CN112530579B - 一种在Python环境中计算乳房竖直相对位移的方法 - Google Patents

一种在Python环境中计算乳房竖直相对位移的方法 Download PDF

Info

Publication number
CN112530579B
CN112530579B CN202011411965.1A CN202011411965A CN112530579B CN 112530579 B CN112530579 B CN 112530579B CN 202011411965 A CN202011411965 A CN 202011411965A CN 112530579 B CN112530579 B CN 112530579B
Authority
CN
China
Prior art keywords
breast
vertical relative
value
relative displacement
data
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
CN202011411965.1A
Other languages
English (en)
Other versions
CN112530579A (zh
Inventor
陈晓娜
孙光武
李艳梅
谢红
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.)
Shanghai University of Engineering Science
Original Assignee
Shanghai University of Engineering Science
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 Shanghai University of Engineering Science filed Critical Shanghai University of Engineering Science
Priority to CN202011411965.1A priority Critical patent/CN112530579B/zh
Publication of CN112530579A publication Critical patent/CN112530579A/zh
Application granted granted Critical
Publication of CN112530579B publication Critical patent/CN112530579B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种在Python环境中计算乳房竖直相对位移的方法，包括如下步骤：S1、数据读入；S2、计算乳房竖直相对坐标；S3、计算人体躯干运动极大值点，得到步态周期；S4、乳房竖直相对坐标切片；S5、计算单个周期内的乳房竖直相对位移；S6、剔除乳房竖直相对位移值的异常数据；S7、重新计算经过步骤S6剔除异常值后的所有剩余的乳房竖直相对位移值的平均值，重新计算的平均值即为所述乳房竖直相对位移。本发明所述方法在保证乳房竖直相对位移计算的准确性的基础上，能够快速批量处理数据，在保证数据准确性的基础上提高了数据处理效率。

Description

一种在Python环境中计算乳房竖直相对位移的方法
技术领域
本发明是涉及一种在Python环境中计算乳房竖直相对位移的方法，属于乳房健康运动生物力学技术领域。
背景技术
运动引起乳房不舒适甚至疼痛是女性参加体育活动的障碍。运动中乳房相对于躯干的位移过大会引起乳房不舒适，严重时甚至引起疼痛，这一症状影响了70％的女性。剧烈的乳房相对位移对库珀韧带的反复过度拉伸是引起乳房不舒适甚至疼痛的主要原因。乳房竖直相对位移是乳房位移中占比最大，最容易计算且最常见的一个指标。
目前乳房健康运动生物力学领域的研究对乳房竖直相对位移的计算主要使用了以下三种软件：Microsoft Excel,MatLab,Visual 3D。其中Microsoft Excel是最常见的数据处理工具，但在Microsoft Excel中自动判断步态周期及每个步态周期内的最大值和最小值比较困难，手工判断和计算的可能性大，因此造成数据处理效率低，且容易出现差错。MatLab软件用来处理数据效率会大大提高，但在该领域内仅被用来过滤数据以使数据更加平滑，并未用来判断步态周期及每个步态周期内的最大值和最小值。Visual 3D是专业的生物力学分析与建模软件，而不是一个通用软件，因此获取困难，不利于推广使用。
此外，目前乳房健康运动生物力学领域的研究在判断步态周期时大都使用足部落地时间，因此在采集原始数据时必须在足部增加一个位置传感器，并使用同步器进行同步。这既增加了实验内容，也增加了数据处理量。
发明内容
针对现有技术存在的上述问题，本发明的目的是提供一种在Python环境中计算乳房竖直相对位移的方法。
为实现上述发明目的，本发明采用的技术方案如下：
一种在Python环境中计算乳房竖直相对位移的方法，包括如下步骤：
S1、数据读入：通过三维运动捕捉系统获取实验对象在某运动状态下的原始数据，并将数据读入Python中；所述原始数据中至少包含两类点的坐标，其中一类点的坐标代表运动中的人体躯干，另一类点的坐标代表运动中的乳房；
S2、计算乳房竖直相对坐标：将步骤S1中获取的原始数据中的乳房竖直坐标与人体躯干竖直坐标相减，计算出实验对象的乳房竖直相对坐标；
S3、计算人体躯干运动极大值点，得到步态周期：计算步骤S1中获取的每个人体躯干竖直坐标数据与前后相邻的人体躯干竖直坐标数据差值的乘积，若乘积为正，则该处数据为极值点；极值点处，若该人体躯干竖直坐标数据与前相邻的人体躯干竖直坐标数据差值为正，则该极值点为极大值点；从第一个极大值点开始，中间间隔一个极大值点的两个极大值点之间的时间差值即为一个步态周期，从而得到若干个步态周期；
S4、乳房竖直相对坐标切片：根据步骤S3中得到的步态周期的两端对应的时间序号对乳房竖直相对坐标进行切片，每片对应一个步态周期；
S5、计算单个周期内的乳房竖直相对位移：计算出步骤S4中每个步态周期内的乳房竖直相对坐标的最大值与最小值；最大值和最小值的差值即为乳房竖直相对位移值，从而得到若干个单周期内的乳房竖直相对位移值；
S6、剔除乳房竖直相对位移值的异常数据：基于三西格玛准则剔除步骤S5中乳房竖直相对位移值的异常数据；
S7、重新计算经过步骤S6剔除异常值后的所有剩余的乳房竖直相对位移值的平均值，重新计算的平均值即为所述乳房竖直相对位移。
一种实施方案，步骤S1中，采用乳点坐标代表运动中的乳房的坐标；采用胸骨上切迹坐标代表运动中的人体躯干的坐标。
一种实施方案，步骤S1中，先通过三维运动捕捉系统获取运动中的坐标数据，获取的数据存储在excel文件中，然后使用pd.read_excel()函数将坐标数据读入Python中。
一种实施方案，步骤S4中，使用DataFrame的切片功能，根据步骤S3中得到的步态周期的两端对应的时间序号对乳房竖直相对坐标进行切片。
一种实施方案，步骤S5中，使用求最大值功能DataFrame.max()和求最小值功能DataFrame.min()分别计算出步骤S4中每个步态周期内的乳房竖直相对坐标的最大值与最小值。
一种实施方案，步骤S6中，剔除乳房竖直相对位移值的异常数据，包括如下具体操作：
S61、计算所有步态周期的乳房竖直相对位移值的平均值和标准差；
S62、根据三西格玛准则，设定乳房竖直相对位移的上下限；
S63、将乳房竖直相对位移值中，大于上限或小于下限的值设置为空值，此空值即为乳房竖直相对位移值的异常值；剔除空值，即可剔除步骤S5中乳房竖直相对位移值的异常数据。
与现有技术相比，本发明具有如下显著性有益效果：
本发明提供的一种在Python环境中计算乳房竖直相对位移的方法，通过在Python环境中使用人体躯干竖直坐标计算步态周期，并以步态周期对应的时间序号作为对乳房相对坐标数据进行切片的依据，保证了在Python环境中实现乳房竖直相对位移快速计算的可行性，提高了数据处理效率；在此基础上还基于三西格玛准则排除异常值，提高了数据准确性；本发明所述方法能够快速批量处理数据，在保证数据准确性的基础上提高了数据处理效率，相较于现有技术，取得了显著性进步和出乎意料的效果。
附图说明
图1显示了本发明实施例中的步态周期的计算方法及基于步态周期的乳房竖直相对坐标数据分割方法。
具体实施方式
下面结合具体的实施例对本发明技术方案做进一步详细、完整地说明。
实施例
本发明提供的一种在Python环境中计算乳房竖直相对位移的方法，包括如下步骤：
S1、数据读入：通过三维运动捕捉系统获取实验对象在某运动状态下的原始数据，并将数据读入Python中；所述原始数据中至少包含两类点的坐标，其中一类点的坐标代表运动中的人体躯干，另一类点的坐标代表运动中的乳房：
所述三维运动捕捉系统采用现有技术即可，例如，NDI，Qualysis及Vicon等设备；本实施例中，是通过两台OPTOTRAK 3020位置传感器(200Hz；Northern Digital,Ontario,Canada)获得原始数据，频率为100Hz，即每帧数据间隔0.02s，共获取数据6000帧；运动状态为实验对象穿着普通文胸以7.5km/h的速度在跑步机上跑步；
本实施例中，采用左乳点坐标代表运动中的乳房的坐标，采用胸骨上切迹坐标代表运动中的人体躯干的坐标；
本实施例中，所获得的原始数据可以保存为excel“.xlsx”格式文件，文件中每个点的三维坐标按X坐标值、Y坐标值和Z坐标(即竖直坐标)值排成三列；然后从Python中调用pandas库，使用pd.read_excel()函数读取原始数据excel文件，将数据读入Python中；
S2、计算乳房竖直相对坐标：将步骤S1中获取的原始数据中的乳房竖直坐标与人体躯干竖直坐标相减，计算出实验对象的乳房竖直相对坐标：
本实施例中，首先对获得的原始数据进行格式上的预处理，包括读取数据并对数据重新排序，例如，修改列索引为列名，删除空白行，修改行索引为行名，对列索引重新排序，以方便后续Python处理；然后计算乳房原始竖直相对坐标，具体的是只选用原始数据中的Z坐标数据(即竖直坐标数据)，弃去X和Y坐标数据；将乳房竖直坐标与人体躯干竖直坐标相减，即获得乳房竖直相对坐标；
S3、计算人体躯干运动极大值点，得到步态周期：计算步骤S1中获取的每个人体躯干竖直坐标数据与前后相邻的人体躯干竖直坐标数据差值的乘积，若乘积为正，则该处数据为极值点；极值点处，若该人体躯干竖直坐标数据与前相邻的人体躯干竖直坐标数据差值为正，则该极值点为极大值点；从第一个极大值点开始，中间间隔一个极大值点的两个极大值点之间的时间差值即为一个步态周期，从而得到若干个步态周期：本发明以人体躯干竖直坐标数据为基准，计算步态周期，因此在采集原始数据时无需在足部增加一个位置传感器，并使用同步器进行同步，有效减少了实验内容，也减小了数据处理量；
本实施例中，先计算每个人体躯干竖直坐标数据与前后相邻人体躯干竖直坐标数据差值的乘积，若乘积为正，则该处数据为极值点，例如：Z1[i]为某个人体躯干竖直坐标，Z1(i-1)为Z1(i)的前一个坐标值，Z1(i+1)为Z1(i)的后一个坐标值；当(Z1(i)-Z1(i-1))*(Z1(i)-Z1(i+1))>0时，Z1(i)为极值点；
极值点处，若该人体躯干竖直坐标数据与前相邻人体躯干竖直坐标数据差值为正，则该极值点为极大值，例如，(Z1(i)-Z1(i-1))>0时，Z1(i)为极大值点；
将所有极大值点放在一个DataFrame中，记为b1_extremum；b1_extremum中包含两列，一列为所有极大值点，另一列为所有极大值点对应的帧序号(也即时间序号)；从第一个极大值点开始，中间间隔一个极大值的两个极大值之间的时间差值为一个步态周期(如图1所示，第一个极大值点与第三个极大值点之间的时间差值即为第一个步态周期，后面依次类推出第二个、第三个等步态周期)：这是因为从同一只脚一次落地到下一次落地之间是一个步态周期，而这中间间隔着另外一只脚落地，也会产生一个极大值；例如，本实施例中，b1_extremum(0)是第一个极大值点，坐标值为1305.64mm，对应的帧序号为34；b1_extremum(2)是第三个极大值点，坐标值为1298.88mm，对应的帧序号为107；则帧序号34-107之间对应的时间差值为一个步态周期，b1_extremum(4)是第五个极大值点，坐标值为1307.78mm，对应的帧序号为179；则帧序号107-179之间对应的时间差值为一个步态周期；
S4、乳房竖直相对坐标切片：根据步骤S3中得到的步态周期的两端对应的时间序号对乳房竖直相对坐标进行切片，每片对应一个步态周期：
具体的，使用DataFrame的切片功能，根据步骤S3中得到的步态周期的两端对应的时间序号(即帧序号)对乳房竖直相对坐标数据进行分割(如图1所示)；本实施例中，帧序号34-107之间为第一个步态周期，则将帧序号34-107对应的乳房竖直相对坐标数据分割为第一组；帧序号107-179之间为第二个步态周期，则将帧序号107-179对应的乳房竖直相对坐标数据分割为第二组；依此类推，直到所有乳房竖直相对坐标数据按照步态周期分割完毕；
S5、计算单个周期内的乳房竖直相对位移：计算出步骤S4中每个步态周期内的乳房竖直相对坐标的最大值与最小值，最大值和最小值的差值即为乳房竖直相对位移值，从而得到若干个单周期内的乳房竖直相对位移值：
具体的，使用求最大值功能DataFrame.max()和求最小值功能DataFrame.min()分别求出每个步态周期内乳房竖直相对坐标的最大值和最小值，两者之差即为该步态周期内的乳房竖直相对位移值；本实施例中，第一个步态周期内的最大值为161.214844mm，最小值为126.006104mm，两者之差35.208740mm即为第一个步态周期内的乳房竖直相对位移值；第二个步态周期内的最大值为160.197021mm，最小值为127.665894mm，两者之差32.531128mm即为第二个步态周期内的乳房竖直相对位移值；依此类推，直到求出所有步态周期内的乳房竖直相对位移值；
S6、剔除乳房竖直相对位移值的异常数据：基于三西格玛准则剔除步骤S5中乳房竖直相对位移值的异常数据，包括如下具体操作：
S61、计算所有步态周期的乳房竖直相对位移值的平均值和标准差：本实施例中，得到81个步态周期，因此得到81个乳房竖直相对位移值，使用DataFrame.mean()函数求81个乳房竖直相对位移值的平均值，即为35.003172mm；使用DataFrame.std()函数求81个乳房竖直相对位移值的标准差，即为2.579071mm；
S62、根据三西格玛准则，设定乳房竖直相对位移的上下限，即：上限为：平均值+3*标准差，下限为：平均值-3*标准差；本实施例中，根据S61中的计算结果，平均值＝35.003172mm，标准差＝2.579071mm，因此上限＝27.265959mm，下限＝42.740385mm；
S63、将乳房竖直相对位移值中，大于上限或小于下限的值设置为空值，此空值即为乳房竖直相对位移值的异常值；剔除空值，即可剔除步骤S5中乳房竖直相对位移值的异常数据；由于在(下限，上限)范围之外的数值分布概率为0.0037，为小概率事件；小概率事件为不可能发生事件，因此在(下限，上限)范围外出现的值即为异常值；本实施例中，将(27.265959mm，42.740385mm)区间以外的值设置为空值；
S7、重新计算经过步骤S6剔除异常值后的所有剩余的乳房竖直相对位移值的平均值，重新计算的平均值即为所述乳房竖直相对位移：使用DataFrame.mean()函数对经过S6剔除异常值后的所有乳房竖直相对位移值重新计算平均值；本实施例中，重新计算后的平均值为35.142573mm，即为最终所求的乳房竖直相对位移。
最后需要在此指出的是：以上仅是本发明的部分优选实施例，不能理解为对本发明保护范围的限制，本领域的技术人员根据本发明的上述内容做出的一些非本质的改进和调整均属于本发明的保护范围。

Claims (6)

1.一种在Python环境中计算乳房竖直相对位移的方法，其特征在于，包括如下步骤：
S1、数据读入：通过三维运动捕捉系统获取实验对象在某运动状态下的原始数据，并将数据读入Python中；所述原始数据中至少包含两类点的坐标，其中一类点的坐标代表运动中的人体躯干，另一类点的坐标代表运动中的乳房；
S2、计算乳房竖直相对坐标：将步骤S1中获取的原始数据中的乳房竖直坐标与人体躯干竖直坐标相减，计算出实验对象的乳房竖直相对坐标；
S3、计算人体躯干运动极大值点，得到步态周期：计算步骤S1中获取的每个人体躯干竖直坐标数据与前后相邻的人体躯干竖直坐标数据差值的乘积，若乘积为正，则该处数据为极值点；极值点处，若该人体躯干竖直坐标数据与前相邻的人体躯干竖直坐标数据差值为正，则该极值点为极大值点；从第一个极大值点开始，中间间隔一个极大值点的两个极大值点之间的时间差值即为一个步态周期，从而得到若干个步态周期；
S4、乳房竖直相对坐标切片：根据步骤S3中得到的步态周期的两端对应的时间序号对乳房竖直相对坐标进行切片，每片对应一个步态周期；
S5、计算单个周期内的乳房竖直相对位移：计算出步骤S4中每个步态周期内的乳房竖直相对坐标的最大值与最小值，最大值和最小值的差值即为乳房竖直相对位移值，从而得到若干个单周期内的乳房竖直相对位移值；
S6、剔除乳房竖直相对位移值的异常数据：基于三西格玛准则剔除步骤S5中乳房竖直相对位移值的异常数据；
S7、重新计算经过步骤S6剔除异常值后的所有剩余的乳房竖直相对位移值的平均值，重新计算的平均值即为所述乳房竖直相对位移。
2.根据权利要求1所述的方法，其特征在于：步骤S1中，采用乳点坐标代表运动中的乳房的坐标；采用胸骨上切迹坐标代表运动中的人体躯干的坐标。
3.根据权利要求1所述的方法，其特征在于：步骤S1中，先通过三维运动捕捉系统获取运动中的坐标数据，获取的数据存储在excel文件中，然后使用pd.read_excel()函数将坐标数据读入Python中。
4.根据权利要求1所述的方法，其特征在于：步骤S4中，使用DataFrame的切片功能，根据步骤S3中得到的步态周期的两端对应的时间序号对乳房竖直相对坐标进行切片。
5.根据权利要求1所述的方法，其特征在于，步骤S5中，使用求最大值功能DataFrame.max()和求最小值功能DataFrame.min()分别计算出步骤S4中每个步态周期内的乳房竖直相对坐标的最大值与最小值。
6.根据权利要求1所述的方法，其特征在于，步骤S6中，剔除乳房竖直相对位移值的异常数据，包括如下具体操作：
S61、计算所有步态周期的乳房竖直相对位移值的平均值和标准差；
S62、根据三西格玛准则，设定乳房竖直相对位移的上下限；
S63、将乳房竖直相对位移值中，大于上限或小于下限的值设置为空值，此空值即为乳房竖直相对位移值的异常值；剔除空值，即可剔除步骤S5中乳房竖直相对位移值的异常数据。
CN202011411965.1A 2020-12-03 2020-12-03 一种在Python环境中计算乳房竖直相对位移的方法 Active CN112530579B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011411965.1A CN112530579B (zh) 2020-12-03 2020-12-03 一种在Python环境中计算乳房竖直相对位移的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011411965.1A CN112530579B (zh) 2020-12-03 2020-12-03 一种在Python环境中计算乳房竖直相对位移的方法

Publications (2)

Publication Number Publication Date
CN112530579A CN112530579A (zh) 2021-03-19
CN112530579B true CN112530579B (zh) 2022-02-11

Family

ID=74998444

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011411965.1A Active CN112530579B (zh) 2020-12-03 2020-12-03 一种在Python环境中计算乳房竖直相对位移的方法

Country Status (1)

Country Link
CN (1) CN112530579B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113570711B (zh) * 2021-07-23 2023-05-09 上海工程技术大学 一种计算运动中乳房相对于躯干的三维坐标的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102178530A (zh) * 2011-01-24 2011-09-14 天津大学 基于三维点云数据的人体尺寸自动测量方法
CN103445787A (zh) * 2013-08-30 2013-12-18 单学蕾 一种评价文胸对女性乳房保护作用的方法及装置
CN108829883A (zh) * 2018-06-27 2018-11-16 上海众人网络安全技术有限公司 数据序列的周期提取方法、装置、设备及存储介质
CN111563334A (zh) * 2020-05-21 2020-08-21 西安工程大学 一种预测运动文胸穿着过程中乳房压力分布的方法
CN111814352A (zh) * 2020-07-23 2020-10-23 上海工程技术大学 一种基于Python和傅立叶级数对文胸防震功能进行量化的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102178530A (zh) * 2011-01-24 2011-09-14 天津大学 基于三维点云数据的人体尺寸自动测量方法
CN103445787A (zh) * 2013-08-30 2013-12-18 单学蕾 一种评价文胸对女性乳房保护作用的方法及装置
CN108829883A (zh) * 2018-06-27 2018-11-16 上海众人网络安全技术有限公司 数据序列的周期提取方法、装置、设备及存储介质
CN111563334A (zh) * 2020-05-21 2020-08-21 西安工程大学 一种预测运动文胸穿着过程中乳房压力分布的方法
CN111814352A (zh) * 2020-07-23 2020-10-23 上海工程技术大学 一种基于Python和傅立叶级数对文胸防震功能进行量化的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"基于运动文胸的乳房位移评价方法研究现状";余越云 等;《服装学报》;20200430;第5卷(第2期);119-125 *
"胸部位移与文胸舒适性关系初探";王方圆 等;《纺织学报》;20130131;第34卷(第1期);106-109 *

Also Published As

Publication number Publication date
CN112530579A (zh) 2021-03-19

Similar Documents

Publication Publication Date Title
CN112530579B (zh) 一种在Python环境中计算乳房竖直相对位移的方法
CN109063552B (zh) 一种多导联心电信号分类方法和系统
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
CN104867131B (zh) 基于数字化模型的牙冠数据提取方法
CN1686058A (zh) 计算机辅助牙齿隐形正畸系统
CN110689564B (zh) 一种基于超像素聚类的牙弓线绘制方法
CN109377534B (zh) 自动采样厚度检测的非线性口腔ct全景图像合成方法
CN111179298B (zh) 基于ct图像的三维肺自动分割与左右肺分离方法及其系统
CN110141206A (zh) 一种基于集合经验模态分解的生理电信号分析方法
CN113344950A (zh) 一种深度学习结合点云语义的cbct图像牙齿分割方法
CN111814352B (zh) 一种基于Python和傅立叶级数对文胸防震功能进行量化的方法
US20190188461A1 (en) Method for identifying rt positioning image, computer program, and computer storage
CN101773392A (zh) 动态心电数据自适应高效存储方法
CN114692698A (zh) 一种基于残差网络的一维心电数据分类方法
WO2022108082A1 (ko) Ct 영상에서의 치아 분할 시스템 및 방법
CN112244796A (zh) 一种智能检测人体生理指标的方法及看护设备
Jimenez et al. Computerized algorithm for baseline estimation of fetal heart rate
CN115641325A (zh) 一种口扫牙模的牙齿宽度计算方法、存储介质和电子设备
CN113933304A (zh) 基于视觉的金针菇成熟状态检测方法
Pollard et al. Adaptive sampling of intracellular and extracellular cardiac potentials with the fan method
CN105030231B (zh) 一种胎心监护加速特征参数的提取方法
CN111449647B (zh) 一种心电图识别方法、装置、存储介质及电子设备
CN109741149B (zh) 一种服装号型生成方法及系统
CN112842350A (zh) 基于正反传播算法获得心拍的主导心率的方法
CN111772627B (zh) 一种在线胎儿心电信号提取装置及方法

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