CN117442212B - 一种用于产科护理的智能监测方法 - Google Patents

一种用于产科护理的智能监测方法 Download PDF

Info

Publication number
CN117442212B
CN117442212B CN202311785928.0A CN202311785928A CN117442212B CN 117442212 B CN117442212 B CN 117442212B CN 202311785928 A CN202311785928 A CN 202311785928A CN 117442212 B CN117442212 B CN 117442212B
Authority
CN
China
Prior art keywords
fetal
electrocardio
aliasing
data
fluctuation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311785928.0A
Other languages
English (en)
Other versions
CN117442212A (zh
Inventor
鲍磊
殷亚婷
夏太春
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kepu Cloud Medical Software Shenzhen Co ltd
Original Assignee
Kepu Cloud Medical Software Shenzhen Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kepu Cloud Medical Software Shenzhen Co ltd filed Critical Kepu Cloud Medical Software Shenzhen Co ltd
Priority to CN202311785928.0A priority Critical patent/CN117442212B/zh
Publication of CN117442212A publication Critical patent/CN117442212A/zh
Application granted granted Critical
Publication of CN117442212B publication Critical patent/CN117442212B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/344—Foetal cardiography
    • 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]
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Cardiology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及心电数据监测领域，提出了一种用于产科护理的智能监测方法，包括：获取产科护理监测数据；获取预设时间片段长度，根据预设时间片段长度中胎儿混合心电数据计算胎儿心电峰频变化特征和母体心电峰频变化特征，根据胎儿心电峰频变化特征和母体心电峰频变化特征计算胎儿心电混叠系数，根据胎儿心电混叠系数计算胎儿心电混叠强度指数；根据胎儿心电混叠强度指数计算胎儿心电混叠波动系数，根据胎儿心电混叠波动系数计算胎儿心电凸显波动特征，根据每个不同时刻的胎儿心电凸显波动特征获取胎儿心电混叠凸显波动序列，根据胎儿心电凸显波动序列获取胎儿心电监测数据。本发明提高了胎儿心电监测数据采集的准确性。

Description

一种用于产科护理的智能监测方法
技术领域
本发明涉及心电数据监测领域，具体涉及一种用于产科护理的智能监测方法。
背景技术
孕期胎儿的心脏健康状态对胎儿正常发育成长和顺利生产有着重要的意义。在孕期发育过程中，胎儿由于脐带压迫或外界多种因素影响导致胎儿暂时性缺氧，会引起胎儿的不良发育和正常妊娠生育。因此，在临床生育阶段，需要对围产期的胎儿心电变化情况进行采集监测，及时获取胎儿生长发育情况，及早预防新生胎儿疾病，实现优生优育。
但由于胎儿所处羊水包围环境中，导致原始胎儿心电数据较为微弱，在采集过程中传感器和母体外界外接各种噪声影响，使得胎儿原始心电数据较难准确获取。同时孕妇母体的心电数据会与胎儿心电数据出现10-30%的重叠，这对原始胎儿心电数据的采集过程也会造成较大的干扰和困难。
发明内容
本发明提供一种用于产科护理的智能监测方法，以解决胎儿心电数据分离过程中与母体心电数据重合干扰导致胎儿心电监测数据变化表征不明显的问题，所采用的技术方案具体如下：
本发明一个实施例一种用于产科护理的智能监测方法，该方法包括以下步骤：
获取产科护理监测数据；
获取预设时间片段长度，根据预设时间片段长度中胎儿混合心电数据计算胎儿心电峰频变化特征，根据预设时间片段长度中母体心电数据计算母体心电峰频变化特征，根据每个不同时刻的胎儿心电峰频变化特征和母体心电峰频变化特征计算胎儿心电混叠系数，根据每个不同时刻的胎儿心电混叠系数计算胎儿心电混叠强度指数；
根据每个不同时刻的胎儿心电混叠强度指数计算胎儿心电混叠波动系数，根据每个不同时刻的胎儿心电混叠波动系数计算胎儿心电凸显波动特征，根据每个不同时刻的胎儿心电凸显波动特征获取胎儿心电混叠凸显波动序列，根据胎儿心电凸显波动序列获取胎儿心电监测数据。
优选地，其特征在于，获取产科护理监测数据包括：胎儿心电混合数据，母体心电数据。
优选地，所述根据预设时间片段长度中胎儿混合心电数据计算胎儿心电峰频变化特征，根据预设时间片段长度中母体心电数据计算母体心电峰频变化特征的具体方法为：
上述公式中，表示了胎儿混合心电数据中以时刻点/>为起点预设时间片段中的数据的最大峰值，/>表示了胎儿混合心电数据中时刻/>位置处的数值，/>表示了胎儿混合心电数据中以时刻点/>为起点预设时间片段中的数据的最小峰值，/>表示了时刻点/>处的时间片段中胎儿混合心电数据点总个数，/>表示了母体心电数据中以时刻点/>为起点预设时间片段中的数据的最大峰值，/>表示了母体心电数据中时刻/>位置处的数值，/>表示了母体心电数据中以时刻点/>为起点预设时间片段中的数据的最小峰值，/>表示了时刻点/>处的时间片段中母体心电数据点总个数，/>表示了时刻点/>处的胎儿混合心电数据的峰频变化特征，/>表示了时刻点/>处的母体下心电数据的峰频变化特征。
优选地，所述根据每个不同时刻的胎儿心电峰频变化特征和母体心电峰频变化特征计算胎儿心电混叠系数的方法为：
将预设时间长度内胎儿混合心电数据的峰频变化特征与母体心电峰频变化特征的差值记为第一差值，将第一差值与预设时间长度内的胎儿混合心电数据和母体心电数据的距离乘积的归一化结果记为胎儿心电混叠系数。
优选地，所述根据每个不同时刻的胎儿心电混叠系数计算胎儿心电混叠强度指数的具体方法为：
上述公式中，表示了以时刻点/>为起点预设时间片段中胎儿心电混叠系数的最大值，/>表示了以时刻点/>为起点预设时间片段中胎儿心电混叠系数的最小值，/>表示了以时刻点/>为起点预设时间片段中胎儿心电混叠系数的方差，/>表示了以时刻点/>为起点预设时间片段中胎儿心电混叠系数的均值，/>表示了胎儿心电混叠强度指数。
优选地，所述根据每个不同时刻的胎儿心电混叠强度指数计算胎儿心电混叠波动系数的具体方法为：
上述公式中，表示了预设时间片段长度，/>表示了以时刻点/>为起点预设时间片段中第/>个时刻位置处的胎儿心电混叠系数，/>表示了以时刻点/>为起点预设时间片段中胎儿心电混叠系数的均值，/>表示了第/>个时刻位置处的胎儿心电混叠波动系数。
优选地，所述根据每个不同时刻的胎儿心电混叠波动系数计算胎儿心电凸显波动特征的方法为：
将胎儿心电调节常数与不同时刻的胎儿心电混叠波动系数的差值记为第二差值，将不同时刻胎儿混合心电数据与第二差值的乘积记为第一乘积，将胎儿心电调节常数与不同时刻的胎儿心电混叠波动系数的和值记为第一和值，将不同时刻胎儿混合心电数据与第一和值的乘积记为第二乘积，将第一乘积记为小于胎儿心电数据混叠阈值时刻处的胎儿心电凸显波动特征，将第二乘积记为于等于胎儿心电数据混叠阈值时刻处的胎儿心电凸显波动特征。
优选地，所述胎儿心电数据混叠阈值的计算方法为：
将每个时刻为起点的预设时间片段中所有胎儿心电混叠波动系数均值作为该时刻位置处的胎儿心电数据混叠阈值。
优选地，所述根据每个不同时刻的胎儿心电凸显波动特征获取胎儿心电混叠凸显波动序列的方法为：
将每个不同时刻的胎儿心电混叠凸显波动特征按照时间先后顺序排列得到胎儿心电混叠凸显波动序列。
优选地，所述根据胎儿心电凸显波动序列获取胎儿心电监测数据的方法为：
将胎儿心电凸显波动序列作为信号分解算法的输入，将分解后近似熵数值较大的信号记为胎儿心电监测数据。
本发明的有益效果是：本发明根据胎儿心电和母体心电之间的差异变化情况分别计算得到不同时刻心电峰频变化特征，有效地表现了不同时刻处胎儿心电数值波动变化特点。进一步地，本发明结合峰频变化特征对不同时刻的胎儿心电混叠强度指数进行计算，并根据胎儿心电混叠强度指数构建得到胎儿心电混叠波峰系数序列，对母体胎儿心电混合数据序列中，胎儿心电数据的变化特征进行动态计算表征，有效的表示了混合数据序列中胎儿心电数据的起伏波动变化特征，基于胎儿心电数据的起伏波动变化较为准确的分解得到混合数据序列中胎儿心电数据序列，有效地降低了母体心电数据变化特点对胎儿心电数据采集过程中的干扰影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种用于产科护理的智能监测方法的流程示意图；
图2为胎儿心电混合数据和母体心电数据示意图；
图3为胎儿心电混叠凸显波动序列的获取流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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。
请参阅图1，其示出了本发明一个实施例提供的一种用于产科护理的智能监测方法流程图，该方法包括以下步骤：
步骤S001，获取产科护理监测数据。
需要说明的是，如图2所示，在获取原始胎儿心电数据过程中，由于外界自然环境和胎儿母体本身的干扰导致采集获取得到的胎儿心电数据出现异常干扰重叠。因此，为了较为准确地获取胎儿心电数据变化情况，需要首先获取原始胎儿心电数据。
具体的，将心电传感电极放置于母体腹部胎儿位置处，设置采样率，即每秒钟获取500个心电数据点，将获取得到的心电数据序列记为胎儿混合心电数据/>。同时，为了便于后续准确获取胎儿心电数据，将心电传感电极放置于母体胸部位置处，保持采样率不变， 将获取得到的心电数据序列记为母体心电数据序列/>。
步骤S002，获取预设时间片段长度，根据预设时间片段长度中胎儿混合心电数据计算胎儿心电峰频变化特征，根据预设时间片段长度中母体心电数据计算母体心电峰频变化特征，根据每个不同时刻的胎儿心电峰频变化特征和母体心电峰频变化特征计算胎儿心电混叠系数，根据每个不同时刻的胎儿心电混叠系数计算胎儿心电混叠强度指数。
需要说明的是，不同于母体本身环境，胎儿生长发育环境较为特殊，母体心电数据中的数值变化情况应相对于胎儿心电数据的数值变化情况更加清晰和剧烈。此时采集获取得到的胎儿混合心电数据和母体心电数据中数值峰值变化情况差别应较为明显，因此可以根据数值差异变化情况进一步计算。
具体地，为了较为准确地获取胎儿混合心电数据中的数值局部变化情况，取预设时间片段长度，/>取经验值为/>秒，对预设时间片段长度中的心电数据数值变化情况进行计算。
上述公式中，表示了胎儿混合心电数据中以时刻点/>为起点预设时间片段中的数据的最大峰值，/>表示了胎儿混合心电数据中时刻/>位置处的数值，/>表示了胎儿混合心电数据中以时刻点/>为起点预设时间片段中的数据的最小峰值，/>表示了时刻点/>处的时间片段中胎儿混合心电数据点总个数，/>表示了母体心电数据中以时刻点/>为起点预设时间片段中的数据的最大峰值，/>表示了母体心电数据中时刻/>位置处的数值，/>表示了母体心电数据中以时刻点/>为起点预设时间片段中的数据的最小峰值，/>表示了时刻点/>处的时间片段中母体心电数据点总个数，/>表示了时刻点/>处的胎儿混合心电数据的峰频变化特征，/>表示了时刻点/>处的母体下心电数据的峰频变化特征。
通过上述公式可以分别计算得到胎儿混合心电数据和母体心电数据中的时刻点位置处的峰频变化特征的数值大小，由于胎儿生长发育环境相较于母体环境差别较大，此时在预设时间片段中母体心电最大峰值数据相较于胎儿心电的最大峰值差异较大，且由于母体心电变化较为稳定，此时在预设时间长度内的数据点个数相对于胎儿心电数据点个数较少，此时计算得到的母体心电数据峰频变化特征相较于胎儿混合心电数据的峰频变化特征较大，从而可以从数值变化角度对母体心电数据和胎儿心电数据进行区分表征。对于胎儿混合心电数据和母体心电数据中不同时刻数据均进行上述计算可以得到不同时刻下对应的峰频变化特征。
需要说明的是，在胎儿心电数据获取过程中，由于胎儿与母体本身关联较为密切，则此时采集得到的胎儿心电数据会与母体心电数据出现一定程度上的交叠重合现象，这种交叠重合出现的心电数据会极大影响胎儿心电数据变化特征的准确性，因此需要对胎儿混合心电数据和母体心电数据的交叠重合特点进行分析计算。
上述公式中，表示了以自然常数为底的指数函数，/>表示了两个不同序列之间的/>距离，/>表示了以时刻点/>为起点胎儿混合心电数据中预设时间长度的数据片段序列，/>表示了以时刻点/>为起点母体心电数据中预设时间长度的数据片段序列，/>表示了在胎儿混合心电数据中预设时间长度中数据的峰频变化特征，/>表示了在母体心电数据中预设时间长度中数据的峰频变化特征，/>表示了在时刻/>位置处的胎儿心电混叠系数。
通过上述公式对于不同时刻下的胎儿混合心电数据和母体心电数据均可以计算得到相应的胎儿心电混叠系数，若在预设时间片段长度中，胎儿混合心电数据片段序列与母体心电数据片段序列之间变化情况越相近，则计算得到的胎儿混合心电数据片段序列与母体心电数据片段序列之间的距离越小，同时两个不同数据片段序列之间的峰频变化特征数值差异越小，说明两个不同的数据片段序列之间的重合相似性越高，则此时计算得到的时刻点/>处的胎儿心电混叠系数越大。
需要说明的是，由于母体心电数据与原胎儿混合心电数据之间存在较大的干扰从而出现交叠重合现象，为了获取胎儿混合心电数据中的胎儿心电数据，需要结合胎儿心电混叠系数进一步计算，凸显胎儿混合心电数据中的交叠重合部分。
上述公式中，表示了以时刻点/>为起点预设时间片段中胎儿心电混叠系数的最大值，/>表示了以时刻点/>为起点预设时间片段中胎儿心电混叠系数的最小值，/>表示了以时刻点/>为起点预设时间片段中胎儿心电混叠系数的方差，/>表示了以时刻点/>为起点预设时间片段中胎儿心电混叠系数的均值，/>表示了胎儿心电混叠强度指数。
当对应预设时间片段中胎儿心电混叠系数极差越大，方差越大，说明在当前时刻片段中胎儿心电数据与母体心电数据之间发生交叠重合的部分越长，则计算得到的胎儿心电混叠强度指数也相对较大。
步骤S003，据每个不同时刻的胎儿心电混叠强度指数计算胎儿心电混叠波动系数，根据每个不同时刻的胎儿心电混叠波动系数计算胎儿心电凸显波动特征。
上述公式中，表示了预设时间片段长度，/>表示了以时刻点/>为起点预设时间片段中第/>个时刻位置处的胎儿心电混叠系数，/>表示了以时刻点/>为起点预设时间片段中胎儿心电混叠系数的均值，/>表示了第/>个时刻位置处的胎儿心电混叠波动系数。
在胎儿混合心电数据时刻点为起点的预设时间片段中，若胎儿心电数据与母体心电数据交叠重合较为相似，则计算得到的胎儿心电混叠强度指数会相对较大，此时为了凸显胎儿混合心电数据中的交叠重合部分，计算得到的胎儿心电混叠波动系数相对较大。
上述公式中，表示了时刻点/>位置处的胎儿混合心电数据，/>表示了胎儿心电调节常数，/>表示时刻点/>位置处的胎儿心电混叠波动系数，/>表示了时刻点/>位置处的胎儿心电数据混叠阈值，/>表示了时刻点/>位置处的胎儿心电凸显波动特征数值。
步骤S004，根据每个不同时刻的胎儿心电凸显波动特征获取胎儿心电混叠凸显波动序列，根据胎儿心电凸显波动序列获取胎儿心电监测数据。
需要说明的是，为了降低胎儿心电数据获取过程中的计算复杂性，使用预设时间长度片段内的胎儿心电混叠波动系数均值作为当前预设时间长度片段的阈值，同时胎儿心电调节常数取值为1。胎儿混合心电数据大于胎儿心电数据混叠阈值时，说明此时胎儿心电数据与母体心电数据之间存在较大的交叠重复，从而与正常胎儿心电数据进行区分。并按照时间先后顺序将计算得到的不同时刻的胎儿心电凸显波动特征数值排列得到胎儿心电混叠凸显波动序列，记为/>，胎儿心电混叠凸显波动序列的获取流程如图3所示。
在采集获取得到胎儿心电混合数据序列中，由于胎儿心电数据极易受到母体心电数据影响，导致获取得到的胎儿心电数据中出现与母体心电数据较大重叠。因此，将胎儿心电混叠凸显波动序列作为输入，使用FastICA算法获取得到两路不同的心电数据，对分解后两路不同的心电数据分别计算得到相应的近似熵作为这两路不同心电数据的复杂度度量，分别记为/>和/>，由于胎儿心电数据相较于母体心电的心跳频率较快，胎儿心电数据的起伏变化更复杂，此时计算得到的近似熵数值会相对较大，因此取近似熵数值较大的一路心电数据作为分离后的胎儿心电数据序列作为胎儿心电监测数据，通过分解后得到的胎儿心电监测数据较为的反映了胎儿心跳变化情况，从而准确地反映的母体中胎儿生长情况和健康状态。其中FastICA算法是一种常用的数据信号分解算法，其具体计算过程为公知技术，在此不再赘述。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (6)

1.一种用于产科护理的智能监测方法，其特征在于，该方法包括以下步骤：
获取产科护理监测数据；
获取预设时间片段长度，根据预设时间片段长度中产科护理监测数据计算胎儿心电峰频变化特征，根据预设时间片段长度中产科护理监测数据计算母体心电峰频变化特征，根据每个不同时刻的胎儿心电峰频变化特征和母体心电峰频变化特征计算胎儿心电混叠系数，根据每个不同时刻的胎儿心电混叠系数计算胎儿心电混叠强度指数；
根据每个不同时刻的胎儿心电混叠强度指数计算胎儿心电混叠波动系数，根据每个不同时刻的胎儿心电混叠波动系数计算胎儿心电凸显波动特征，根据每个不同时刻的胎儿心电凸显波动特征获取胎儿心电混叠凸显波动序列，根据胎儿心电凸显波动序列获取胎儿心电监测数据；
获取产科护理监测数据包括：胎儿心电混合数据，母体心电数据；
所述根据预设时间片段长度中胎儿混合心电数据计算胎儿心电峰频变化特征，根据预设时间片段长度中母体心电数据计算母体心电峰频变化特征的数学表达式为：
上述公式中，表示了胎儿混合心电数据中以时刻点/>为起点预设时间片段中的数据的最大峰值，/>表示了胎儿混合心电数据中时刻/>位置处的数值，/>表示了胎儿混合心电数据中以时刻点/>为起点预设时间片段中的数据的最小峰值，/>表示了时刻点/>处的时间片段中胎儿混合心电数据点总个数，/>表示了母体心电数据中以时刻点/>为起点预设时间片段中的数据的最大峰值，/>表示了母体心电数据中时刻/>位置处的数值，/>表示了母体心电数据中以时刻点/>为起点预设时间片段中的数据的最小峰值，/>表示了时刻点/>处的时间片段中母体心电数据点总个数，/>表示了时刻点/>处的胎儿混合心电数据的峰频变化特征，/>表示了时刻点/>处的母体下心电数据的峰频变化特征；
所述根据每个不同时刻的胎儿心电峰频变化特征和母体心电峰频变化特征计算胎儿心电混叠系数的方法为：
将预设时间长度内胎儿混合心电数据的峰频变化特征与母体心电峰频变化特征的差值记为第一差值，将第一差值与预设时间长度内的胎儿混合心电数据和母体心电数据的距离乘积的归一化结果记为胎儿心电混叠系数；
所述根据每个不同时刻的胎儿心电混叠系数计算胎儿心电混叠强度指数的数学表达式为：
上述公式中，表示了以时刻点/>为起点预设时间片段中胎儿心电混叠系数的最大值，/>表示了以时刻点/>为起点预设时间片段中胎儿心电混叠系数的最小值，/>表示了以时刻点/>为起点预设时间片段中胎儿心电混叠系数的方差，/>表示了以时刻点/>为起点预设时间片段中胎儿心电混叠系数的均值，/>表示了胎儿心电混叠强度指数。
2.根据权利要求1所述的一种用于产科护理的智能监测方法，其特征在于，所述根据每个不同时刻的胎儿心电混叠强度指数计算胎儿心电混叠波动系数的数学表达式为：
上述公式中，表示了预设时间片段长度，/>表示了以时刻点/>为起点预设时间片段中第/>个时刻位置处的胎儿心电混叠系数，/>表示了以时刻点/>为起点预设时间片段中胎儿心电混叠系数的均值，/>表示了第/>个时刻位置处的胎儿心电混叠波动系数。
3.根据权利要求2所述的一种用于产科护理的智能监测方法，其特征在于，所述根据每个不同时刻的胎儿心电混叠波动系数计算胎儿心电凸显波动特征的方法为：
将胎儿心电调节常数与不同时刻的胎儿心电混叠波动系数的差值记为第二差值，将不同时刻胎儿混合心电数据与第二差值的乘积记为第一乘积，将胎儿心电调节常数与不同时刻的胎儿心电混叠波动系数的和值记为第一和值，将不同时刻胎儿混合心电数据与第一和值的乘积记为第二乘积，将第一乘积记为小于胎儿心电数据混叠阈值时刻处的胎儿心电凸显波动特征，将第二乘积记为大于等于胎儿心电数据混叠阈值时刻处的胎儿心电凸显波动特征。
4.根据权利要求3所述的一种用于产科护理的智能监测方法，其特征在于，所述胎儿心电数据混叠阈值的计算方法为：
将每个时刻为起点的预设时间片段中所有胎儿心电混叠波动系数均值作为该时刻位置处的胎儿心电数据混叠阈值。
5.根据权利要求3所述的一种用于产科护理的智能监测方法，其特征在于，所述根据每个不同时刻的胎儿心电凸显波动特征获取胎儿心电混叠凸显波动序列的方法为：
将每个不同时刻的胎儿心电混叠凸显波动特征按照时间先后顺序排列得到胎儿心电混叠凸显波动序列。
6.根据权利要求1所述的一种用于产科护理的智能监测方法，其特征在于，所述根据胎儿心电凸显波动序列获取胎儿心电监测数据的方法为：
将胎儿心电凸显波动序列作为信号分解算法的输入，分解后得到胎儿心电监测数据和干扰噪声数据，将分解后近似熵数值大的数据信号记为胎儿心电监测数据。
CN202311785928.0A 2023-12-25 2023-12-25 一种用于产科护理的智能监测方法 Active CN117442212B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311785928.0A CN117442212B (zh) 2023-12-25 2023-12-25 一种用于产科护理的智能监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311785928.0A CN117442212B (zh) 2023-12-25 2023-12-25 一种用于产科护理的智能监测方法

Publications (2)

Publication Number Publication Date
CN117442212A CN117442212A (zh) 2024-01-26
CN117442212B true CN117442212B (zh) 2024-03-12

Family

ID=89584130

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311785928.0A Active CN117442212B (zh) 2023-12-25 2023-12-25 一种用于产科护理的智能监测方法

Country Status (1)

Country Link
CN (1) CN117442212B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102258368A (zh) * 2011-04-29 2011-11-30 华南理工大学 胎心电检测的时域稀疏性线性混叠盲分离模型的判别方法
CN103720469A (zh) * 2014-01-02 2014-04-16 山东大学 可穿戴式动态母体胎儿心电检测装置
CN106691437A (zh) * 2017-01-26 2017-05-24 浙江铭众科技有限公司 一种基于母体心电信号的胎儿心率提取方法
CN108013872A (zh) * 2018-01-10 2018-05-11 北京大学第三医院 用于母体胎儿心率监测的系统
CN109009083A (zh) * 2018-07-19 2018-12-18 电子科技大学 一种融合小波和fastICA的胎儿心电提取方法及装置
CN116269422A (zh) * 2023-03-27 2023-06-23 江苏科技大学 一种高信噪比的胎儿心电分离获取方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102258368A (zh) * 2011-04-29 2011-11-30 华南理工大学 胎心电检测的时域稀疏性线性混叠盲分离模型的判别方法
CN103720469A (zh) * 2014-01-02 2014-04-16 山东大学 可穿戴式动态母体胎儿心电检测装置
CN106691437A (zh) * 2017-01-26 2017-05-24 浙江铭众科技有限公司 一种基于母体心电信号的胎儿心率提取方法
CN108013872A (zh) * 2018-01-10 2018-05-11 北京大学第三医院 用于母体胎儿心率监测的系统
CN109009083A (zh) * 2018-07-19 2018-12-18 电子科技大学 一种融合小波和fastICA的胎儿心电提取方法及装置
CN116269422A (zh) * 2023-03-27 2023-06-23 江苏科技大学 一种高信噪比的胎儿心电分离获取方法及装置

Also Published As

Publication number Publication date
CN117442212A (zh) 2024-01-26

Similar Documents

Publication Publication Date Title
CA2990367C (en) Methods and systems using mathematical analysis and machine learning to diagnose disease
Srikumar et al. Doppler indices of the umbilical and fetal middle cerebral artery at 18–40 weeks of normal gestation: A pilot study
JP2011516238A (ja) 胎児ｅｃｇモニタリング
CN113077900B (zh) 糖尿病早期风险评估方法、装置、计算机设备及介质
Chung et al. The prediction of fetal acidosis at birth by computerised analysis of intrapartum cardiotocography
Smith et al. A systematic review of cardiac time intervals utilising non-invasive fetal electrocardiogram in normal fetuses
Hao et al. Application of decision tree in determining the importance of surface electrohysterography signal characteristics for recognizing uterine contractions
CN105266799B (zh) 一种基于盲分离技术的心电放大器自动增益控制方法
Romagnoli et al. Digital cardiotocography: What is the optimal sampling frequency?
Fotiadou et al. Deep convolutional long short-term memory network for fetal heart rate extraction
KR102222282B1 (ko) 자궁 근전도 기반의 조산 위험도 식별방법
KR101554381B1 (ko) 태아 건강 평가 방법 및 장치
Goncalves et al. Gender-specific heart rate dynamics in severe intrauterine growth-restricted fetuses
Spairani et al. A novel large structured cardiotocographic database
CN117442212B (zh) 一种用于产科护理的智能监测方法
WO2018023697A1 (zh) 一种胎儿心电分离方法及装置
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
CN112992353A (zh) 预产期精准预测方法、装置、计算机设备及存储介质
Liang et al. Fully automatic classification of cardiotocographic signals with 1D-CNN and bi-directional GRU
Schmidt et al. Universal characteristics of evolution and development are inherent in fetal autonomic brain maturation
Spilka et al. Stability of variability features computed from fetal heart rate with artifcially infused missing data
CN114159039A (zh) 一种智能产前胎心监护模型
CN112289435A (zh) 一种基于机器学习和体检数据的妊娠期糖尿病筛查系统
CN114287900A (zh) 一种胎心率信号的缺失值填充装置和方法
Loughna Intrauterine growth restriction: Investigation and management

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