CN113907771A - 基于子宫肌电信号识别宫缩传导方向和起搏区的方法 - Google Patents
基于子宫肌电信号识别宫缩传导方向和起搏区的方法 Download PDFInfo
- Publication number
- CN113907771A CN113907771A CN202111167596.0A CN202111167596A CN113907771A CN 113907771 A CN113907771 A CN 113907771A CN 202111167596 A CN202111167596 A CN 202111167596A CN 113907771 A CN113907771 A CN 113907771A
- Authority
- CN
- China
- Prior art keywords
- uterine
- conduction
- contraction
- value
- signals
- 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.)
- Pending
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
- A61B5/24—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
- A61B5/24—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]
- A61B5/397—Analysis of electromyograms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Urology & Nephrology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
基于子宫肌电信号识别宫缩传导方向和起搏区的方法,属于分娩监护技术领域。该方法采集一定时长的子宫肌电信号;对子宫肌电信号进行预处理;确定爆发波峰值位置,根据爆发波峰值位置截取爆发波峰值前后时间为t的宫缩片段;计算通道间信息传递参数,通道间信息传递参数包括格兰杰因果关系;确定信号之间优先信息流动方向;统计孕妇宫缩所有的传导方向及宫缩纵向传导方向,所有传导方向中出现次数多的方向认为是该孕妇的宫缩传导方向;确定宫缩起搏区。本发明提供了一种利用子宫肌电信号识别宫缩传导方向和起搏区的方法,揭示了宫缩传导方向和宫缩源头,为研究宫缩传导方向和宫缩起源提供了新的方法。
Description
技术领域
本发明属于分娩监护领域,尤其涉及一种基于子宫肌电信号识别宫缩传导方向和起搏区的方法。
背景技术
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,子宫肌电(Electrohysterogram,EHG)信号是无数个子宫平滑肌电活动的整体表现。宫缩是孕妇分娩的推力,宫缩的规律性是孕妇分娩的重要指标。宫缩是由子宫平滑肌同步电活动触发的。随着电活动兴奋性的增强,由孕期的微弱、局部宫缩演变为强烈的、可传导的临产宫缩。全面理解宫缩的发动和传导如起搏区、传导模式和传导现象等特征对于分娩监测、早产诊断至关重要。
目前监测宫缩的方法包括手触诊、分娩压力计(Tocodynamometry,TOCO)和宫内压力导管法(Intra-uterine pressure catherers,IUPC)。手触诊需要一名训练有素的观察者持续在床边监测孕妇周围的宫缩,不适合长时间测量。TOCO无创检测宫缩引起的腹部轮廓变化,但其记录质量受产妇运动和皮下脂肪量的影响。IUPC需要在子宫腔内置入一个压力传感器,从而直接测量宫缩造成的宫内压力。然而,它受到侵袭性的限制,易发生膜破裂和感染。
EHG信号是一种新的测量宫缩的方法,其包含了丰富的子宫肌活动的信息。本世纪初期,人的妊娠子宫电活动被首次记录。之后有研究认为EHG信号可以反映肌肉纤维兴奋的原始过程,是妊娠中具有意义的参数。EHG信号可以通过孕妇表面的电极无创的测量,可以很好反映出子宫平滑肌细胞的收缩。子宫收缩以EHG信号爆发波的形式出现,每个爆发波都对应一次宫缩。子宫收缩与EHG爆发波有很好的一致性。
近几年EHG常被用来进行识别子宫收缩、早产预测、诊断先兆早产等方面的研究,是目前的前沿热点课题。然而,关于宫缩特性和EHG信号传导特征的研究并不是很丰富。子宫收缩的特性能够更准确、更综合的评估孕妇分娩发动的状况。临床上医生很难区分生理性子宫活动还是引起宫颈逐渐扩张、导致分娩的有效宫缩,过度干预和干预不及时都会给产妇带来风险。
协调、有效的宫缩是由电活动在子宫肌中传播所触发,目前宫缩活动的路径尚不清楚,需要对子宫不同部位的信息传递方向进行研究,来定位动作发生的源以及传播路径。利用多通道EHG信号分析宫缩的传导方向以及发现宫缩源头,有助于诊断早产和探明子宫肌肉收缩的传播机理,对于宫缩监测也尤为必要,具有潜在的临床应用远景。
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传导方向及起搏区的方法,探究宫缩源头及揭示宫缩传导方向。
为达到上述目的,本发明通过以下技术方案来实现:
基于子宫肌电信号识别宫缩起搏区与传导方向的方法,该方法包括以下步骤:
法包括以下步骤:
步骤A1:采集一定时长的多通道子宫肌电信号、TOCO信号和孕妇打标信号;
步骤A2:对子宫肌电信号进行预处理去除干扰;
步骤A3:根据TOCO波形和孕妇打标信号确定所有爆发波峰值位置,根据爆发波峰值位置截取爆发波峰值前后时间为m的宫缩片段;
步骤A4:计算通道间信息传递参数,分别计算所有宫缩片段任意两通道之间的格兰杰因果关系;X、Y表示多通道信号中任意两通道的宫缩信号,FY→X表Y对X的格兰杰因果关系,若FY→X>0,则Y对X存在格兰杰因果关系;若FY→X=0,则Y对X不存在格兰杰因果关系;
步骤A6:确定X、Y之间存在可靠的优先信息流动方向的阈值T;为了确保FY→X、FX→T、的值较小且接近零时,也能可靠反映X和Y之间的因果关系;取长度与宫缩片段一致的两种不同强度的互不相关的高斯噪声各500对,分析每对高斯白噪声信号的因果性,汇总所有因果系数的最大值作为判断信号X、Y之间优先信息流动方向的阈值T;当FY→X、FX→Y的值大于T时,则认为X和Y之间的因果关系成立,当的值大于T时,则认为X和Y之间有优先的信息流动方向;
步骤A7:根据格兰杰因果关系绘制信号有向图,如图6。先统计孕妇宫缩所有的传导方向,再统计宫缩纵向传导方向即沿子宫体向上传导或沿子宫体向下传导,例如:电极1到电极7、电极2到电极7;所有传导方向中数目多的方向认为是宫缩的传导方向;
步骤A8:每个电极作为顶点,顶点作为边的指向终点(方向指向顶点)的次数之和定义为入度,顶点作为边的指向始点(方向为从顶点开始指向外)的次数之和定义为出度,出入度表信号流出流入程度;计算每个电极作为一个顶点的出度和、入度和,再计算各顶点的出度与入度之比来确定宫缩起搏区;比值大于1则说明该电极的出度大于入度,信号多流出,出度越大,说明该电极与其他电极间的信息流通程度越高,越可能为宫缩的起搏区。
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方法包括以下步骤:
步骤B1:设计频带范围为f1~f2的带通滤波器;
步骤B2:设定长度为L的滑动窗口,对窗口数据从大到小排序,取中间值代替窗口内的数值;
步骤B3:降低10倍采样频率;
步骤B4:中位数绝对偏差法去除脉冲干扰引起的异常值,MAD=median(∣Xi-median(X)∣),若数据绝对值大于|3*MAD|,则认为是异常值,用邻近非异常值代替异常值。
作为本发明进一步的技术方案,步骤A5中所述通道间信息传递参数的计算,包括以下步骤:
步骤C1:对数据进行去趋势化和去均值;
步骤C2:经过KPSS检验确定时间序列是否是平稳序列;
步骤C3:若数据未通过KPSS检验,对数据进行差分处理再进行KPSS检验;通过KPSS检验后,利用AIC准则求模型阶数;
步骤C4:杜尔滨怀特检验,若不服从则不满足使用最小二乘法的先决条件,即不满足格兰杰因果关系的基础,直接将未通过检验数据剔除;
步骤C5:进行自回归模型一致性检验,确定模型的准确性;
步骤C6:计算孕妇的所有宫缩片段任意两通道之间的格兰杰因果关系,多段宫缩信号因果系数的均值作为该孕妇的因果系数;
作为本发明进一步的技术方案,步骤A7中所述统计孕妇宫缩所有的传导方向及宫缩纵向传导方向,包括以下步骤:
步骤D1:统计每名孕妇出现的所有传导方向,汇总所有传导方向出现次数;
步骤D2:统计宫缩纵向传导方向,计算每名孕妇中沿子宫体向上的传导方向和沿子宫体向下的传导方向分别在纵向传导方向总和中的比例,占比例大的传导方向为该孕妇的优先传导方向。
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识别宫缩传导方向和起搏区的方法,揭示了宫缩传导方向和宫缩源头,为研究宫缩传导方向和宫缩起源提供了新的方法。
附图说明
图1是本发明宫缩传导方向和起搏区的一种实施方式流程图。
图2是本发明采集八通道子宫肌电信号和TOCO信号用到的子宫肌电信号记录仪。
图3是本发明采集到的原始子宫肌电信号及预处理以后的信号,(a)是原始子宫肌电信号,(b)是经预处理以后的子宫肌电信号。
图4是本发明的宫缩片段截取示意图。
图5是本发明的格兰杰因果分析流程图。
图6是本发明的信号有向图。
具体实施方式
本发明即一种利用子宫肌电信号识别宫缩传导方向及起搏区的方法流程图见图1,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。
步骤A1:采集一定时长的多通道子宫肌电信号、TOCO信号和孕妇打标信号;
步骤A2:对子宫肌电信号进行预处理去除干扰;
步骤A3:根据TOCO波形和孕妇打标信号确定所有爆发波峰值位置,根据爆发波峰值位置截取爆发波峰值前后时间为m的宫缩片段;
TOCO波形如图4所示,矩形框内TOCO信号突起部分代表一次可能的宫缩,结合孕妇的打标信号确定爆发波位置,取爆发波前后30s的信号作为一个宫缩片段;
步骤A4:计算通道间信息传递参数,分别计算所有宫缩片段任意两通道之间的格兰杰因果关系。X、Y表示多通道信号中任意两通道的宫缩信号,FY→X表Y对X的格兰杰因果关系,若FY→X>0,则Y对X存在格兰杰因果关系;若FY→X=0,则Y对X不存在格兰杰因果关系;
步骤A6:确定X、Y之间存在可靠的优先信息流动方向的阈值T。为了确保FY→X、FX→Y、的值较小且接近零时,也能可靠反映X和Y之间的因果关系。取长度与宫缩片段一致的两种不同强度的互不相关的高斯噪声各500对,分析每对高斯白噪声信号的因果性,汇总所有因果系数的最大值作为判断信号X、Y之间优先信息流动方向的阈值T;当FY→x、FX→Y的值大于T时,则认为X和Y之间的因果关系成立,当的值大于T时,则认为X和Y之间有优先的信息流动方向;
步骤A7:根据格兰杰因果关系绘制信号有向图,如图6,先统计孕妇宫缩所有的传导方向,再统计宫缩纵向传导方向即沿子宫体向上传导或沿子宫体向下传导,例如:电极1到电极7、电极2到电极7。所有传导方向中出现次数多的方向认为是该孕妇的宫缩传导方向;
步骤A8:每个电极作为顶点,顶点作为边的指向终点(方向指向顶点)的次数之和定义为入度,顶点作为边的指向始点(方向为从顶点开始指向外)的次数之和定义为出度,出入度表信号流出流入程度;计算每个电极作为一个顶点的出度和、入度和,再计算各顶点的出度与入度之比来确定宫缩起搏区;比值大于1则说明该电极的出度大于入度,信号多流出,出度越大,说明该电极与其他电极间的信息流通程度越高,越可能为宫缩的起搏区。
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方法包括以下步骤:
步骤B1:设计频带范围为f1~f2的带通滤波器;
滤波器频带范围根据临床上与EHG信号传导相关的频带范围确定,f1、f2分别取0.34、1。
步骤B2:设定长度为L的滑动窗口,对窗口数据从大到小排序,取中间值代替窗口内的数值;
窗口长度根据经验确定,采样频率为250Hz时,L=1000。
步骤B3:降低10倍采样频率;
每隔10个采样点进行等间隔抽取。
步骤B4:中位数绝对偏差法去除由于脉冲干扰引起的异常值;MAD=median(∣Xi-median(X)∣),若数据绝对值大于|3*MAD|,则认为是异常值,用邻近非异常值代替异常值。
预处理结果见图3,(a)为原始EHG信号,(b)为经预处理后的EHG信号。
作为本发明进一步的技术方案,步骤A4中所述通道间信息传递参数的计算,包括以下步骤:
步骤C1:对数据进行去趋势化和去均值;
步骤C2:经过KPSS检验确定时间序列是否是平稳序列;
步骤C3:若数据未通过KPSS检验,对数据进行差分处理再进行KPSS检验;通过KPSS检验后,利用AIC准则求自回归模型阶数;
步骤C4:杜尔滨怀特检验,若不服从则不满足使用最小二乘法的先决条件,即不满足格兰杰因果关系的基础,直接将未通过检验数据剔除;
步骤C5:进行自回归模型一致性检验,确定自回归模型的准确性;
步骤C6:计算孕妇的所有宫缩片段任意两通道之间的格兰杰因果关系,多段宫缩信号因果关系的均值作为该孕妇的因果关系;
格兰杰因果分析是建立在多变量自回归模型的基础上实现的,假设一段宫缩中任意两通道信号X1,Y1是两个平稳时间信号,X1的自回归模型见式(1),X1和Y1的联合回归模型见式(2)。
式中,X1t表示信号t时刻的值,X1t-j、Y1t-j表示信号t-j时刻的值,p表示模型的阶数,a1j表示自回归模型的拟合系数,a2j、b2j表示为联合回归模型的拟合系数,δ1t为t时刻自回归模型的预测误差,ε1t表示t时刻联合预测模型的误差。
Y1对X1的格兰杰因果关系见式(3),式中,FY1→X1为孕妇一段宫缩的因果关系,var(δ1t)、var(ε1t)表示对宫缩片段所有t时刻的δ1t、ε1t求方差。var(δ1t)的值代表根据X1过去t-j时刻的值X1t-j对t时刻的值X1t进行预测的准确度,var(ε1t)的值代表了根据X1、Y1共同的过去t-j时刻的值X1t-j、Y1t-j对t时刻的值X1t进行预测的准确度。
孕妇的格兰杰因果关系见式(4),式中,FY→X为孕妇多段宫缩片段的格兰杰因果关系的均值,n表示孕妇的宫缩段数,若FY→X>0,则Y对X存在格兰杰因果关系;若FY→X=0,则Y对X不存在格兰杰因果关系。
作为本发明进一步的技术方案,步骤A7中所述统计孕妇宫缩所有的传导方向及宫缩纵向传导方向,包括以下步骤:
步骤D1:统计每名孕妇出现的所有传导方向,汇总所有传导方向出现次数;
步骤D2:统计宫缩纵向传导方向,计算每名孕妇中沿子宫体向上的传导方向和沿子宫体向下的传导方向分别在纵向传导方向总和中的比例,占比例大的传导方向为该孕妇的优先传导方向。
Claims (5)
1.一种基于子宫肌电信号识别宫缩传导方向与起搏区的方法,其特征在于:该方法包括以下步骤:
步骤A1:采集一定时长的多通道子宫肌电信号、TOCO信号和孕妇打标信号;
步骤A2:对子宫肌电信号进行预处理去除干扰;
步骤A3:根据TOCO波形和孕妇打标信号确定所有爆发波峰值位置,根据爆发波峰值位置截取爆发波峰值前后时间为m的宫缩片段;
步骤A4:计算通道间信息传递参数,分别计算所有宫缩片段任意两通道之间的格兰杰因果关系;X、Y表示多通道信号中任意两通道的宫缩信号,FY→X表Y对X的格兰杰因果关系,若FY→X>0,则r对X存在格兰杰因果关系;若FY→X=0,则Y对X不存在格兰杰因果关系;
步骤A6:确定X、Y之间存在可靠的优先信息流动方向的阈值T;为了确保FY→X、FX→Y、的值较小且接近零时,也能可靠反映X和Y之间的因果关系;取长度与宫缩片段一致的两种不同强度的互不相关的高斯噪声各500对,分析每对高斯白噪声信号的因果性,汇总所有因果系数的最大值作为判断信号X、Y之间优先信息流动方向的阈值T;当FY→X、FX→Y的值大于T时,则认为X和Y之间的因果关系成立,当的值大于T时,则认为X和Y之间有优先的信息流动方向;
步骤A7:根据格兰杰因果关系绘制信号有向图;先统计孕妇宫缩所有的传导方向,再统计宫缩纵向传导方向即沿子宫体向上传导或沿子宫体向下传导,所有传导方向中数目多的方向认为是宫缩的传导方向;
步骤A8:每个电极作为顶点,顶点作为边的指向终点(方向指向顶点)的次数之和定义为入度,顶点作为边的指向始点(方向为从顶点开始指向外)的次数之和定义为出度,出入度表信号流出流入程度;计算每个电极作为一个顶点的出度和、入度和,再计算各顶点的出度与入度之比来确定宫缩起搏区;比值大于1则说明该电极的出度大于入度,信号多流出,出度越大,说明该电极与其他电极间的信息流通程度越高,越可能为宫缩的起搏区。
2.按照权利要求1所述的一种基于子宫肌电信号识别宫缩传导方向与起搏区的方法,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:设计频带范围为f1~f2的带通滤波器;
步骤B2:设定长度为L的滑动窗口,对窗口数据从大到小排序,取中间值代替窗口内的数值;
步骤B3:降低10倍采样频率;
步骤B4:中位数绝对偏差法去除脉冲干扰引起的异常值,MAD=median(|Xi-median(X)|),若数据绝对值大于|3*MAD|,则认为是异常值,用邻近非异常值代替异常值。
3.按照权利要求1所述的一种基于子宫肌电信号识别宫缩传导方向与起搏区的方法,其特征在于:
步骤A4中所述通道间信息传递参数的计算,包括以下步骤:
步骤C1:对数据进行去趋势化和去均值;
步骤C2:经过KPSS检验确定时间序列是否是平稳序列;
步骤C3:若数据未通过KPSS检验,对数据进行差分处理再进行KPSS检验;通过KPSS检验后,利用AIC准则求自回归模型阶数;
步骤C4:杜尔滨怀特检验,若不服从则不满足使用最小二乘法的先决条件,即不满足格兰杰因果关系的基础,直接将未通过检验数据剔除;
步骤C5:进行自回归模型一致性检验,确定自回归模型的准确性;
步骤C6:计算孕妇的所有宫缩片段任意两通道之间的格兰杰因果关系,多段宫缩信号因果关系的均值作为该孕妇的因果系数。
4.按照权利要求3所述的一种基于子宫肌电信号识别宫缩传导方向与起搏区的方法,其特征在于:格兰杰因果分析是建立在多变量自回归模型的基础上实现的,假设一段宫缩中任意两通道信号X1,Y1是两个平稳时间信号,X1的自回归模型见式(1),X1和Y1的联合回归模型见式(2)。
式中,X1t表示信号t时刻的值,X1t-j、Y1t-j表示信号t-j时刻的值,p表示模型的阶数,a1j表示自回归模型的拟合系数,a2j、b2j表示为联合回归模型的拟合系数,δ1t为t时刻自回归模型的预测误差,ε1t表示t时刻联合预测模型的误差;
Y1对X1的格兰杰因果关系见式(3),式中,FY1→X1为孕妇一段宫缩的因果系数,var(δ1t)、var(ε1t)表示对宫缩片段所有t时刻的δ1t、ε1t求方差。var(δ1t)的值代表根据X1过去t-j时刻的值X1t-j对t时刻的值X1t进行预测的准确度,var(ε1t)的值代表了根据X1、Y1共同的过去t-j时刻的值X1t-j、Y1t-j对t时刻的值X1t进行预测的准确度。
孕妇的格兰杰因果关系见式(4),式中,FY→X为孕妇多段宫缩片段的格兰杰因果关系的均值,n表示孕妇的宫缩段数,若FY→X>0,则Y对X存在格兰杰因果关系;若FY→X=0,则Y对X不存在格兰杰因果关系。
5.按照权利要求1所述的一种基于子宫肌电信号识别宫缩传导方向与起搏区的方法,其特征在于:步骤A7中所述统计孕妇宫缩所有的传导方向及宫缩纵向传导方向,包括以下步骤:
步骤D1:统计每名孕妇出现的所有传导方向,汇总所有传导方向出现次数;
步骤D2:统计宫缩纵向传导方向,计算每名孕妇中沿子宫体向上的传导方向和沿子宫体向下的传导方向分别在纵向传导方向总和中的比例,占比例大的传导方向为该孕妇的优先传导方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111167596.0A CN113907771A (zh) | 2021-10-07 | 2021-10-07 | 基于子宫肌电信号识别宫缩传导方向和起搏区的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111167596.0A CN113907771A (zh) | 2021-10-07 | 2021-10-07 | 基于子宫肌电信号识别宫缩传导方向和起搏区的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113907771A true CN113907771A (zh) | 2022-01-11 |
Family
ID=79237857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111167596.0A Pending CN113907771A (zh) | 2021-10-07 | 2021-10-07 | 基于子宫肌电信号识别宫缩传导方向和起搏区的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113907771A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108175384A (zh) * | 2018-01-28 | 2018-06-19 | 北京工业大学 | 基于子宫肌电信号识别宫缩的方法及装置 |
CN109998490A (zh) * | 2019-04-19 | 2019-07-12 | 北京工业大学 | 一种基于子宫肌电信号自动识别宫缩的方法 |
CN112101480A (zh) * | 2020-09-27 | 2020-12-18 | 西安交通大学 | 一种多变量聚类与融合的时间序列组合预测方法 |
-
2021
- 2021-10-07 CN CN202111167596.0A patent/CN113907771A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108175384A (zh) * | 2018-01-28 | 2018-06-19 | 北京工业大学 | 基于子宫肌电信号识别宫缩的方法及装置 |
CN109998490A (zh) * | 2019-04-19 | 2019-07-12 | 北京工业大学 | 一种基于子宫肌电信号自动识别宫缩的方法 |
CN112101480A (zh) * | 2020-09-27 | 2020-12-18 | 西安交通大学 | 一种多变量聚类与融合的时间序列组合预测方法 |
Non-Patent Citations (2)
Title |
---|
SAQIB SALEEM 等: "Granger causal analysis of electrohysterographic and tocographic recordings for classification of term vs. preterm births", BIOCYBERNETICS AND BIOMEDICAL ENGINEERING, vol. 40, no. 1, pages 455 * |
YUHANG XU 等: "Analysis of Electrohysterographic Signal Propagation Direction during Uterine Contraction: the Application of Directed Information", 2020 42ND ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE & BIOLOGY SOCIETY (EMBC), pages 21 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1606725B1 (en) | Monitoring electrical muscular activity | |
US8160692B2 (en) | System and method for analyzing progress of labor and preterm labor | |
CN108577834B (zh) | 一种用于癫痫间期棘波自动检测的方法 | |
CN101972145A (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 | |
CN104739395A (zh) | 一种基于脉搏波的人体血压预测方法 | |
CN106889981B (zh) | 一种用于提取胎儿心率的智能终端 | |
US20030135130A1 (en) | Method and apparatus for uterine contraction monitoring using linear predictive modeling of abdominal surface EMG signals | |
CN112914587A (zh) | 一种基于静息态脑电信号相干性脑功能网络的中风康复评估模型构建方法及评估方法 | |
CN107411736A (zh) | 胎儿心电信号检测系统 | |
CN106889987B (zh) | 基于分段滤波处理的子宫肌电强度信息提取方法 | |
CN114469124A (zh) | 一种运动过程中异常心电信号的识别方法 | |
Tomassini et al. | AdvFPCG-Delineator: Advanced delineator for fetal phonocardiography | |
CN113907765B (zh) | 一种无创胎儿心电信号质量评估方法 | |
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 | |
US11464458B2 (en) | System for evaluating the maturation of a premature baby | |
CN113907771A (zh) | 基于子宫肌电信号识别宫缩传导方向和起搏区的方法 | |
CN109998490A (zh) | 一种基于子宫肌电信号自动识别宫缩的方法 | |
CN106691437B (zh) | 一种基于母体心电信号的胎儿心率提取方法 | |
CN106667478B (zh) | 一种多导联联合检测的智能胎儿心电检测方法及系统 | |
CN110584638A (zh) | 一种基于cmor小波的非接触式心率测量方法 | |
CN110680285A (zh) | 一种基于神经网络的麻醉程度监测装置 | |
CN215128458U (zh) | 一种围术期认知障碍预测及监测装置 | |
CN113133771B (zh) | 基于时频域熵特征的子宫肌电信号分析及早产预测方法 | |
CN106344008A (zh) | 睡眠状态分析中清醒状态检测方法和系统 | |
Punitha et al. | Analysis of fluctuations of uterine contractions in preterm pregnancies using adaptive fractal features of electromyography signals |
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 |