CN111053547B - 基于搜索树的实现单通道胎儿心率监测方法 - Google Patents
基于搜索树的实现单通道胎儿心率监测方法 Download PDFInfo
- Publication number
- CN111053547B CN111053547B CN201811202868.4A CN201811202868A CN111053547B CN 111053547 B CN111053547 B CN 111053547B CN 201811202868 A CN201811202868 A CN 201811202868A CN 111053547 B CN111053547 B CN 111053547B
- Authority
- CN
- China
- Prior art keywords
- peak
- candidate
- path
- peaks
- 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.)
- 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
- A61B5/24—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]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
-
- 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
- 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)
- Cardiology (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Gynecology & Obstetrics (AREA)
- Pregnancy & Childbirth (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种基于搜索树的实现单通道胎儿心率监测方法,包括以下步骤:腹部心电预处理:监测设备清洗心电图的高频噪声和基线漂移;监测设备根据心电图的相似性,寻找最佳路径,其中包括:步骤S1:监测设备根据一段时间内的心电图,确定一段时间内的若干候选R峰;步骤S2:监测设备通过候选R峰确定路径;步骤S3:监测设备根据每条路径的特征,确定最佳路径。本方法可以保留大量数据,避免由于在数据处理的前期根据相似性的原理把与胎儿QRS波非常相似的母亲的QRS波定义为真正的胎儿的QRS波,同时把真正的胎儿的QRS波排除在外,而是先通过QRS波之间的时间距离来筛分数据后,再比较不同路径中的QRS波的相似程度来寻找真正的QRS波群。
Description
技术领域
本发明涉及胎儿心电检测领域,进一步地,提供了一种准确性高的基于搜索树的实现单通道胎儿心率监测方法。
背景技术
胎心率(FHR)是监测妊娠期胎儿健康状况的重要指标。无创胎儿心电检测技术(Ni-FECG)是一种在腹部表面放置电极获取胎儿心电信号的方法,在胎儿心率测量中占有重要地位。
先天性心脏病是导致出生缺陷而死亡的主要原因之一,是现如今一个亟待研究的课题。因此,我们需要发展一种有效的技术来监测怀孕和分娩期间的胎儿状况。目前临床上应用最为广泛的是多普勒超声探测法。然而,还没有确凿地证明使用超声射频对胎儿是完全安全的。此外,使用多普勒超声方法需要对其进行大量的训练和为之付出相对较高的成本。与多普勒超声不同,Ni-FECG是将电极放置在母体腹部上,得到心电记录,且Ni-FECG信号可以提供准确的胎儿心率估计。因此,Ni-FECG被认为是继传统多普勒超声技术以来的另一种胎儿监测方法。在这方面,Ni-FECG最近已经引起了相当大的关注。为此,如何在从Ni-FECG信号中寻找出胎儿的QRS波,排除掉杂音也成为了关键。如申请号为201711018436.3的专利公开了一种心电信号中QRS波群的检测方法,对于从心电信号中提取的极值点集合Exa,如果一组连续或非连续极值具有相似的高度和两边斜率,且这组极值中相邻的极值间隔基本相同,则称之为一个相似极值序列;对于每一个相似极值序列,在这个序列的覆盖的范围内,去除所有不属于这个极值序列的极值;这样处理完每一个相似极值序列,形成优选极值点集合Exb;针对优选极值点集合标记QRS波群。虽然是通过QRS波的相似性来排除杂音,但是对于胎儿的Ni-FECG信号来所,由于来自母亲的噪音与胎儿的QRS波的波形相似,十分不好分离。
发明内容
本发明所要解决的技术问题是提供一种能保留大量R峰数据,根据相似性来判别寻找最佳R峰数值,准确性高的基于搜索树的实现单通道胎儿心率监测方法。
为解决上述问题,本发明采用的技术方案内容具体如下:
一种基于搜索树的实现单通道胎儿心率监测方法,包括以下步骤:
监测设备的接收单元根据心电图的变化,寻找最佳路径,其中包括:
步骤S1:监测设备的寻找检测单元根据心电图,确定若干候选R峰;
步骤S2:监测设备的路径构建单元通过候选R峰确定路径;
步骤S3:监测设备的特征比较单元根据每条路径的特征,确定QRS波的最佳路径。
需要说明的是,本发明提供一种基于树搜索的单通道胎儿心率监测方法,通过大量的QRS波形成路径,保证路径具有大量QPS波的数据量,不会受到个别的QRS波的影响。其次,形成路径后,人们即可判断路径中所有QRS波的相似性,根据路径中QRS波的相似性以及其它因素寻找最佳的路径。本方案名称中的搜索树是指检索到的若干路径形成类似树状的结构,即每一层都会在下一层形成若干分支,保证数据量足够大,路径相对较多。本申请通过上述方式在寻找真正QRS波时保留大量数据,避免由于在数据处理的前期根据相似性的原理把与胎儿QRS波非常相似的母亲的QRS波定义为真正的胎儿的QRS波,同时把真正的胎儿的QRS波排除在外,而是通过比较不同路径中的QRS波的相似程度来寻找真正的QRS波群。而且本发明只需要获取一份心电图即可,无需得到同一时间段的多份心电图做对比来获取准确数据,减少设备以及操作流程的冗杂。
优选地,在步骤S1中,包括以下步骤:
S11、监测设备的寻找检测单元从心电图一开始长度为L的时间段内,寻找极大值点,将找到的极大值点定义为第一层的候选R峰;准确地说,这里所指的为心电图从0开始到时间为L的时间段的部分。
S12、监测设备的寻找检测单元根据第一层的候选R峰以及R峰之间的时间距离,确定属于其它层的候选R峰,并组成路径(即根据第一层候选R峰得到与之对应的若干路径);应理解为当根据第一层的候选R峰R1A得到与之相对应的第二层候选R峰R2A,而根据第一层的候选R峰R1B得到与之相对应的第二层候选R峰R2B时,如果与第一层的候选R峰R1A相对应的第二层候选R峰没有R2B时,不能将R2B列入到R1A的路径里面。
在步骤S12中,确定属于第二层的候选R峰时,选择出满足以下公式的R峰作为第二层候选R峰:
dL<R1R<dH;
其中,R1R为R峰到第一层候选R峰的时间距离,dL和dH分别是时间距离的下限和上限,dL=60/fH/fs,dH=60/fL/fs,fH为胎儿心率预设最高频率,fL为胎儿心率预设最低频率;
优选地,fL为80-120次/min,最优为90次/min;
优选地,fH为140-180次/min,最优为160次/min。
本方案根据胎儿应有心率的频率技术得到胎儿心电图中R峰距离的上限与下限,从而获取在这范围内所有的候选R峰,保证其准确性。
优选地,在确定属于第三层及第三层之后的层的候选R峰时,根据R峰与第i层的候选R峰的时间距离RRi以及第i层候选R峰与第i-1层R峰的时间距离Ri-1Ri,选取合适的R峰,其中,当RRi符合以下范围时:Ri-1Ri-δ<RRi<Ri-1Ri+δ,则认为该R峰为第i+1层候选R峰,δ为确定时间距离RR变化的阈值,其中i为正整数且大于等于2。
在获取到第一层与第二层的候选R峰后,根据R峰距离的相似性来判断后续的R峰,尽量降低母体频率杂音对于实际值的干扰。
优选地,在步骤S3中,特征比较单元基于一条路径中所有候选R峰的子特征f,计算所有路径的总特征F;
根据路径总特征F对路径进行排序,得到最优路径。
优选地,所述子特征f包括
候选R峰跟与候选R峰相对应的候选S峰的振幅差ARS;
AQR与DQR的比值RQR,其中,AQR为候选R峰跟与候选R峰相对应的候选Q峰的振幅差;DQR为候选R峰跟与候选R峰相对应的候选Q峰的时间距离;
ARS与DRS的比值RRS,其中,ARS为候选R峰跟与候选R峰相对应的候选S峰的振幅差;DRS为候选R峰跟与候选R峰相对应的候选S峰的时间距离;以及
候选R峰与相邻下一层的候选R峰的时间距离RnRn+1,其中,n为正整数。
需要说明的是,得到候选R峰后,即可通过寻找候选R峰前后两侧最近的波谷(极小值点)即能找到候选R峰相对应的S峰与Q峰,由于这种算法或者计算已经属于公知常识,所以本申请就不在此再多阐述。
优选地,在计算所有路径的总特征F时,
基于R峰候选值的RQR和RRS,分别计算每条路径中所有R峰候选值的RQR和RRS的方差得到FQR和FRS;
基于ARS、RQR和RRS的数值,分别计算每条路径中所有R峰候选值的ARS、RQR和RRS的中值得到FAM、FQRM和FRSM;以及
基于每条路径中的所有RnRn+1,计算每条路径上所有的RnRn+1的方差FRR;
其中,特征参数F包括FQR、FRS、FAM、FQRM、FRSM以及FRR。
优选地,在确定一条最佳路径时,搜索所有路径,基于特征参数F对所有路径进行排序得到SQR、SRS、SAM、SQRM、SRSM以及SRR,计算所有路径的总排序S,所述总排序S最小值的路径为最优路径;
其中,S的计算公式为:
S=SQR+SRS+SAm+SQRm+SRSm+SRR;
SQR、SRS、SAM、SQRM、SRSM以及SRR为一条路径在所有路径中关于FQR、FRS、FAM、FQRM、FRSM以及FRR的排名。
需要说明的是,本方案综合考虑时间距离,波峰相似性等因素,结合这些因素对本方案中各个路径进行排序得到最优的路径,保证最优路径的综合性能最佳,考虑的因素最为全面。应理解本方案除了按照上述方案中将排名简单累加外,可以根据不同因素的占比在排名前面加入不同比重因子后再累加。
优选地,在步骤S3之后,还包括以下步骤:
步骤S4、监测设备的保存单元保存最佳路径中的前面λ个候选R峰作为确认R峰;应理解在实验操作中可以发现λ的取值会影响到检测方法的准确性,主要由于个人或者特殊的原因,导致选取的最佳路径是错误时,在没有比对或对照的情况,那么最佳路径无法自我校正,整条路径的所有候选R峰都会是错误的,准确率就会大幅下降。为此,本方案不会直接将最佳路径的所有候选R峰都当做是确认R峰,而是选择最佳路径中前面λ个候选R峰,提高检测方法的准确性。
步骤S5、监测设备的判断单元判断最后一个确认R峰后面的心电图的时间长度是否足够构建一条路径(即判断位于最后的确认R峰的时间是否大于等于路径限制长度,路径限制长度为1-5s,用户根据实际情况进行调整);如果足够,则在位于最后的确认R峰之后的长度为L的时间段内,寻找极大值点,将找到的极大值点定义为第一层的候选R峰,并执行步骤S12。
优选地,在步骤S5之后,还包括步骤S6,监测设备的校正单元寻找假阳性和假阴性的确认R峰,进行校正。
优选地,在寻找所有的假阴性和假阳性的点时,将所有的确认R峰与其相邻的确认R峰的时间距离RR进行评判:
dL<RRi<dH
如果满足上述公式,则直接使用检测到的所有确认R峰计算胎儿心率;如果不满足上述公式,则将不满足公式的确认R峰、在其前面的与之相邻的λ-1个确认R峰以及在其后面的与之相邻的λ个确认R峰移除(此时会使得中间出现连续的2λ个确认R峰被消除,中间有部分时间段缺失,为此需要构造虚拟R峰来填充被消除的时间段);并根据其它确认R峰的时间距离来构造虚拟R峰进行填充。为了更方便后面地阐述,现不满足公式的确认R峰命名为假R峰,被移除的R峰为移除R峰。
更准确地说,根据其它确认R峰的时间距离来构造虚拟R峰进行填充时,选取在步骤S6中在所有移除R峰之前或之后的相邻的两个确认R峰,得到两个确认R峰之间的时间距离DR,再将比假R峰前λ位的确认R峰的时间值加上整数倍的时间距离DR来得到若干个虚拟R峰,从而补充移除确认R峰后所空缺的时间段,或者将比假R峰后λ+1位的确认R峰的时间值减去整数倍的时间距离DR来得到若干个虚拟R峰,从而补充移除确认R峰后所空缺的时间段。
优选地,在步骤S1之前还包括,
步骤S0:心电图的预处理,包括:监测设备的预处理单元去除心电图的高频噪音以及处理基线漂移;
更加优选地,当去除高频噪声时,采用“小波软阈值降噪法”去除高频噪声;
更加优选地,当处理基线漂移时,使用通频带为8-100HZ的巴特沃思滤波器过滤掉基线漂移;
其中,带通巴特沃斯滤波器采用了“五阶低通”和“五阶高通”滤波器进行级联的方法,高频噪音指频率高于等于100HZ的噪音。
应理解在上文提及的前后概念为时间前后概论。
一种基于搜索树的实现单通道胎儿心率监测设备,包括
接收单元,用于接收心电图;
寻找检测单元,用于寻找心电图中的候选R峰;
路径构建单元,用于通过候选R峰构建路径;
特征比较单元,用于分析每条路径的特征,寻找最佳路径;
优选地,所述监测设备还包括:
预处理单元,用于预处理心电图,更加优选地,用于去除心电图的高频噪音以及处理基线漂移;
保存单元,用于保存最佳路径中的前面λ个候选R峰作为确认R峰;
判断单元,用于判断最后一个确认R峰后面的心电图的时间长度是否足够构建一条路径;优选地,如果足够,则在位于最后一个确认R峰之后的长度为L的时间段内,寻找极大值点,将找到的极大值点定义为第一层的候选R峰;
校正单元,用于寻找假阳性和假阴性的确认R峰并进行校正。
所述监测设备设有中央处理单元,所述中央处理单元与接收单元、寻找检测单元、路径构建单元、特征比较单元、预处理单元、保存单元、判断单元以及校正单元信号连接。
与现有技术相比,本发明的有益效果在于:
1、本申请在寻找真正QRS波时保留大量数据,在数据处理前期仅通过分析R峰的时间距离来寻找数据,避免根据相似性的原理把与胎儿QRS波非常相似的母亲的QRS波定义为真正的胎儿的QRS波。
2、相比起现有的对胎儿心电探测技术大都使用多通道技术,本方法中对其改进为单通道的检测技术。在一段时间内只需要获取一个心电图数据即可,减少冗杂设备的同时简化测试操作。
3、本发明是通过分析比较心电图数据从而获取胎儿心率,相比起现有的技术通过消除或分离母体信号的方式来获取胎儿心率,能有效避免消除或分离所导致的信号衰弱。
4、即使提供的信号质量较差,本方法相较以往的方法而言,还是具有较强的鲁棒性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1是本方法所提供的为了探测胎儿心率的方式图。
图2两层胎儿的R峰候选值的选择例子。
图3基于胎儿的QRS波的时间距离的限制来构建树的示例。
图4胎儿QRS波代表特征的说明图。
图5本方法的效果图(其中圈出来的为R波)。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明的具体实施方式、结构、特征及其功效,详细说明如下:
实施例1
如图1所示,一种基于搜索树的实现单通道胎儿心率监测方法,包括以下步骤:
监测设备根据心电图的变化,寻找最佳路径,其中包括:
步骤S1:监测设备根据心电图,确定若干候选R峰;
步骤S2:监测设备通过候选R峰确定路径;
步骤S3:监测设备根据每条路径的特征,确定QRS波的最佳路径。
在步骤S1中,包括以下步骤:
S11、监测设备在心电图开始的长度为L的时间段内,寻找极大值点,将找到的极大值点定义为第一层的候选R峰;
S12、根据第一层的候选R峰以及R峰之间的时间距离,确定属于其它层的候选R峰,组成路径。(即根据第一层候选R峰得到与之对应的若干路径)
在步骤S12中,确定属于第二层的候选R峰时,选择出满足以下公式的R峰作为第二层候选R峰:
dL<R1R<dH;
其中,R1R为R峰到第一层候选R峰的时间距离,dL和dH分别是时间距离的下限和上限,dL=60/fH/fs,dH=60/fL/fs,fH为胎儿心率预设最高频率,fL为胎儿心率预设最低频率。
本方案根据胎儿应有心率的频率技术得到胎儿心电图中R峰距离的上限与下限,从而获取在这范围内所有的候选R峰,保证其准确性。
在确定属于第三层及之后层的候选R峰时,根据R峰与i层的候选R峰的时间距离RRi以及i层候选R峰与i-1层R峰的时间距离Ri-1Ri,选取合适的R峰,其中,当RRi符合以下范围时:Ri-1Ri-δ<RRi<Ri-1Ri+δ,则认为该R峰为第i+1层候选R峰,δ为确定时间距离RR变化的阈值,其中i为正整数且大于等于2。
在步骤S3中,基于一条路径中所有候选R峰的子特征f,计算所有路径的总特征F;
根据路径总特征F对路径进行排序,得到最优路径。
所述子特征f包括
候选R峰跟与候选R峰相对应的候选S峰的振幅差ARS;
AQR与DQR的比值RQR,其中,AQR为候选R峰跟与候选R峰相对应的候选Q峰的振幅差;DQR为候选R峰跟与候选R峰相对应的候选Q峰的时间距离;
ARS与DRS的比值RRS,其中,ARS为候选R峰跟与候选R峰相对应的候选S峰的振幅差;DRS为候选R峰跟与候选R峰相对应的候选S峰的时间距离;以及
候选R峰与相邻下一层的候选R峰的时间距离RnRn+1,其中,n为正整数。
在计算所有路径的总特征F时,
基于R峰候选值的RQR和RRS,分别计算每条路径中所有R峰候选值的RQR和RRS的方差得到FQR和FRS;
基于ARS、RQR和RRS的数值,分别计算每条路径中所有R峰候选值的ARS、RQR和RRS的中值得到FAM、FQRM和FRSM;以及
基于每条路径中的所有RnRn+1,计算每条路径上所有的RnRn+1的方差FRR;
其中,特征参数F包括FQR、FRS、FAM、FQRM、FRSM以及FRR。
优选地,在确定一条最佳路径时,搜索所有路径,基于特征参数F对所有路径进行排序得到SQR、SRS、SAM、SQRM、SRSM以及SRR,计算所有路径的总排序S,所述总排序S最小值的路径为最优路径;
其中,S的计算公式为:
S=SQR+SRS+SAm+SQRm+SRSm+SRR;
SQR、SRS、SAM、SQRM、SRSM以及SRR为一条路径在所有路径中关于FQR、FRS、FAM、FQRM、FRSM以及FRR的排名。
在步骤S1之前还包括,
步骤S0:去除高频噪音以及处理基线漂移;
更加优选地,当去除高频噪声时,采用“小波软阈值降噪法”去除高频噪声;
更加优选地,当处理基线漂移时,使用通频带为8-100HZ的巴特沃思滤波器过滤掉基线漂移;
其中,带通巴特沃斯滤波器采用了“五阶低通”和“五阶高通”滤波器进行级联的方法,高频噪音指频率高于等于100HZ的噪音。
实施例2
与实施例1不同的是,本实施例在步骤S3之后,还包括以下步骤:
步骤S4、监测设备保存最佳路径中的前面λ个候选R峰作为确认R峰;
步骤S5、监测设备判断最后一个确认R峰后面的心电图的时间长度是否足够构建一条路径(即判断位于最后的确认R峰的时间是否大于等于路径限制长度);如果足够,则在位于最后的确认R峰之后的长度为L的时间段内,寻找极大值点,将找到的极大值点定义为第一层的候选R峰,并执行步骤S12。
在步骤S5之后,还包括步骤S6,监测设备寻找假阳性和假阴性的确认R峰,进行校正。
在寻找所有的假阴性和假阳性的点时,将所有的确认R峰与其相邻的确认R峰的时间距离RR进行评判:
dL<RRi<dH
如果满足上述公式,则直接使用检测到的所有确认R峰计算FHR(胎儿心率);如果不满足上述公式,则将不满足公式的确认R峰以及其之前λ-1个确认R峰和之后的λ个确认R峰移除;并根据其它确认R峰的时间距离来构造虚拟R峰进行填充。
实施例3
为了更好阐述步骤S5,本实施例中举出以下例子,在步骤S3中已经获取得到最佳路径的各层候选R峰的时间点为0.2s、0.8s、1.4s、2.0s、2.6s,由于λ值为2,所以只选取前面两个候选R峰即时间点为0.2s和0.8s的候选R峰为确认R峰。但是由于最后一个确认R峰的时间点为0.8s,而心电图的时间跨度为30s,即后面的时间还有29.2s,时间明显还是足够的,远大于路径限制长度。为此需要寻找在心电图中0.8s后的一段时间内的R峰,进行新一轮的最佳路径的选择,寻找更多的确认R峰。
实施例4
更好阐述步骤S6,本实施例中举出以下例子,在步骤S6之前跟实施例3一致,假如在第二轮的最佳路径选择中,得到最佳路径的各层候选R峰的时间点为1.0s、1.6s、2.3s、2.9s,而由于λ值为2,所以只选取前面两个候选R峰即时间点为1.0s和1.6s的候选R峰为确认R峰,从第三轮得到的确认R峰的时间点为2.3s、2.9s,而dL为0.5s,dH为0.7s,那么时间点为0.8s与1.0秒的确认R峰则为假阴性的点,但由于不能分辨是哪个出现错误,所以本方案将不满足公式的确认R峰(0.8s)的之前λ-1个确认R峰和之后的λ个确认R峰移除,即移除确认R峰(0.8s)之前的1个确认R峰和之后的2个确认R峰移除,即去除时间点为0.2s、0.8s、1.0s以及1.6s的确认R峰,并根据剩余的确认R峰的时间距离2.9s-2.3s=0.6s,构造虚拟R峰,所述虚拟R峰的时间为2.3-0.6=1.7s,1.7-0.6=1.1s,1.1-0.6=0.5s。
实施例5
在本实施例中调用abdominal and direct foetal electro-cardiogramdatabase(ADFECGDB)中R04 channal 2。
L是0.6s,fL=100次/min fH=160次/min,δ为0.05s,改变λ的值,然后将所有确认R峰与数据库给出的实际数据相比,计算其F1。
λ | F1 |
1 | 84.75 |
2 | 88.17 |
3 | 89.98 |
4 | 87.65 |
5 | 87.02 |
其中F1的计算公式如下:
TP是找对的数量,FN是漏掉的数量,FP是找错的数量,找到的位置与真实的位置在50ms以内都算找对。
实施例6
一种基于搜索树的实现单通道胎儿心率监测设备,包括
接收单元,用于接收心电图;
寻找检测单元,用于寻找心电图中的候选R峰;
路径构建单元,用于通过候选R峰构建路径;
特征比较单元,用于分析每条路径的特征,寻找最佳路径;
优选地,所述监测设备还包括:
预处理单元,用于预处理心电图,更加优选地,用于去除心电图的高频噪音以及处理基线漂移;
保存单元,用于保存最佳路径中的前面λ个候选R峰作为确认R峰;
判断单元,用于判断最后一个确认R峰后面的心电图的时间长度是否足够构建一条路径;优选地,如果足够,则在位于最后一个确认R峰之后的长度为L的时间段内,寻找极大值点,将找到的极大值点定义为第一层的候选R峰;
校正单元,用于寻找假阳性和假阴性的确认R峰并进行校正;
优选地,监测设备的寻找检测单元用于在心电图开始的长度为L的时间段内,寻找极大值点,将找到的极大值点定义为第一层的候选R峰;
监测设备的寻找检测单元根据第一层的候选R峰以及R峰之间的时间距离,确定属于其它层的候选R峰,并组成路径;
其中,所述L为0.4-0.8s,最优为0.6s;
优选地,寻找检测单元确定属于第二层的候选R峰时,选择出满足以下公式的R峰作为第二层候选R峰:
dL<R1R<dH;
其中,R1R为R峰到第一层候选R峰的时间距离,dL和dH分别是时间距离的下限和的上限,dL=60/fH/fs,dH=60/fL/fs,fH为胎儿心率预设最高频率,fL为胎儿心率预设最低频率;
其中,fL为80-120次/min,最优为90次/min;
其中,fH为140-180次/min,最优为160次/min;
更加优选地,寻找检测单元在确定属于第三层及之后层的候选R峰时,根据R峰与第i层的候选R峰的时间距离RRi以及第i层候选R峰与第i-1层R峰的时间距离Ri-1Ri,选取合适的R峰,其中,当RRi符合以下范围时:Ri-1Ri-δ<RRi<Ri-1Ri+δ,则认为该R峰为第i+1层候选R峰,δ为确定时间距离RR变化的阈值,
其中,δ为30-70ms,最优为50ms;
更加优选地,特征比较单元用于基于一条路径中所有候选R峰的子特征f,计算所有路径的总特征F;
而且特征比较单元用于根据路径总特征F对路径进行排序,得到最优路径;
其中,所述子特征f包括:
候选R峰跟与候选R峰相对应的候选S峰的振幅差ARS;
AQR与DQR的比值RQR,其中,AQR为候选R峰跟与候选R峰相对应的候选Q峰的振幅差;DQR为候选R峰跟与候选R峰相对应的候选Q峰的时间距离;
ARS与DRS的比值RRS,其中,ARS为候选R峰跟与候选R峰相对应的候选S峰的振幅差;DRS为候选R峰跟与候选R峰相对应的候选S峰的时间距离;以及
候选R峰与相邻下一层的候选R峰的时间距离RnRn+1;
更加优选地,基于R峰候选值的RQR和RRS,特征比较单元分别计算每条路径中所有R峰候选值的RQR和RRS的方差得到FQR和FRS;
基于ARS、RQR和RRS的数值,特征比较单元分别计算每条路径中所有R峰候选值的ARS、RQR和RRS的中值得到FAM、FQRM和FRSM;以及
基于每条路径中的所有RnRn+1,特征比较单元计算每条路径上所有的RnRn+1的方差FRR;
其中,特征参数F包括FQR、FRS、FAM、FQRM、FRSM以及FRR;
特征比较单元用于在确定一条最佳路径时,搜索所有路径,基于特征参数F对所有路径进行排序得到SQR、SRS、SAM、SQRM、SRSM以及SRR,计算所有路径的总排序S,所述总排序S最小值的路径为最优路径;
其中,S的计算公式为:
S=SQR+SRS+SAm+SQRm+SRSm+SRR;
SQR、SRS、SAM、SQRM、SRSM以及SRR为一条路径在所有路径中关于FQR、FRS、FAM、FQRM、FRSM以及FRR的排名;
更加优选地,
保存单元用于保存最佳路径中的前面λ个候选R峰作为确认R峰;
判断单元用于判断最后一个确认R峰后面的心电图的时间长度是否足够构建一条路径;如果足够,则在位于最后一个确认R峰之后的长度为L的时间段内,寻找极大值点,将找到的极大值点定义为第一层的候选R峰,并执行步骤S12;
更加优选地,监测设备的校正单元用于寻找假阳性和假阴性的确认R峰,进行校正;
监测设备的校正单元用于在寻找所有的假阴性和假阳性的点时,将所有的确认R峰与其相邻的确认R峰的时间距离RR进行评判:
dL<RR<dH
如果满足上述公式,则直接使用检测到的所有确认R峰计算FHR(胎儿心率);如果不满足上述公式,则将不满足公式的确认R峰以及在其之前的λ-1个确认R峰和在其之后的λ个确认R峰移除;并根据其它确认R峰的时间距离来构造虚拟R峰进行填充。
应理解所述监测设备设有中央处理单元,所述中央处理单元与接收单元、寻找检测单元、路径构建单元、特征比较单元、预处理单元、保存单元、判断单元以及校正单元信号连接。
Claims (20)
1.一种基于搜索树的实现单通道胎儿心率监测方法,其特征在于,包括以下步骤:
监测设备根据心电图的变化,寻找最佳路径,其中包括:
步骤S1:监测设备根据心电图,确定若干候选R峰;
步骤S2:监测设备通过候选R峰确定路径;
步骤S3:监测设备根据每条路径的特征,确定最佳路径;
在步骤S1中,包括以下步骤:
S11、监测设备在心电图开始的长度为L的时间段内,寻找极大值点,将找到的极大值点定义为第一层的候选R峰;
S12、根据第一层的候选R峰以及R峰之间的时间距离,确定属于其它层的候选R峰,并组成路径;
在步骤S12中,确定属于第二层的候选R峰时,监测设备选择出满足以下公式的R峰作为第二层候选R峰:
dL<R1R<dH;
其中,R1R为R峰到第一层候选R峰的时间距离,dL和dH分别是时间距离的下限和的上限,dL=60/fH/fs,dH=60/fL/fs,fH为胎儿心率预设最高频率,fL为胎儿心率预设最低频率;
在确定属于第三层及之后层的候选R峰时,根据R峰与第i层的候选R峰的时间距离RRi以及第i层候选R峰与第i-1层R峰的时间距离Ri-1Ri,选取合适的R峰,其中,当RRi符合以下范围时:Ri-1Ri-δ<RRi<Ri-1Ri+δ,则认为该R峰为第i+1层候选R峰,δ为确定时间距离RR变化的阈值,
其中,δ为30-70ms;
在步骤S3中,基于一条路径中所有候选R峰的子特征f,计算所有路径的总特征F;
根据路径总特征F对路径进行排序,得到最佳路径;
所述子特征f包括:
候选R峰跟与候选R峰相对应的候选S峰的振幅差ARS;
AQR与DQR的比值RQR,其中,AQR为候选R峰跟与候选R峰相对应的候选Q峰的振幅差;DQR为候选R峰跟与候选R峰相对应的候选Q峰的时间距离;
ARS与DRS的比值RRS,其中,ARS为候选R峰跟与候选R峰相对应的候选S峰的振幅差;DRS为候选R峰跟与候选R峰相对应的候选S峰的时间距离;以及
候选R峰与相邻下一层的候选R峰的时间距离RnRn+1。
2.根据权利要求1所述的基于搜索树的实现单通道胎儿心率监测方法,其特征在于,所述L为0.4-0.8s。
3.根据权利要求2所述的基于搜索树的实现单通道胎儿心率监测方法,其特征在于,所述L为0.6s。
4.根据权利要求1所述的基于搜索树的实现单通道胎儿心率监测方法,其特征在于,fL为80-120次/min。
5.根据权利要求4所述的基于搜索树的实现单通道胎儿心率监测方法,其特征在于,fL为90次/min。
6.根据权利要求1所述的基于搜索树的实现单通道胎儿心率监测方法,其特征在于,fH为140-180次/min。
7.根据权利要求6所述的基于搜索树的实现单通道胎儿心率监测方法,其特征在于,fH为160次/min。
8.根据权利要求6所述的基于搜索树的实现单通道胎儿心率监测方法,其特征在于,δ为50ms。
9.根据权利要求1所述的基于搜索树的实现单通道胎儿心率监测方法,其特征在于,基于R峰候选值的RQR和RRS,分别计算每条路径中所有R峰候选值的RQR和RRS的方差得到FQR和FRS;
基于ARS、RQR和RRS的数值,分别计算每条路径中所有R峰候选值的ARS、RQR和RRS的中值得到FAM、FQRM和FRSM;以及
基于每条路径中的所有RnRn+1,计算每条路径上所有的RnRn+1的方差FRR;
其中,特征参数F包括FQR、FRS、FAM、FQRM、FRSM以及FRR。
10.根据权利要求9所述的基于搜索树的实现单通道胎儿心率监测方法,其特征在于,在确定一条最佳路径时,搜索所有路径,基于特征参数F对所有路径进行排序得到SQR、SRS、SAM、SQRM、SRSM以及SRR,计算所有路径的总排序S,所述总排序S最小值的路径为最佳路径;
其中,S的计算公式为:
S=SQR+SRS+SAm+SQRm+SRSm+SRR;
SQR、SRS、SAM、SQRM、SRSM以及SRR为一条路径在所有路径中关于FQR、FRS、FAM、FQRM、FRSM以及FRR的排名。
11.根据权利要求1所述的基于搜索树的实现单通道胎儿心率监测方法,其特征在于,在步骤S3之后,还包括以下步骤:
步骤S4、监测设备保存最佳路径中的前面λ个候选R峰作为确认R峰;
步骤S5、监测设备判断最后一个确认R峰后面的心电图的时间长度是否足够构建一条路径;如果足够,则在位于最后一个确认R峰之后的长度为L的时间段内,寻找极大值点,将找到的极大值点定义为第一层的候选R峰,并执行步骤S12。
12.根据权利要求11所述的基于搜索树的实现单通道胎儿心率监测方法,其特征在于,在步骤S5之后,还包括步骤S6,监测设备寻找假阳性和假阴性的确认R峰,进行校正。
13.根据权利要求12所述的基于搜索树的实现单通道胎儿心率监测方法,其特征在于,在寻找所有的假阴性和假阳性的点时,将所有的确认R峰与其相邻的确认R峰的时间距离RR进行评判:
dL<RR<dH
如果满足上述公式,则直接使用检测到的所有确认R峰计算FHR;如果不满足上述公式,则将不满足公式的确认R峰以及在其之前的λ-1个确认R峰和在其之后的λ个确认R峰移除;并根据其它确认R峰的时间距离来构造虚拟R峰进行填充。
14.一种基于搜索树的实现单通道胎儿心率监测设备,其特征在于,包括
接收单元,用于接收心电图;
寻找检测单元,用于寻找心电图中的候选R峰;
路径构建单元,用于通过候选R峰构建路径;
特征比较单元,用于分析每条路径的特征,寻找最佳路径;
所述监测设备还包括:
预处理单元,用于预处理心电图;
保存单元,用于保存最佳路径中的前面λ个候选R峰作为确认R峰;
判断单元,用于判断最后一个确认R峰后面的心电图的时间长度是否足够构建一条路径,如果足够,则在位于最后一个确认R峰之后的长度为L的时间段内,寻找极大值点,将找到的极大值点定义为第一层的候选R峰;
校正单元,用于寻找假阳性和假阴性的确认R峰并进行校正;
心率计算单元,用于根据心电图数据计算心率的计算单元;
寻找检测单元用于在心电图开始的长度为L的时间段内,寻找极大值点,将找到的极大值点定义为第一层的候选R峰;根据第一层的候选R峰以及R峰之间的时间距离,确定属于其它层的候选R峰,并组成路径;其中,所述L为0.4-0.8s;
寻找检测单元用于在确定属于第二层的候选R峰时,选择出满足以下公式的R峰作为第二层候选R峰:
dL<R1R<dH;
其中,R1R为R峰到第一层候选R峰的时间距离,dL和dH分别是时间距离的下限和的上限,dL=60/fH/fs,dH=60/fL/fs,fH为胎儿心率预设最高频率,fL为胎儿心率预设最低频率;
其中,fL为80-120次/min
其中,fH为140-180次/min
寻找检测单元用于在确定属于第三层及之后层的候选R峰时,根据R峰与第i层的候选R峰的时间距离RRi以及第i层候选R峰与第i-1层R峰的时间距离Ri-1Ri,选取合适的R峰,其中,当RRi符合以下范围时:Ri-1Ri-δ<RRi<Ri-1Ri+δ,则认为该R峰为第i+1层候选R峰,δ为确定时间距离RR变化的阈值,
其中,δ为30-70ms;
特征比较单元用于基于一条路径中所有候选R峰的子特征f,计算所有路径的总特征F;
特征比较单元用于根据路径总特征F对路径进行排序,得到最佳路径;
所述子特征f包括:
候选R峰跟与候选R峰相对应的候选S峰的振幅差ARS;
AQR与DQR的比值RQR,其中,AQR为候选R峰跟与候选R峰相对应的候选Q峰的振幅差;DQR为候选R峰跟与候选R峰相对应的候选Q峰的时间距离;
ARS与DRS的比值RRS,其中,ARS为候选R峰跟与候选R峰相对应的候选S峰的振幅差;DRS为候选R峰跟与候选R峰相对应的候选S峰的时间距离;以及
候选R峰与相邻下一层的候选R峰的时间距离RnRn+1;
特征比较单元用于基于R峰候选值的RQR和RRS,分别计算每条路径中所有R峰候选值的RQR和RRS的方差得到FQR和FRS;
特征比较单元用于基于ARS、RQR和RRS的数值,分别计算每条路径中所有R峰候选值的ARS、RQR和RRS的中值得到FAM、FQRM和FRSM;以及
特征比较单元用于基于每条路径中的所有RnRn+1,计算每条路径上所有的RnRn+1的方差FRR;
其中,特征参数F包括FQR、FRS、FAM、FQRM、FRSM以及FRR。
15.根据权利要求14所述的基于搜索树的实现单通道胎儿心率监测设备,其特征在于,预处理单元用于去除心电图的高频噪音以及处理基线漂移。
16.根据权利要求14所述的基于搜索树的实现单通道胎儿心率监测设备,其特征在于,δ为50ms。
17.根据权利要求14所述的基于搜索树的实现单通道胎儿心率监测设备,其特征在于,特征比较单元用于搜索所有路径,基于特征参数F对所有路径进行排序得到SQR、SRS、SAM、SQRM、SRSM以及SRR,计算所有路径的总排序S,所述总排序S最小值的路径为最佳路径;
其中,S的计算公式为:
S=SQR+SRS+SAm+SQRm+SRSm+SRR;
SQR、SRS、SAM、SQRM、SRSM以及SRR为一条路径在所有路径中关于FQR、FRS、FAM、FQRM、FRSM以及FRR的排名。
18.根据权利要求14所述的基于搜索树的实现单通道胎儿心率监测设备,其特征在于,保存单元用于保存最佳路径中的前面λ个候选R峰作为确认R峰;
判断单元用于判断最后一个确认R峰后面的心电图的时间长度是否足够构建一条路径;如果足够,则在位于最后一个确认R峰之后的长度为L的时间段内,寻找极大值点,将找到的极大值点定义为第一层的候选R峰。
19.根据权利要求18所述的基于搜索树的实现单通道胎儿心率监测设备,其特征在于,校正单元用于寻找假阳性和假阴性的确认R峰,进行校正。
20.根据权利要求19所述的基于搜索树的实现单通道胎儿心率监测设备,其特征在于,校正单元用于在寻找所有的假阴性和假阳性的点时,将所有的确认R峰与其相邻的确认R峰的时间距离RR进行评判:
dL<RR<dH
所述心率计算单元用于将满足校正单元的确认R峰来计算FHR;如果不满足上述公式,所述校正单元用于将不满足的确认R峰以及在其之前的λ-1个确认R峰和在其之后的λ个确认R峰移除;并根据其它确认R峰的时间距离来构造虚拟R峰进行填充。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811202868.4A CN111053547B (zh) | 2018-10-16 | 2018-10-16 | 基于搜索树的实现单通道胎儿心率监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811202868.4A CN111053547B (zh) | 2018-10-16 | 2018-10-16 | 基于搜索树的实现单通道胎儿心率监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111053547A CN111053547A (zh) | 2020-04-24 |
CN111053547B true CN111053547B (zh) | 2022-11-29 |
Family
ID=70296601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811202868.4A Active CN111053547B (zh) | 2018-10-16 | 2018-10-16 | 基于搜索树的实现单通道胎儿心率监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111053547B (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8805485B2 (en) * | 2008-11-21 | 2014-08-12 | Massachusetts Institute Of Technology | Extraction of fetal cardiac signals |
CN102271589A (zh) * | 2008-12-30 | 2011-12-07 | 皇家飞利浦电子股份有限公司 | 用于处理心音信号的方法和系统 |
EP2589332A1 (en) * | 2011-11-03 | 2013-05-08 | Imec | System and method for the analysis of electrocardiogram signals |
US8954140B2 (en) * | 2012-09-27 | 2015-02-10 | Samsung Electronics Co., Ltd. | Method and system for determining QRS complexes in electrocardiogram signals |
EP3043699B1 (en) * | 2013-09-09 | 2022-12-07 | Koninklijke Philips N.V. | Fetal heart rate extraction from maternal abdominal ecg recordings |
CN104305992B (zh) * | 2014-07-02 | 2016-09-21 | 中山大学 | 一种交互式胎儿心电快速自动提取方法 |
WO2017192301A1 (en) * | 2016-05-03 | 2017-11-09 | Cardioinsight Technologies, Inc. | Detection and analysis of cardiac waveforms |
CN105919590B (zh) * | 2016-06-02 | 2017-03-29 | 浙江铭众科技有限公司 | 一种多通道心电图的qrs自动划定方法 |
-
2018
- 2018-10-16 CN CN201811202868.4A patent/CN111053547B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111053547A (zh) | 2020-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5271718B2 (ja) | 複数の時間区分にわたり胎児及び産婦のecgを特定する方法 | |
Karvounis et al. | Fetal heart rate extraction from composite maternal ECG using complex continuous wavelet transform | |
CN108416367B (zh) | 基于多传感器数据决策级融合的睡眠分期方法 | |
CN110680302B (zh) | 一种心电信号特征波的自动识别方法 | |
CN108814590B (zh) | 一种心电qrs波群的检测方法及其心电分析方法 | |
CN108294745B (zh) | 多导联心电图信号中p波、t波起止点检测方法及系统 | |
CN107595276B (zh) | 一种基于单导联心电信号时频特征的房颤检测方法 | |
Chatterjee et al. | Real time P and T wave detection from ECG using FPGA | |
Andreao et al. | ST-segment analysis using hidden Markov Model beat segmentation: application to ischemia detection | |
CN111134658B (zh) | 一种心电信号中RonT类型心搏的检测方法和装置 | |
CN107622259B (zh) | 一种t波检测方法、心电数据分析方法及装置 | |
RU2016146176A (ru) | Способ и система неинвазивной скрининговой оценки физиологических параметров и патологий | |
CN111839494A (zh) | 一种心率监测方法及系统 | |
CN110090016B (zh) | 定位r波位置的方法及系统、使用lstm神经网络的r波自动检测方法 | |
Nguyen et al. | A remote cardiac rhythm monitoring system for detecting episodes of atrial fibrillation | |
CN111053547B (zh) | 基于搜索树的实现单通道胎儿心率监测方法 | |
Haleem et al. | A deep learning based ECG segmentation tool for detection of ECG beat parameters | |
Banerjee | A first derivative based R-peak detection and DWT based beat delineation approach of single lead electrocardiogram signal | |
CN111956209A (zh) | 一种基于ewt和结构特征提取的心电信号r波识别方法 | |
Thungtong | A robust algorithm for R peak detection based on optimal Discrete Wavelet Transform | |
Sahoo et al. | ECG signal analysis for detection of Cardiovascular abnormalities and Ischemic episodes | |
CN113229826B (zh) | 一种qrs波检测方法、装置及电子设备 | |
CN111345815B (zh) | 一种心电信号中qrs波的检测方法、装置、设备和存储介质 | |
CN115590524A (zh) | 基于卷积神经网络的qt间期延长识别方法及系统 | |
WO2018023698A1 (zh) | 一种胎儿心电分离方法及装置 |
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 |