * | 2017-02-21 | 2017-06-27 | 暨南大学 | 基于分段滤波处理的子宫肌电强度信息提取方法 |
CN108143415A (zh) * | 2018-01-24 | 2018-06-12 | 南京林业大学 | 一种上肢疲劳智能监测、保健方法及其智能穿戴装置 |
Non-Patent Citations (1)
Title |
---|
陆尧胜等: "一种改进的子宫肌电包络提取算法", 《生物医学工程学杂志》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113133771A (zh) * | 2021-03-18 | 2021-07-20 | 浙江工业大学 | 基于时频域熵特征的子宫肌电信号分析及早产预测方法 |
CN113133771B (zh) * | 2021-03-18 | 2022-10-28 | 浙江工业大学 | 基于时频域熵特征的子宫肌电信号分析及早产预测方法 |
CN113907771A (zh) * | 2021-10-07 | 2022-01-11 | 北京工业大学 | 基于子宫肌电信号识别宫缩传导方向和起搏区的方法 |
CN113855198A (zh) * | 2021-10-13 | 2021-12-31 | 泰州市华达机电设备有限公司 | 用于宫缩识别的图像增强系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109998490B (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109998490A (zh) | 一种基于子宫肌电信号自动识别宫缩的方法 | |
CN103070683B (zh) | 基于生物电阻抗的睡眠呼吸模式识别方法及装置 | |
CN103190905B (zh) | 基于Wi-Fi的多通道表面肌电信号采集系统及处理方法 | |
CN101972145B (zh) | 一种基于源信号时域相对稀疏性的胎儿心电盲分离方法 | |
US8160692B2 (en) | System and method for analyzing progress of labor and preterm labor | |
US20140180169A1 (en) | Electrophysiological monitoring of uterine contractions | |
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 | |
CN111407315B (zh) | 一种针对超声多普勒胎心信号的质量评估方法 | |
Liu et al. | A multi-step method with signal quality assessment and fine-tuning procedure to locate maternal and fetal QRS complexes from abdominal ECG recordings | |
CN106889981B (zh) | 一种用于提取胎儿心率的智能终端 | |
CN102258368B (zh) | 胎心电检测的时域稀疏性线性混叠盲分离模型的判别方法 | |
CN104887220A (zh) | 一种由腹壁心电信号提取胎儿心电信号的方法及系统 | |
CN108013872A (zh) | 用于母体胎儿心率监测的系统 | |
CN108175384A (zh) | 基于子宫肌电信号识别宫缩的方法及装置 | |
CN106419937A (zh) | 基于心音hrv理论的精神压力分析系统 | |
CN106889987B (zh) | 基于分段滤波处理的子宫肌电强度信息提取方法 | |
CN103006207A (zh) | 基于形态学的t波交替散点图法的心电信号分析方法 | |
CN104473660A (zh) | 一种基于子带能量包络自相关特征的异常心音识别方法 | |
CN110840405A (zh) | 一种柔性阵列传感器的制作方法及基于其的脉象检测系统 | |
CN102274014A (zh) | 一种基于小波去噪的柯氏音血压测量与信号分析方法 | |
CN108420425A (zh) | 穿戴式动态母体胎儿心电监测仪 | |
CN101006916A (zh) | 可实现心律不齐测量的电子血压计 | |
ES2814899T3 (es) | Control electrofisiológico de contracciones uterinas | |
CN204909917U (zh) | 基于布料传感器的睡眠监护与医疗诊断的智能床单 | |
CN106691437B (zh) | 一种基于母体心电信号的胎儿心率提取方法 |
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 |