CN117373689A - 一种产程心率实时分析方法及系统 - Google Patents
一种产程心率实时分析方法及系统 Download PDFInfo
- Publication number
- CN117373689A CN117373689A CN202311652217.6A CN202311652217A CN117373689A CN 117373689 A CN117373689 A CN 117373689A CN 202311652217 A CN202311652217 A CN 202311652217A CN 117373689 A CN117373689 A CN 117373689A
- Authority
- CN
- China
- Prior art keywords
- data
- heart rate
- rate signal
- outline
- uterine opening
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 108
- 238000010223 real-time analysis Methods 0.000 title claims abstract description 40
- 230000008859 change Effects 0.000 claims abstract description 247
- 238000012545 processing Methods 0.000 claims abstract description 77
- 238000004458 analytical method Methods 0.000 claims abstract description 75
- 238000010219 correlation analysis Methods 0.000 claims abstract description 69
- 230000008569 process Effects 0.000 claims abstract description 47
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 19
- 230000001133 acceleration Effects 0.000 claims description 17
- 238000013461 design Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 16
- 230000035945 sensitivity Effects 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 10
- 238000012098 association analyses Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000036961 partial effect Effects 0.000 claims 3
- 238000012544 monitoring process Methods 0.000 description 40
- 238000007405 data analysis Methods 0.000 description 12
- 230000000007 visual effect Effects 0.000 description 10
- 210000003754 fetus Anatomy 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000032696 parturition Effects 0.000 description 8
- 238000003708 edge detection Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 238000012384 transportation and delivery Methods 0.000 description 7
- 230000008713 feedback mechanism Effects 0.000 description 6
- 230000002708 enhancing effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 210000002458 fetal heart Anatomy 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000013139 quantization Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001605 fetal effect Effects 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 230000036626 alertness Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000005452 bending Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
-
- 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
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
-
- 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
- A61B5/435—Assessing cervix alteration or dilation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Cardiology (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Primary Health Care (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
本发明涉及产科医学数据处理技术领域,尤其涉及一种产程心率实时分析方法及系统。所述方法包括以下步骤:获取实时宫口图像数据;根据实时宫口图像数据进行宫口轮廓变化特征采集,生成宫口轮廓变化特征数据;获取实时产程心电图数据;根据心率信号阈值对实时产程心电图数据的心率信号进行心率信号节点实时分析处理,以获得心率信号标记节点;当识别到心率信号标记节点时,将宫口轮廓变化特征数据反馈至终端以进行产程心电图信息反馈;对赋能产程心电图数据以及宫口轮廓变化特征数据进行目标心率信号变化的关联性分析,生成目标心率信号关联分析数据。本发明实现产程心电图与相关信息的关联关系的细致分析。
Description
技术领域
本发明涉及产科医学数据处理技术领域,尤其涉及一种产程心率实时分析方法及系统。
背景技术
产程心率实时分析方法的需求主要源于对分娩过程中胎儿健康监测的重要性,这种分析方法通过提供关于胎儿心率的即时数据和反馈,从而更好地理解和监控胎儿的状况。实时分析确保了在分娩过程中对胎儿可能的应激或不适做出及时的反应,从而增强了对胎儿健康的监护。此外,这种方法通过监测胎儿的心电图心率模式,及分析与心电图变化关联的相关信息,有助于了解及分析胎儿心电图的图像变化与其他特征的关联关系,进而提高后续其他分娩过程的整体管理和监控。然而,传统的产程心率实时分析方法未通过监测产程心电图以及分析宫口变化特征,不能反馈宫口变化特征相关的产程心电图反馈信息,并且未分析产程心电图的心率变化与宫口变化特征的关联关系。
发明内容
基于此,本发明提供一种产程心率实时分析方法及系统,以解决至少一个上述技术问题。
为实现上述目的,一种产程心率实时分析方法,包括以下步骤:
优选地,包括以下步骤:
步骤S1:获取医疗数据库的历史产程心电图数据;根据历史产程心电图数据进行心率信号阈值设计,生成心率信号阈值;
步骤S2:获取实时宫口图像数据;对实时宫口图像数据进行图像灰度值转换处理,生成灰度值宫口图像数据;对灰度值宫口图像数据进行宫口轮廓图像灰度值区间设计,以生成宫口轮廓图像灰度值区间;根据宫口特征图像灰度值区间对灰度值宫口图像数据进行宫口轮廓图像提取,生成实时宫口轮廓图像数据;
步骤S3:根据实时宫口轮廓图像数据进行宫口轮廓变化特征采集,生成宫口轮廓变化特征数据,其中所述宫口轮廓变化特征数据包括宫口轮廓变化速度数据、宫口轮廓变化加速度数据以及宫口轮廓缩放程度数据;获取实时产程心电图数据;利用心率信号阈值对实时产程心电图数据进行心率信号阈值赋能,生成赋能产程心电图数据;根据赋能产程心电图数据的心率信号阈值对赋能产程心电图数据的心率信号进行心率信号节点实时分析处理,以获得心率信号标记节点;
步骤S4:当识别到心率信号标记节点时,将宫口轮廓变化特征数据反馈至终端以进行产程心电图信息反馈;
步骤S5:对赋能产程心电图数据进行历史心率信号变化率分析处理,生成赋能产程心电图数据的历史心率信号变化率数据;利用相关性分析法对赋能产程心电图数据的历史心率信号变化率数据以及宫口轮廓变化特征数据进行目标心率信号变化的关联性分析,生成目标心率信号关联分析数据。
本发明从医疗数据库获取历史产程心电图数据并根据这些数据设计心率信号阈值,使系统能够利用大量已有数据来建立更准确的心率信号分析模型。通过分析历史数据更好地理解心率信号的不同模式,从而在设计阈值时更具有针对性,有助于提高系统对心率信号变化的敏感度,使系统能够更有效地监测实时心率数据,并在心率出现显著变化时进行快速反应。此外,基于历史数据设计的心率信号阈值还可以增强系统的适用性,使其能够适应不同的个体差异和环境条件。将彩色图像转换为灰度值图像简化了图像的复杂性,使得后续的图像处理更加高效和准确,这种转换有助于突出图像中的结构信息,而不受颜色信息的干扰,通过设计特定的图像灰度值区间并在此基础上提取宫口轮廓,系统能够更精确地识别和标记宫口的位置和形状,增强了系统对图像中关键特征的识别能力,使得提取的轮廓图像更加清晰和可靠,生成的实时宫口轮廓图像数据为后续分析提供了关键的视觉信息,有助于增强整个系统的性能和准确性。通过收集宫口轮廓变化特征数据,包括变化速度、加速度和缩放程度,系统能够更精确地追踪宫口的动态变化,为理解宫口变化提供了关键的量化指标,有助于增强系统对宫口状态变化的监测能力,实时产程心电图数据的获取和心率信号阈值的应用,使得系统能够对心率信号进行更加深入和精准的分析,通过赋能产程心电图数据,系统可以更有效地识别心率信号中的关键节点,进而实现对心率信号的实时分析和标记,不仅增强了数据分析的准确性,还提高了系统对心率信号变化的响应速度和敏感度。通过及时地将关键数据反馈给终端,增强了系统的交互性。实时反馈机制确保了用户能够快速获得重要信息,从而提高了监测过程的效率和效果。此外,这种反馈还有助于用户更好地理解产程进展中的关键变化,使他们能够根据实时数据做出更为信息化的决策。通过对赋能产程心电图数据进行历史心率信号变化率分析,能够生成详细的历史心率变化数据,这种历史数据的分析为理解心率信号的长期趋势提供了基础,增强了对心率变化模式的整体把握,利用相关性分析法将心率信号变化率数据与宫口轮廓变化特征数据相结合,系统可以进行深入的关联性分析,这种分析有助于揭示心率变化与宫口轮廓变化之间的潜在联系,为理解产程中的复杂动态提供了新的视角。因此,本发明的产程心率实时分析方法能够通过监测产程心电图以及分析宫口变化特征,从而反馈宫口变化特征相关的产程心电图反馈信息,便于人们监测产程心电图的心率信号以及相关内容,并且能够分析产程心电图的心率变化与宫口变化特征的关联关系。
优选地,步骤S1包括以下步骤:
步骤S11:获取医疗数据库的历史产程心电图数据;
步骤S12:对历史产程心电图数据进行心率特征信号提取,生成心率特征信号;
步骤S13:根据特征心率信号进行心率信号阈值设计,生成心率信号阈值,其中所述个性化心率信号阈值包括第一心率信号阈值以及第二心率信号阈值。
本发明获取医疗数据库的历史产程心电图数据为后续分析提供了丰富的历史信息,使系统能够基于大量实际案例进行学习和理解,为心率信号的准确识别和分析打下坚实基础。对历史产程心电图数据进行心率特征信号提取的做法进一步增强了系统的数据处理能力,通过专注于心率的特征信号,系统可以更精确地识别出关键的心率模式和趋势,这种特征提取不仅提高了数据处理的效率,还提升了分析结果的准确性和可靠性。根据提取的特征心率信号设计个性化的心率信号阈值,包括第一心率信号阈值和第二心率信号阈值,为系统的决策支持提供了重要的依据,使系统能够根据具体情况灵活调整阈值,从而在保持高灵敏度的同时减少误报的可能性,通过设置不同的阈值,系统能够更有效地适应各种不同的产程情况,为实时监测提供了更精准的支持。
优选地,步骤S2包括以下步骤:
步骤S21:获取实时宫口图像数据;
步骤S22:利用高斯滤波对实时宫口图像数据进行降噪处理,生成降噪宫口图像数据;
步骤S23:对降噪宫口图像数据进行图像灰度值转换处理,生成灰度值宫口图像数据;
步骤S24:对灰度值宫口图像数据进行宫口轮廓节点的灰度值数据采集,以获得宫口轮廓灰度值数据;
步骤S25:根据宫口轮廓灰度值数据进行宫口轮廓图像灰度值区间设计,以生成宫口轮廓图像灰度值区间;
步骤S26:根据宫口特征图像灰度值区间对灰度值宫口图像数据进行宫口轮廓图像提取,生成实时宫口轮廓图像数据。
本发明通过获取实时宫口图像数据,系统能够捕捉到关键时刻的图像信息,为后续分析打下基础。利用高斯滤波对实时宫口图像数据进行降噪处理,高斯滤波不仅能有效去除图像中的随机噪声,还保持了图像的重要细节,从而确保了后续处理的准确性和可靠性。将降噪后的图像转换为灰度值图像,这一转换简化了图像数据,使得后续的图像处理步骤更加高效,灰度图像便于处理和分析,因为它减少了处理的复杂性,同时保留了图像的关键结构信息。对灰度值宫口图像数据进行宫口轮廓节点的灰度值数据采集,有助于精确识别宫口轮廓的关键特征,以及据宫口轮廓灰度值数据进行宫口轮廓图像灰度值区间设计,允许系统更准确地区分宫口轮廓与其他图像部分,提高了轮廓提取的准确性。根据设计好的宫口轮廓图像灰度值区间对灰度图像数据进行宫口轮廓图像提取,生成了精确的实时宫口轮廓图像数据,减少无用数据的数据处理量,降低系统对于数据处理的压力,为整个产程监测提供了关键的视觉信息。
优选地,步骤S24包括以下步骤:
步骤S241:利用宫口轮廓检测算法对灰度值宫口图像数据进行宫口轮廓节点标记处理,以获得宫口轮廓标记节点;
步骤S242:基于宫口轮廓标记节点对灰度值宫口图像数据进行节点灰度值数据采集,以获得宫口轮廓灰度值数据。
本发明使用宫口轮廓检测算法对灰度值宫口图像数据进行处理,是提高系统图像分析精度的关键环节。该算法通过精确标记宫口轮廓节点,能够有效地识别并突出宫口的位置和形状,不仅提高了轮廓提取的精确性,也为后续的图像分析提供了准确的基础。基于宫口轮廓标记节点对灰度图像数据进行节点灰度值数据采集的操作进一步优化了图像数据的质量和相关性,通过精确收集宫口轮廓的灰度值数据,系统可以更准确地分析和理解宫口的特征,这种数据采集方式不仅增强了图像信息的细节表示。
优选地,步骤S241中的宫口轮廓检测算法如下所示:
;
式中,表示为灰度值宫口图像/>的宫口轮廓标记节点,/>表示为输入的灰度值宫口图像,/>表示为灰度值宫口图像的横坐标数据,/>表示为灰度值宫口图像的纵坐标数据,/>表示为灰度值宫口图像的宽度,/>表示为灰度值宫口图像的高度,/>表示为自然常数,/>表示为灰度值敏感度调节参数,/>表示为设定的宫口轮廓灰度值基准数据,/>表示为卷积操作符,/>表示为灰度值宫口图像的Sobel 算子的水平矩阵,/>表示为灰度值宫口图像的Sobel 算子的垂直矩阵。
本发明利用一种宫口轮廓检测算法,该算法充分考虑了输入的灰度值宫口图像、灰度值宫口图像的横坐标数据/>、灰度值宫口图像的纵坐标数据/>、灰度值宫口图像的宽度/>、灰度值宫口图像的高度/>、自然常数/>、灰度值敏感度调节参数/>、设定的宫口轮廓灰度值基准数据/>、卷积操作符/>、灰度值宫口图像的Sobel 算子的水平矩阵/>、灰度值宫口图像的Sobel 算子的垂直矩阵/>以及函数之间的相互作用关系,以形成函数关系式:
即,,该函数关系式是基于Sobel 算子边缘检测进行设计,以用于对灰度值宫口图像数据进行空口轮廓节点标记的函数关系式,表示为函数关系式的权重函数,用于调整特定像素位置在轮廓检测中的重要性,其中灰度值敏感度调节参数是为图像中每个像素位置分配一个权重,这个权重反映了该位置对于整体轮廓检测的重要性,而越接近设定的宫口轮廓灰度值基准数据的像素点权重则越高。/>是基于梯度的边缘检测函数,卷积操作符/>涉及将一个小的矩阵(称为卷积核或滤波器)滑动过图像的每一个像素,然后在每个位置上,将卷积核与其覆盖的图像区域的像素值进行对应相乘,再将这些乘积的总和作为输出图像在该位置的像素值;Sobel 算子能够识别图像中亮度变化明显的区域,通过计算图像亮度的空间梯度来突出区域的边缘,Sobel 算子对图像进行卷积操作来计算每个像素点的梯度值,这些梯度值表示在该点亮度的变化率,对于识别边缘非常重要。通过上述权重函数和梯度计算的结合,这个函数关系式提供了一种高度精确的方式来识别宫口轮廓,不仅能够识别轮廓的位置,还能够通过梯度的大小提供有关轮廓强度和清晰度的信息。
优选地,其中所述心率信号标记节点包括第一心率信号标记节点以及第二心率信号标记节点,步骤S3包括以下步骤:
步骤S31:根据实时宫口轮廓图像数据进行宫口轮廓变化特征采集,生成宫口轮廓变化特征数据;
步骤S32:获取实时产程心电图数据;
步骤S33:利用心率信号阈值对实时产程心电图数据进行心率信号阈值赋能,生成赋能产程心电图数据;
步骤S34:根据赋能产程心电图数据的心率信号阈值对赋能产程心电图数据的心率信号进行心率信号标记实时分析处理,当赋能产程心电图数据的心率信号大于第一心率信号阈值时,将赋能产程心电图数据的心率信号的信号节点进行第一心率信号标记节点标记,获得第一心率信号标记节点,当赋能产程心电图数据的心率信号大于第二心率信号阈值时,将赋能产程心电图数据的心率信号的信号节点进行第二心率信号标记节点标记,获得第二心率信号标记节点。
本发明根据实时宫口轮廓图像数据进行宫口轮廓变化特征采集,包括变化速度、加速度和缩放程度,系统能够更精确地追踪宫口的动态变化,为理解宫口变化提供了关键的量化指标,有助于增强系统对宫口状态变化的监测能力,使系统能够更准确地追踪和理解宫口的动态变化,这种变化特征数据的获取对于增强系统的监测能力至关重要,为后续的数据关联分析提供了基础。获取实时产程心电图数据的做法确保了系统能够捕捉到关键时刻的心率信息,对于实时监控心率的变化和特征至关重要,为后续的心率信号分析提供了实时数据支持。使用心率信号阈值对心电图数据进行赋能的操作,增强了系统对心率信号的分析精度和敏感度,通过这种赋能处理,系统可以更有效地识别心率信号中的关键变化,从而实现对心率信号的精准监测。根据赋能产程心电图数据的心率信号阈值对赋能产程心电图数据的心率信号进行心率信号标记实时分析处理,心率信号标记实时分析处理进一步提升了系统的分析能力。通过设定第一心率信号阈值和第二心率信号阈值,并在心率信号达到这些阈值时进行相应的标记,系统能够更细致地区分心率信号的不同级别和重要性。这种分级标记方法不仅提高了心率信号分析的准确性,还增强了系统对心率变化趋势的响应能力。
优选地,步骤S4包括以下步骤:
步骤S41:当识别到第一心率信号标记节点时,将宫口轮廓变化特征数据反馈至终端以进行宫口轮廓变化特征数据反馈;
步骤S42:当识别到第二心率信号标记节点时,设计产程心电图预警信息,分别将宫口轮廓变化特征数据以及产程心电图预警信息反馈至终端以分别进行宫口轮廓变化特征数据反馈以及产程心电图异常反馈。
本发明当系统识别到第一心率信号标记节点时,立即将宫口轮廓变化特征数据反馈至终端,这一实时反馈机制确保了相关人员能够及时获得重要的宫口轮廓变化信息,从而使他们能够对产程进展有更清晰的了解。当系统识别到第二心率信号标记节点时,不仅进行宫口轮廓变化特征数据的反馈,还设计并反馈产程心电图预警信息,这种双重反馈机制不仅提供了宫口状态的详细信息,还增加了对胎儿心电图异常的预警,这样的设计使得终端用户能够更全面地了解产程状态,尤其是在心率信号出现重要变化时。
优选地,步骤S5包括以下步骤:
步骤S51:对赋能产程心电图数据进行历史心率信号提取,生成赋能产程心电图数据的历史心率信号;
步骤S52:对赋能产程心电图数据的历史心率信号进行心率信号变化率分析处理,生成赋能产程心电图数据的历史心率信号变化率数据;
步骤S53:利用相关性分析法对赋能产程心电图数据的历史心率信号变化率数据以及宫口轮廓变化特征数据进行目标心率信号变化的关联性分析,生成目标心率信号关联分析数据。
本发明对赋能产程心电图数据进行历史心率信号提取的操作,使得系统能够从大量历史数据中提炼出关键的心率信息,这种历史信号的提取对于更加了解心率趋势。通过计算历史心率信号的变化率,系统可以更准确地捕捉和理解心率的动态变化,这种变化率分析为检测心率的微妙变化提供了强有力的工具,增强了系统对细微变化的捕捉能力。利用相关性分析法对心率信号变化率数据和宫口轮廓变化特征数据进行关联性分析的步骤,极大地提升了数据分析的深度和广度,系统不仅能够单独分析心率信号和宫口变化,还能探究两者之间的潜在联系,这种全面的关联性分析使得系统能够更全面地理解产程中的复杂动态,提供了后续处理其他产程相关信息时具有更为丰富和多维的数据解读。
优选地,步骤S53包括以下步骤:
利用相关性分析法对赋能产程心电图数据的历史心率信号变化率数据以及宫口轮廓变化特征数据进行心率信号变化的关联性分析,生成心率信号关联分析数据;
根据预设的目标心率信号变化率区间对心率信号关联分析数据进行目标心率信号关联分析数据提取,生成目标心率信号关联分析数据。
本发明通过相关性分析法对心率信号变化率数据和宫口轮廓变化特征数据进行综合分析的步骤,使系统能够在更广泛的数据层面上识别潜在的相关性。这种分析有助于揭示心率变化与宫口轮廓变化之间的潜在联系,从而为理解产程中的复杂动态提供了新的视角,通过这种方法,系统可以更深入地理解心率和宫口变化之间的相互作用,从而为整个产程的监测提供了更为全面的数据支持。根据预设的目标心率信号变化率区间进行目标心率信号关联分析数据的提取步骤,进一步提升了系统分析的准确性和针对性,这种基于预设区间的数据提取不仅使得分析结果更加具体和目标化,还能够根据具体的监测需求进行调整,提高了系统的灵活性和适应性,便于了解不同心率信号变化下的宫口轮廓变化特征数据的关联关系。
本说明书中提供一种产程心率分析系统,用于执行如上述所述的产程心率分析方法,该产程心率分析系统包括:
心率信号阈值设计模块,用于获取医疗数据库的历史产程心电图数据;根据历史产程心电图数据进行心率信号阈值设计,生成心率信号阈值;
实时宫口轮廓图像数据采集模块,用于获取实时宫口图像数据;对实时宫口图像数据进行图像灰度值转换处理,生成灰度值宫口图像数据;对灰度值宫口图像数据进行宫口轮廓图像灰度值区间设计,以生成宫口轮廓图像灰度值区间;根据宫口特征图像灰度值区间对灰度值宫口图像数据进行宫口轮廓图像提取,生成实时宫口轮廓图像数据;
心率信号标记节点分析模块,用于根据实时宫口轮廓图像数据进行宫口轮廓变化特征采集,生成宫口轮廓变化特征数据,其中所述宫口轮廓变化特征数据包括宫口轮廓变化速度数据、宫口轮廓变化加速度数据以及宫口轮廓缩放程度数据;获取实时产程心电图数据;利用心率信号阈值对实时产程心电图数据进行心率信号阈值赋能,生成赋能产程心电图数据;根据赋能产程心电图数据的心率信号阈值对赋能产程心电图数据的心率信号进行心率信号节点实时分析处理,以获得心率信号标记节点;
产程心电图信息反馈模块,用于当识别到心率信号标记节点时,将宫口轮廓变化特征数据反馈至终端以进行产程心电图信息反馈;
目标心率信号关联分析模块,用于对赋能产程心电图数据进行历史心率信号变化率分析处理,生成赋能产程心电图数据的历史心率信号变化率数据;利用相关性分析法对赋能产程心电图数据的历史心率信号变化率数据以及宫口轮廓变化特征数据进行目标心率信号变化的关联性分析,生成目标心率信号关联分析数据。
本申请有益效果在于,本发明结合了实时产程心电图数据和宫口轮廓图像数据,提供了全面的数据视图,这种综合数据监测能力有助于更全面地了解分娩过程。能够实时处理和分析产程心电图数据以及宫口图像数据,并向医疗专业人员提供即时反馈,这种即时通信机制对于持续监控分娩过程至关重要。通过分析产程心电图数据中的心率信号来反馈产程心电图信息以及相关的产程心电图预警信息,增强了对分娩过程中潜在关键变化的警觉性。并且能够回溯分析产程心电图与宫口图像的关联关系,清楚了解宫口图像以及产程心电图两者相互影响引起的相互变化关系,有助于医护人员更了解宫口图像以及产程心电图之间的关联关系。
附图说明
图1为本发明一种产程心率实时分析方法的步骤流程示意图;
图2为图1中步骤S2的详细实施步骤流程示意图;
图3为图1中步骤S3的详细实施步骤流程示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
为实现上述目的,请参阅图1至图3,本发明提供一种产程心率实时分析方法,包括以下步骤:
步骤S1:获取医疗数据库的历史产程心电图数据;根据历史产程心电图数据进行心率信号阈值设计,生成心率信号阈值;
步骤S2:获取实时宫口图像数据;对实时宫口图像数据进行图像灰度值转换处理,生成灰度值宫口图像数据;对灰度值宫口图像数据进行宫口轮廓图像灰度值区间设计,以生成宫口轮廓图像灰度值区间;根据宫口特征图像灰度值区间对灰度值宫口图像数据进行宫口轮廓图像提取,生成实时宫口轮廓图像数据;
步骤S3:根据实时宫口轮廓图像数据进行宫口轮廓变化特征采集,生成宫口轮廓变化特征数据,其中所述宫口轮廓变化特征数据包括宫口轮廓变化速度数据、宫口轮廓变化加速度数据以及宫口轮廓缩放程度数据;获取实时产程心电图数据;利用心率信号阈值对实时产程心电图数据进行心率信号阈值赋能,生成赋能产程心电图数据;根据赋能产程心电图数据的心率信号阈值对赋能产程心电图数据的心率信号进行心率信号节点实时分析处理,以获得心率信号标记节点;
步骤S4:当识别到心率信号标记节点时,将宫口轮廓变化特征数据反馈至终端以进行产程心电图信息反馈;
步骤S5:对赋能产程心电图数据进行历史心率信号变化率分析处理,生成赋能产程心电图数据的历史心率信号变化率数据;利用相关性分析法对赋能产程心电图数据的历史心率信号变化率数据以及宫口轮廓变化特征数据进行目标心率信号变化的关联性分析,生成目标心率信号关联分析数据。
本发明从医疗数据库获取历史产程心电图数据并根据这些数据设计心率信号阈值,使系统能够利用大量已有数据来建立更准确的心率信号分析模型。通过分析历史数据更好地理解心率信号的不同模式,从而在设计阈值时更具有针对性,有助于提高系统对心率信号变化的敏感度,使系统能够更有效地监测实时心率数据,并在心率出现显著变化时进行快速反应。此外,基于历史数据设计的心率信号阈值还可以增强系统的适用性,使其能够适应不同的个体差异和环境条件。将彩色图像转换为灰度值图像简化了图像的复杂性,使得后续的图像处理更加高效和准确,这种转换有助于突出图像中的结构信息,而不受颜色信息的干扰,通过设计特定的图像灰度值区间并在此基础上提取宫口轮廓,系统能够更精确地识别和标记宫口的位置和形状,增强了系统对图像中关键特征的识别能力,使得提取的轮廓图像更加清晰和可靠,生成的实时宫口轮廓图像数据为后续分析提供了关键的视觉信息,有助于增强整个系统的性能和准确性。通过收集宫口轮廓变化特征数据,包括变化速度、加速度和缩放程度,系统能够更精确地追踪宫口的动态变化,为理解宫口变化提供了关键的量化指标,有助于增强系统对宫口状态变化的监测能力,实时产程心电图数据的获取和心率信号阈值的应用,使得系统能够对心率信号进行更加深入和精准的分析,通过赋能产程心电图数据,系统可以更有效地识别心率信号中的关键节点,进而实现对心率信号的实时分析和标记,不仅增强了数据分析的准确性,还提高了系统对心率信号变化的响应速度和敏感度。通过及时地将关键数据反馈给终端,增强了系统的交互性。实时反馈机制确保了用户能够快速获得重要信息,从而提高了监测过程的效率和效果。此外,这种反馈还有助于用户更好地理解产程进展中的关键变化,使他们能够根据实时数据做出更为信息化的决策。通过对赋能产程心电图数据进行历史心率信号变化率分析,能够生成详细的历史心率变化数据,这种历史数据的分析为理解心率信号的长期趋势提供了基础,增强了对心率变化模式的整体把握,利用相关性分析法将心率信号变化率数据与宫口轮廓变化特征数据相结合,系统可以进行深入的关联性分析,这种分析有助于揭示心率变化与宫口轮廓变化之间的潜在联系,为理解产程中的复杂动态提供了新的视角。因此,本发明的产程心率实时分析方法能够通过监测产程心电图以及分析宫口变化特征,从而反馈宫口变化特征相关的产程心电图反馈信息,便于人们监测产程心电图的心率信号以及相关内容,并且能够分析产程心电图的心率变化与宫口变化特征的关联关系。
本发明实施例中,参考图1所述,为本发明一种产程心率实时分析方法的步骤流程示意图,在本实施例中,所述产程心率实时分析方法包括以下步骤:
步骤S1:获取医疗数据库的历史产程心电图数据;根据历史产程心电图数据进行心率信号阈值设计,生成心率信号阈值;
本发明实施例中,与医院或医疗机构合作,访问其电子医疗记录系统,使用数据导出工具或API接口,提取历史产程心电图数据,这些数据通常包含了分娩过程中记录的胎儿心率和相关医疗参数。将提取的数据进行清洗和标准化处理,确保数据的一致性和准确性,可能包括去除不完整或错误的记录,标准化时间戳,以及确保数据格式的一致性以便于后续分析。根据这些历史产程心电图数据进行心率信号阈值的设计,例如,使用统计分析软件或专门的数据分析工具,对历史产程心电图数据中的心率信号进行详细分析,可能包括计算心率的平均值、中位数、标准偏差等统计指标。根据分析结果,设计心率信号阈值,可能包括确定正常心率范围的上下限,以及可能表明异常情况的心率阈值,例如设置正常心率范围为平均心率的正负值标准偏差范围内,而将超出这个范围的心率视为潜在的不同信号,在设计阈值之后,使用一部分历史数据进行回测,验证这些阈值的准确性和实用性,为了确保所设计的阈值能够准确地反映心率信号的不同状态。
步骤S2:获取实时宫口图像数据;对实时宫口图像数据进行图像灰度值转换处理,生成灰度值宫口图像数据;对灰度值宫口图像数据进行宫口轮廓图像灰度值区间设计,以生成宫口轮廓图像灰度值区间;根据宫口特征图像灰度值区间对灰度值宫口图像数据进行宫口轮廓图像提取,生成实时宫口轮廓图像数据;
本发明实施例中,事先使用专门设计的医疗成像设备,在分娩过程中实时捕捉宫口的图像,这些设备应能够提供高清晰度的图像,并且能够与计算机系统无缝连接,确保图像捕捉的连续性和稳定性,以获取实时宫口图像数据。将捕获的彩色宫口图像通过软件工具转换为灰度图像,有助于降低后续处理的复杂性,因为灰度图像减少了数据量,同时保留了图像的重要特征,选择合适的灰度转换算法,以确保图像细节的保留。分析灰度图像,确定宫口轮廓区域的灰度值范围,涉及识别图像中特定灰度值的模式,这些模式与宫口轮廓的特征相对应,设计一个或多个灰度值区间,用于隔离宫口轮廓。这些区间应能够反映出宫口轮廓与周围组织的灰度对比。应用图像处理算法,如边缘检测或图像分割技术,根据之前定义的灰度值区间提取宫口轮廓,处理后的图像中将清晰显示宫口轮廓,使其与背景和周围组织区分开来。
步骤S3:根据实时宫口轮廓图像数据进行宫口轮廓变化特征采集,生成宫口轮廓变化特征数据,其中所述宫口轮廓变化特征数据包括宫口轮廓变化速度数据、宫口轮廓变化加速度数据以及宫口轮廓缩放程度数据;获取实时产程心电图数据;利用心率信号阈值对实时产程心电图数据进行心率信号阈值赋能,生成赋能产程心电图数据;根据赋能产程心电图数据的心率信号阈值对赋能产程心电图数据的心率信号进行心率信号节点实时分析处理,以获得心率信号标记节点;
本发明实施例中,利用图像处理和分析软件对实时宫口轮廓图像数据进行分析。软件能够识别和追踪宫口轮廓在图像序列中的变化,采集宫口轮廓的变化速度、变化加速度和缩放程度数据,可以通过计算连续图像之间宫口轮廓的位置变化来获得。使用心电图设备实时记录产程中的心电图数据,确保设备能够提供高质量的数据,并且能够与分析系统无缝连接。使用先前设计的心率信号阈值对实时产程心电图数据进行处理,这包括将心率数据与阈值进行比较,以识别出超过阈值的心率信号,生成的赋能产程心电图数据包含了标记了超过阈值的心率信号节点,便于后续的分析。对赋能产程心电图数据进行实时分析,识别和标记心率信号的关键节点,通过心率信号节点的心率信号比对心率信号阈值得出,能够实时检测并标记心率的重要变化,识别的心率信号标记节点可以用于进一步的分析和监测,例如评估心率的变化趋势或与宫口变化特征数据进行关联分析。
步骤S4:当识别到心率信号标记节点时,将宫口轮廓变化特征数据反馈至终端以进行产程心电图信息反馈;
本发明实施例中,系统实时分析产程心电图数据,识别出重要的心率信号节点,这些节点是根据预先设定的阈值被标记为重要的心率节点,如产程心电图中的心率信号高于心率信号阈值时,标记出该节点,并识别到该结点后,将识别出的心率信号节点与同时期的宫口轮廓变化特征数据进行整合。这一过程中,系统会处理和同步来自两个不同源(心电图和图像数据)的数据,整合的数据包括宫口轮廓的变化速度、加速度、缩放程度等信息,以及相应时刻的心率信号节点,这些信息将被立即反馈至终端设备,如医疗监控屏幕或移动设备。反馈的信息呈现方式可以是图表、数字读数或可视化图像,便于用户快速理解和分析数据。
步骤S5:对赋能产程心电图数据进行历史心率信号变化率分析处理,生成赋能产程心电图数据的历史心率信号变化率数据;利用相关性分析法对赋能产程心电图数据的历史心率信号变化率数据以及宫口轮廓变化特征数据进行目标心率信号变化的关联性分析,生成目标心率信号关联分析数据。
本发明实施例中,使用数据分析工具对赋能产程心电图数据进行历史心率信号的变化率分析。包括计算心率随时间的变化速度,以及心率在特定时间段内的加速或减速程度,此分析有助于识别心率变化的模式和趋势,如心率在特定阶段的产程中的典型变化率。利用统计软件或数据分析平台,将心率信号变化率数据与宫口轮廓变化特征数据进行比较和关联分析,这种分析包括使用相关性系数来量化两组数据之间的相关性强度。分析目标在于识别心率变化与宫口轮廓变化之间是否存在统计上显著的相关性,以及这种相关性的性质(在不同宫口轮廓变化下与心率信号呈现正相关或负相关)。根据相关性分析结果,并通过选取感兴趣的目标区域的相关性分析结果,系统生成目标心率信号关联分析数据,这些数据反映了心率信号变化与宫口轮廓变化特征之间的关联模式。
优选地,步骤S1包括以下步骤:
步骤S11:获取医疗数据库的历史产程心电图数据;
步骤S12:对历史产程心电图数据进行心率特征信号提取,生成心率特征信号;
步骤S13:根据特征心率信号进行心率信号阈值设计,生成心率信号阈值,其中所述个性化心率信号阈值包括第一心率信号阈值以及第二心率信号阈值。
本发明获取医疗数据库的历史产程心电图数据为后续分析提供了丰富的历史信息,使系统能够基于大量实际案例进行学习和理解,为心率信号的准确识别和分析打下坚实基础。对历史产程心电图数据进行心率特征信号提取的做法进一步增强了系统的数据处理能力,通过专注于心率的特征信号,系统可以更精确地识别出关键的心率模式和趋势,这种特征提取不仅提高了数据处理的效率,还提升了分析结果的准确性和可靠性。根据提取的特征心率信号设计个性化的心率信号阈值,包括第一心率信号阈值和第二心率信号阈值,为系统的决策支持提供了重要的依据,使系统能够根据具体情况灵活调整阈值,从而在保持高灵敏度的同时减少误报的可能性,通过设置不同的阈值,系统能够更有效地适应各种不同的产程情况,为实时监测提供了更精准的支持。
本发明实施例中,与医院或医疗机构合作,访问其电子医疗记录系统,使用数据导出工具或API接口,提取历史产程心电图数据,这些数据通常包含了分娩过程中记录的胎儿心率和相关医疗参数。使用数据分析软件分析历史产程心电图数据,提取心率的关键特征信号,可能包括识别心率的平均值、波动范围、峰值等关键指标,特征提取的目的是为了理解在不同产程情况下胎儿心率的典型模式。根据提取的心率特征信号,设计个性化的心率信号阈值,可能包括设定一个或多个阈值来识别不同级别的心率变化。第一心率信号阈值可能用于识别轻微的心率变化,而第二心率信号阈值用于识别更显著的变化。例如,第一心率信号阈值可能设置在平均心率的±一个标准偏差,而第二心率信号阈值可能设置在更高或更低的心率水平,其中所述第二心率信号阈值大于第一心率信号阈值。
优选地,步骤S2包括以下步骤:
步骤S21:获取实时宫口图像数据;
步骤S22:利用高斯滤波对实时宫口图像数据进行降噪处理,生成降噪宫口图像数据;
步骤S23:对降噪宫口图像数据进行图像灰度值转换处理,生成灰度值宫口图像数据;
步骤S24:对灰度值宫口图像数据进行宫口轮廓节点的灰度值数据采集,以获得宫口轮廓灰度值数据;
步骤S25:根据宫口轮廓灰度值数据进行宫口轮廓图像灰度值区间设计,以生成宫口轮廓图像灰度值区间;
步骤S26:根据宫口特征图像灰度值区间对灰度值宫口图像数据进行宫口轮廓图像提取,生成实时宫口轮廓图像数据。
本发明通过获取实时宫口图像数据,系统能够捕捉到关键时刻的图像信息,为后续分析打下基础。利用高斯滤波对实时宫口图像数据进行降噪处理,高斯滤波不仅能有效去除图像中的随机噪声,还保持了图像的重要细节,从而确保了后续处理的准确性和可靠性。将降噪后的图像转换为灰度值图像,这一转换简化了图像数据,使得后续的图像处理步骤更加高效,灰度图像便于处理和分析,因为它减少了处理的复杂性,同时保留了图像的关键结构信息。对灰度值宫口图像数据进行宫口轮廓节点的灰度值数据采集,有助于精确识别宫口轮廓的关键特征,以及据宫口轮廓灰度值数据进行宫口轮廓图像灰度值区间设计,允许系统更准确地区分宫口轮廓与其他图像部分,提高了轮廓提取的准确性。根据设计好的宫口轮廓图像灰度值区间对灰度图像数据进行宫口轮廓图像提取,生成了精确的实时宫口轮廓图像数据,减少无用数据的数据处理量,降低系统对于数据处理的压力,为整个产程监测提供了关键的视觉信息。
作为本发明的一个实例,参考图2所示,为图1中步骤S2的详细实施步骤流程示意图,在本实例中所述步骤S2包括:
步骤S21:获取实时宫口图像数据;
本发明实施例中,事先使用专门设计的医疗成像设备,在分娩过程中实时捕捉宫口的图像。这些设备应能够提供高清晰度的图像,并且能够与计算机系统无缝连接,确保图像捕捉的连续性和稳定性,以获取实时宫口图像数据。
步骤S22:利用高斯滤波对实时宫口图像数据进行降噪处理,生成降噪宫口图像数据;
本发明实施例中,应用高斯滤波算法对捕捉到的宫口图像进行降噪处理,高斯滤波是一种常用的图像处理技术,能有效减少图像噪声,同时保留图像的重要特征,调整滤波器的参数,如滤波核的大小和标准偏差,以最优化噪声去除效果和图像细节的保留,生成降噪宫口图像数据。
步骤S23:对降噪宫口图像数据进行图像灰度值转换处理,生成灰度值宫口图像数据;
本发明实施例中,使用图像处理软件将降噪后的彩色宫口图像转换为灰度图像,灰度转换简化了图像的复杂性,减少了后续处理的计算负担,同时保留了图像的关键结构信息。选择适当的灰度转换方法,确保在转换过程中图像细节不被损失,通常涉及到将彩色图像的每个像素的亮度值转换为相应的灰度值,生成灰度值宫口图像数据。
步骤S24:对灰度值宫口图像数据进行宫口轮廓节点的灰度值数据采集,以获得宫口轮廓灰度值数据;
本发明实施例中,使用图像处理软件对转换得到的灰度值宫口图像进行分析。这个过程涉及识别图像中宫口轮廓的特征,如边缘和形状,软件可以应用边缘检测算法(如Canny或Sobel算子)来识别图像中宫口轮廓的边缘,这些算法能够突出图像中的边缘部分,使宫口轮廓更加清晰可见。识别出宫口轮廓后,系统将对轮廓上的特定节点(如轮廓的起点、终点、弯曲点等)进行灰度值采集,这些节点的灰度值反映了宫口轮廓在图像中的位置和特性。采集的灰度值数据可以通过分析每个标记节点的像素值来获取,采集到的宫口轮廓灰度值数据将被记录并整理为结构化的数据格式,以便于后续的数据分析和处理,这些数据可以包括每个节点的坐标位置、灰度值以及节点间的相对关系等信息。
步骤S25:根据宫口轮廓灰度值数据进行宫口轮廓图像灰度值区间设计,以生成宫口轮廓图像灰度值区间;
本发明实施例中,利用图像处理软件分析在宫口轮廓节点的灰度值数据,包括分析这些灰度值的分布范围、平均值和标准偏差等统计指标,目的是确定代表宫口轮廓的灰度值的典型范围,这些灰度值与周围组织在视觉上有明显的对比。根据灰度值数据的统计分析结果,设计一个或多个灰度值区间,这些区间将用于在后续步骤中准确识别宫口轮廓,灰度值区间的设计需要确保能够有效地区分宫口轮廓和背景或其他非轮廓区域,例如宫口轮廓的灰度值主要集中在某个范围内,那么这个范围就可以被设置为一个灰度值区间,以生成宫口轮廓图像灰度值区间。
步骤S26:根据宫口特征图像灰度值区间对灰度值宫口图像数据进行宫口轮廓图像提取,生成实时宫口轮廓图像数据。
本发明实施例中,在设计的灰度值区间将被应用于处理后的灰度宫口图像,通常涉及图像分割技术,其中图像中符合灰度值区间的像素被识别为宫口轮廓的一部分,图像处理软件或算法将根据灰度值区间筛选出宫口轮廓的像素点,同时忽略其他不相关的像素。提取的过程涉及识别和连接灰度值区间内的像素点,以形成连续的宫口轮廓线,包括使用形态学操作如膨胀和侵蚀,以清晰化轮廓线并消除小的间断,图像中的宫口轮廓将被清晰地标记和突出,与背景和其他非轮廓区域明显区分开来。提取出的宫口轮廓图像数据将被保存和转换为适合进一步分析的格式,这些数据包括宫口轮廓的准确位置、形状和大小信息。
优选地,步骤S24包括以下步骤:
步骤S241:利用宫口轮廓检测算法对灰度值宫口图像数据进行宫口轮廓节点标记处理,以获得宫口轮廓标记节点;
步骤S242:基于宫口轮廓标记节点对灰度值宫口图像数据进行节点灰度值数据采集,以获得宫口轮廓灰度值数据。
本发明使用宫口轮廓检测算法对灰度值宫口图像数据进行处理,是提高系统图像分析精度的关键环节。该算法通过精确标记宫口轮廓节点,能够有效地识别并突出宫口的位置和形状,不仅提高了轮廓提取的精确性,也为后续的图像分析提供了准确的基础。基于宫口轮廓标记节点对灰度图像数据进行节点灰度值数据采集的操作进一步优化了图像数据的质量和相关性,通过精确收集宫口轮廓的灰度值数据,系统可以更准确地分析和理解宫口的特征,这种数据采集方式不仅增强了图像信息的细节表示。
本发明实施例中,使用宫口轮廓检测算法对已转换成灰度值的宫口图像数据进行分析,这个算法可能是基于边缘检测的方法,如Sobel算子,专门设计来识别图像中的轮廓线,通过算法处理,系统将在图像中标记出宫口轮廓的关键节点,这些节点可能包括轮廓的起始点、终点、拐点等,标记这些节点是为了更精确地定义宫口轮廓的形状和位置。一旦轮廓节点被标记,将对这些节点进行进一步的分析,以采集其灰度值数据,这个过程涉及到计算标记节点的像素或邻近像素区域的灰度值,采集的灰度值数据可以帮助系统更准确地了解宫口轮廓在图像中的表示,如轮廓的亮度、对比度等,以获得宫口轮廓灰度值数据。
优选地,步骤S241中的宫口轮廓检测算法如下所示:
;
式中,表示为灰度值宫口图像/>的宫口轮廓标记节点,/>表示为输入的灰度值宫口图像,/>表示为灰度值宫口图像的横坐标数据,/>表示为灰度值宫口图像的纵坐标数据,/>表示为灰度值宫口图像的宽度,/>表示为灰度值宫口图像的高度,/>表示为自然常数,/>表示为灰度值敏感度调节参数,/>表示为设定的宫口轮廓灰度值基准数据,/>表示为卷积操作符,/>表示为灰度值宫口图像的Sobel 算子的水平矩阵,/>表示为灰度值宫口图像的Sobel 算子的垂直矩阵。
本发明利用一种宫口轮廓检测算法,该算法充分考虑了输入的灰度值宫口图像、灰度值宫口图像的横坐标数据/>、灰度值宫口图像的纵坐标数据/>、灰度值宫口图像的宽度/>、灰度值宫口图像的高度/>、自然常数/>、灰度值敏感度调节参数/>、设定的宫口轮廓灰度值基准数据/>、卷积操作符/>、灰度值宫口图像的Sobel 算子的水平矩阵/>、灰度值宫口图像的Sobel 算子的垂直矩阵/>以及函数之间的相互作用关系,以形成函数关系式:
即,,该函数关系式是基于Sobel 算子边缘检测进行设计,以用于对灰度值宫口图像数据进行空口轮廓节点标记的函数关系式,表示为函数关系式的权重函数,用于调整特定像素位置在轮廓检测中的重要性,其中灰度值敏感度调节参数是为图像中每个像素位置分配一个权重,这个权重反映了该位置对于整体轮廓检测的重要性,而越接近设定的宫口轮廓灰度值基准数据的像素点权重则越高。/>是基于梯度的边缘检测函数,卷积操作符/>涉及将一个小的矩阵(称为卷积核或滤波器)滑动过图像的每一个像素,然后在每个位置上,将卷积核与其覆盖的图像区域的像素值进行对应相乘,再将这些乘积的总和作为输出图像在该位置的像素值;Sobel 算子能够识别图像中亮度变化明显的区域,通过计算图像亮度的空间梯度来突出区域的边缘,Sobel 算子对图像进行卷积操作来计算每个像素点的梯度值,这些梯度值表示在该点亮度的变化率,对于识别边缘非常重要。通过上述权重函数和梯度计算的结合,这个函数关系式提供了一种高度精确的方式来识别宫口轮廓,不仅能够识别轮廓的位置,还能够通过梯度的大小提供有关轮廓强度和清晰度的信息。
优选地,其中所述心率信号标记节点包括第一心率信号标记节点以及第二心率信号标记节点,步骤S3包括以下步骤:
步骤S31:根据实时宫口轮廓图像数据进行宫口轮廓变化特征采集,生成宫口轮廓变化特征数据;
步骤S32:获取实时产程心电图数据;
步骤S33:利用心率信号阈值对实时产程心电图数据进行心率信号阈值赋能,生成赋能产程心电图数据;
步骤S34:根据赋能产程心电图数据的心率信号阈值对赋能产程心电图数据的心率信号进行心率信号标记实时分析处理,当赋能产程心电图数据的心率信号大于第一心率信号阈值时,将赋能产程心电图数据的心率信号的信号节点进行第一心率信号标记节点标记,获得第一心率信号标记节点,当赋能产程心电图数据的心率信号大于第二心率信号阈值时,将赋能产程心电图数据的心率信号的信号节点进行第二心率信号标记节点标记,获得第二心率信号标记节点。
本发明根据实时宫口轮廓图像数据进行宫口轮廓变化特征采集,包括变化速度、加速度和缩放程度,系统能够更精确地追踪宫口的动态变化,为理解宫口变化提供了关键的量化指标,有助于增强系统对宫口状态变化的监测能力,使系统能够更准确地追踪和理解宫口的动态变化,这种变化特征数据的获取对于增强系统的监测能力至关重要,为后续的数据关联分析提供了基础。获取实时产程心电图数据的做法确保了系统能够捕捉到关键时刻的心率信息,对于实时监控心率的变化和特征至关重要,为后续的心率信号分析提供了实时数据支持。使用心率信号阈值对心电图数据进行赋能的操作,增强了系统对心率信号的分析精度和敏感度,通过这种赋能处理,系统可以更有效地识别心率信号中的关键变化,从而实现对心率信号的精准监测。根据赋能产程心电图数据的心率信号阈值对赋能产程心电图数据的心率信号进行心率信号标记实时分析处理,心率信号标记实时分析处理进一步提升了系统的分析能力。通过设定第一心率信号阈值和第二心率信号阈值,并在心率信号达到这些阈值时进行相应的标记,系统能够更细致地区分心率信号的不同级别和重要性。这种分级标记方法不仅提高了心率信号分析的准确性,还增强了系统对心率变化趋势的响应能力。
作为本发明的一个实例,参考图3所示,为图1中步骤S3的详细实施步骤流程示意图,在本实例中所述步骤S3包括:
步骤S31:根据实时宫口轮廓图像数据进行宫口轮廓变化特征采集,生成宫口轮廓变化特征数据;
本发明实施例中,利用图像处理和分析软件对实时宫口轮廓图像数据进行分析,软件能够识别和追踪宫口轮廓在图像序列中的变化,采集宫口轮廓的变化速度、变化加速度和缩放程度数据,可以通过计算连续图像之间宫口轮廓的位置变化来获得。
步骤S32:获取实时产程心电图数据;
本发明实施例中,使用心电图设备实时记录产程中的胎儿的产程心电图数据,确保设备能够提供高质量的数据,并且能够与分析系统无缝连接,以获取实时产程心电图数据。
步骤S33:利用心率信号阈值对实时产程心电图数据进行心率信号阈值赋能,生成赋能产程心电图数据;
本发明实施例中,利用心率信号阈值对实时产程心电图数据进行心率信号阈值赋能,将实时产程心电图数据中的图像在对应位置根据心率信号阈值进行图像标记,当图像中的心率信号超过该阈值时,系统将自动标记这些点为心率信号节点。这些标记节点代表心率的显著变化,可能指示分娩过程中的重要生理事件,标记的心率信号节点将被用于进一步的分析,例如与宫口轮廓变化数据的关联分析。将生成包含心率信号节点标记的赋能产程心电图数据,这些数据不仅包含原始的心率信息,还包含了关于心率重要变化点的额外层面的信息,这些赋能数据可以用于进一步的数据分析,提供更深入的洞见,例如识别心率变化与宫口变化之间的潜在关联。
步骤S34:根据赋能产程心电图数据的心率信号阈值对赋能产程心电图数据的心率信号进行心率信号标记实时分析处理,当赋能产程心电图数据的心率信号大于第一心率信号阈值时,将赋能产程心电图数据的心率信号的信号节点进行第一心率信号标记节点标记,获得第一心率信号标记节点,当赋能产程心电图数据的心率信号大于第二心率信号阈值时,将赋能产程心电图数据的心率信号的信号节点进行第二心率信号标记节点标记,获得第二心率信号标记节点。
本发明实施例中,使用数据分析系统实时处理赋能产程心电图数据,将持续监测心率信号,并与预设的第一和第二心率信号阈值进行比较,其中所述第二心率信号阈值大于第一心率信号阈值,涉及使用算法实时分析心率数据,以便快速识别心率的重要变化。当心率信号超过第一心率信号阈值时,系统自动将这一点标记为第一心率信号标记节点,这些标记代表心率的轻微或初级变化,可能需要注意但不一定紧急。同样,当心率信号超过第二心率信号阈值时,系统将这一点标记为第二心率信号标记节点,这些标记通常表示更显著的心率变化,可能需要更紧急的关注,根据心率变化的程度对标记的心率信号节点进行分类,分别记录为第一和第二心率信号标记节点,这些分类信息将被记录并用于后续的数据分析和监测,以帮助医疗专业人员了解产程中心率的变化趋势,由于第二心率信号阈值大于第一心率信号阈值,则当触发到第二心率信号标记节点时,则第一心率信号标记节点已经出发。标记的心率信号节点信息可以实时展示在监控界面上。
优选地,步骤S4包括以下步骤:
步骤S41:当识别到第一心率信号标记节点时,将宫口轮廓变化特征数据反馈至终端以进行宫口轮廓变化特征数据反馈;
步骤S42:当识别到第二心率信号标记节点时,设计产程心电图预警信息,分别将宫口轮廓变化特征数据以及产程心电图预警信息反馈至终端以分别进行宫口轮廓变化特征数据反馈以及产程心电图异常反馈。
本发明当系统识别到第一心率信号标记节点时,立即将宫口轮廓变化特征数据反馈至终端,这一实时反馈机制确保了相关人员能够及时获得重要的宫口轮廓变化信息,从而使他们能够对产程进展有更清晰的了解。当系统识别到第二心率信号标记节点时,不仅进行宫口轮廓变化特征数据的反馈,还设计并反馈产程心电图预警信息,这种双重反馈机制不仅提供了宫口状态的详细信息,还增加了对胎儿心电图异常的预警,这样的设计使得终端用户能够更全面地了解产程状态,尤其是在心率信号出现重要变化时。
本发明实施例中,当系统识别到第一心率信号标记节点时,这表示心率有轻微的变化。系统将自动收集此时的宫口轮廓变化特征数据,这些数据,包括宫口轮廓的变化速度、加速度和缩放程度等,将实时反馈至医疗监控终端,这可以通过可视化界面展示,如图表或动态图像,使医疗专业人员能够直观地理解宫口轮廓的当前状态和变化,当系统识别到第一心率信号标记节点时,则可视化界面将一直展示宫口轮廓变化特征数据。当系统识别到第二心率信号标记节点时,这通常表示心率有显著变化,可能需要紧急关注,此时系统将自动生成产程心电图预警信息,除了宫口轮廓变化特征数据,系统还将这些预警信息反馈至医疗监控终端,预警信息可以包括心率的具体读数、变化趋势以及任何推荐的监测或干预措施。这些信息可以通过警报、文本提示或图像高亮等方式在终端上展示,确保医疗专业人员能够迅速识别并理解这些重要的预警信号。当系统识别到第二心率信号标记节点时,则可视化界面将一直展示宫口轮廓变化特征数据以及产程心电图预警信息。
优选地,步骤S5包括以下步骤:
步骤S51:对赋能产程心电图数据进行历史心率信号提取,生成赋能产程心电图数据的历史心率信号;
步骤S52:对赋能产程心电图数据的历史心率信号进行心率信号变化率分析处理,生成赋能产程心电图数据的历史心率信号变化率数据;
步骤S53:利用相关性分析法对赋能产程心电图数据的历史心率信号变化率数据以及宫口轮廓变化特征数据进行目标心率信号变化的关联性分析,生成目标心率信号关联分析数据。
本发明对赋能产程心电图数据进行历史心率信号提取的操作,使得系统能够从大量历史数据中提炼出关键的心率信息,这种历史信号的提取对于更加了解心率趋势。通过计算历史心率信号的变化率,系统可以更准确地捕捉和理解心率的动态变化,这种变化率分析为检测心率的微妙变化提供了强有力的工具,增强了系统对细微变化的捕捉能力。利用相关性分析法对心率信号变化率数据和宫口轮廓变化特征数据进行关联性分析的步骤,极大地提升了数据分析的深度和广度,系统不仅能够单独分析心率信号和宫口变化,还能探究两者之间的潜在联系,这种全面的关联性分析使得系统能够更全面地理解产程中的复杂动态,提供了后续处理其他产程相关信息时具有更为丰富和多维的数据解读。
本发明实施例中,使用数据分析工具从赋能产程心电图数据中提取历史心率信号,涉及对心电图数据进行回溯分析,以识别和记录心率的历史模式和趋势,提取的历史心率信号可能包括心率的平均值、最大值和最小值,以及心率的波动范围等。对提取的历史心率信号进行变化率分析,以评估心率随时间的变化速度,可能包括计算心率的增加或减少速度,以及心率变化的加速度。生成的心率信号变化率数据提供了对心率动态变化的深入了解,这对于理解分娩过程中的心率变化模式至关重要。利用统计方法,如皮尔逊相关系数或斯皮尔曼等级相关,对心率信号变化率数据和宫口轮廓变化特征数据进行相关性分析,探索这两组数据之间的潜在关联。分析的结果将揭示心率变化与宫口轮廓变化之间是否存在统计上显著的相关性,并生成目标心率信号关联分析数据,例如当心率快速变化时的空口轮廓变化速度的关联关系,便于更清楚了解其中的关联关系,以处理后续中其他胎儿的产程心电图,从而生成目标心率信号关联分析数据。
优选地,步骤S53包括以下步骤:
利用相关性分析法对赋能产程心电图数据的历史心率信号变化率数据以及宫口轮廓变化特征数据进行心率信号变化的关联性分析,生成心率信号关联分析数据;
根据预设的目标心率信号变化率区间对心率信号关联分析数据进行目标心率信号关联分析数据提取,生成目标心率信号关联分析数据。
本发明通过相关性分析法对心率信号变化率数据和宫口轮廓变化特征数据进行综合分析的步骤,使系统能够在更广泛的数据层面上识别潜在的相关性。这种分析有助于揭示心率变化与宫口轮廓变化之间的潜在联系,从而为理解产程中的复杂动态提供了新的视角,通过这种方法,系统可以更深入地理解心率和宫口变化之间的相互作用,从而为整个产程的监测提供了更为全面的数据支持。根据预设的目标心率信号变化率区间进行目标心率信号关联分析数据的提取步骤,进一步提升了系统分析的准确性和针对性,这种基于预设区间的数据提取不仅使得分析结果更加具体和目标化,还能够根据具体的监测需求进行调整,提高了系统的灵活性和适应性,便于了解不同心率信号变化下的宫口轮廓变化特征数据的关联关系。
本发明实施例中,使用统计分析软件或工具对赋能产程心电图数据中的历史心率信号变化率数据和宫口轮廓变化特征数据进行相关性分析,包括计算两组数据之间的相关系数,如皮尔逊相关系数或斯皮尔曼等级相关,分析的目的是确定心率信号的变化是否与宫口轮廓的变化具有统计上显著的相关性,以及在产程心电图不同的心率信号下这种相关性的方向(正相关或负相关)和强度。根据预设的目标心率信号变化率区间,从心率信号关联分析数据中提取那些落在这些区间内的数据点。这些区间可能基于用户事先设定的数值范围,比如胎儿的产程心电图中心率提高百分之30到百分之50时,代表心率变化的重要性级别。提取的数据将重点关注那些心率变化与宫口轮廓变化特征显示出显著相关性的情况。例如当心率提高百分之30到百分之50时的空口轮廓变化速度的关联关系,便于更清楚了解其中的关联关系,以处理后续中其他胎儿的产程心电图,从而生成目标心率信号关联分析数据。
本说明书中提供一种产程心率分析系统,用于执行如上述所述的产程心率分析方法,该产程心率分析系统包括:
心率信号阈值设计模块,用于获取医疗数据库的历史产程心电图数据;根据历史产程心电图数据进行心率信号阈值设计,生成心率信号阈值;
实时宫口轮廓图像数据采集模块,用于获取实时宫口图像数据;对实时宫口图像数据进行图像灰度值转换处理,生成灰度值宫口图像数据;对灰度值宫口图像数据进行宫口轮廓图像灰度值区间设计,以生成宫口轮廓图像灰度值区间;根据宫口特征图像灰度值区间对灰度值宫口图像数据进行宫口轮廓图像提取,生成实时宫口轮廓图像数据;
心率信号标记节点分析模块,用于根据实时宫口轮廓图像数据进行宫口轮廓变化特征采集,生成宫口轮廓变化特征数据,其中所述宫口轮廓变化特征数据包括宫口轮廓变化速度数据、宫口轮廓变化加速度数据以及宫口轮廓缩放程度数据;获取实时产程心电图数据;利用心率信号阈值对实时产程心电图数据进行心率信号阈值赋能,生成赋能产程心电图数据;根据赋能产程心电图数据的心率信号阈值对赋能产程心电图数据的心率信号进行心率信号节点实时分析处理,以获得心率信号标记节点;
产程心电图信息反馈模块,用于当识别到心率信号标记节点时,将宫口轮廓变化特征数据反馈至终端以进行产程心电图信息反馈;
目标心率信号关联分析模块,用于对赋能产程心电图数据进行历史心率信号变化率分析处理,生成赋能产程心电图数据的历史心率信号变化率数据;利用相关性分析法对赋能产程心电图数据的历史心率信号变化率数据以及宫口轮廓变化特征数据进行目标心率信号变化的关联性分析,生成目标心率信号关联分析数据。
本申请有益效果在于,本发明结合了实时产程心电图数据和宫口轮廓图像数据,提供了全面的数据视图,这种综合数据监测能力有助于更全面地了解分娩过程。能够实时处理和分析产程心电图数据以及宫口图像数据,并向医疗专业人员提供即时反馈,这种即时通信机制对于持续监控分娩过程至关重要。通过分析产程心电图数据中的心率信号来反馈产程心电图信息以及相关的产程心电图预警信息,增强了对分娩过程中潜在关键变化的警觉性。并且能够回溯分析产程心电图与宫口图像的关联关系,清楚了解宫口图像以及产程心电图两者相互影响引起的相互变化关系,有助于医护人员更了解宫口图像以及产程心电图之间的关联关系。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种产程心率实时分析方法,其特征在于,包括以下步骤:
步骤S1:获取医疗数据库的历史产程心电图数据;根据历史产程心电图数据进行心率信号阈值设计,生成心率信号阈值;
步骤S2:获取实时宫口图像数据;对实时宫口图像数据进行图像灰度值转换处理,生成灰度值宫口图像数据;对灰度值宫口图像数据进行宫口轮廓图像灰度值区间设计,以生成宫口轮廓图像灰度值区间;根据宫口特征图像灰度值区间对灰度值宫口图像数据进行宫口轮廓图像提取,生成实时宫口轮廓图像数据;
步骤S3:根据实时宫口轮廓图像数据进行宫口轮廓变化特征采集,生成宫口轮廓变化特征数据,其中所述宫口轮廓变化特征数据包括宫口轮廓变化速度数据、宫口轮廓变化加速度数据以及宫口轮廓缩放程度数据;获取实时产程心电图数据;利用心率信号阈值对实时产程心电图数据进行心率信号阈值赋能,生成赋能产程心电图数据;根据赋能产程心电图数据的心率信号阈值对赋能产程心电图数据的心率信号进行心率信号节点实时分析处理,以获得心率信号标记节点;
步骤S4:当识别到心率信号标记节点时,将宫口轮廓变化特征数据反馈至终端以进行产程心电图信息反馈;
步骤S5:对赋能产程心电图数据进行历史心率信号变化率分析处理,生成赋能产程心电图数据的历史心率信号变化率数据;利用相关性分析法对赋能产程心电图数据的历史心率信号变化率数据以及宫口轮廓变化特征数据进行目标心率信号变化的关联性分析,生成目标心率信号关联分析数据。
2.根据权利要求1所述的产程心率实时分析方法,其特征在于,步骤S1包括以下步骤:
步骤S11:获取医疗数据库的历史产程心电图数据;
步骤S12:对历史产程心电图数据进行心率特征信号提取,生成心率特征信号;
步骤S13:根据特征心率信号进行心率信号阈值设计,生成心率信号阈值,其中所述个性化心率信号阈值包括第一心率信号阈值以及第二心率信号阈值。
3.根据权利要求1所述的产程心率实时分析方法,其特征在于,步骤S2包括以下步骤:
步骤S21:获取实时宫口图像数据;
步骤S22:利用高斯滤波对实时宫口图像数据进行降噪处理,生成降噪宫口图像数据;
步骤S23:对降噪宫口图像数据进行图像灰度值转换处理,生成灰度值宫口图像数据;
步骤S24:对灰度值宫口图像数据进行宫口轮廓节点的灰度值数据采集,以获得宫口轮廓灰度值数据;
步骤S25:根据宫口轮廓灰度值数据进行宫口轮廓图像灰度值区间设计,以生成宫口轮廓图像灰度值区间;
步骤S26:根据宫口特征图像灰度值区间对灰度值宫口图像数据进行宫口轮廓图像提取,生成实时宫口轮廓图像数据。
4.根据权利要求3所述的产程心率实时分析方法,其特征在于,步骤S24包括以下步骤:
步骤S241:利用宫口轮廓检测算法对灰度值宫口图像数据进行宫口轮廓节点标记处理,以获得宫口轮廓标记节点;
步骤S242:基于宫口轮廓标记节点对灰度值宫口图像数据进行节点灰度值数据采集,以获得宫口轮廓灰度值数据。
5.根据权利要求4所述的产程心率实时分析方法,其特征在于,步骤S241中的宫口轮廓检测算法如下所示:
;
式中,表示为灰度值宫口图像/>的宫口轮廓标记节点,/>表示为输入的灰度值宫口图像,/>表示为灰度值宫口图像的横坐标数据,/>表示为灰度值宫口图像的纵坐标数据,/>表示为灰度值宫口图像的宽度,/>表示为灰度值宫口图像的高度,/>表示为自然常数,/>表示为灰度值敏感度调节参数,/>表示为设定的宫口轮廓灰度值基准数据,/>表示为卷积操作符,/>表示为灰度值宫口图像的Sobel 算子的水平矩阵,/>表示为灰度值宫口图像的Sobel 算子的垂直矩阵。
6.根据权利要求2所述的产程心率实时分析方法,其特征在于,其中所述心率信号标记节点包括第一心率信号标记节点以及第二心率信号标记节点,步骤S3包括以下步骤:
步骤S31:根据实时宫口轮廓图像数据进行宫口轮廓变化特征采集,生成宫口轮廓变化特征数据;
步骤S32:获取实时产程心电图数据;
步骤S33:利用心率信号阈值对实时产程心电图数据进行心率信号阈值赋能,生成赋能产程心电图数据;
步骤S34:根据赋能产程心电图数据的心率信号阈值对赋能产程心电图数据的心率信号进行心率信号标记实时分析处理,当赋能产程心电图数据的心率信号大于第一心率信号阈值时,将赋能产程心电图数据的心率信号的信号节点进行第一心率信号标记节点标记,获得第一心率信号标记节点,当赋能产程心电图数据的心率信号大于第二心率信号阈值时,将赋能产程心电图数据的心率信号的信号节点进行第二心率信号标记节点标记,获得第二心率信号标记节点。
7.根据权利要求6所述的产程心率实时分析方法,其特征在于,步骤S4包括以下步骤:
步骤S41:当识别到第一心率信号标记节点时,将宫口轮廓变化特征数据反馈至终端以进行宫口轮廓变化特征数据反馈;
步骤S42:当识别到第二心率信号标记节点时,设计产程心电图预警信息,分别将宫口轮廓变化特征数据以及产程心电图预警信息反馈至终端以分别进行宫口轮廓变化特征数据反馈以及产程心电图异常反馈。
8.根据权利要求1所述的产程心率实时分析方法,其特征在于,步骤S5包括以下步骤:
步骤S51:对赋能产程心电图数据进行历史心率信号提取,生成赋能产程心电图数据的历史心率信号;
步骤S52:对赋能产程心电图数据的历史心率信号进行心率信号变化率分析处理,生成赋能产程心电图数据的历史心率信号变化率数据;
步骤S53:利用相关性分析法对赋能产程心电图数据的历史心率信号变化率数据以及宫口轮廓变化特征数据进行目标心率信号变化的关联性分析,生成目标心率信号关联分析数据。
9.根据权利要求8所述的产程心率实时分析方法,其特征在于,步骤S53包括以下步骤:
利用相关性分析法对赋能产程心电图数据的历史心率信号变化率数据以及宫口轮廓变化特征数据进行心率信号变化的关联性分析,生成心率信号关联分析数据;
根据预设的目标心率信号变化率区间对心率信号关联分析数据进行目标心率信号关联分析数据提取,生成目标心率信号关联分析数据。
10.一种产程心率分析系统,其特征在于,用于执行如权利要求1所述的产程心率分析方法,该产程心率分析系统包括:
心率信号阈值设计模块,用于获取医疗数据库的历史产程心电图数据;根据历史产程心电图数据进行心率信号阈值设计,生成心率信号阈值;
实时宫口轮廓图像数据采集模块,用于获取实时宫口图像数据;对实时宫口图像数据进行图像灰度值转换处理,生成灰度值宫口图像数据;对灰度值宫口图像数据进行宫口轮廓图像灰度值区间设计,以生成宫口轮廓图像灰度值区间;根据宫口特征图像灰度值区间对灰度值宫口图像数据进行宫口轮廓图像提取,生成实时宫口轮廓图像数据;
心率信号标记节点分析模块,用于根据实时宫口轮廓图像数据进行宫口轮廓变化特征采集,生成宫口轮廓变化特征数据,其中所述宫口轮廓变化特征数据包括宫口轮廓变化速度数据、宫口轮廓变化加速度数据以及宫口轮廓缩放程度数据;获取实时产程心电图数据;利用心率信号阈值对实时产程心电图数据进行心率信号阈值赋能,生成赋能产程心电图数据;根据赋能产程心电图数据的心率信号阈值对赋能产程心电图数据的心率信号进行心率信号节点实时分析处理,以获得心率信号标记节点;
产程心电图信息反馈模块,用于当识别到心率信号标记节点时,将宫口轮廓变化特征数据反馈至终端以进行产程心电图信息反馈;
目标心率信号关联分析模块,用于对赋能产程心电图数据进行历史心率信号变化率分析处理,生成赋能产程心电图数据的历史心率信号变化率数据;利用相关性分析法对赋能产程心电图数据的历史心率信号变化率数据以及宫口轮廓变化特征数据进行目标心率信号变化的关联性分析,生成目标心率信号关联分析数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311652217.6A CN117373689B (zh) | 2023-12-05 | 2023-12-05 | 一种产程心率实时分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311652217.6A CN117373689B (zh) | 2023-12-05 | 2023-12-05 | 一种产程心率实时分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117373689A true CN117373689A (zh) | 2024-01-09 |
CN117373689B CN117373689B (zh) | 2024-02-13 |
Family
ID=89396886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311652217.6A Active CN117373689B (zh) | 2023-12-05 | 2023-12-05 | 一种产程心率实时分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117373689B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1631322A (zh) * | 1997-05-05 | 2005-06-29 | 翠格医药有限公司 | 监视分娩过程的方法和装置 |
WO2005096707A2 (en) * | 2004-04-07 | 2005-10-20 | Barnev Ltd. | State based birth monitoring system |
CN1735374A (zh) * | 2002-11-07 | 2006-02-15 | 特瑞格医学有限公司 | 用于监视分娩的进展的方法和设备 |
CN1846233A (zh) * | 2003-08-06 | 2006-10-11 | 特里格医疗有限公司 | 监测分娩参数的方法和装置 |
US20100268124A1 (en) * | 2007-12-10 | 2010-10-21 | Emily Hamilton | Method and apparatus for providing contraction information during labour |
CN102415905A (zh) * | 2011-09-02 | 2012-04-18 | 暨南大学 | 基于磁场跟踪定位技术的电子产程图系统及参数测算方法 |
CN102509098A (zh) * | 2011-10-08 | 2012-06-20 | 天津大学 | 一种鱼眼图像车辆识别方法 |
US20200060657A1 (en) * | 2018-08-22 | 2020-02-27 | General Electric Company | System and method for assessing obstetric wellbeing |
CN113539406A (zh) * | 2020-04-15 | 2021-10-22 | 深圳市理邦精密仪器股份有限公司 | 获得分娩产程报告的方法和胎儿监护设备 |
CN113854968A (zh) * | 2021-10-28 | 2021-12-31 | 浙江智柔科技有限公司 | 子宫颈开口大小监测装置、方法及其应用 |
CN114760928A (zh) * | 2019-09-27 | 2022-07-15 | 布弗莱运营公司 | 用于监测胎儿心跳信号和子宫收缩信号的方法和装置 |
-
2023
- 2023-12-05 CN CN202311652217.6A patent/CN117373689B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1631322A (zh) * | 1997-05-05 | 2005-06-29 | 翠格医药有限公司 | 监视分娩过程的方法和装置 |
CN1735374A (zh) * | 2002-11-07 | 2006-02-15 | 特瑞格医学有限公司 | 用于监视分娩的进展的方法和设备 |
CN1846233A (zh) * | 2003-08-06 | 2006-10-11 | 特里格医疗有限公司 | 监测分娩参数的方法和装置 |
WO2005096707A2 (en) * | 2004-04-07 | 2005-10-20 | Barnev Ltd. | State based birth monitoring system |
US20100268124A1 (en) * | 2007-12-10 | 2010-10-21 | Emily Hamilton | Method and apparatus for providing contraction information during labour |
CN102415905A (zh) * | 2011-09-02 | 2012-04-18 | 暨南大学 | 基于磁场跟踪定位技术的电子产程图系统及参数测算方法 |
CN102509098A (zh) * | 2011-10-08 | 2012-06-20 | 天津大学 | 一种鱼眼图像车辆识别方法 |
US20200060657A1 (en) * | 2018-08-22 | 2020-02-27 | General Electric Company | System and method for assessing obstetric wellbeing |
CN114760928A (zh) * | 2019-09-27 | 2022-07-15 | 布弗莱运营公司 | 用于监测胎儿心跳信号和子宫收缩信号的方法和装置 |
CN113539406A (zh) * | 2020-04-15 | 2021-10-22 | 深圳市理邦精密仪器股份有限公司 | 获得分娩产程报告的方法和胎儿监护设备 |
CN113854968A (zh) * | 2021-10-28 | 2021-12-31 | 浙江智柔科技有限公司 | 子宫颈开口大小监测装置、方法及其应用 |
Non-Patent Citations (2)
Title |
---|
王蕾;王鹤;陈华: "拆分-重组法在产程图讲解中的应用研究", 《护理学杂志》, vol. 30, no. 8, 25 April 2015 (2015-04-25) * |
霍格格;常颖;陈叙;: "超声监测产程进展", 国际妇产科学杂志, no. 02, 15 April 2020 (2020-04-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117373689B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP0502027B1 (en) | Computer-based method for assisting an investigation of a human breast for a malignancy | |
CN109190540B (zh) | 活检区域预测方法、图像识别方法、装置和存储介质 | |
US20140018681A1 (en) | Ultrasound imaging breast tumor detection and diagnostic system and method | |
CN109117890B (zh) | 一种图像分类方法、装置和存储介质 | |
CN101203747A (zh) | 用于数字x光影像软拷贝解读的智能化定性与定量分析的方法和系统 | |
CN103249358A (zh) | 医用图像处理装置 | |
KR102600401B1 (ko) | 분류 및 분할을 이용한 의료 영상 분석 방법, 장치 및 컴퓨터 프로그램 | |
CN105279380A (zh) | 一种基于表情分析的抑郁程度自动评估系统 | |
Chatterjee et al. | Dermatological expert system implementing the ABCD rule of dermoscopy for skin disease identification | |
CN107543788A (zh) | 一种尿红细胞畸形率检测方法及系统 | |
Cömert et al. | Efficient approach for digitization of the cardiotocography signals | |
Cömert et al. | A simple and effective approach for digitization of the CTG signals from CTG traces | |
CN111839492A (zh) | 一种基于面部视频序列的心率非接触式测量方法 | |
KR20210065228A (ko) | 의료 영상 빅데이터를 이용한 초음파 병변 추출 방법 | |
CN109567869B (zh) | 一种处理胎心率曲线上加速活动的方法及系统 | |
CN110942447A (zh) | Oct图像分割方法、装置、设备及存储介质 | |
CN117373689B (zh) | 一种产程心率实时分析方法及系统 | |
CN113197558A (zh) | 心率与呼吸率检测方法、系统及计算机存储介质 | |
Ganesh et al. | Combining optical character recognition with paper ECG digitization | |
Arnold et al. | Indistinct frame detection in colonoscopy videos | |
CN111612755B (zh) | 肺部病灶分析方法、装置、电子设备和存储介质 | |
EP2980757B1 (en) | Quantification and imaging methods of the echo-texture feature | |
CN116113984A (zh) | 皮肤表面分析装置及皮肤表面分析方法 | |
CN111739661A (zh) | 一种妊高征远程预测监控系统及应用方法 | |
Srinivasan et al. | Segmentation and classification of cervix lesions by pattern and texture analysis |
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 |