CN112839584B - 用于母体子宫活动检测的系统和方法 - Google Patents
用于母体子宫活动检测的系统和方法 Download PDFInfo
- Publication number
- CN112839584B CN112839584B CN201980064893.7A CN201980064893A CN112839584B CN 112839584 B CN112839584 B CN 112839584B CN 201980064893 A CN201980064893 A CN 201980064893A CN 112839584 B CN112839584 B CN 112839584B
- Authority
- CN
- China
- Prior art keywords
- signal
- peak
- data
- wave
- wave signal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 91
- 230000008774 maternal effect Effects 0.000 title claims description 46
- 238000001514 detection method Methods 0.000 title description 18
- 230000000694 effects Effects 0.000 title description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 49
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 11
- 238000002567 electromyography Methods 0.000 claims description 10
- 238000012805 post-processing Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 230000002950 deficient Effects 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 25
- 210000001015 abdomen Anatomy 0.000 description 16
- 230000001605 fetal effect Effects 0.000 description 16
- 208000036029 Uterine contractions during pregnancy Diseases 0.000 description 11
- 230000006978 adaptation Effects 0.000 description 11
- 230000008602 contraction Effects 0.000 description 11
- 238000000605 extraction Methods 0.000 description 9
- 210000004291 uterus Anatomy 0.000 description 9
- 238000012880 independent component analysis Methods 0.000 description 6
- 238000012800 visualization Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000000718 qrs complex Methods 0.000 description 4
- 230000000717 retained effect Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 239000010432 diamond Substances 0.000 description 3
- 210000003754 fetus Anatomy 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000012804 iterative process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 210000000754 myometrium Anatomy 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000037081 physical activity Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- VREFGVBLTWBCJP-UHFFFAOYSA-N alprazolam Chemical compound C12=CC(Cl)=CC=C2N2C(C)=NN=C2CN=C1C1=CC=CC=C1 VREFGVBLTWBCJP-UHFFFAOYSA-N 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 210000005169 cell of the uterus Anatomy 0.000 description 1
- 210000003679 cervix uteri Anatomy 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 210000002458 fetal heart Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000663 muscle cell Anatomy 0.000 description 1
- 230000002632 myometrial effect Effects 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
- A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
-
- 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
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- 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]
- A61B5/391—Electromyography [EMG] of genito-urinary organs
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Urology & Nephrology (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
一种方法包括接收生物电势输入;从生物电势输入生成信号通道;对信号通道中的数据进行预处理;从预处理的数据提取R波峰;从R波峰去除伪影和离群值;基于预处理的信号通道中的R波峰生成R波信号通道;选择两个或更多个R波信号通道;和组合选择的两个或更多个R波信号通道以产生电气子宫监测信号。
Description
相关申请的交叉引用
本申请是国际(PCT)申请,涉及2018年8月1日提交的标题为SYSTEMS AND METHODSFOR MATERNAL UTERINE ACTIVITY DETECTION的共同所有、共同未决的美国临时专利申请号62/713,324和2018年10月26日提交的标题为SYSTEMS AND METHODS FOR MATERNALUTERINE ACTIVITY DETECTION的美国临时专利申请号62/751,011并且要求其权益,这两个申请的内容通过引用以其整体并入本文。
技术领域
本发明总体上涉及监测待产母亲(expectant mother)。更具体地,本发明涉及分析感测的生物电势数据(bio-potential data)以产生子宫活动(比如子宫收缩)的计算表示。
背景技术
子宫收缩是短暂过程,在此期间子宫的肌肉缩短并且肌细胞之间的空间减小。肌肉中的结构变化引起子宫腔压力增加,以允许将胎儿以较低位置向下推向分娩。在子宫收缩期间,子宫肌层细胞(即,子宫的细胞)的结构变化并且子宫壁变得更厚。图1A示出了松弛的子宫的图示,其中子宫肌肉壁是松弛的。图1B示出了收缩的子宫的图示,其中子宫肌肉壁收缩并且使胎儿推挤子宫颈。
子宫收缩被监测以评估产程进展。通常,通过使用两个传感器监测产程进展:分娩力计(其是位于待产母亲的腹部上的基于应变计的传感器)和超声换能器(其也位于腹部上)。分娩力计的信号被用于提供宫缩描记(tocograph,“TOCO”),其被分析以识别子宫收缩,而超声换能器的信号被用于检测胎儿心率、母体心率和胎儿运动。然而,这些传感器可能佩戴不舒服,并且当由过胖的待产母亲佩戴时可能产生不可靠的数据。
发明内容
在一些实施方案中,本发明提供了一种专门编程的计算机系统,包括至少下列部件:非暂态存储器,其电子地存储计算机可执行的程序代码;和至少一个计算机处理器,当执行程序代码时,其成为被配置为执行至少下列操作的专用编程的计算处理器:接收在怀孕母亲的腹部上的多个位置处收集的多个生物电势信号;检测生物电势信号中的R波峰;从生物电势信号提取母体心电图(“ECG”)信号;确定母体ECG信号中的R波振幅;针对每个母体ECG信号创建R波振幅信号;计算所有R波振幅信号的平均值;和使平均值归一化以产生电气子宫监测(“EUM”)信号。在一些实施方案中,操作还包括基于EUM信号中的对应的至少一个峰识别至少一个子宫收缩。
在一些实施方案中,本发明提供一种方法,包括接收在怀孕母亲的腹部上的多个位置处收集的多个生物电势信号;检测生物电势信号中的R波峰;从生物电势信号提取母体ECG信号;确定母体ECG信号中的R波振幅;针对每个母体ECG信号创建R波振幅信号;计算所有R波振幅信号的平均值;以及使平均值归一化以产生EUM信号。在一些实施方案中,方法还包括基于EUM信号中相应的至少一个峰识别至少一个子宫收缩。
在实施方案中,一种计算机实现的方法:通过至少一个计算机处理器接收多个原始生物电势输入,其中从多个电极中相应的一个接收每个原始生物电势输入,其中多个电极中的每个被定位以便测量怀孕人类对象的对应的一个原始生物电势输入;通过至少一个计算机处理器由多个原始生物电势输入生成多个信号通道,其中多个信号通道包含至少三个信号通道;通过至少一个计算机处理器预处理每个信号通道的对应的信号通道数据,以产生多个预处理的信号通道,其中每个预处理的信号通道包括对应的预处理的信号通道数据;通过至少一个计算机处理器从每个预处理的信号通道的预处理的信号通道数据提取对应的多个R波峰,以产生多个R波峰数据集,其中每个R波峰数据集包括对应的多个R波峰;通过至少一个计算机处理器从多个R波峰数据集去除(a)至少一个信号伪影(signalartifact)或(b)至少一个离群值(outlier)数据点中的至少一种,其中至少一个信号伪影是肌电图伪影或基线伪影中的一个;通过至少一个计算机处理器将至少一个信号伪影、至少一个离群值数据点或二者替换为至少一个统计值,该统计值基于R波峰数据集中相应的一个确定,已经从该R波峰数据集去除至少一个信号伪影、至少一个离群值数据点或二者;通过至少一个计算机处理器,基于每个对应的R波峰数据集,以预定的采样率(samplingrate)针对对应的R波信号通道生成对应的R波信号数据集,以产生多个R波信号通道;通过至少一个计算机处理器,基于(a)至少一个第一特定R波信号通道的对应的R波信号数据集和(b)至少一个第二特定R波信号通道的对应的R波信号数据集之间的至少一个关联,从多个R波通道选择至少一个第一选择的R波信号通道和至少一个第二选择的R波信号通道;通过至少一个计算机处理器,基于至少第一选择的R波信号通道的对应的R波信号数据集和第二选择的R波信号通道的对应的R波信号数据集,生成表示电气子宫监测信号的电气子宫监测数据。
在实施方案中,计算机实现的方法还包括通过至少一个计算机处理器锐化电气子宫监测数据以产生锐化的电气子宫监测信号。在实施方案中,如果电气子宫监测数据是基于在电气子宫监测信号通道中选择的一个损坏的(corrupted)子宫电气信号监测通道计算的,则锐化步骤被省略。在实施方案中,计算机实现的方法还包括后处理锐化的电监测信号数据以产生后处理的电气子宫监测信号。在实施方案中,锐化步骤包括识别电气子宫监测信号数据中的一组峰;确定每个峰的突出;从该组峰去除其突出小于至少一个阈值突出值的峰;基于该组峰中的剩余峰计算掩模(mask);基于移动平均窗口使掩模平滑,以产生平滑的掩模;和将平滑的掩模添加至电气子宫监测信号数据,以产生锐化的电气子宫监测信号数据。在实施方案中,至少一个阈值突出值包括选自绝对突出值和相对突出值的至少一个阈值突出值,其是基于该组峰中的峰的最大突出计算的。在实施方案中,掩模包括剩余峰的区域外的零值和剩余峰的区域内的非零值,其中非零值是基于高斯函数计算的。
在实施方案中,预处理步骤的至少一个滤波步骤包括应用选自DC去除滤波器、电力线滤波器和高通滤波器中的至少一种滤波器。
在实施方案中,提取步骤包括:接收怀孕人类对象的一组母体ECG峰;和将在该组母体ECG峰中的每个母体ECG峰之前和之后的预定时间窗口内的每个预处理的信号通道中的R波峰识别为预定时间窗口内的每个预处理的信号通道中的最大绝对值。
在实施方案中,去除信号伪影或离群值数据点中的至少一个的步骤包括通过如下过程去除至少一个肌电图伪影,该过程包括基于具有大于阈值的峰间均方根值(inter-peaks root mean square value)的至少一个损坏峰,识别多个R波峰数据集中的一个中的至少一个损坏峰;和以中值替换损坏峰,其中中值是局部中值或全局中值。
在实施方案中,去除信号伪影或离群值数据点中的至少一个的步骤包括通过如下过程去除至少一个基线伪影,该过程包括:识别多个R波峰数据集中的一个中的R波峰中的变化点;将多个R波峰数据集中的一个细分为位于变化点之前的第一部分和位于变化点之后的第二部分;确定第一部分的第一均方根值;确定第二部分的第二均方根值;基于第一均方根值和第二均方根值确定均衡因子(equalization factor);和通过将第一部分中的R波峰乘以均衡因子而修改第一部分。
在实施方案中,去除信号伪影或离群值点中的至少一个的步骤包括根据离群值的格鲁布斯测试(Grubbs test)去除至少一个离群值。
在实施方案中,基于每个对应的R波峰数据集生成对应的R波峰数据集的步骤包括在每个对应的R波峰数据集的R波峰之间进行内插,并且其中R波峰之间的内插包括使用内插算法(选自三次样条内插算法和形状保持分段三次内插算法)进行内插。
在实施方案中,选择至少一个第一R波信号通道和至少一个第二R波信号通道的步骤包括基于每个R波信号通道经历接触问题的先前间隔的百分比,从R波信号通道选择候选R波信号通道;将选择的候选R波信号通道分组为多对,其中每对包括彼此独立的选择的候选R波通道中的两个;计算每对的相关值;和基于相关值超过阈值相关值的该对中的至少一个,选择该对中的至少一个的候选R波信号通道作为选择的至少一个第一R波信号通道和选择的至少一个第二R波信号通道。
在实施方案中,计算电气子宫监测信号的步骤包括计算如下信号,该信号是选择的至少一个第一R波信号通道和选择的至少一个第二R波信号通道的预定百分位。在实施方案中,预定百分位是第80百分位。
在实施方案中,统计值是局部中值、全局中值或平均值中的一个。
附图说明
图1A示出了处于未收缩状态的代表性子宫。
图1B示出了处于收缩状态的代表性子宫。
图2示出了第一示例性方法的流程图。
图3示出了包括多个生物电势传感器的示例性服装(garment),其可以被用于感测根据图2的示例性方法待进行分析的数据。
图4A示出了根据本发明的一些实施方案的ECG传感器对在孕妇腹部上的位置的正视图。
图4B示出了根据本发明的一些实施方案的ECG传感器对在孕妇腹部上的位置的侧视图。
图5示出了预处理之前和之后的示例性生物电势信号。
图6A示出了预处理后的示例性生物电势信号,并且其中示出了检测到的R波峰。
图6B示出了在峰再检测后的图6A的示例性生物电势信号。
图6C示出了图6B的信号的一部分的放大视图。
图6D示出了在检测到的峰的检查后的图6B的示例性生物电势信号。
图7A示出了包括识别的R波峰的示例性生物电势信号的一部分。
图7B示出了具有在其中识别的P波、QRS波群(complex)和T波的示例性生物电势信号的一部分。
图7C示出了包括混合的母体和胎儿数据的示例性生物电势信号。
图7D示出了图7C的信号的一部分以及初始模板。
图7E示出了图7C的信号的一部分以及适配模板。
图7F示出了图7C的信号的一部分以及当前模板和适配的第0次迭代。
图7G示出了图7C的信号的一部分以及当前模板、适配的第0次迭代和适配的第一次迭代。
图7H示出了图7C的信号的一部分以及当前模板和基于当前模板重建的母体ECG信号。
图7I示出了相对于迭代数目绘制的、以误差信号的对数表示的适配的进展。
图7J示出了提取的母体ECG信号。
图8示出了示例性滤波的母体ECG信号。
图9示出了其中注释有R波峰的示例性母体ECG信号。
图10A示出了示例性R波振幅信号。
图10B示出了示例性调制的R波振幅信号。
图11A示出了示例性调制的R波振幅信号以及对其应用移动平均滤波器的结果。
图11B示出了在相同时间窗口上用于多个通道的示例性滤波的R波振幅信号。
图12A示出了基于图11B所示的示例性滤波的R波振幅信号生成的第一示例性归一化子宫电气信号。
图12B示出了在与其中注释有自报(self-reported)收缩的示例性归一化子宫电气信号相同的时间段上记录的第一宫缩描记信号。
图13示出了第二示例性方法的流程图。
图14A示出了其中注释有自报收缩的第二宫缩描记信号。
图14B示出了从在与图14A所示的相同时间段期间记录的生物电势数据导出的第二示例性子宫电气信号。
图15A示出了其中注释了自报收缩的第三宫缩描记信号。
图15B示出了从在与图15A所示的相同时间段期间记录的生物电势数据导出的第三示例性子宫电气信号。
图16A示出了其中注释了自报收缩的第四宫缩描记信号。
图16B示出了从在与图16A所示的相同时间段期间记录的生物电势数据导出的第四示例性子宫电气信号。
图17A示出了其中注释了自报收缩的第五宫缩描记信号。
图17B示出了从在与图17A所示的相同时间段期间记录的生物电势数据导出的第五示例性子宫电气信号。
图18A示出了示例性原始生物电势数据集。
图18B示出了基于图18A的示例性原始数据集的示例性滤波数据集。
图18C示出了示例性原始生物电势数据集。
图18D示出了基于图18C的示例原始数据集的示例性滤波数据集。
图18E示出了示例性原始生物电势数据集。
图18F示出了基于图18E的示例性原始数据集的示例性滤波数据集。
图18G示出了示例性原始生物电势数据集。
图18H示出了基于图18G的示例性原始数据集的示例性滤波数据集。
图19A示出了具有输入峰位置的示例性滤波数据集。
图19B示出了具有提取的峰位置的图19A的示例性滤波数据集。
图20A示出了示例性滤波数据集。
图20B示出了图20A的示例性滤波数据集,其具有对应的母体运动包络(motionenvelope)和峰间绝对和的表示。
图20C示出了通过从图20A的滤波数据集去除肌电图伪影而产生的示例性校准数据集。
图21A示出了包括基线伪影的示例性校准数据集。
图21B示出了在去除基线伪影后的图21A的示例性校准数据集。
图22A示出了包括离群值数据点的示例性校准数据集。
图22B示出了在去除离群值数据点后的图22A的示例性校准数据集。
图23A示出了示例性R波峰信号。
图23B示出了基于图23A的示例性R波峰信号生成的示例性R波信号。
图24A示出了示例性候选R波信号通道集。
图24B示出了基于图24A的示例性候选R波信号通道集的示例性选择信号通道集。
图25A示出了基于图24B所示的示例性选择信号通道集生成的示例性电气子宫监测信号。
图25B示出了通过将漂移基线去除应用于图25A的示例性电气子宫监测信号而产生的示例性校准电气子宫监测信号。
图26示出了基于图25B的示例性校准电气子宫监测信号生成的示例性归一化电气子宫监测信号。
图27A示出了示例性归一化电气子宫监测信号。
图27B示出了基于图27A的示例性归一化电气子宫监测信号生成的示例性锐化掩模。
图27C示出了基于图27A的示例性归一化电气子宫监测信号和图27B的示例性锐化掩模生成的示例性锐化电气子宫监测信号。
图28示出了示例性后处理的电气子宫监测信号。
图29示出了与图29的示例性后处理的电气子宫监测信号相对应的宫缩描记信号。
具体实施方式
在已经公开的那些益处和改进中,本发明的其它目的和优点将从以下结合附图的描述中变得明显。本文公开了本发明的详细实施方案;然而,应当理解,公开的实施方案仅仅是可以以各种形式实施的本发明的示例。此外,结合本发明的各种实施方案给出的每个示例旨在是说明性的而非限制性的。
在整个说明书和权利要求书中,除非上下文另外明确指出,否则以下术语采用本文明确关联的含义。这里使用的短语“在一个实施方案中”、“在实施方案中”和“在一些实施方案中”不一定指的是相同的实施方案,尽管可以指相同的实施方案。此外,这里使用的短语“在另一个实施方案中”和“在一些其它实施方案中”不一定指不同的实施方案,尽管可以指不同的实施方案。因此,如下所述,在不脱离本发明的范围或精神的情况下,可以容易地组合本发明的各种实施方案。
如在此使用的,术语“基于”不是排他的并且允许基于未描述的另外的因素,除非上下文另外清楚地指示。此外,在整个说明书中,“一种”、“一个”和“该”的含义包括复数引用。“在…中”的含义包括“在…中”和“在…上”。本文讨论的范围是包括性的(例如,“0和2之间”的范围包括值0和2以及其间的所有值)。
如本文所用,术语“接触区域”涵盖怀孕人类对象的皮肤与皮肤接触物(cutaneouscontact)之间的接触部位,即,电流可以在怀孕人类对象的皮肤与皮肤接触物之间穿过的表面区域。
在一些实施方案中,本发明提供了一种用于从生物电势数据提取宫缩描记样信号的方法,该生物电势数据即描述通过使用通常称为电极的皮肤接触物在人的皮肤上的点处记录的电势的数据。在一些实施方案中,本发明提供了用于从生物电势数据检测子宫收缩的方法。在一些实施方案中,通过使用抵靠人体上期望的点或在人体上期望的点附近定位的非接触电极而获得生物电势数据。
在一些实施方案中,本发明提供一种用于检测、记录和分析来自怀孕人类对象的心脏电活动数据的系统。在一些实施方案中,配置为检测胎儿心电图信号的多个电极被用于记录心脏活动数据。在一些实施方案中,配置为检测胎儿心电图信号的多个电极和多个声学传感器被用于记录心脏活动数据。
在一些实施方案中,配置为检测胎儿心电图信号的多个电极被附着至怀孕人类对象的腹部。在一些实施方案中,配置为检测胎儿心电图信号的多个电极被直接附着至腹部。在一些实施方案中,配置为检测胎儿心电图信号的多个电极被结合入物品比如带、贴片等,并且该物品由怀孕人类对象佩戴或放置在怀孕人类对象上。图3示出了示例性服装300,其包括结合入服装300的八个电极310,以便当服装300由对象穿着时被定位在怀孕人类对象的腹部周围。图4A示出了根据本发明的一些实施方案的八个电极310在孕妇腹部上的位置的正视图。图4B示出了根据本发明的一些实施方案的在孕妇腹部上的八个电极310的侧视图。
图2示出了第一示例性发明方法200的流程图。在一些实施方案中,根据方法200编程/配置的示例性发明计算设备是可操作的,以接收作为输入的由定位在怀孕人类对象的皮肤上的多个电极测量的原始生物电势数据,并且分析这种输入以产生宫缩描记样信号。在一些实施方案中,电极的数量在2和10之间。在一些实施方案中,电极的数量在2和20之间。在一些实施方案中,电极的数量在2和30之间。在一些实施方案中,电极的数量在2和40之间。在一些实施方案中,电极的数量在4和10之间。在一些实施方案中,电极的数量在4和20之间。在一些实施方案中,电极的数量在4和30之间。在一些实施方案中,电极的数量在4和40之间。在一些实施方案中,电极的数量在6和10之间。在一些实施方案中,电极的数量在6和20之间。在一些实施方案中,电极的数量在6和30之间。在一些实施方案中,电极的数量在6和40之间。在一些实施方案中,电极的数量在8和10之间。在一些实施方案中,电极的数量在8和20之间。在一些实施方案中,电极的数量在8和30之间。在一些实施方案中,电极的数量在8和40之间。在一些实施方案中,电极的数量为8。在一些实施方案中,根据方法200编程/配置的示例性发明计算设备是可操作的,以接收作为输入的已经从原始生物电势数据提取的母体ECG信号(例如,通过从形成相同原始生物电势数据的一部分的胎儿ECG信号分离)。在一些实施方案中,根据方法200经由存储在非暂时性计算机可读介质中的指令编程/配置示例性发明计算设备。在一些实施方案中,示例性发明计算设备包括至少一个计算机处理器,当执行指令时,其变成根据方法200编程/配置的专门编程的计算机处理器。
在一些实施方案中,示例性发明计算设备被编程/配置为沿着移动时间窗口连续执行方法200的一个或多个步骤。在一些实施方案中,移动时间窗口具有预定长度。在一些实施方案中,预定长度为六十秒。在一些实施方案中,示例性发明计算设备被编程/配置为沿着长度在一秒和一小时之间的移动时间窗口连续执行方法200的一个或多个步骤。在一些实施方案中,移动时间窗口的长度在30秒和30分钟之间。在一些实施方案中,移动时间窗口的长度在30秒和10分钟之间。在一些实施方案中,移动时间窗口的长度在30秒和5分钟之间。在一些实施方案中,移动时间窗口的长度为约60秒。在一些实施方案中,移动时间窗口的长度为60秒。
在步骤210中,示例性发明计算设备被编程/配置为接收原始生物电势数据作为输入并且对其进行预处理。在一些实施方案中,通过使用位于怀孕对象皮肤附近的至少两个电极来记录原始生物电势数据。在一些实施方案中,电极中的至少一个是信号电极。在一些实施方案中,电极中的至少一个是参考电极。在一些实施方案中,参考电极位于远离对象的子宫的点处。在一些实施方案中,在妊娠对象腹部周围的几个点中的每个点处记录生物电势信号。在一些实施方案中,在妊娠对象腹部周围的8个点中的每一个点处记录生物电势信号。在一些实施方案中,以每秒1,000个样本记录生物电势数据。在一些实施方案中,生物电势数据被上采样(unsampled)为每秒1000个样本。在一些实施方案中,以每秒100到10,000个样本之间的采样率记录生物电势数据。在一些实施方案中,将生物电势数据上采样为每秒100和10,000个样本之间的采样率。在一些实施方案中,预处理包括基线去除(例如,使用中值滤波器和/或移动平均滤波器)。在一些实施方案中,预处理包括低通滤波。在一些实施方案中,预处理包括在85Hz下的低通滤波。在一些实施方案中,预处理包括电力线干扰消除。图5示出了预处理之前和之后的原始生物电势数据信号的一部分。
在步骤220中,示例性发明计算设备被编程/配置为检测从执行步骤210得到的预处理的生物电势数据中的母体R波峰。在一些实施方案中,在每个数据信号的10秒区段上检测R波峰。在一些实施方案中,R波峰的检测开始于导数、阈值和距离的分析。在一些实施方案中,检测每个数据信号中的R波峰包括计算10秒区段中的数据信号的一阶导数,通过识别一阶导数的过零点而识别10秒区段中的R波峰,并且排除(a)绝对值小于预定R波峰阈值绝对值或(b)相邻识别的R波峰之间的距离小于预定R波峰阈值距离。在一些实施方案中,R波峰的检测以类似于美国专利号9,392,952中描述的心电图峰检测的方式进行,其内容通过引用以其整体并入本文。图6A示出了预处理的生物电势数据信号,其中使用星号表示如上所述检测到的R波峰。
在一些实施方案中,步骤220的R波峰的检测以峰再检测过程继续。在一些实施方案中,峰再检测过程包括自动增益控制(“AGC”)分析,以检测具有显著不同数量的峰的窗口。在一些实施方案中,峰再检测过程包括互相关分析。在一些实施方案中,峰重检测过程包括AGC分析和互相关分析。在一些实施方案中,AGC分析适于克服假阴性。在一些实施方案中,互相关分析适合于去除假阳性。图6B示出了峰重检测之后的数据信号,其中使用星号表示如上所述再次检测出的R波峰。图6C示出了图6B的数据信号的一部分的放大视图。
在一些实施方案中,步骤220的R波峰的检测继续构建全局峰阵列。在一些实施方案中,从多个数据通道(例如,其中的每个数据通道对应于电极310中的一个或多个)创建全局峰阵列。在一些实施方案中,基于峰的相对能量为每个通道的信号提供质量分数。在一些实施方案中,峰的相对能量是指相对于被处理信号的总能量的峰能量。在一些实施方案中,通过计算包含R波峰的QRS波群的均方根(“RMS”)来计算峰的能量,并且通过计算信号的RMS来计算信号的能量。在一些实施方案中,通过计算信号的信噪比来计算峰的相对能量。在一些实施方案中,具有最高质量分数的通道被认为是“最佳导联(Best Lead)”。在一些实施方案中,基于最佳导联构建全局峰阵列,其中来自其他通道的信号也基于投票机制被考虑。在一些实施方案中,在已经基于最佳导联构建全局峰阵列后,剩余通道中的每个对每个峰进行“投票”。通道对被包括在基于最佳导联构建的全局峰阵列中的给定峰(如果包含这样的峰)(例如,在上述峰检测中检测到的)进行肯定投票(例如,给出投票值“1”),如果不包含这样的峰,则进行否定投票(例如,给出投票值“0”)。接收更多投票的峰被认为是更高质量的峰。在一些实施方案中,如果峰具有大于阈值数的投票,则将其保留在全局峰阵列中。在一些实施方案中,投票的阈值数是通道总数的一半。在一些实施方案中,如果峰具有小于阈值数投票,则对该峰执行附加测试。在一些实施方案中,附加测试包括计算最佳导联通道中的峰与计算为所有峰的平均值的模板的相关性。在一些实施方案中,如果相关性大于第一阈值相关性值,则在全局峰阵列中保留峰。在一些实施方案中,第一阈值相关值是0.9。在一些实施方案中,如果相关性小于第一阈值相关性值,则针对具有关于峰的肯定投票的所有导联(即,不只是最佳导联峰)计算进一步的相关性。在一些实施方案中,如果进一步的相关值大于第二阈值相关值,则在全局峰阵列中保留该峰,并且如果进一步的相关值小于第二阈值相关值,则从全局峰阵列排除该峰。在一些实施方案中,第二阈值相关值是0.85。
在一些实施方案中,一旦产生,使用生理测量检查全局峰阵列。在一些实施方案中,检查是由如美国专利号9,392,952中描述的示例性发明计算设备执行的,其内容以其整体并入本文。在一些实施方案中,生理参数包括R-R间隔、平均值和标准偏差;以及心率和心率变异性。在一些实施方案中,检查包括互相关以克服假阴性。图6D示出了在如上所述创建和检查全局峰阵列之后的数据信号。在图6D中,由带圆圈的星号表示的峰代表先前检测到的R波峰(例如,如图6A所示),并且没有星号的圆圈表示如上所述通过互相关以克服假阴性而检测到的R波峰。
在一些实施方案中,如果R波检测的初始步骤不成功(即,如果在给定样本上没有检测到R波峰),则将独立分量分析(“ICA”)算法应用于数据样本,并且重复步骤220的较早部分。在一些实施方案中,示例性ICA算法是例如但不限于FAST ICA算法。在一些实施方案中,FAST ICA算法例如根据Hyvarinen et al.,“Independent component analysis:Algorithms and applications,”Neural Networks 13(4-5):411-430(2000)被利用。
继续参考图2,在步骤230,示例性发明计算设备被编程/配置为从包括母体和胎儿数据的信号提取母体ECG信号。在一些实施方案中,在编程/配置为执行方法200的示例性发明计算设备在从混合的母体-胎儿数据进行提取后接收母体ECG信号作为输入的情况下,示例性发明计算设备被编程/配置为跳过步骤230。图7A示出了其中已经识别出R波峰并且包括母体和胎儿信号二者的信号的一部分。不打算局限于任何特定理论,提取母体ECG信号的过程中涉及的主要挑战是每个母体心跳不同于所有其它母体心跳。在一些实施方案中,通过使用自适应重建方案识别每个母体心跳而解决该挑战。在一些实施方案中,提取过程通过将ECG信号分段成三源信号(three-sourced signal)而开始。在一些实施方案中,该分段包括使用曲线长度变换以寻找P波、QRS波群和T波。在一些实施方案中,曲线长度变换如在Zong et al.,“A QT Interval Detection Algorithm Based On ECG Curve LengthTransform,”Computers In Cardiology 33:377-380(2006年10月)中描述的。图7B示出了包括这些部分的示例性ECG信号。
在曲线长度变换后,步骤230通过使用自适应模板提取母体信号而继续。在一些实施方案中,模板适配被用于隔离当前心跳。在一些实施方案中,如美国专利号9,392,952所述,执行使用适应模板进行母体信号提取,其内容通过引用以其整体并入本文。在一些实施方案中,该过程包括以当前模板开始并且使用迭代过程适配当前模板以得到当前心跳。在一些实施方案中,对于信号的每个部分(即,P波、QRS波群和T波),定义乘数(分别称为P_mult、QRS_mult和T_mult)。在一些实施方案中,还定义了移位参数。在一些实施方案中,提取使用Levenberg-Marquardt非线性最小均方算法,如下所示:
在一些实施方案中,成本函数如下所示:
E=||φm-φc||2
在上述表达式中,φm表示当前心跳ECG并且φc表示重建的ECG。在一些实施方案中,该方法提供了局部的、稳定的和可重复的方案。在一些实施方案中,进行迭代直到相对剩余能量已经达到阈值。在一些实施方案中,阈值在0分贝和-40分贝之间。在一些实施方案中,阈值在-10分贝和-40分贝之间。在一些实施方案中,阈值在-20分贝和-40分贝之间。在一些实施方案中,阈值在-30分贝和-40分贝之间。在一些实施方案中,阈值在-10分贝和-30分贝之间。在一些实施方案中,阈值在-10分贝和-20分贝之间。在一些实施方案中,阈值在-20分贝和-40分贝之间。在一些实施方案中,阈值在-20分贝和-30分贝之间。在一些实施方案中,阈值在-30分贝和-40分贝之间。在一些实施方案中,阈值在-25分贝和-35分贝之间。在一些实施方案中,阈值为约-20分贝。在一些实施方案中,阈值为约-20分贝。
图7C示出了包括混合的母体和胎儿数据的示例性信号。图7D示出了图7C的信号的一部分以及用于比较的初始模板。图7E示出了图7C的部分信号以及用于比较的适配模板。图7F示出了图7C的信号的一部分、当前模板和适配的第0次迭代。图7G示出了图7C的信号的一部分、当前模板、适配的第0次迭代和适配的第1次迭代。图7H示出了图7C的信号的一部分、当前模板和基于当前模板重建的ECG信号(例如,母体ECG信号)。图7I示出了相对于迭代数的根据误差信号的对数进行的适配的进展。图7J示出了提取的母体ECG信号。
继续参考图2,在步骤240中,示例性发明计算设备被编程/配置为对在步骤230中提取的母体信号执行信号清除。在一些实施方案中,步骤240的清除包括滤波。在一些实施方案中,滤波包括使用移动平均滤波器去除基线。在一些实施方案中,滤波包括低通滤波。在一些实施方案中,在25Hz和125Hz之间执行低通滤波。在一些实施方案中,在50Hz和100Hz之间执行低通滤波。在一些实施方案中,在75Hz处执行低通滤波。图8示出了执行步骤240后的示例性滤波的母体ECG的一部分。
继续参考图2,在步骤250中,示例性发明计算设备被编程/配置为计算由执行步骤240产生的滤波的母体ECG信号的R波振幅。在一些实施方案中,基于在步骤220中检测的母体ECG峰和在步骤230中提取的母体ECG信号计算R波振幅。在一些实施方案中,步骤250包括计算各种R波的幅度。在一些实施方案中,幅度被计算为在每个检测到的峰位置处的母体ECG信号的值(例如,信号幅度)。图9示出了具有使用圆圈注释的R波峰的示例性提取的母体ECG信号。
继续参考图2,在步骤260中,示例性发明计算设备被编程/配置为基于在步骤250中计算的R波振幅随着时间创建R波振幅信号。在一些实施方案中,计算的R波峰不是随着时间均匀采样的。因此,在一些实施方案中,执行步骤260,以便以如下方式重新采样R波振幅,使得它们将随着时间被均匀采样(例如,使得每两个相邻的采样之间的时间差是恒定的)。在一些实施方案中,通过连接在步骤250中计算的R波振幅值并且重新采样连接的R波振幅值而执行步骤260。在一些实施方案中,重新采样包括使用定义的查询时间点进行内插。在一些实施方案中,内插包括线性内插。在一些实施方案中,内插包括样条内插。在一些实施方案中,内插包括三次内插。在一些实施方案中,查询点定义应当发生内插的时间点。图10A示出了如在步骤260中基于来自步骤250的R波振幅创建的示例性R波振幅信号。在图10A中,母体ECG类似于图8所示,检测到的R波峰以圆圈示出,并且R波振幅信号是连接圆圈的曲线。图10B示出了在更大的时间窗口上的R波振幅信号的调制。
继续参考图2,在步骤270中,示例性发明计算设备被编程/配置为通过应用移动平均滤波器而清理R波振幅信号。在一些实施方案中,移动平均滤波器被应用于消除R波振幅信号中的高频变化。在一些实施方案中,在预定时间窗口上应用移动平均滤波器。在一些实施方案中,时间窗口具有在一秒和十分钟之间的长度。在一些实施方案中,时间窗口具有在一秒和一分钟之间的长度。在一些实施方案中,时间窗口具有在一秒和30秒之间的长度。在一些实施方案中,时间窗口具有20秒的长度。图11A示出了图10B的R波振幅信号,其中以粗线示出的应用移动平均滤波器得到的信号沿着R波振幅信号的中间。如上所述,在一些实施方案中,多个数据通道被认为是方法200的输入。图11B示出了在相同时间窗口上多个通道的滤波的R波振幅信号的曲线图。
继续参考图2,在步骤280中,示例性发明计算设备被编程/配置为计算每单位时间的所有滤波的R波信号的平均信号(例如,如图11B所示)。在一些实施方案中,在样本存在的每个时间点,计算单个平均信号。在一些实施方案中,平均信号是在每个时间点的所有信号的第80百分位。在一些实施方案中,平均信号是在每个时间点的所有信号的第85百分位。在一些实施方案中,平均信号是在每个时间点的所有信号的第90百分位。在一些实施方案中,平均信号是在每个时间点的所有信号的第95百分位。在一些实施方案中,平均信号是在每个时间点的所有信号的第99百分位。在一些实施方案中,该取平均的结果是随着时间具有均匀采样的单个信号。在步骤290中,示例性发明计算设备被编程/配置为对在步骤280中计算的信号进行归一化。在一些实施方案中,通过除以常量因子而使信归一化号。在一些实施方案中,常量因子在2伏特与1000伏特之间。在一些实施方案中,常量因子是50伏特。图12A示出了执行步骤280和290后的示例性归一化子宫电气信号。图12B示出了在同一时间段内产生的宫缩描记信号,通过垂直线表示母亲自报的收缩。参见图12A和12B,可以看出图12A中的示例性归一化子宫电气信号中的峰与图12B中所示的自报收缩一致。因此,在一些实施方案中,通过执行示例性方法200产生的归一化电气子宫监测(“EUM”)信号(例如,图12A所示的信号)适合用于识别收缩。在一些实施方案中,通过识别EUM信号中的峰而识别收缩。
在一些实施方案中,本发明涉及一种专门编程的计算机系统,包括至少下列部件:非暂态存储器,其电子地存储计算机可执行程序代码;和至少一个计算机处理器,当执行该程序代码时,该计算机处理器成为被配置为执行至少下列操作的专门编程的计算处理器:接收在怀孕母亲的腹部上的多个位置处收集的多个生物电势信号;检测生物电势信号中的R波峰;从生物电势信号提取母体心电图(“ECG”)信号;确定母体ECG信号中的R波振幅;针对每个母体ECG信号创建R波振幅信号;计算所有R波振幅信号的平均值;和使平均值归一化以产生电气子宫监测(“EUM”)信号。在一些实施方案中,操作还包括基于EUM信号中对应的至少一个峰识别至少一个子宫收缩。
图13示出了第一示例性发明方法1300的流程图。在一些实施方案中,根据方法1300编程/配置的示例性发明计算设备是可操作的,以接收作为输入的由定位在怀孕人类对象的皮肤上的多个电极测量的原始生物电势数据,并且分析这种输入以产生宫缩描记样信号。在一些实施方案中,电极的数量在2和10之间。在一些实施方案中,电极的数量在2和20之间。在一些实施方案中,电极的数量在2和30之间。在一些实施方案中,电极的数量在2和40之间。在一些实施方案中,电极的数量在4和10之间。在一些实施方案中,电极的数量在4和20之间。在一些实施方案中,电极的数量在4和30之间。在一些实施方案中,电极的数量在4和40之间。在一些实施方案中,电极的数量在6和10之间。在一些实施方案中,电极的数量在6和20之间。在一些实施方案中,电极的数量在6和30之间。在一些实施方案中,电极的数量在6和40之间。在一些实施方案中,电极的数量在8和10之间。在一些实施方案中,电极的数量在8和20之间。在一些实施方案中,电极的数量在8和30之间。在一些实施方案中,电极的数量在8和40之间。在一些实施方案中,电极的数量为8。在一些实施方案中,根据方法1300编程/配置的示例性发明计算设备是可操作的,以接收作为输入的已经从原始生物电势数据提取的母体ECG信号(例如,通过从形成部分相同的原始生物电势数据的胎儿ECG信号分离)。在一些实施方案中,根据方法1300经由存储在非暂时性计算机可读介质中的指令编程/配置示例性发明计算设备。在一些实施方案中,示例性发明计算设备包括至少一个计算机处理器,当执行指令时,该计算机处理器变成根据方法1300编程/配置的专门编程的计算机处理器。
在一些实施方案中,示例性发明计算设备被编程/配置为沿着移动时间窗口连续执行方法1300的一个或多个步骤。在一些实施方案中,移动时间窗口具有预定长度。在一些实施方案中,预定长度为六十秒。在一些实施方案中,示例性发明计算设备被编程/配置为沿着长度在一秒和一小时之间的移动时间窗口连续执行方法1300的一个或多个步骤。在一些实施方案中,移动时间窗口的长度在30秒和30分钟之间。在一些实施方案中,移动时间窗口的长度在30秒和10分钟之间。在一些实施方案中,移动时间窗口的长度在30秒和5分钟之间。在一些实施方案中,移动时间窗口的长度为约60秒。在一些实施方案中,移动时间窗口的长度为60秒。
在步骤1305中,示例性发明计算设备被编程/配置为接收原始生物电势数据作为输入。示例性的原始生物电势数据在图18A、18C、18E和18G中示出。在一些实施方案中,通过使用位于怀孕对象皮肤附近的至少两个电极记录原始生物电势数据。在一些实施方案中,电极中的至少一个是信号电极。在一些实施方案中,电极中的至少一个是参考电极。在一些实施方案中,参考电极位于远离对象的子宫的点处。在一些实施方案中,在妊娠对象腹部周围的几个点中的每个点记录生物电势信号。在一些实施方案中,在妊娠对象腹部周围的8个点中的每个点记录生物电势信号。在一些实施方案中,以每秒1,000个样本记录生物电势数据。在一些实施方案中,生物电势数据被上采样为每秒1000个样本。在一些实施方案中,以每秒100到10,000个样本之间的采样率记录生物电势数据。在一些实施方案中,将生物电势数据上采样为每秒100和10,000个样本之间的采样率。在一些实施方案中,在多个信号通道的每个上执行接收原始数据和通道选择之间的方法1300的步骤(即,步骤1310至步骤1335),其中每个信号通道由示例性发明计算设备作为由特定电极对记录的生物电势信号之间的差而生成。在一些实施方案中,其中通过使用记录在如图4A和4B所示定位的电极处的数据执行方法1300,如下识别通道:
·通道1:A1-A4
·通道2:A2-A3
·通道3:A2-A4
·通道4:A4-A3
·通道5:B1-B3
·通道6:B1-B2
·通道7:B3-B2
·通道8:A1-A3
在步骤1310中,示例性发明计算设备被编程/配置为对基于原始生物电势数据确定的信号通道进行预处理,以产生多个预处理的信号通道。在一些实施方案中,预处理包括一个或多个滤波器。在一些实施方案中,预处理包括多于一个滤波器。在一些实施方案中,预处理包括DC去除滤波器、电力线滤波器和高通滤波器。在一些实施方案中,DC去除滤波器去除原始数据的在当前处理间隔处的平均值。在一些实施方案中,电力线滤波器包括被配置为使数据中在预先配置的频率处的任何噪声最小化的10阶(order)带阻(band-stop)无限冲击响应(infinite impulse response,“IIR”)滤波器。在一些实施方案中,预先配置的频率是50Hz,并且电力线滤波器包括49.5Hz和50.5Hz的截止频率。在一些实施方案中,预先配置的频率是60Hz,并且电力线滤波器包括59.5Hz和60.5Hz的截止频率。在一些实施方案中,通过从信号减去漂移基线而执行高通滤波,其中通过具有预定长度的移动平均窗口计算基线。在一些实施方案中,预定长度在50毫秒和350毫秒之间。在一些实施方案中,预定长度在100毫秒和300毫秒之间。在一些实施方案中,预定长度在150毫秒和250毫秒之间。在一些实施方案中,预定长度在175毫秒和225毫秒之间。在一些实施方案中,预定长度大约是200毫秒。在一些实施方案中,预定长度是201毫秒(即,在每秒250个样本的采样率下,通常50个样本)长。在一些实施方案中,基线包括来自低于5Hz的频率的数据,并且因而信号在大约5Hz处被高通滤波。图18B、18D、18F和18H分别示出了基于图18A、18C、18E和18G所示的原始生物电势数据生成的预处理数据。
继续参考步骤1310,在一些实施方案中,在应用上述滤波器后,检查每个数据通道的接触问题。在一些实施方案中,基于(a)数据通道的RMS、(b)数据通道的信噪比(“SNR”)和(c)数据通道的峰相对能量的时间变化中的至少一个,在每个数据通道中识别接触问题。在一些实施方案中,如果数据通道的RMS值大于阈值RMS值,则将其识别为是损坏的。在一些实施方案中,阈值RMS值是两个局部电压单位(例如,约16.5毫伏的值)。在一些实施方案中,阈值RMS值在一个局部电压单位和三个局部电压单位之间。在图18A和图18B中示出了基于此被识别为损坏的示例性数据通道。在一些实施方案中,如果数据通道的SNR值小于阈值SNR值,则将其识别为是损坏的。在一些实施方案中,阈值SNR值是50分贝。在一些实施方案中,阈值SNR值在40分贝和60分贝之间。在一些实施方案中,阈值SNR值在30分贝和70分贝之间。图18C和18D示出了基于此被识别为损坏的示例性数据通道。在一些实施方案中,如果数据通道的从一个间隔至另一个间隔的相对R波峰能量的变化大于阈值变化量,则数据通道被识别为是损坏的。在一些实施方案中,阈值变化量是250%。在一些实施方案中,阈值变化量在200%和300%之间。在一些实施方案中,阈值变化量在150%和350%之间。图18E和18F示出了基于此被标识为损坏的示例性数据通道。图18G和18H示出了由于任何上述原因未被识别为损坏的示例性数据通道。
在步骤1315中,示例性发明计算设备被编程/配置为从预处理的信号通道提取R波峰以产生R波峰数据集。在一些实施方案中,步骤1315使用已知的母体ECG峰作为输入。在一些实施方案中,步骤1315使用根据美国专利号9,392,952描述的技术识别的母体ECG峰作为输入。在一些实施方案中,步骤1315包括使用预处理的数据(例如,如步骤1310产生的)和已知的母体ECG峰而细化母体ECG峰位置。在一些实施方案中,峰位置细化包括在已知的母体ECG峰之前和之后的样本窗口中搜索最大绝对值,以确保R波峰位于滤波信号中的每个的R波的最大点处。在一些实施方案中,窗口包括加上或减去预定时间长度。在一些实施方案中,预定长度在50毫秒和350毫秒之间。在一些实施方案中,预定长度在100毫秒和300毫秒之间。在一些实施方案中,预定长度在150毫秒和250毫秒之间。在一些实施方案中,预定长度在175毫秒和225毫秒之间。在一些实施方案中,预定长度大约是200毫秒。在一些实施方案中,窗口包括在一个样本和100个样本之间的范围内的样本数量的加或减。图19A和19B分别示出了示例性R波峰数据集中的已知的母体ECG波峰和提取的R波峰的图示。
在步骤1320中,示例性发明计算设备被编程/配置为从数据去除肌电图(“EMG”)伪影,该数据包括由步骤1310产生的预处理数据和在图1315中提取的R波峰。图20A示出了用作步骤1320的输入的示例性预处理数据。在一些实施方案中,执行EMG伪影的去除以便校准具有高幅度的峰,其中存在高频能量的增加,其通常但不总是源于母体EMG活动。这种能量的其它来源是高电源线噪声和高胎儿活动。在一些实施方案中,EMG伪影的去除包括寻找损坏峰并且以中值替换它们。在一些实施方案中,寻找损坏峰包括基于下列式计算峰间RMS值:
校准该伪影的第一步是寻找损坏峰。这样做需要计算峰间RMS值,因此:
峰间RMS(iPeak)=RMS(峰信号(峰位置(iPeak)+1:峰位置(iPeak+1)-1))
在上述公式中,峰信号是具有R峰高度(即,R波峰幅度)的信号而峰位置是具有每个通道寻找到的R峰时间索引(即,每个R波峰的时间索引)的信号。在一些实施方案中,存在两个峰信号值和两个峰位置值,一个针对使用滤波数据寻找到的R波峰,一个针对使用相反信号寻找到的R波峰(即,通过将原始数据乘以-1以产生符号反转信号(sign-invertedsignal)而获得的信号)。
在一些实施方案中,寻找损坏峰还包括在母体身体活动(“MPA”)数据集中寻找离群值峰。在一些实施方案中,如下提取这样的信号(下文中称为“包络信号”):
在一些实施方案中,使用运动传感器收集身体活动数据。在一些实施方案中,运动传感器包括三轴加速度计和三轴陀螺仪。在一些实施方案中,运动传感器每秒采样50次(每秒50次)。在一些实施方案中,传感器位于同一个感测设备(例如,可穿戴设备)上,该感测设备包含用于收集生物电势数据的电极,该生物电势数据用于执行整个方法1300(例如,图3中所示的设备300)。
在一些实施方案中,原始运动数据被转换。在一些实施方案中,原始运动数据在加速度计原始数据的情况下被转换为g单位,并且在陀螺仪原始数据的情况下被转换为度/秒。在一些实施方案中,通过确定原始信号是否饱和(例如,它们具有恒定的最大可能值)来检查转换的数据以区分有效和无效信号。在一些实施方案中,如下提取信号包络。首先,在一些实施方案中,检查数据的位置变化。由于位置变化的特征在于加速度计基线的增加,因此在一些实施方案中,无论何时发生位置变化,都应用基线滤波器。在一些实施方案中,通过采用高通有限冲击响应(“FIR”)滤波器执行滤波。在一些实施方案中,高通滤波器具有400的滤波器阶数和1赫兹的频率。在一些实施方案中,为了消除任何非生理运动,还应用低通FIR滤波器。在一些实施方案中,低通滤波器具有400的滤波器阶数并且还应用12赫兹的频率(阶数400,fc=12Hz[1])。在一些实施方案中,在滤波后,根据下式计算加速度计向量的幅度:
在该公式中,AccMagnitudeVector(iSample)表示样本数iSample的三个加速度计轴(例如,x、y和z)的平方和的平方根。在一些实施方案中,根据下式计算陀螺仪数据的幅度向量:
在该公式中,GyroMagnitudeVector(iSample)表示样本数iSample的三个陀螺仪轴(例如,x、y和z)的平方和的平方根。在一些实施方案中,在计算加速度计幅度向量和陀螺仪幅度向量二者后,通过分别将RMS窗口应用于陀螺仪幅度向量和加速度计幅度向量而提取陀螺仪幅度向量和加速度计幅度向量的包络。在一些实施方案中,RMS窗口的长度为50个样本。在一些实施方案中,在提取陀螺仪幅度向量和加速度计幅度向量的包络后,对这两个包络求平均(例如,平均值、中值等)以产生MPA运动包络。
在一些实施方案中,根据下列步骤定义MPA运动包络中的峰:
运动包络峰=寻找(运动包络>P95%(运动包络))
运动包络峰起始=运动包络峰-2·峰宽
运动包络峰偏移=运动包络峰+2·峰宽
在上文中,峰宽被定义为峰与其中包络达到峰值的50%的第一点之间的距离,并且P95%(x)是x的第95百分位。图20B示出了图20A的数据信号以及根据以上计算的对应运动的包络和峰间绝对总和(即,落在相邻峰之间的所有样本的绝对值的总和)。
在一些实施方案中,如果峰是如下这样的,则其被确定为是损坏的:
1)具有高于20个局部电压单位的峰间RMS的峰
2)在信号检查阶段结束的情况下,在当前处理间隔中存在接触问题,峰间RMS高于8个局部电压单位的峰
3)在信号检查阶段结束的情况下,在当前处理间隔中存在接触问题,但是超过50%的点具有高于8个局部电压单位的峰间RMS,使用20个局部电压单位阈值
4)位于运动包络起始和偏移周围的峰被怀疑是损坏的。这些点的峰间RMS应当超过6才能得出它们是损坏的。
在一些实施方案中,如果如上所述检测到峰是损坏峰,则将峰的幅度替换为中值,其中损坏峰周围的局部中值计算如下:
局部中值=中值(峰信号(损坏峰-10:损坏峰+10))
在一些实施方案中,将损坏数据点本身从上述计算排除,并且替换为统计值(例如,全局中值、局部中值、平均值等)。在一些实施方案中,如果在排除后有7个或更少能使用的值,则使用全局中值作为局部中值,其中使用标准技术计算全局中值:
局部中值=全局中值=中值(信号)
在一些实施方案中,如果局部中值和全局中值之间的绝对差超过0.1,则使用局部中值代替损坏数据点的幅度,否则全局中值被用作损坏峰幅度的替换。图20C示出了图20A和20B的示例性数据集,其中如上所述替换损坏峰。
继续参考图13,在步骤1325中,示例性发明计算设备被编程/配置为从由R波峰形成的信号去除基线伪影。在一些实施方案中,这些伪影是由突然的基线或RMS变化引起的。在一些实施方案中,这种变化通常由母体位置变化引起。图21A示出了包括基线伪影的示例性数据信号。
在一些实施方案中,使用针对离群值的格鲁布斯测试寻找此类伪影,格鲁布斯测试是基于与样本平均值的绝对偏差执行的统计测试。在一些实施方案中,为了校准这样的伪影,首先应当寻找变化点。在一些实施方案中,变化点是信号RMS或平均值开始变化的点(例如,数据点);这样的点应当符合下列标准:
1)长度(峰信号)-变化点>50
2)百分位(峰信号(变化点:结束),10)>0.01
3a)(其中P10%(x)是x的第10百分位)
或
3b)
在一些实施方案中,如果变化点满足上述标准,则基于如下定义的统计值使得直至该点的峰信号变化:
图21B示出了根据步骤1330的在已经去除基线伪影去除后的图21A的示例性数据信号。
继续参考图13,在步骤1330中,对示例性发明计算设备进行编程/配置,以根据针对离群值的格鲁布斯测试使用迭代过程从R波峰信号去除离群值。图22A示出了包括由菱形指示的离群值数据点的示例性R波峰信号。在一些实施方案中,当如下两个条件中的任何一个发生时,步骤1330的迭代过程停止:
1)
2)迭代数>4
在一些实施方案中,该过程在每次迭代中找到离群值点,并将这些离群值点的高度修整到离群值峰周围的局部区域的中值。在一些实施方案中,局部区域被定义为离群值峰之前和之后的预定数量的样本的时间窗口。在一些实施方案中,样本的预定数量在0和20之间。在一些实施方案中,样本的预定数目是十。图22B示出了在执行步骤1330之后的图22A的示例性数据信号。可以看出,图22A中所示的离群值数据点在图22B中不再存在。在一些实施方案中,在信号提取之后,暴露并去除更多的离群值,如将在下文中进一步详细描述的。
继续参看图13,在步骤1335中,示例性发明计算设备经编程/配置以从R波峰信号数据集中的每一个内插并提取R波信号数据以产生R波信号通道。在一些实施方案中,随时间内插由步骤1330输出的峰信号以提供每秒4个样本的信号。图23A示出了由步骤1330输出的示例性峰信号。在一些实施方案中,使用三次样条内插来完成内插。在一些实施方案中,在内插数据中的大间隙的情况下,存在错误的高值,取而代之的是内插方法是形状保持分段三次内插。在一些实施方案中,形状保持分段三次内插是分段三次埃尔米特内插多项式(“PCHIP”)内插。在一些实施方案中,在内插之后,提取R波信号的过程包括识别内插信号中的另外的离群值。在一些实施方案中,在此步骤中将另外的离群值识别为以下中的一者:
1)高度大于1局部电压单位及其周围的信号峰(即内插后R波信号中的峰,而不是原始生物电势信号中的峰)
2)位于间隔大于10秒的两个连续R峰之间的点
3)分钟,其中在数据检查阶段(例如,在步骤1320、1335和1330期间)发现严重的接触问题
在一些实施方案中,根据以上参考步骤1320描述的过程,被识别为离群值的点(基于满足上述三个标准中的任何一个)被丢弃并且被替换为统计值(例如,局部中值或全局中值)。
继续描述步骤1335,在一些实施方案中,在进一步的离群值检测后,计算信号统计(例如,中值、最小值和标准偏差),并且如果下列任何一个为真,则将信号(例如,给定通道的一分钟信号时间窗口)识别为损坏的信号:
1)在消除离群值点后,信号仍具有幅值大于一个局部电压单位且标准偏差大于0.1的峰
2)信号具有大于0.65的中值和小于0.6的最小值
3)超过15%的包含信号的点已经被作为离群值删除
继续描述步骤1335,在识别出损坏信号后,将滑动RMS窗口应用于该信号。在一些实施方案中,RMS窗口的大小在25和200个样本之间的范围内。在一些实施方案中,RMS窗口具有100个样本的大小。在一些实施方案中,在应用RMS窗口后,将一阶多项式函数拟合至信号,并且然后从信号减去一阶多项式函数,从而产生内插信号的干净版本,其可以被用于后续步骤。图23B示出了在步骤1330的内插之后的示例性R波信号。
继续参考图13,在步骤1340中,示例性发明计算设备被编程/配置为执行通道选择,由此示例性R波信号通道的子集被选择用于生成电气子宫监测信号。在一些实施方案中,在通道选择开始时,所有通道被认为是合格的候选,并且根据下列针对可能的排除对通道进行评估:
1)在直至当前时间的超过10%的处理间隔中排除具有接触问题的任何通道
2)如果基于上述条件多于50%的通道被排除,则取而代之地在多于15%的处理间隔中排除具有接触问题的所有通道
如果上述结果导致所有通道被排除,则相反地,满足下列两个标准的任何通道被保留,而其余通道被排除:
1)信号的标准偏差在0和0.1之间
2)信号的范围小于0.2
如果上述仍然导致所有通道被排除,则仅使用与标准偏差相关的上述第一条件,而忽略与范围相关的上述第二条件。图24A示出了包括六个数据通道的示例性数据集,其中已经排除了两个数据通道。
在一些实施方案中,在如上所述去除一些通道后,将剩余通道分组成对。在如上所述定义通道的一些实施方案中,通道对是上述8个通道中的任意一对。在一些实施方案中,仅考虑彼此独立的对(即,没有共同电极的对)。在一些实施方案中,可能的对是如下这样的:
1.通道1和2(A1-A4和A2-A3)
2.通道1和5(A1-A4和B1-B3)
3.通道1和6(A1-A4和B1-B2)
4.通道1和7(A1-A4和B3-B2)
5.通道2和5(A2-A3和B1-B3)
6.通道2和6(A2-A3和B1-B2)
7.通道2和7(A2-A3和B3-B2)
8.通道3和5(A2-A4和B1-B3)
9.通道3和6(A2-A4和B1-B2)
10.通道3和7(A2-A4和B3-B2)
11.通道3和8(A2-A4和A1-A3)
12.通道4和5(A4-A3和B1-B3)
13.通道4和6(A4-A3和B1-B2)
14.通道4和7(A4-A3和B3-B2)
15.通道5和8(B1-B3和A1-A3)
16.通道6和8(B1-B2和A1-A3)
17.通道7和8(B3-B2和A1-A3)
可以看出,对于以上列出的每个通道对,形成该对的两个通道不共享公共电极。在一些实施方案中,仅使用通道内的有效点来计算每对通道的Kendall秩相关。在一些实施方案中,Kendall相关对每对信号的匹配分级符号进行计数以测试它们的统计相关性。
在一些实施方案中,然后通过以下选择标准来选择通道。首先,如果最大Kendall相关值大于或等于0.7,则选择的通道是Kendall相关值大于或等于0.7的任何独立通道。然而,如果所有选择的通道先前被识别为是损坏的,则输出信号被识别为损坏的信号。另外,如果任何选择的通道先前被识别为是损坏的,或如果任何选择的通道具有大于0.3的范围,则从选择的通道排除任何这样的通道。
第二,如果在上述第一标准下没有选择通道,则如果最大Kendall相关值大于或等于0.5但小于0.7,选择的通道是具有该范围内的Kendall相关值的任何独立通道。然而,如果所有选择的通道先前被识别为是损坏的,则输出信号被识别为是损坏的信号。另外,如果任何选择的通道先前被识别为是损坏的,或如果任何选择的通道具有大于0.3的范围,则从选择的通道排除任何这样的通道。
第三,如果在上述第一或第二标准下没有选择通道,则如果最大Kendall相关值大于0但小于0.5,将Kendall相关值大于0的所有通道识别为选择的通道。然而,如果最大相关值小于0.3,则输出信号被标记为是损坏的,并且范围大于0.3的所有通道被排除。
第四,如果在上述前三个标准下没有选择任何通道,则范围大于0.3的所有通道和删除点大于15%的所有通道被排除,其余通道被选择,并且该输出信号被识别为应当是较不锐化的输出信号,如将在下文中参考步骤1355讨论的。
第五,如果在上述四个标准中的任何一个标准下没有选择任何通道,则选择除了那些具有严重接触问题的通道之外的所有通道。然而,如果选择的通道中的接触问题数超过15,则将输出信号标记为是损坏的。图24B示出了在步骤1340的通道选择之后的示例性数据集。
在一些实施方案中,并不是基于成对的相关值而成对地选择通道,而是单独地选择通道。
继续参考图13,在步骤1345中,示例性发明计算设备被编程/配置为基于在步骤1340中选择的选择的R波信号通道来计算子宫活动信号(其可以被称为“电气子宫监测”或“EUM”信号)。在一些实施方案中,对于每个样本(例如,对于所有选择的通道,在以上讨论的每秒四个采样间隔期间的给定采样时间处的数据点集合),所选通道的信号的第80百分位根据下式来计算:
组合信号(iSample)
=P80%(内插的峰信号(选择的通道,iSample))
图25A示出了基于图24B中示出的选择的数据通道计算的第80百分位信号。在一些实施方案中,然后从如上确定的组合的第80百分位信号去除漂移基线,以产生EUM信号。在一些实施方案中,考虑移动平均窗口而寻找基线。在一些实施方案中,移动平均窗口从EUM信号减去窗口期间的平均值。在一些实施方案中,窗口的长度在0分钟和20分钟之间。在一些实施方案中,窗口的长度为十分钟。图25B示出了去除基线之后的图25A的示例性信号。
在步骤1350中,示例性发明计算系统被编程/配置为使在步骤1345中计算的EUM信号归一化。在一些实施方案中,归一化包括将来自步骤1345的EUM信号乘以常数。在一些实施方案中,常数在200与500之间。在一些实施方案中,常数在250与450之间。在一些实施方案中,常数在300与400之间。在一些实施方案中,常数在325与375之间。在一些实施方案中,常数是约350。在一些实施方案中,常数是350。在一些实施方案中,常数为1,即,保留了所提取的第80百分位信号的原始值。图26示出了根据步骤1350在图25B的数据信号的归一化之后的示例性数据信号。
在步骤1355中,示例性发明计算系统被编程/配置为锐化由步骤1350产生的归一化EUM信号,从而产生锐化的EUM信号。在一些实施方案中,仅对在先前步骤中未被标记为损坏的信号执行锐化;如果所有相关信号被标记为损坏,则不执行锐化步骤。在一些实施方案中,锐化步骤的目的是增强具有可疑收缩的所有区域。在一些实施方案中,锐化如下进行。首先,如果EUM信号中存在超过200个局部电压单位的值的任何峰,则该信号被标记为是损坏的。第二,确定信号先前是否被标记为是损坏的。第三,去除信号基线。在一些实施方案中,对于基线去除,如果信号持续时间超过十分钟,则使用十分钟长的移动平均窗口来估计基线,否则使用信号的第10百分位来估计基线;在任何一种情况下,然后从EUM信号减去基线。第四,将信号基线定义为30个可视化电压单位。在一些实施方案中,在归一化步骤之后以这种方式定义的信号基线以类似于心电图机提供的信号的方式提供0-100范围内的EUM信号。
第五,根据以下中的一个识别峰:
·如果在步骤1340中信号被识别为是需要较少锐化的信号,那么峰被定义为具有35个可视化电压单位的最小高度和300个样本的最小宽度。
·如果信号未被这样鉴定,峰被鉴定为具有35个可视化单位的最小高度和220个样本的最小宽度。
在任何一种情况下,根据下式计算每个峰的突出:
峰突出=峰高-P10%(EUM信号)
在计算样本中的所有峰的突出之后,如果以下任何一个对于该峰是正确的,则消除每个峰:
·峰具有小于12的突出和小于40可视化电压单位的高度
·峰具有小于样本中所有峰的最大突出的65%的突出。
在一些实施方案中,通过识别具有15个可视化电压单位的最小高度和200个样本的最小宽度的任何另外的峰(例如,局部最大值),然后消除具有高于20个可视化电压单位的突出的所有峰来识别另外的峰。
按照以上所述,只有在以下所有条件成立时才执行锐化:(a)信号不损坏(如以上所述,“损坏”信号被识别;(b)信号中不存在删除点;和(c)在该步骤的前述部分中识别出至少一个峰。如果要执行锐化,则在锐化之前,如果对于每一峰以下条件中的任一个为真,则消除该峰:
·该峰具有小于10个可视化电压单位的突出
·该峰具有大于35个可视化电压单位的突出
·该峰具有超过800个样本的宽度(即,每秒4个样本的200秒)
在消除满足上述条件中的一个的任何峰之后,对于每个剩余峰计算以下值:
μ=平均值(峰开始,峰结束)
t=峰开始:峰结束
一旦计算出这些值,根据以下公式创建在峰区域外的零值和在峰区域内的高斯函数的掩模(mask):
然后以具有预定长度的移动平均窗口使掩模平滑。在一些实施方案中,预定长度在10秒和50秒之间。在一些实施方案中,预定长度在20秒和40秒之间。在一些实施方案中,预定长度在25秒和35秒之间。在一些实施方案中,预定长度是约30秒。在一些实施方案中,预定长度是30秒。图27A示出了示例性EUM信号,图27B示出了以上述方式为图27A的示例性EUM信号创建的示例性掩模。然后将掩模添加至现有EUM信号以产生锐化EUM信号。在一些实施方案中,添加使用简单的数学添加进行。图27C示出了通过将图27B的示例性掩模添加到图27A的示例性EUM信号而产生的示例性锐化EUM信号。
返回参看图13,在步骤1360中,执行后处理以产生经后处理的EUM信号。在一些实施方案中,后处理包括基线去除。在一些实施方案中,基线去除包括如以上参考步骤1355所描述的去除信号基线。在一些实施方案中,对于基线去除,如果信号持续时间超过十分钟,则使用十分钟长的移动平均窗口来估计基线,否则使用信号的第10百分位来估计基线;在任一种情况下,然后从EUM信号中减去基线,并且将信号基线定义为30个可视化电压单位。最后,将所有删除的值设置为-1个可视化电压单位的值,并且将100个可视化电压单位以上的所有值设置为100个可视化电压单位的值。图28示出了通过将步骤1360的后处理应用到图27B的示例性锐化信号而产生的示例性后处理信号。
在步骤1360之后,方法1300完成。如上所述,图28示出了根据方法1300计算的示例性EUM信号。图29示出了根据已知技术获得的代表性宫缩描记信号,其用于相同的对象并且在收集生物电势数据的相同时间段期间,基于其计算图28的EUM信号。可以看出,图28和29基本上彼此相似并且包括相同的峰,其可以被理解为表示收缩。因此,可以看出,方法1300的结果是可用作监测母体子宫活动的宫缩描记样信号的EUM信号,但是其可以基于非侵入性记录的生物电势信号来计算。
现在参考以下实施方案,其与上述描述一起以非限制性方式说明本发明的一些实施方案。
实施例
图14A至17B示出了宫缩描记数据和示例性方法200的输出之间的比较的进一步实施方案。在图14A、15A、16A和17A中的每个中,示出了对时间的宫缩描记信号,通过使用垂直线表示的宫缩描记监测母亲自报的收缩。在图17B、15B、16B和17B的每个中,来自多个通道中的每个的滤波的R波信号以不同的颜色示出(例如,类似于图11B中所示的曲线图),其中以粗黑线示出计算的归一化平均信号(例如,类似于图12A中所示的曲线图)。图14B、15B、16B和17B中的每个都与图14A、15A、16A和17A中对应的一个相邻地示出,以进行比较(例如,图14A和14B示出了在相同时间间隔内为同一母亲记录的不同数据,对于图15A至17B依此类推)。如以上参考图12A和12B所讨论的,可以看出示例性归一化子宫信号中的峰对应于自报的收缩。
进行研究以评估示例性实施方案的有效性。该研究涉及年龄为18-50岁的孕妇EUM和TOCO记录的比较,其中BMI<45kg/m2,怀有胎龄>32+0周的单胎胎儿,没有胎儿异常。EUM的计算如上所述,是在最少30分钟内测量的数据样本上进行的。对基于母体心脏R波振幅的子宫活动指数的分析(本文称为EUM)显示出作为用于监测母体子宫活动的创新且可靠的方法的有希望的结果。EUM数据与TOCO数据高度相关。因此,EUM监测可提供与TOCO数据类似有用的数据,同时克服传统生育测力计(tocodynamometry)的缺点,例如不适。
图18A至27B示出了在执行示例性方法1300期间的各个阶段存在的示例性数据。具体地,图27A和27B示出了由示例性方法1300产生的输出信号与在相同时间间隔期间记录的宫缩描记信号的比较。
图18A-18H示出了作为示例方法1300的输入而接收的示例性原始数据(例如,如在步骤1305中所接收的)以及在示例方法1300期间产生的示例滤波原始数据(例如,如在步骤1310中所产生的)。具体地,图18A、18C、18E和18G示出了示例性原始数据,而图18B、18D、18F和18H分别示出了示例性滤波数据。对于本领域的技术人员显而易见的是,图18A-18H表示单个通道的原始的和滤波的生物电势数据,并且在如上所述的方法1300的实际实现中,对于每个数据通道将存在与图18A-18H中所示的数据集相当的数据集。参见图18A,可以看出,在样本数6000周围存在高电力线噪声。参见图18B,可以看出电力线噪声仍然高;在一些实施方案中,这可以导致该间隔被标记为由于从一个间隔到另一个间隔的相对R波峰能量的变化而具有严重的接触问题,该变化大于上面参考示例性方法300的步骤1310所讨论的阈值。参照图18C,可以看出,在样本数14000周围存在高电力线噪声。参见图18D,可以看出电力线噪声仍然高;在一些实施方案中,这可以导致将该间隔标记为由于信号RMS超过以上参考示例性方法1300的步骤1310所讨论的阈值而具有严重的接触问题。参照图18E,可以看出在整个信号中存在高电力线噪声。参见图18F,可以看出电力线噪声仍然高;在一些实施方案中,这可以导致该间隔被标记为具有严重的接触问题,这是因为该信号的SNR未能满足上面参考示例性方法1300的步骤1300所讨论的阈值SNR。参见图18G和18H,可以看到清楚的信号是可见的;在一些实施方案中,这可以导致该间隔未被标记为具有接触问题。
现在参考图19A和19B,示出了根据步骤1315的R波峰的提取。对于本领域技术人员显而易见的是,图19A和19B表示从单个通道的R波峰提取,并且在如上所述的方法1300的实际实现中,对于每个数据通道将存在与图19A和19B所示的数据集相当的数据集。图19A示出了在执行步骤1315之前的滤波数据(例如,由步骤1310产生的数据)。在图19A中,检测到的峰位置用星号表示。图19B示出了在执行步骤1315之后具有提取的峰的数据。在图19B中,峰位用星号表示。可以看出,在图19A中,由星号指示的峰位置中的一些不位于数据中峰的最大值处,并且这些位置由图19B中的星号正确地指示。
现在参考图20A-20C,示出了根据步骤1320的EMG伪影的去除。对于本领域的技术人员将显而易见的是,图20A-20C表示从单个通道去除EMG伪影,并且在如上所述的方法1300的实际实现中,对于每个数据通道将存在与图20A-20C中所示的数据集相当的数据集。图20A示出了如在步骤1320中使用的示例性滤波数据(例如,如在步骤1310中产生的)。图20B示出图20A的相同滤波数据,并且另外包括运动包络和峰间绝对和的表示。在图20B中,被怀疑损坏峰用菱形表示。图20C示出了如步骤1320所产生的在EMG伪影校准之后的校准的信号。在图20C中,可疑峰已经被去除,其中校准的峰以圆圈示出并且原始峰值以对比阴影示出。
现在参考图21A和21B,示出了根据步骤1325的基线伪影的去除。对于本领域的技术人员显而易见的是,图21A和21B表示从单个通道去除基线伪影,并且在如上所述的方法1300的实际实现中,对于每个数据通道将存在与图21A和21B中所示的数据集相当的数据集。图21A示出了在基线伪影去除之前的示例性数据,其可以被接收作为步骤1325的输入。在图21A中,在圆圈内指示基线伪影。在图21A所示的数据中,圆圈区域和其余信号之间的基线比小于0.8。在一些实施方案中,通过将信号的其余部分除以这个因子来提供校准的信号。图21B示出了例如可以由步骤1325产生的示例性校准信号。在图21A中,在圆圈内指示基线伪影区域。通过比较图21A和21B可以看出,已去除基线伪影。
现在参考图22A和22B,示出了根据步骤1330的离群值和间隙的修整。对于本领域的技术人员显而易见的是,图22A和22B表示来自单个通道的离群值和间隙的修整,并且在如上所述的方法1300的实际实现中,对于每个数据通道将存在与图22A和22B中所示的数据集相当的数据集。图22A示出可以作为步骤1330的输入接收的示例性数据。可以看出,输入数据包括样本450附近的离群值,在图22A中用菱形表示。图22B示出了在执行如上所述的步骤1330以去除离群值之后的图22A的示例性数据。可以看出,图22A中所示的离群值已被去除。
现在参考图23A和23B,示出了根据步骤1330的R波峰信号的内插和提取。对于本领域技术人员显而易见的是,图23A和23B表示从单个通道提取R波峰信号,并且在如上所述的方法1300的实际实现中,对于每个数据通道将存在与图23A和23B中所示的数据集相当的数据集。图23A示出了可以作为来自步骤1330的输出提供并且作为到步骤1335的输入接收的示例性R波峰信号。图23B示出了可以通过执行步骤1335而产生的示例性干净内插R波信号。
现在参考图24A和24B,示出了根据步骤1335的通道选择。在图24A和24B所示的示例性数据集中,发现通道3和8由于在超过10%的时间间隔中存在接触问题而不适合通道选择。因此,在图24A和24B中,仅示出了示例性通道1、2、4、5、6和7。图24A所示的数据具有对应的Kendall相关值的独立通道对在下表中示出:
第一通道 | 第二通道 | Kendall相关值 |
1 | 5 | 0.01 |
1 | 6 | 0.49 |
1 | 7 | 0.51 |
2 | 5 | 0.08 |
2 | 6 | 0.39 |
2 | 7 | 0.58 |
4 | 5 | -0.16 |
4 | 6 | 0.38 |
4 | 7 | 0.58 |
从上表可以看出,由通道1、2、4和7组成的组显示出适度的相关性(例如,小于0.7,大于0.5的相关性)。因此,在步骤1340中选择通道1、2、4和7。图24B示出了由步骤1340输出的包括选择的频道1、2、4和7的示例性数据集。
现参看图25A和25B,示出了根据步骤1345基于选择的通道计算EUM信号。接收图24B所示的通道数据作为步骤1345的输入,以产生图25A-25B所示的输出数据。参照图25A,该图示出了从图24B所示的信号提取的第80百分位信号。图25B示出了通过将漂移基线去除应用于图25A中所示的信号而获得的校准信号。
现在参考图26,示出了根据步骤1350的归一化EUM信号的计算。接收由步骤1345产生并如图25B所示的校准的数据作为步骤1350的输入,以产生如图26所示的归一化EUM信号。图26示出了通过归一化图25B所示的信号并将基线值设置为30个可视化电压单位而获得的归一化信号。在图26中可以看出,在信号中存在三个弱峰。
现在参考图27A-27C,示出了根据步骤1355的EUM信号的锐化。接收由步骤1350产生的示例性归一化信号(例如图26所示的示例性归一化信号)作为步骤1355的输入,以产生锐化EUM信号。图27A示出了由步骤1350产生的示例性归一化EUM信号。图27B示出了根据步骤1355生成的示例性增强掩模。图27C示出了通过将图27A的归一化EUM信号添加到图27B的掩模而产生的示例性锐化EUM信号。
现在参考图28,示出了根据步骤1360的EUM信号的后处理。接收由步骤1355产生的锐化的EUM信号作为步骤1360的输入,以产生后处理的EUM信号。图28示出了在去除如上参考步骤1360所述的漂移基线之后的示例性后处理EUM信号。可以看出,在步骤1355的锐化和步骤1360的后处理之后,图26中所示的三个弱峰在图28中更清楚地可见。
现在参考图29,示出了对应于图28的示例性EUM信号的宫缩描记信号。如前所述,图28的示例性EUM信号是根据方法1300产生的。在与用于产生图28的示例性EUM信号的数据相同的时间间隔期间,针对相同对象捕获图29的代表性宫缩描记信号。可以看出,图28和图29基本上彼此匹配并且包括彼此相同的三个峰。
如在此所讨论的,在母体/胎儿护理领域中的技术问题是,用于通过使用分娩力计和超声换能器来监测子宫活动(例如,子宫收缩)的现有解决方案需要待产母亲佩戴不舒服的传感器,并且当肥胖的待产母亲佩戴时可能产生不可靠的数据(例如,传感器可能不具有足够的灵敏度来产生可用的数据)。如在此进一步讨论的,这些示例性实施方案通过分析数据呈现了针对这个技术问题的技术解决方案,这些数据可以由集成到舒适的可穿戴设备中的生物电势传感器(例如,电极)获得以产生可以监测子宫活动的信号。母体/胎儿护理领域中的另一个技术问题是,用于基于可由生物电势传感器(例如,电极)获得的数据进行分析的现有解决方案局限于分析这些信号以提取心脏数据。如在此所讨论的,这些示例性实施方案通过分析生物电势数据以产生可以监测子宫活动(例如,子宫收缩)的信号来为这个技术问题提出了技术解决方案。
本文献全文引用的出版物通过引用整体并入本文。尽管上面已经参照示例和实施方案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面的描述限定的,而是由根据专利法原理适当解释的所附权利要求限定的。此外,许多修改对于本领域的普通技术人员是显而易见的,包括这里描述的发明方法、发明系统和发明设备的各种实施方案可以以任何相互组合的方式使用。更进一步地,可以以任何期望的顺序执行各种步骤(并且可以添加任何期望的步骤和/或可以省略特定实施方案中的任何不期望的步骤)。
Claims (17)
1.一种计算机实现的方法,包括:
通过至少一个计算机处理器接收多个原始生物电势输入,
其中从多个电极中的相应的一个接收每个所述原始生物电势输入,
其中所述多个电极中的每个被定位,以便于测量怀孕人类对象的所述原始生物电势输入中对应的一个;
通过所述至少一个计算机处理器从所述多个原始生物电势输入生成多个信号通道,
其中所述多个信号通道包括至少三个信号通道;
通过所述至少一个计算机处理器对所述信号通道中的每个的对应的信号通道数据进行预处理,以产生多个预处理的信号通道,
其中每个所述预处理的信号通道包括对应的预处理的信号通道数据;
通过所述至少一个计算机处理器从每个所述预处理的信号通道的所述预处理的信号通道数据提取对应的多个R波峰,以产生多个R波峰数据集,
其中每个所述R波峰数据集包括对应的多个R波峰;
通过所述至少一个计算机处理器从所述多个R波峰数据集去除如下中的至少一个:(a)至少一个信号伪影或(b)至少一个离群值数据点,
其中所述至少一个信号伪影是肌电图伪影或基线伪影中的一个;
通过所述至少一个计算机处理器将所述至少一个信号伪影、所述至少一个离群值数据点或二者替换为至少一个统计值,以产生多个内插R波峰数据集,所述至少一个统计值基于所述R波峰数据集中从其中去除所述至少一个信号伪影、所述至少一个离群值数据点或二者的相应的一个而确定;
通过所述至少一个计算机处理器基于每个对应的内插R波峰数据集以预定的采样率针对对应的R波信号通道生成对应的R波信号数据集,以产生多个R波信号通道;
通过所述至少一个计算机处理器,基于(a)至少一个第一特定R波信号通道的对应的R波信号数据集与(b)至少一个第二特定R波信号通道的对应的R波信号数据集之间的至少一个相关性,从所述多个R波信号通道选择至少一个第一选择的R波信号通道和至少一个第二选择的R波信号通道;
通过所述至少一个计算机处理器,基于至少所述第一选择的R波信号通道的对应的R波信号数据集和所述第二选择的R波信号通道的对应的R波信号数据集,生成代表电气子宫监测信号的电气子宫监测数据。
2.根据权利要求1所述的计算机实现的方法,进一步包括:
通过所述至少一个计算机处理器锐化所述电气子宫监测数据,以产生锐化的电气子宫监测信号。
3.根据权利要求2所述的计算机实现的方法,进一步包括:
通过所述至少一个计算机处理器确定所述电气子宫监测数据是否是基于所述电气子宫监测信号通道中选择的一个损坏的电气子宫监测信号通道计算的,
其中如果所述电气子宫监测数据是基于所述电气子宫监测信号通道中选择的一个损坏的子宫电气信号监测通道计算的,则锐化步骤被省略。
4.根据权利要求2所述的计算机实现的方法,进一步包括:
对所述锐化的电监测信号数据进行后处理以产生后处理的电气子宫监测信号。
5.根据权利要求2所述的计算机实现的方法,其中锐化步骤包括:
识别所述电气子宫监测信号数据中的一组峰;
确定每个峰的突出;
从所述一组峰去除突出小于至少一个阈值突出值的峰;
基于所述一组峰的剩余的峰计算掩模;
基于移动平均窗口使所述掩模平滑,以产生平滑的掩模;和
将所述平滑的掩模添加至所述电气子宫监测信号数据,以产生所述锐化的电气子宫监测信号数据。
6.根据权利要求5所述的计算机实现的方法,其中所述至少一个阈值突出值包括选自由绝对突出值和相对突出值组成的组中的至少一个阈值突出值,所述相对突出值是基于所述一组峰中的峰的最大突出计算的。
7.根据权利要求5所述的计算机实现的方法,其中所述掩模包括在所述剩余峰的区域外的零值和在所述剩余峰的区域内的非零值,
其中所述非零值是基于高斯函数计算的。
8.根据权利要求1所述的计算机实现的方法,其中所述预处理步骤的至少一个滤波步骤包括应用选自由以下各项组成的组中的至少一个滤波器:DC去除滤波器、电力线滤波器和高通滤波器。
9.根据权利要求1所述的计算机实现的方法,其中提取步骤包括:
接收所述怀孕人类对象的一组母体ECG峰;和
将所述一组母体ECG峰中的每个母体ECG峰之前和之后的预定时间窗口内的每个所述预处理的信号通道中的R波峰识别为在所述预定时间窗口内的每个上述预处理的信号通道中的最大绝对值。
10.根据权利要求1所述的计算机实现的方法,其中去除信号伪影或离群值数据点中的至少一个的步骤包括通过如下过程去除至少一个肌电图伪影,所述过程包括:
基于至少一个损坏峰具有大于阈值的峰间均方根值,识别所述多个R波峰数据集中的一个中的所述至少一个损坏峰;和
将损坏峰替换为中值,其中所述中值是局部中值或全局中值。
11.根据权利要求1所述的计算机实现的方法,其中去除信号伪影或离群值数据点中的至少一个的步骤包括通过如下过程去除至少一个基线伪影,所述过程包括:
识别所述多个R波峰数据集中的一个中的R波峰的变化点;
将所述多个R波峰数据集中的一个细分为位于所述变化点之前的第一部分和位于所述变化点之后的第二部分;
确定所述第一部分的第一均方根值;
确定所述第二部分的第二均方根值;
基于所述第一均方根值和所述第二均方根值确定均衡因子;和
通过将所述第一部分中的R波峰乘以所述均衡因子而修改所述第一部分。
12.根据权利要求1所述的计算机实现的方法,其中去除信号伪影或离群值点中的至少一个的步骤包括根据用于离群值的格鲁布斯测试来去除至少一个离群值。
13.根据权利要求1所述的计算机实现的方法,其中基于每个对应的R波峰数据集生成对应的R波数据集的步骤包括在每个对应的R波峰数据集的R波峰之间进行内插,并且其中在R波峰之间进行内插包括使用内插算法进行内插,所述内插算法选自由三次样条内插算法和形状保持分段三次内插算法组成的组。
14.根据权利要求1所述的计算机实现的方法,其中从所述多个R波信号通道选择至少一个第一R波信号通道和至少一个第二R波信号通道的步骤包括:
识别所述多个R波信号通道中的每个中的接触问题;
确定所述多个R波信号通道中的每个在其中经历接触问题的先前间隔的百分比;
基于所述多个R波信号通道中的每个在其中经历接触问题的所述先前间隔的百分比,从所述多个R波信号通道选择候选R波信号通道;
将选择的候选R波信号通道分组为多对,其中每对包括彼此独立的选择的候选R波通道中的两个;
计算每对的相关值;
识别所述对中相关值超过阈值相关值的至少一对;
选择所述对中识别的至少一对中的每个的第一候选R波信号通道作为选择的至少一个第一R波信号通道;和
选择所述对中识别的至少一对中的每个的第二候选R波信号通道作为选择的至少一个第二R波信号通道。
15.根据权利要求1所述的计算机实现的方法,其中计算所述电气子宫监测信号的步骤包括计算所述电气子宫监测信号,对于每个时间点,所述电气子宫监测信号是所有选择的至少一个第一R波信号通道和所有选择的至少一个第二R波信号通道在该时间点的预定百分位的信号。
16.根据权利要求15所述的计算机实现的方法,其中所述预定百分位是第80百分位。
17.根据权利要求1所述的计算机实现的方法,其中所述统计值是局部中值、全局中值或平均值中的一个。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862713324P | 2018-08-01 | 2018-08-01 | |
US62/713,324 | 2018-08-01 | ||
US201862751011P | 2018-10-26 | 2018-10-26 | |
US62/751,011 | 2018-10-26 | ||
PCT/IB2019/000984 WO2020026034A2 (en) | 2018-08-01 | 2019-08-01 | Systems and methods for maternal uterine activity detection |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112839584A CN112839584A (zh) | 2021-05-25 |
CN112839584B true CN112839584B (zh) | 2023-11-21 |
Family
ID=69228023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980064893.7A Active CN112839584B (zh) | 2018-08-01 | 2019-08-01 | 用于母体子宫活动检测的系统和方法 |
Country Status (8)
Country | Link |
---|---|
US (3) | US10772568B2 (zh) |
EP (1) | EP3829422A4 (zh) |
JP (1) | JP7116247B2 (zh) |
CN (1) | CN112839584B (zh) |
AU (1) | AU2019313480B2 (zh) |
CA (1) | CA3108360C (zh) |
IL (1) | IL280538A (zh) |
WO (1) | WO2020026034A2 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10595792B2 (en) * | 2017-06-11 | 2020-03-24 | Fetal Life Llc | Tocodynamometer GPS alert system |
EP4099895A4 (en) * | 2020-02-05 | 2023-06-21 | Nuvo Group Ltd. | MATERNAL UTERINE ACTIVITY DETECTION SYSTEMS AND METHODS |
CN111659005A (zh) * | 2020-06-11 | 2020-09-15 | 浙江大学 | 一种基于肌电信号的足下垂康复装置 |
CN112869724B (zh) * | 2021-01-19 | 2022-04-22 | 西安交通大学 | 一种基于多通道被动式采集信号的胎儿健康监测仪 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011004147A2 (en) * | 2009-07-06 | 2011-01-13 | Monica Healthcare Limited | Monitoring uterine activity |
CN102068249A (zh) * | 2009-11-23 | 2011-05-25 | 财团法人工业技术研究院 | 母体胎儿监视装置与方法 |
CN104023625A (zh) * | 2011-09-08 | 2014-09-03 | Apn健康有限责任公司 | R波检测方法 |
CN105530857A (zh) * | 2013-09-09 | 2016-04-27 | 皇家飞利浦有限公司 | 根据母体腹部ecg记录的胎儿心率提取 |
CN105611848A (zh) * | 2013-06-01 | 2016-05-25 | 健康监测有限公司 | 具有纺织电极的可穿戴胎儿监测系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS582328Y2 (ja) * | 1978-02-07 | 1983-01-17 | 正暢 穂垣 | 外測陣痛計 |
US7333850B2 (en) * | 2004-05-28 | 2008-02-19 | University Of Florida Research Foundation, Inc. | Maternal-fetal monitoring system |
US7343198B2 (en) * | 2004-08-23 | 2008-03-11 | The University Of Texas At Arlington | System, software, and method for detection of sleep-disordered breathing using an electrocardiogram |
GB2482758B (en) * | 2009-07-06 | 2012-04-04 | Monica Healthcare Ltd | Monitoring uterine activity |
TWI392480B (zh) * | 2009-10-21 | 2013-04-11 | Ind Tech Res Inst | 母體胎兒監視裝置與方法 |
US9408549B2 (en) * | 2009-11-03 | 2016-08-09 | Vivaquant Llc | Detecting fiducial points in physiological signals |
US8909332B2 (en) * | 2010-01-26 | 2014-12-09 | Stmicroelectronics S.R.L. | Method and device for estimating morphological features of heart beats |
JP6043920B2 (ja) * | 2011-01-25 | 2016-12-14 | 公立大学法人奈良県立医科大学 | 胎児心電位信号抽出プログラム、胎児心電位信号判別装置及びこれを用いた妊婦見守りシステム |
CA2965756A1 (en) * | 2014-10-29 | 2016-05-06 | Bloom Technologies NV | A method and device for contraction monitoring |
-
2019
- 2019-08-01 US US16/529,696 patent/US10772568B2/en active Active
- 2019-08-01 CN CN201980064893.7A patent/CN112839584B/zh active Active
- 2019-08-01 WO PCT/IB2019/000984 patent/WO2020026034A2/en active Application Filing
- 2019-08-01 CA CA3108360A patent/CA3108360C/en active Active
- 2019-08-01 EP EP19844562.9A patent/EP3829422A4/en active Pending
- 2019-08-01 JP JP2021505374A patent/JP7116247B2/ja active Active
- 2019-08-01 AU AU2019313480A patent/AU2019313480B2/en active Active
-
2020
- 2020-09-14 US US17/020,510 patent/US20200405241A1/en not_active Abandoned
-
2021
- 2021-01-31 IL IL280538A patent/IL280538A/en unknown
-
2022
- 2022-02-03 US US17/592,456 patent/US20220280116A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011004147A2 (en) * | 2009-07-06 | 2011-01-13 | Monica Healthcare Limited | Monitoring uterine activity |
CN102068249A (zh) * | 2009-11-23 | 2011-05-25 | 财团法人工业技术研究院 | 母体胎儿监视装置与方法 |
CN104023625A (zh) * | 2011-09-08 | 2014-09-03 | Apn健康有限责任公司 | R波检测方法 |
CN105611848A (zh) * | 2013-06-01 | 2016-05-25 | 健康监测有限公司 | 具有纺织电极的可穿戴胎儿监测系统 |
CN105530857A (zh) * | 2013-09-09 | 2016-04-27 | 皇家飞利浦有限公司 | 根据母体腹部ecg记录的胎儿心率提取 |
Also Published As
Publication number | Publication date |
---|---|
CA3108360A1 (en) | 2020-02-06 |
JP2021533855A (ja) | 2021-12-09 |
CA3108360C (en) | 2023-10-10 |
US20200405241A1 (en) | 2020-12-31 |
WO2020026034A2 (en) | 2020-02-06 |
US10772568B2 (en) | 2020-09-15 |
AU2019313480A1 (en) | 2021-03-04 |
JP7116247B2 (ja) | 2022-08-09 |
US20200037959A1 (en) | 2020-02-06 |
CN112839584A (zh) | 2021-05-25 |
EP3829422A4 (en) | 2022-05-04 |
AU2019313480B2 (en) | 2022-06-16 |
US20220280116A1 (en) | 2022-09-08 |
IL280538A (en) | 2021-03-01 |
WO2020026034A3 (en) | 2020-04-09 |
EP3829422A2 (en) | 2021-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112839584B (zh) | 用于母体子宫活动检测的系统和方法 | |
CA2979135C (en) | Systems, apparatus and methods for sensing fetal activity | |
Agrawal et al. | Fractal and EMD based removal of baseline wander and powerline interference from ECG signals | |
US11324437B2 (en) | Fusion signal processing for maternal uterine activity detection | |
Narwaria et al. | Removal of baseline wander and power line interference from ECG signal-a survey approach | |
Al-Ani | ECG waveform classification based on P-QRS-T wave recognition | |
Dora et al. | Robust ECG artifact removal from EEG using continuous wavelet transformation and linear regression | |
US20220378364A1 (en) | Systems and methods for maternal uterine activity detection | |
Sbrollini et al. | Evaluation of the low-frequency components in surface electromyography | |
Mayapur | Detection and Processing of the R Peak | |
Thirrunavukkarasu et al. | Fetal ECG denoising using Adaptive Thresholding and Extended kalman filter With Dynamic Time Warping | |
Verma et al. | Comparative study of qrs complex detection by threshold technique | |
Manimekalai et al. | Methodology of Filtering the Noise and Utilization of STEMI in the Myocardial Infarction | |
Huang et al. | Resolving single-lead ECG from EMG interference in holter recording based on EEMD | |
Gupta et al. | Denoising cyclostationary framework for enhanced electrocardiogram analysis | |
Dewangan et al. | A review on ECG signal de-noising, QRS complex, P and T wave detection techniques | |
LIN et al. | Extraction of Fetal ECG from abdominal ECG | |
Shahbakhti et al. | New Strategy for Stopping Sifting Process during Bio-signals De-nosing By EMD: In Case of Low Frequency Artifact Reduction from ECG and EMG | |
Heydari Beni et al. | Heartbeat Detection from a Single-Lead ECG Contaminated with Simulated EMG at Different Intensity Levels: A Comparative Study |
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 |