JP2023513678A - 母体子宮活動検出のための融合信号処理 - Google Patents
母体子宮活動検出のための融合信号処理 Download PDFInfo
- Publication number
- JP2023513678A JP2023513678A JP2022548054A JP2022548054A JP2023513678A JP 2023513678 A JP2023513678 A JP 2023513678A JP 2022548054 A JP2022548054 A JP 2022548054A JP 2022548054 A JP2022548054 A JP 2022548054A JP 2023513678 A JP2023513678 A JP 2023513678A
- Authority
- JP
- Japan
- Prior art keywords
- signal
- channel
- computer processor
- data
- sets
- 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
- 230000000694 effects Effects 0.000 title claims description 82
- 230000008774 maternal effect Effects 0.000 title description 60
- 238000001514 detection method Methods 0.000 title description 16
- 238000012545 processing Methods 0.000 title description 8
- 230000004927 fusion Effects 0.000 title 1
- 238000000034 method Methods 0.000 claims abstract description 186
- 238000012544 monitoring process Methods 0.000 claims abstract description 82
- 230000008602 contraction Effects 0.000 claims description 154
- 230000008569 process Effects 0.000 claims description 53
- 230000006870 function Effects 0.000 claims description 24
- 238000007781 pre-processing Methods 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 11
- 238000002567 electromyography Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000007670 refining Methods 0.000 claims description 2
- 230000008030 elimination Effects 0.000 claims 1
- 238000003379 elimination reaction Methods 0.000 claims 1
- 230000002708 enhancing effect Effects 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 24
- 210000001015 abdomen Anatomy 0.000 description 19
- 230000008859 change Effects 0.000 description 18
- 230000001605 fetal effect Effects 0.000 description 16
- 238000001914 filtration Methods 0.000 description 14
- 238000000605 extraction Methods 0.000 description 12
- 210000004291 uterus Anatomy 0.000 description 11
- 208000036029 Uterine contractions during pregnancy Diseases 0.000 description 10
- 238000012800 visualization Methods 0.000 description 10
- 230000006978 adaptation Effects 0.000 description 9
- 238000012804 iterative process Methods 0.000 description 8
- 238000012880 independent component analysis Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 238000012805 post-processing Methods 0.000 description 6
- 230000000717 retained effect Effects 0.000 description 6
- 230000000747 cardiac effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000037020 contractile activity Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000000718 qrs complex Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 239000010432 diamond Substances 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 210000003754 fetus Anatomy 0.000 description 3
- 238000007499 fusion processing Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003387 muscular Effects 0.000 description 2
- 230000037081 physical activity Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000009966 trimming Methods 0.000 description 2
- 238000003658 Grubbs' test for outlier Methods 0.000 description 1
- 230000005856 abnormality Effects 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
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 210000002458 fetal heart Anatomy 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 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
- 230000002107 myocardial effect Effects 0.000 description 1
- 230000002632 myometrial effect Effects 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/43—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
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1107—Measuring contraction of parts of the body, e.g. organ, muscle
-
- 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]
- 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
- A61B5/4362—Assessing foetal parameters
-
- 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
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/02—Foetus
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0204—Acoustic sensors
Abstract
コンピュータ実装方法は、少なくとも一つのコンピュータプロセッサによって、複数の信号チャネルを提供することであって、複数の信号チャネルが、複数の電気子宮モニタリング信号チャネルおよび複数の音響子宮モニタリング信号チャネルを含む、提供することと、少なくとも一つのコンピュータプロセッサによって、複数のチャネル重みを決定することであって、チャネル重みの夫々が、信号チャネルの特定のものに対応する、決定することと、信号チャネルの夫々のためのチャネル重みに基づいて信号チャネルの加重平均を計算することによって、結合子宮モニタリング信号チャネルを、少なくとも一つのコンピュータプロセッサによって、生成することと、を備える。
Description
関連出願のクロスリファレンス
本出願は、２０２０年２月５日出願、発明の名称「母体子宮活動検出のための融合信号処理」の、共願であり同時係属の米国仮特許出願第６２／９７０，５８５号に関連しその利益を主張する国際（ＰＣＴ）特許出願であり、その内容は全体として参照により本明細書に組み込まれる。
本出願は、２０２０年２月５日出願、発明の名称「母体子宮活動検出のための融合信号処理」の、共願であり同時係属の米国仮特許出願第６２／９７０，５８５号に関連しその利益を主張する国際（ＰＣＴ）特許出願であり、その内容は全体として参照により本明細書に組み込まれる。
発明の属する技術分野
本発明は、一般に、妊産婦のモニタリングに関するものである。より詳細には、本発明は、子宮収縮などの子宮活動の計算された表現を生成するために、感知された生体電位データ及び／又は音響データの分析に関するものである。
本発明は、一般に、妊産婦のモニタリングに関するものである。より詳細には、本発明は、子宮収縮などの子宮活動の計算された表現を生成するために、感知された生体電位データ及び／又は音響データの分析に関するものである。
背景
子宮収縮は、子宮の筋肉が短縮され、筋肉細胞間の空間が減少する間の一時的なプロセスである。筋肉のこれらの構造変化は、分娩に向けて胎児を低い位置に押し下げることを可能にするために、子宮腔圧の上昇を引き起こす。子宮収縮時には、子宮筋細胞（すなわち、子宮の細胞）の構造が変化し、子宮の壁が厚くなる。図１Ａは、子宮の筋壁が弛緩している弛緩子宮の説明図であり、図１Ｂは、子宮の筋壁が弛緩している弛緩子宮の説明図である。図１Ｂは、子宮の筋肉壁が収縮して胎児を子宮頸部に押し付けている子宮収縮の様子を示す説明図である。
子宮収縮は、子宮の筋肉が短縮され、筋肉細胞間の空間が減少する間の一時的なプロセスである。筋肉のこれらの構造変化は、分娩に向けて胎児を低い位置に押し下げることを可能にするために、子宮腔圧の上昇を引き起こす。子宮収縮時には、子宮筋細胞（すなわち、子宮の細胞）の構造が変化し、子宮の壁が厚くなる。図１Ａは、子宮の筋壁が弛緩している弛緩子宮の説明図であり、図１Ｂは、子宮の筋壁が弛緩している弛緩子宮の説明図である。図１Ｂは、子宮の筋肉壁が収縮して胎児を子宮頸部に押し付けている子宮収縮の様子を示す説明図である。
子宮収縮は、陣痛の進行状況を評価するためにモニターされる。典型的には、陣痛の進行は、妊婦の腹部に配置された歪みゲージベースのセンサであるトコダイナモメータ、及び同じく腹部に配置された超音波トランスデューサの２つのセンサを使用することによってモニタリングされる。トコダイナモメータの信号からトコグラフ（以下、ＴＯＣＯ）を解析して子宮収縮を特定し、超音波トランスデューサの信号から胎児心拍数、母体心拍数、胎動などを検出することができる。しかし、これらのセンサは装着感が悪く、肥満の妊婦が装着すると信頼性の低いデータを出力してしまうことがある。
Ｈｙｖａｒｉｎｅｎら、「Ｉｎｄｅｐｅｎｄｅｎｔ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ： Ａｌｇｏｒｉｔｈｍｓ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ」、Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ １３（４－５）：４１１－４３０ （２０００）
Ｚｏｎｇら、「Ａ ＱＴ Ｉｎｔｅｒｖａｌ Ｄｅｔｅｃｔｉｏｎ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ Ｏｎ ＥＣＧ Ｃｕｒｖｅ Ｌｅｎｇｔｈ Ｔｒａｎｓｆｏｒｍ」、Ｃｏｍｐｕｔｅｒｓ Ｉｎ Ｃａｒｄｉｏｌｏｇｙ ３３：３７７－３８０ （Ｏｃｔｏｂｅｒ ２００６）
概要
いくつかの実施形態において、本発明は、少なくとも以下のコンポーネントを含む、具体的にプログラムされたコンピュータシステムを提供する。非一過性のメモリであって、コンピュータ実行可能なプログラムコードを電子的に格納するメモリ、及び、プログラムコードを実行するとき、少なくとも以下の動作を行うように構成されている具体的にプログラムされたコンピューティングプロセッサとなる少なくとも一つのコンピュータプロセッサ。妊娠中の母親の腹部の複数の位置で収集された複数の生体電位信号を受信することと、生体電位信号のＲ波ピークを検出することと、生体電位信号から母体心電図（「ＥＣＧ」）信号を抽出することと、母体ＥＣＧ信号のＲ波振幅を決定することと、母体ＥＣＧ信号の夫々に対してＲ波振幅信号を作成することと、全てのＲ波振幅信号の平均を計算することと、及び平均を正規化して電気子宮モニタリング（「ＥＵＭ」）信号を生成すること。いくつかの実施形態では、動作は、ＥＵＭ信号における対応する少なくとも一つのピークに基づいて少なくとも一つの子宮収縮を特定することも含む。
いくつかの実施形態において、本発明は、少なくとも以下のコンポーネントを含む、具体的にプログラムされたコンピュータシステムを提供する。非一過性のメモリであって、コンピュータ実行可能なプログラムコードを電子的に格納するメモリ、及び、プログラムコードを実行するとき、少なくとも以下の動作を行うように構成されている具体的にプログラムされたコンピューティングプロセッサとなる少なくとも一つのコンピュータプロセッサ。妊娠中の母親の腹部の複数の位置で収集された複数の生体電位信号を受信することと、生体電位信号のＲ波ピークを検出することと、生体電位信号から母体心電図（「ＥＣＧ」）信号を抽出することと、母体ＥＣＧ信号のＲ波振幅を決定することと、母体ＥＣＧ信号の夫々に対してＲ波振幅信号を作成することと、全てのＲ波振幅信号の平均を計算することと、及び平均を正規化して電気子宮モニタリング（「ＥＵＭ」）信号を生成すること。いくつかの実施形態では、動作は、ＥＵＭ信号における対応する少なくとも一つのピークに基づいて少なくとも一つの子宮収縮を特定することも含む。
いくつかの実施形態では、本発明は、妊娠中の母親の腹部の複数の位置で収集された複数の生体電位信号を受信することと、生体電位信号中のＲ波ピークを検出することと、生体電位信号から母体ＥＣＧ信号を抽出することと、母体ＥＣＧ信号中のＲ波振幅を決定することと、母体ＥＣＧ信号の夫々についてＲ波振幅信号を作成することと、すべてのＲ波振幅信号の平均を計算することと、平均を正規化してＥＵＭ信号を生成することとを含む方法を提供する。いくつかの実施形態では、本方法は、ＥＵＭ信号内の対応する少なくとも一つのピークに基づいて、少なくとも一つの子宮収縮を特定することも含む。
一実施形態では、コンピュータ実装方法は、少なくとも一つのコンピュータプロセッサによって、複数の生の生体電位入力を受信することであって、生の生体電位入力の各々が複数の電極の対応する一つから受信されており、複数の電極の各々が妊娠中のヒト被験者の生の生体電位入力のそれぞれの一つを測定するように位置決めされている、受信することと、少なくとも一つのコンピュータプロセッサによって、複数の生の生体電位入力から複数の信号チャネルを生成することであって、複数の信号チャネルが、少なくとも３つの信号チャネルを含んでいる、生成することと、少なくとも一つのコンピュータプロセッサによって、前記信号チャネルの夫々の信号チャネルデータを前処理して、複数の前処理された信号チャネルを作成することであって、前記前処理された信号チャネルの夫々は、夫々の前処理された信号チャネルデータを含む、作成することと、少なくとも一つのコンピュータプロセッサによって、前処理された信号チャネルの夫々の前処理された信号チャネルデータから夫々の複数のＲ波ピークを抽出して、複数のＲ波ピークデータセットを作成することであって、Ｒ波ピークデータセットの夫々は、夫々の複数のＲ波ピークを含む、作成するステップと、少なくとも一つのコンピュータプロセッサによって、複数のＲ波ピークデータセットから、（ａ）少なくとも一つのシグナルアーチファクト、又は（ｂ）少なくとも一つの外れ値データポイントの、少なくとも一つを除去することであって、少なくとも一つのシグナルアーチファクトが筋電図アーチファクト又はベースラインアーチファクトのいずれかである、除去することと、少なくとも一つのコンピュータプロセッサによって、少なくとも一つのシグナルアーチファクト、少なくとも一つの外れ値データポイント、又は両方を、少なくとも一つのシグナルアーチファクト、少なくとも一つの外れ値データポイント、又は両方が除去されたＲ波ピークデータセットの対応するものに基づき決定された少なくとも一つの統計値と、置き換えることと、少なくとも一つのコンピュータプロセッサによって、夫々のＲ波ピークデータセットに基づいて、所定のサンプリングレートで夫々のＲ波信号チャネルのための夫々のＲ波信号データセットを生成して、複数のＲ波信号チャネルを作成することと、少なくとも一つのコンピュータプロセッサによって、（ａ）少なくとも一つの第１の特定のＲ波信号チャネルの夫々のＲ波信号データセットと（ｂ）少なくとも一つの第２の特定のＲ波信号チャネルの夫々のＲ波信号データセットとの間の、少なくとも一つの相関に基づいて、複数のＲ波チャネルから少なくとも一つの第１の特定のＲ波信号チャネル及び少なくとも一つの第２の特定のＲ波信号チャネルを選択することと、少なくとも一つのコンピュータプロセッサによって、少なくとも、第１の選択されたＲ波信号チャネルの夫々のＲ波信号データセット及び第２の選択されたＲ波信号チャネルの夫々のＲ波信号データセットに基づいて、電気子宮モニタリング信号を代表する電気子宮モニタリングデータを生成することと、を含む。
実施形態において、コンピュータ実装方法は、少なくとも一つのコンピュータプロセッサによって、電気子宮モニタリングデータをシャープ化して、シャープ化された電気子宮モニタリング信号を作成することも含む。実施形態において、電気子宮モニタリングデータが、破損した電気子宮信号モニタリングチャネルである電気子宮モニタリング信号チャネルのうちの選択された一つに基づいて計算される場合、シャープ化することは省略される。実施形態において、コンピュータ実装方法は、シャープ化された電気子宮モニタリング信号データを後処理して、後処理された電気子宮モニタリング信号を作成することも含む。実施形態において、シャープ化することは、電気子宮モニタリング信号データにおけるピークのセットを特定することと、ピークの各々のプロミネンスを決定することと、ピークのセットから、少なくとも一つの閾値プロミネンス値未満であるプロミネンスを有するピークを除去することと、ピークのセットの残りのピークに基づいてマスクを計算することと、移動平均ウィンドウに基づいてマスクを平滑化して平滑化されたマスクを作成することと、平滑化されたマスクを電気子宮モニタリング信号データに追加してシャープ化された電気子宮モニタリング信号データを作成することと、を含む。実施形態において、少なくとも一つの閾値プロミネンス値は、絶対プロミネンス値、及びピークの集合におけるピークの最大顕著性に基づいて計算される相対プロミネンス値からなる、グループから選択される少なくとも一つの閾値プロミネンス値を含む。実施形態において、マスクは、残りのピークの領域の外側のゼロ値及び残りのピークの領域の内側の非ゼロ値を含み、非ゼロ値は、ガウス関数に基づいて計算される。
実施形態において、前処理するステップの少なくとも一つのフィルタリングするステップは、ＤＣ除去フィルタ、電力線フィルタ、及びハイパスフィルタからなるグループから選択される少なくとも一つのフィルタを適用することを含む。
実施形態において、抽出するステップは、妊娠中のヒト被験者の母体ＥＣＧピークのセットを受信することと、母体ＥＣＧピークのセットにおける母体ＥＣＧピークの各々の前後の所定の時間窓内の前処理された信号チャネルの各々のＲ波ピークを、所定の時間窓内の前処理された信号チャネルの各々の最大絶対値として特定することとを含む。
実施形態において、信号アーチファクト又は外れ値データポイントの少なくとも一方を除去するステップは、少なくとも一つの破損したピークが閾値よりも大きいピーク間二乗平均平方根値を有することに基づいて複数のＲ波ピークデータセットの一つにおける少なくとも一つの破損したピークを特定することと、破損したピークを中央値で置き換えることであって、中央値がローカル中央値とグローバル中央値のいずれかである、置き換えることと、を含むプロセスによって、少なくとも一つの筋電図アーチファクトを除去することを、含む。
実施形態では、信号アーチファクト又は外れ値データポイントの少なくとも一方を除去するステップは、以下を含むプロセスによって少なくとも一つのベースラインアーチファクトを除去することを含む。複数のＲ波ピークデータセットのうちの一つにおけるＲ波ピークの変化ポイントを特定することと、複数のＲ波ピークデータセットのうちの一つを、変化ポイントより前に位置する第１の部分と変化ポイントより後に位置する第２の部分に細分化することと、第１の部分について第１の二乗平均平方根値を決定することと、第２の部分について第２の二乗平均平方根値を決定することと、第１の二乗平均平方根値及び第２の二乗平均平方根値に基づいて等化係数を決定することと、第１の部分におけるＲ波ピークに等化係数を乗じることによって第１の部分を修正すること、である。
実施形態において、信号アーチファクト又は外れ値の点の少なくとも一方を除去するステップは、外れ値に対するグラブス検定に従って少なくとも一つの外れ値を除去することを含む。
実施形態において、夫々のＲ波ピークデータセットに基づいて夫々のＲ波データセットを生成するステップは、夫々のＲ波ピークデータセットのＲ波ピーク間を補間することを含み、Ｒ波ピーク間を補間することは、三次スプライン補間アルゴリズム及び形状保存ピースワイズ三次補間アルゴリズムからなるグループから選択される補間アルゴリズムを用いて補間することを含む。
実施形態において、Ｒ波信号チャネルの少なくとも一つの第１のもの及びＲ波信号チャネルの少なくとも一つの第２のものを選択するステップは、Ｒ波信号チャネルの各々が接触問題を経験した以前の間隔の割合に基づいてＲ波信号チャネルから候補Ｒ波信号チャネルを選択することと、選択した候補Ｒ波信号チャネルを複数のカップルにグループ化することであって、ここでカップルの各々が互いに独立している選択した候補Ｒ波チャネルの二つを含んでいる、グループ化するステップと、前記カップルの各々の相関値を計算することと、前記Ｒ波信号チャネルの選択された少なくとも一つの第１のもの及び前記Ｒ波信号チャネルの選択された少なくとも一つの第２のものとして、前記カップルの少なくとも一つが閾値相関値を超える相関値を有することに基づいて前記カップルの少なくとも一つの候補Ｒ波信号チャネルを選択することと、を含む。
実施形態において、電気子宮モニタリング信号を計算するステップは、Ｒ波信号チャネルのうちの選択された少なくとも一つの第１のものとＲ波信号チャネルのうちの選択された少なくとも一つの第２のものとの所定のパーセンタイルである信号を計算することを含む。実施形態において、所定のパーセンタイルは、８０パーセンタイルである。
実施形態において、統計値は、ローカル中央値、グローバル中央値、又は平均値のうちの一つである。
いくつかの実施形態では、コンピュータ実装方法は、少なくとも一つのコンピュータプロセッサによって、複数の信号チャネルを提供することであって、複数の信号チャネルは、複数の電気子宮モニタリング信号チャネル及び複数の音響子宮モニタリング信号チャネルを含む、提供することと、少なくとも一つのコンピュータプロセッサによって、複数のチャネル重みを決定することであって、チャネル重みの各々は、信号チャネルの特定の一つに対応する、決定することと、少なくとも一つのコンピュータプロセッサによって、信号チャネルの各々についてのチャネル重みに基づいて信号チャネルの加重平均を計算することによって、結合子宮モニタリング信号チャネルを生成することと、を含む。
いくつかの実施形態では、複数のチャネル重みは、機械学習アルゴリズムに基づいて決定される。いくつかの実施形態では、機械学習アルゴリズムは、勾配降下最適化プロセスを含む。
いくつかの実施形態では、複数のチャネル重みは、以下を含むプロセスによって決定される。少なくとも一つのコンピュータプロセッサによって、複数のチャネルセットを定義することであって、複数のチャネルセットの各々は、複数の信号チャネルの少なくともいくつかを含む、定義することと、少なくとも一つのコンピュータプロセッサによって、複数の初期重みセットを定義することであって、複数の初期重みセットの各々は、複数のチャネルセットの特定の一つに対応する、定義することと、少なくとも一つのコンピュータプロセッサによって、複数の初期重みセットを最適化して、複数の最適化された重みセットを生成することであって、複数の最適化された重みセットの各々は、複数のチャネルセットの特定の一つに対応する、生成することと、少なくとも一つのコンピュータプロセッサによって、複数のチャネル重みとして複数の最適化された重みセットの最良の一つを選択すること、である。
いくつかの実施形態では、複数の初期重みセットを最適化するステップは、勾配降下プロセスを含む。
いくつかの実施形態では、複数の最適化された重みセットのうちの最良の一つを選択するステップは、以下を含むプロセスによって実行される。少なくとも一つのコンピュータプロセッサによって、複数の中間子宮活動トレースを生成することであって、複数の中間子宮活動トレースの各々は、複数の最適化された重みセットの特定の一つに対応する、生成することと、少なくとも一つのコンピュータプロセッサによって、複数の最適化された重みセットの各々に対して、（ａ）複数の最適化された重みセットの各々に対応する中間子宮活動トレースの特定の一つの信号対雑音比、（ｂ）コスト関数、（ｃ）収縮信頼度指標、（ｄ）相違指数を、算出することと、少なくとも一つのコンピュータプロセッサによって、複数の最適化された重みセットの各々の特定の一つについて、（ａ）前記最適化された重みセットの特定の一つの信号対雑音比、（ｂ）前記最適化された重みセットの特定の一つのコスト関数、（ｃ）前記最適化された重みセットの特定の一つの収縮信頼度指標、及び（ｄ）前記最適化された重みセットの特定の一つの差分指数の、平均である最適化された重みセット平均を、算出することと、少なくとも一つのコンピュータプロセッサによって、前記複数の最適化された重みセットのうち、最良の最適化された重みセット平均を有するものを、前記複数の最適化された重みセットのうち最良の一つとして選択すること、である。
いくつかの実施形態では、コンピュータ実装方法は、また、少なくとも一つのコンピュータプロセッサによって、複数のチャネルセットの特定の一つに対応する第１の中間子宮活動トレースおよび第２の中間子宮活動トレースを生成することであって、第１の中間子宮活動トレースは、複数のチャネルセットの特定の一つに対する複数の最適化された重みセットの第１のものに対応し、第２の中間子宮活動トレースは、複数のチャネルセットの特定の一つに対する複数の最適化された重みセットの第２の一つに対応する、生成することと、少なくとも一つのコンピュータプロセッサによって、前記複数の最適化された重みセットの第１のものについて、（ａ）前記第１の中間子宮活動トレースの信号対雑音比、（ｂ）コスト関数、（ｃ）収縮信頼度指標、及び（ｄ）差分指数を計算することと、少なくとも一つのコンピュータプロセッサによって、前記複数の最適化された重みセットの第２のものについて、（ａ）前記第２の中間子宮活動トレースの信号対雑音比、（ｂ）コスト関数、（ｃ）収縮信頼度指標、及び（ｄ）差分指数を計算することと、少なくとも一つのコンピュータプロセッサによって、前記複数の最適化された重みセットのうちの第１のものについて、（ａ）前記第１の中間子宮活動トレースの信号対雑音比、（ｂ）前記複数の最適化された重みセットのうちの第１のもののコスト関数、（ｃ）前記複数の最適化された重みセットのうちの第１のものの収縮信頼度指標、及び（ｄ）前記複数の最適化された重みセットのうちの第１のものの差分指数の、平均である第１の平均を計算することと、少なくとも一つのコンピュータプロセッサによって、前記複数の最適化された重みセットのうちの第２のものについて、（ａ）前記第２の中間子宮活動トレースの信号対雑音比、（ｂ）前記複数の最適化された重みセットのうちの第２のもののコスト関数、（ｃ）前記複数の最適化された重みセットのうちの第２のものの収縮信頼度指標、及び（ｄ）前記複数の最適化された重みセットのうちの第２のものの差分指数の、平均である第２の平均を計算することと、少なくとも一つのコンピュータプロセッサによって、第１の平均が第２の平均よりも優れているという決定に基づいて、複数の重みセットの第１のものを、複数のチャネルセットの特定の一つに対する最良の重みセットとして選択することと、少なくとも一つのコンピュータプロセッサによって、第２の平均が第１の平均よりも優れているという決定に基づいて、複数の重みセットの第２のものを、複数のチャネルセットの特定の一つに対する最良の重みセットとして選択することと、を含む。いくつかの実施形態では、コンピュータ実装方法は、少なくとも一つのコンピュータプロセッサによって、複数のチャネル重みとして複数の最適化された重みセットのうちの最良の一つを選択するステップの前に、複数のチャネルセットを、少なくともコンピュータプロセッサによって、強化することも、含む。
いくつかの実施形態では、複数のチャネルセットを定義するステップは、収縮ベースのチャネルセットを定義することを含み、収縮ベースのチャネルセットは、以下を含むプロセスによって決定される。少なくとも一つのコンピュータプロセッサによって、複数の信号チャネルの各々における収縮のセットを特定することと、少なくとも一つのコンピュータプロセッサによって、複数の信号チャネルの各々について特定された収縮のセットに基づいて、複数の信号チャネルの各々に対する収縮特徴を抽出することと、少なくとも一つのコンピュータプロセッサによって、複数の信号チャネルを複数のクラスタにクラスタリングすることと、複数のクラスタのうちの最良の一つを収縮ベースのチャネルセットとして選択することと、である。いくつかの実施形態において、複数のチャネルセットを定義するステップは、少なくとも一つのコンピュータプロセッサによって、複数のクラスタのうちの最良の一つを改良することをさらに含む。いくつかの実施形態において、複数のチャネルセットを定義するステップは、少なくとも一つのコンピュータプロセッサによって、複数のクラスタの最良の一つに、複数のクラスタの最良の一つに含まれない信号チャネルのうちの一つの部分を追加することも含む。いくつかの実施形態では、複数の信号チャネルの各々における収縮のセットを特定するステップは、複数の信号チャネルの各々の一つに対して、以下を含むプロセスによって実行される。少なくとも一つのコンピュータプロセッサによって、複数の信号チャネルのうちの一つの強化されたバージョンを生成することと、少なくとも一つのコンピュータプロセッサによって、複数の信号チャネルのうちの強化されたものにおける収縮の候補セットを検出することであって、収縮の候補セットが、複数の収縮候補を含む、検出することと、少なくとも一つのコンピュータプロセッサによって、各候補収縮に対する複数の信頼度指標を計算することと、少なくとも一つのコンピュータプロセッサによって、候補収縮のうちの少なくとも一つの除去される一つに対応する信頼度指標に基づいて候補収縮のセットから候補収縮のうちの少なくとも一つを除去することであって、除去によって収縮のセットを生成する、除去することと、である。
いくつかの実施形態では、少なくとも一つのコンピュータプロセッサによって、複数の初期重みセットを定義するステップは、少なくとも一つのコンピュータプロセッサによって、チャネルセットの各々について、チャネル投票重みセットと生まれながら等しい重みセットとを生成することを含む。
いくつかの実施形態では、前記複数の信号チャネルを提供するステップは、少なくとも一つのコンピュータプロセッサによって、前記複数の電気子宮モニタリング信号チャネルのうちの少なくとも一つを生成することを含み、前記複数の電気子宮モニタリング信号チャネルのうちの少なくとも一つが、以下を含むプロセスによって生成される。
前記少なくとも一つのコンピュータプロセッサによって、複数の生の生体電位入力を受信することであって、前記生の生体電位入力の各々が、複数の電極のうちの対応する一つから受信され、前記複数の電極の各々は、妊娠中のヒト被験者の前記生の生体電位入力の夫々を測定するように位置決めされる、受信することと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数の生の生体電位入力から複数の信号チャネルを生成することであって、前記複数の信号チャネルが、少なくとも三つの信号チャネルを含む、生成することと、
前記少なくとも一つのコンピュータプロセッサによって、前記信号チャネルの各々のそれぞれの信号チャネルデータを前処理して、複数の前処理された信号チャネルを作成することであって、前記前処理された信号チャネルの各々は、夫々の前処理された信号チャネルデータを含む、作成することと、
前記少なくとも一つのコンピュータプロセッサによって、前記前処理された信号チャネルの各々の前記前処理された信号チャネルデータから、夫々の複数のＲ波ピークを抽出して、複数のＲ波ピークデータセットを作成することであって、前記Ｒ波ピークデータセットの各々が、夫々の複数のＲ波ピークを含む、作成することと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数のＲ波ピークデータセットから、（ａ）少なくとも一つの信号アーチファクト、又は（ｂ）少なくとも一つの外れ値データポイントのうちの、少なくとも一つを除去することであって、前記少なくとも一つのシグナルアーチファクトが、筋電図アーチファクト又はベースラインアーチファクトのうちの一つである、除去することと、
前記少なくとも一つのコンピュータプロセッサによって、前記少なくとも一つの信号アーチファクト、前記少なくとも一つの外れ値データポイント、又はその両方を、前記少なくとも一つの信号アーチファクト、前記少なくとも一つの外れ値データポイント、又はその両方が除去された前記Ｒ波ピークデータセットの対応するものに基づいて決定される少なくとも一つの統計値と置き換えて、複数の補間されたＲ波ピークデータセットを作成することと、
前記少なくとも一つのコンピュータプロセッサによって、夫々の補間されたＲ波ピークデータセットに基づいて所定のサンプリングレートで夫々のＲ波信号チャネルのための夫々のＲ波信号データセットを生成して、複数のＲ波信号チャネルを作成するステップと、
前記少なくとも一つのコンピュータプロセッサによって、（ａ）少なくとも一つの第１の特定のＲ波信号チャネルの夫々のＲ波信号データセットと（ｂ）少なくとも一つの第２の特定のＲ波信号チャネルの夫々のＲ波信号データセットとの間の少なくとも一つの相関に基づいて、前記複数のＲ波信号チャネルから少なくとも一つの第１の選択されたＲ波信号チャネル及び少なくとも一つの第２の選択されたＲ波信号チャネルを選択することと、
前記少なくとも一つのコンピュータプロセッサによって、少なくとも、前記第１の選択されたＲ波信号チャネルの前記夫々のＲ波信号データセットと前記第２の選択されたＲ波信号チャネルの前記夫々のＲ波信号データセットに基づいて、電気子宮モニタリング信号を代表する電気子宮モニタリングデータを生成して、それによって前記少なくとも一つの電気子宮モニタリング信号チャネルを作成することと、である。
前記少なくとも一つのコンピュータプロセッサによって、複数の生の生体電位入力を受信することであって、前記生の生体電位入力の各々が、複数の電極のうちの対応する一つから受信され、前記複数の電極の各々は、妊娠中のヒト被験者の前記生の生体電位入力の夫々を測定するように位置決めされる、受信することと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数の生の生体電位入力から複数の信号チャネルを生成することであって、前記複数の信号チャネルが、少なくとも三つの信号チャネルを含む、生成することと、
前記少なくとも一つのコンピュータプロセッサによって、前記信号チャネルの各々のそれぞれの信号チャネルデータを前処理して、複数の前処理された信号チャネルを作成することであって、前記前処理された信号チャネルの各々は、夫々の前処理された信号チャネルデータを含む、作成することと、
前記少なくとも一つのコンピュータプロセッサによって、前記前処理された信号チャネルの各々の前記前処理された信号チャネルデータから、夫々の複数のＲ波ピークを抽出して、複数のＲ波ピークデータセットを作成することであって、前記Ｒ波ピークデータセットの各々が、夫々の複数のＲ波ピークを含む、作成することと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数のＲ波ピークデータセットから、（ａ）少なくとも一つの信号アーチファクト、又は（ｂ）少なくとも一つの外れ値データポイントのうちの、少なくとも一つを除去することであって、前記少なくとも一つのシグナルアーチファクトが、筋電図アーチファクト又はベースラインアーチファクトのうちの一つである、除去することと、
前記少なくとも一つのコンピュータプロセッサによって、前記少なくとも一つの信号アーチファクト、前記少なくとも一つの外れ値データポイント、又はその両方を、前記少なくとも一つの信号アーチファクト、前記少なくとも一つの外れ値データポイント、又はその両方が除去された前記Ｒ波ピークデータセットの対応するものに基づいて決定される少なくとも一つの統計値と置き換えて、複数の補間されたＲ波ピークデータセットを作成することと、
前記少なくとも一つのコンピュータプロセッサによって、夫々の補間されたＲ波ピークデータセットに基づいて所定のサンプリングレートで夫々のＲ波信号チャネルのための夫々のＲ波信号データセットを生成して、複数のＲ波信号チャネルを作成するステップと、
前記少なくとも一つのコンピュータプロセッサによって、（ａ）少なくとも一つの第１の特定のＲ波信号チャネルの夫々のＲ波信号データセットと（ｂ）少なくとも一つの第２の特定のＲ波信号チャネルの夫々のＲ波信号データセットとの間の少なくとも一つの相関に基づいて、前記複数のＲ波信号チャネルから少なくとも一つの第１の選択されたＲ波信号チャネル及び少なくとも一つの第２の選択されたＲ波信号チャネルを選択することと、
前記少なくとも一つのコンピュータプロセッサによって、少なくとも、前記第１の選択されたＲ波信号チャネルの前記夫々のＲ波信号データセットと前記第２の選択されたＲ波信号チャネルの前記夫々のＲ波信号データセットに基づいて、電気子宮モニタリング信号を代表する電気子宮モニタリングデータを生成して、それによって前記少なくとも一つの電気子宮モニタリング信号チャネルを作成することと、である。
いくつかの実施形態では、前記複数の信号チャネルを提供するステップは、少なくとも一つのコンピュータプロセッサによって、前記複数の音響子宮モニタリング信号チャネルのうちの少なくとも一つを生成することを含み、前記複数の音響子宮モニタリング信号チャネルのうちの少なくとも一つは、以下を含むプロセスによって生成される。
前記少なくとも一つのコンピュータプロセッサによって、複数の生の音響入力を受信することであって、前記生の音響入力の各々が、前記複数の音響センサのうちの対応する一つから受信され、前記複数の音響センサの各々は、妊娠中のヒト被験者の前記生の音響入力の夫々を測定するように位置決めされる、受信することと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数の生の音響入力から複数の信号チャネルを生成することであって、前記複数の信号チャネルは、少なくとも三つの信号チャネルを含む、生成することと、
前記少なくとも一つのコンピュータプロセッサによって、前記信号チャネルの各々のそれぞれの信号チャネルデータを前処理して、複数の前処理された信号チャネルを作成することであって、前記前処理された信号チャネルの各々は、夫々の前処理された信号チャネルデータを含む、作成することと、
前記少なくとも一つのコンピュータプロセッサによって、前記前処理された信号チャネルの各々の前記前処理された信号チャネルデータから、夫々の複数のＳ１－Ｓ２ピークを抽出して、複数のＳ１－Ｓ２ピークデータセットを作成することであって、前記Ｓ１－Ｓ２ピークデータセットの各々が、夫々の複数のＳ１－Ｓ２ピークを含む、作成することと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数のＳ１－Ｓ２ピークデータセットから、（ａ）少なくとも一つの信号アーチファクト、又は（ｂ）少なくとも一つの外れ値データポイントのうちの、少なくとも一つを除去することであって、少なくとも一つの信号アーチファクトは、動きに関連したアーチファクト又はベースラインアーチファクトのうちの一つである、除去することと、
前記少なくとも一つのコンピュータプロセッサにより、前記少なくとも一つの信号アーチファクト、前記少なくとも一つの外れ値データポイント、又はその両方を、前記少なくとも一つのシグナルアーチファクト、前記少なくとも一つの外れ値データポイント、又はその両方が除去された前記Ｓ１－Ｓ２ピークデータセットの対応するものに基づいて決定される少なくとも一つの統計値と置き換えて、複数の補間されたＳ１－Ｓ２ピークデータセットを作成することと、
前記少なくとも一つのコンピュータプロセッサによって、夫々の補間されたＳ１－Ｓ２ピークデータセットに基づいて、所定のサンプリングレートで夫々のＳ１－Ｓ２信号チャネルのための夫々のＳ１－Ｓ２信号データセットを生成して、複数のＳ１－Ｓ２信号チャネルを作成することと、
前記少なくとも一つのコンピュータプロセッサによって、（ａ）少なくとも一つの第１の特定のＳ１－Ｓ２信号チャネルの夫々のＳ１－Ｓ２信号データセットと（ｂ）少なくとも一つの第２の特定のＳ１－Ｓ２信号チャネルの夫々のＳ１－Ｓ２信号データセットとの間の少なくとも一つの相関に基づいて、前記複数のＳ１－Ｓ２信号チャネルから少なくとも一つの第１の選択されたＳ１－Ｓ２信号チャネル及び少なくとも一つの第２の選択されたＳ１－Ｓ２信号チャネルを選択することと、
前記少なくとも一つのコンピュータプロセッサによって、少なくとも、前記第１の選択されたＳ１－Ｓ２信号チャネルの前記夫々のＳ１－Ｓ２信号データセット及び前記第２の選択されたＳ１－Ｓ２信号チャネルの前記夫々のＳ１－Ｓ２信号データセットに基づいて、音響子宮モニタリング信号を代表する音響子宮モニタリングデータを生成して、それによって前記少なくとも一つの音響子宮モニタリング信号チャネルを作成することと、である。
前記少なくとも一つのコンピュータプロセッサによって、複数の生の音響入力を受信することであって、前記生の音響入力の各々が、前記複数の音響センサのうちの対応する一つから受信され、前記複数の音響センサの各々は、妊娠中のヒト被験者の前記生の音響入力の夫々を測定するように位置決めされる、受信することと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数の生の音響入力から複数の信号チャネルを生成することであって、前記複数の信号チャネルは、少なくとも三つの信号チャネルを含む、生成することと、
前記少なくとも一つのコンピュータプロセッサによって、前記信号チャネルの各々のそれぞれの信号チャネルデータを前処理して、複数の前処理された信号チャネルを作成することであって、前記前処理された信号チャネルの各々は、夫々の前処理された信号チャネルデータを含む、作成することと、
前記少なくとも一つのコンピュータプロセッサによって、前記前処理された信号チャネルの各々の前記前処理された信号チャネルデータから、夫々の複数のＳ１－Ｓ２ピークを抽出して、複数のＳ１－Ｓ２ピークデータセットを作成することであって、前記Ｓ１－Ｓ２ピークデータセットの各々が、夫々の複数のＳ１－Ｓ２ピークを含む、作成することと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数のＳ１－Ｓ２ピークデータセットから、（ａ）少なくとも一つの信号アーチファクト、又は（ｂ）少なくとも一つの外れ値データポイントのうちの、少なくとも一つを除去することであって、少なくとも一つの信号アーチファクトは、動きに関連したアーチファクト又はベースラインアーチファクトのうちの一つである、除去することと、
前記少なくとも一つのコンピュータプロセッサにより、前記少なくとも一つの信号アーチファクト、前記少なくとも一つの外れ値データポイント、又はその両方を、前記少なくとも一つのシグナルアーチファクト、前記少なくとも一つの外れ値データポイント、又はその両方が除去された前記Ｓ１－Ｓ２ピークデータセットの対応するものに基づいて決定される少なくとも一つの統計値と置き換えて、複数の補間されたＳ１－Ｓ２ピークデータセットを作成することと、
前記少なくとも一つのコンピュータプロセッサによって、夫々の補間されたＳ１－Ｓ２ピークデータセットに基づいて、所定のサンプリングレートで夫々のＳ１－Ｓ２信号チャネルのための夫々のＳ１－Ｓ２信号データセットを生成して、複数のＳ１－Ｓ２信号チャネルを作成することと、
前記少なくとも一つのコンピュータプロセッサによって、（ａ）少なくとも一つの第１の特定のＳ１－Ｓ２信号チャネルの夫々のＳ１－Ｓ２信号データセットと（ｂ）少なくとも一つの第２の特定のＳ１－Ｓ２信号チャネルの夫々のＳ１－Ｓ２信号データセットとの間の少なくとも一つの相関に基づいて、前記複数のＳ１－Ｓ２信号チャネルから少なくとも一つの第１の選択されたＳ１－Ｓ２信号チャネル及び少なくとも一つの第２の選択されたＳ１－Ｓ２信号チャネルを選択することと、
前記少なくとも一つのコンピュータプロセッサによって、少なくとも、前記第１の選択されたＳ１－Ｓ２信号チャネルの前記夫々のＳ１－Ｓ２信号データセット及び前記第２の選択されたＳ１－Ｓ２信号チャネルの前記夫々のＳ１－Ｓ２信号データセットに基づいて、音響子宮モニタリング信号を代表する音響子宮モニタリングデータを生成して、それによって前記少なくとも一つの音響子宮モニタリング信号チャネルを作成することと、である。
開示されたそれらの利点及び改良点のうち、本発明の他の目的及び利点は、添付の図と組み合わせて取られる以下の説明から明らかになるであろう。本発明の詳細な実施形態が本明細書に開示されているが、開示された実施形態は、様々な形態で具現化され得る本発明の単なる例示に過ぎないことを理解されたい。加えて、例示を意図している本発明の様々な実施形態に関連して与えられる各例は、制限的なものでない。
本明細書及び特許請求の範囲を通して、以下の用語は、文脈が明らかに他のことを指示しない限り、本明細書において明示的に関連付けられた意味をとる。本明細書で使用される「一実施形態において」、「一実施形態において」、及び「いくつかの実施形態において」という語句は、そうであるかもしれないが、必ずしも同じ実施形態（複数可）を指すわけではない。さらに、本明細書で使用される「別の実施形態において」及び「いくつかの他の実施形態において」という語句は、そうであってもよいが、必ずしも異なる実施形態を指すものではない。したがって、以下に説明するように、本発明の様々な実施形態は、本発明の範囲又は精神から逸脱することなく、容易に組み合わされ得る。
本明細書で使用されるように、用語「に基づく」は排他的ではなく、文脈が明確に指示しない限り、記載されていない追加の要因に基づくことを許容する。加えて、本明細書を通じて、「ａ」、「ａｎ」、及び「ｔｈｅ」の意味は、複数参照の場合を含む。また、“ｉｎ”の意味には、“ｉｎ”および“ｏｎ”が含まれる。本明細書で議論される範囲は包括的である（例えば、「０と２の間」の範囲は、値０と２だけでなく、その間のすべての値を含む）。
本明細書で使用されるように、用語「接触領域」は、妊娠中のヒト被験者の皮膚と皮膚接触との間の接触領域すなわち電流の流れが妊娠中のヒト被験者の皮膚と皮膚接触との間で通過することができる表面領域を包含している。
いくつかの実施形態において、本発明は、生体電位データ、すなわち、一般に電極と呼ばれる皮膚接触物の使用を通じて人の皮膚上の点で記録された電位を記述するデータから、トコグラフ様信号を抽出するための方法を提供する。いくつかの実施形態において、本発明は、生体電位データから子宮収縮を検出するための方法を提供する。いくつかの実施形態では、生体電位データは、人の身体上の所望の点に対して又はその近傍に配置された非接触電極の使用を通じて得られる。
いくつかの実施形態において、本発明は、妊娠中のヒト被験者から心臓電気活動データを検出、記録及び分析するためのシステムを提供する。いくつかの実施形態では、胎児心電図信号を検出するように構成された複数の電極が、心臓活動データを記録するために使用される。いくつかの実施形態では、胎児心電図信号を検出するように構成された複数の電極と、複数の音響センサとが、心臓活動データを記録するために使用される。
いくつかの実施形態では、胎児心電図信号を検出するように構成された複数の電極が、妊娠中のヒト被験者の腹部に取り付けられる。いくつかの実施形態では、胎児心電図信号を検出するように構成された複数の電極は、腹部に直接取り付けられる。いくつかの実施形態では、胎児心電図信号を検出するように構成された複数の電極は、例えば、ベルト、パッチなどの物品に組み込まれ、物品は、妊娠中のヒト被験者によって着用されるか、または、その上に配置される。図３は、例示的な衣服３００を示し、この衣服３００は、衣服３００が対象によって着用されたときに妊娠中のヒト被験者の腹部の周りに配置されるように、衣服３００に組み込まれた８つの電極３１０を含む。いくつかの実施形態では、衣服３００は、衣服３００が被験者によって着用されたときに妊娠中のヒト被験者の腹部の周りに位置決めされるように衣服３００に組み込まれた４つの音響センサ３２０を含んでいる。いくつかの実施形態では、音響センサ３２０の各々は、米国特許第９，７１３，４３０号（特許文献１）に記載されている音響センサのうちの一つである。図４Ａは、本発明のいくつかの実施形態による、妊婦の腹部上の８つの電極３１０の位置の正面図である。図４Ｂは、本発明のいくつかの実施形態による、妊婦の腹部上の８つの電極３１０の側面図である。
図２は、例示的な本発明方法２００のフローチャートである。いくつかの実施形態では、方法２００に従ってプログラム／構成された例示的な本発明コンピューティングデバイスは、妊娠中のヒト被験者の皮膚上に配置された複数の電極によって測定された生の生体電位データを入力として受け取り、かかる入力を解析してトコグラフ様信号を生成するように動作可能である。いくつかの実施形態では、電極の数量は２～１０の間である。いくつかの実施形態では、電極の数量は、２～２０の間である。いくつかの実施形態では、電極の数量は、２以上３０以下である。いくつかの実施形態では、電極の数量は、２以上４０以下である。いくつかの実施形態では、電極の量は、４と１０の間である。いくつかの実施形態では、電極の量は、４と２０の間である。いくつかの実施形態では、電極の数量は、４と３０の間である。いくつかの実施形態では、電極の量は、４と４０の間である。いくつかの実施形態では、電極の量は、６と１０の間である。いくつかの実施形態では、電極の数量は、６と２０の間である。いくつかの実施形態では、電極の数量は、６と３０の間である。いくつかの実施形態では、電極の数量は、６と４０の間である。いくつかの実施形態では、電極の量は、８と１０の間である。いくつかの実施形態では、電極の量は、８と２０の間である。いくつかの実施形態では、電極の数量は、８と３０の間である。いくつかの実施形態では、電極の数量は、８と４０の間である。いくつかの実施形態では、電極の量は８である。いくつかの実施形態では、方法２００に従ってプログラム／構成された例示的な本発明コンピューティングデバイスは、生の生体電位データから既に抽出された（例えば、同じ生の生体電位データの一部を形成する胎児ＥＣＧ信号からの分離によって）母体ＥＣＧ信号を入力として受信するよう動作可能である。いくつかの実施形態では、例示的な本発明コンピューティングデバイスは、非一過性のコンピュータ可読媒体に格納された命令を介して、方法２００に従ってプログラム／構成される。いくつかの実施形態では、例示的な本発明コンピューティングデバイスは、少なくとも一つのコンピュータプロセッサを含み、このコンピュータプロセッサは、命令を実行するとき、方法２００に従ってプログラム／構成された具体的なコンピュータプロセッサとなる。
いくつかの実施形態では、例示的な本発明コンピューティングデバイスは、移動時間窓に沿って方法２００の一つまたは複数のステップを連続的に実行するようにプログラム／構成される。いくつかの実施形態では、移動時間窓は、予め定義された長さを有する。いくつかの実施形態では、予め定義された長さは６０秒である。いくつかの実施形態では、例示的な本発明コンピューティングデバイスは、１秒と１時間との間である長さを有する移動時間窓に沿って方法２００の一つまたは複数のステップを連続的に実行するようにプログラム／構成される。いくつかの実施形態では、移動時間窓の長さは、３０秒と３０分との間である。いくつかの実施形態では、移動時間窓の長さは、３０秒と１０分との間である。いくつかの実施形態では、移動時間窓の長さは、３０秒以上５分以下である。いくつかの実施形態では、移動時間窓の長さは、約６０秒である。いくつかの実施形態では、移動時間窓の長さは６０秒である。
ステップ２１０において、例示的な本発明のコンピューティングデバイスは、生の生体電位データを入力として受信し、それを前処理するようにプログラム／構成される。いくつかの実施形態では、生の生体電位データは、妊娠中の被験者の皮膚に近接して配置された少なくとも２つの電極の使用を通じて記録される。いくつかの実施形態では、電極の少なくとも一つは、信号電極である。いくつかの実施形態では、電極の少なくとも一つは、基準電極である。いくつかの実施形態では、基準電極は、被験者の子宮から離れた地点に配置される。いくつかの実施形態では、生体電位信号は、妊娠中の被験者の腹部の周りの複数の点の各々で記録される。いくつかの実施形態では、生体電位信号は、妊娠中の被験者の腹部の周りの８つの点の各々で記録される。いくつかの実施形態では、生体電位データは、１秒当たり１，０００サンプルで記録される。いくつかの実施形態では、生体電位データは、毎秒１，０００サンプルにアップサンプリングされる。いくつかの実施形態では、生体電位データは、毎秒１００～１０，０００サンプルの間のサンプリング速度で記録される。いくつかの実施形態では、生体電位データは、１秒当たり１００から１０，０００サンプルの間のサンプリング速度にアップサンプリングされる。いくつかの実施形態では、前処理は、ベースライン除去（例えば、中央値フィルタ及び／又は移動平均フィルタを使用する）を含む。いくつかの実施形態では、前処理は、ローパスフィルタリングを含む。いくつかの実施形態では、前処理は、８５Ｈｚでのローパスフィルタリングを含む。いくつかの実施形態では、前処理は、電力線干渉キャンセルを含む。図５は、前処理の前と後の両方の生の生体電位データ信号の一部を示している。
ステップ２２０において、例示的な本発明コンピューティングデバイスは、ステップ２１０の実行から生じる前処理された生体電位データにおいて母体Ｒ波ピークを検出するようにプログラム／構成される。いくつかの実施形態では、Ｒ波ピークは、各データ信号の１０秒のセグメントにわたって検出される。いくつかの実施形態では、Ｒ波ピークの検出は、微分、閾値、及び距離の分析によって開始される。いくつかの実施形態では、各データ信号におけるＲ波ピークの検出は、１０秒セグメントにおけるデータ信号の第１導関数を計算することと、第１導関数のゼロクロスを特定することによって１０秒セグメントにおけるＲ波ピークを特定することと、（ａ）所定のＲ波ピーク閾値絶対値より小さい絶対値又は（ｂ）所定のＲ波ピーク閾値距離より小さい隣接特定Ｒ波ピーク間距離のいずれかを有する特定されたピークを除外することとを含む。いくつかの実施形態では、Ｒ波ピークの検出は、米国特許第９，３９２，９５２号（特許文献２）（その内容全体が参照により本書に組み込まれる）に記載の心電図ピークの検出と同様の方法で実行される。図６Ａは、前処理された生体電位データ信号を示し、上記のように検出されたＲ波ピークがアスタリスクで示されている。
いくつかの実施形態では、ステップ２２０のＲ波ピークの検出は、ピーク再検出処理で継続される。いくつかの実施形態では、ピーク再検出プロセスは、ピークの数が著しく異なるウィンドウを検出するための自動利得制御（「ＡＧＣ」）分析を含む。いくつかの実施形態では、ピーク再検出プロセスは、相互相関分析を含む。いくつかの実施形態では、ピーク再検出プロセスは、ＡＧＣ分析及び相互相関分析を含む。いくつかの実施形態では、ＡＧＣ分析は、偽陰性を克服するのに適切である。いくつかの実施形態において、相互相関分析は、偽陽性を除去するために適切である。図６Ｂは、ピーク再検出後のデータ信号を示し、アスタリスクで示された上記のように再検出されたＲ波ピークを有する。図６Ｃは、図６Ｂのデータ信号の一部を拡大した図である。
いくつかの実施形態では、ステップ２２０のＲ波ピークの検出は、グローバルピークアレイの構築で継続される。いくつかの実施形態では、グローバルピークアレイは、データの複数のチャネル（例えば、各チャネルは、電極３１０の一つ以上に対応する）から作成される。いくつかの実施形態では、各チャネルの信号は、ピークの相対的なエネルギに基づく品質スコアが与えられる。いくつかの実施形態では、ピークの相対的なエネルギは、処理中の信号の総エネルギに対するピークのエネルギを指す。いくつかの実施形態では、ピークのエネルギは、Ｒ波ピークを含むＱＲＳ複合体の二乗平均平方根（「ＲＭＳ」）を算出することによって算出され、信号のエネルギは、信号のＲＭＳを算出することによって算出される。いくつかの実施形態では、ピークの相対的エネルギは、信号の信号対雑音比を計算することによって計算される。いくつかの実施形態において、最も高い品質スコアを有するチャネルは、「ベストリード」とみなされる。いくつかの実施形態では、グローバルピークアレイは、ベストリードに基づいて構築され、他のチャネルからの信号も投票メカニズムに基づいて考慮される。いくつかの実施形態では、グローバルピークアレイがベストリードに基づいて構築された後、残りのチャネルの各々が各ピークに「投票」する。チャネルは、ベストリードに基づいて構築されたグローバルピークアレイに含まれる所定のピークがそのようなピークを含む場合（例えば、上述のピーク検出で検出されたような）、そのピークに対して正に投票し（例えば、「１」の投票値を与える）、そのピークが含まれない場合、負に投票する（例えば、「０」の投票値を与える）。より多くの票を受けるピークは、より高品質のピークであると考えられる。いくつかの実施形態では、ピークが閾値以上の投票数を有する場合、それはグローバルピークアレイに保持される。いくつかの実施形態では、投票数の閾値は、チャネルの総数の半分である。いくつかの実施形態では、ピークが閾値未満の投票数を有する場合、そのピークに対して追加のテストが実行される。いくつかの実施形態では、追加のテストは、ベストリードチャネルのピークの相関を、全てのピークの平均として計算されたテンプレートと計算することを含む。いくつかの実施形態では、相関が第１の閾値相関値より大きい場合、そのピークはグローバルピークアレイに保持される。いくつかの実施形態では、第１の閾値相関値は０．９である。いくつかの実施形態において、相関が第１の閾値相関値より小さい場合、ピークに対する正の投票を有するすべてのリード（すなわち、ベストリードピークだけではない）について、さらなる相関が計算される。いくつかの実施形態では、さらなる相関が第２の閾値相関値より大きい場合、そのピークはグローバルピークアレイに保持され、さらなる相関が第２の閾値相関値より小さい場合、そのピークはグローバルピークアレイから排除される。いくつかの実施形態では、第２の閾値相関値は０．８５である。
いくつかの実施形態では、一旦作成されると、グローバルピークアレイは、生理学的測定値を用いて検査される。いくつかの実施形態では、検査は、米国特許第９，３９２，９５２号（特許文献２）（その内容全体が本明細書に組み込まれる）に記載されるような例示的な発明的コンピューティングデバイスによって実行される。いくつかの実施形態では、生理学的パラメータは、Ｒ－Ｒ間隔、平均、及び標準偏差；並びに心拍数及び心拍変動性を含む。いくつかの実施形態において、検査は、偽陰性を克服するための相互相関を含む。図６Ｄは、上記のようなグローバルピークアレイの作成及び検査に続くデータ信号を示す。図６Ｄにおいて、丸で囲んだアスタリスクによって示されるピークは、以前に検出された（例えば、図６Ａに示されるように）Ｒ波ピークを表し、アスタリスクのない円は、上記のように偽陰性を克服するために相互相関によって検出されたＲ波ピークを表している。
いくつかの実施形態では、Ｒ波検出の初期ステップが失敗した場合（すなわち、所定のサンプルにわたってＲ波ピークが検出されなかった場合）、独立成分分析（「ＩＣＡ」）アルゴリズムがデータサンプルに適用され、ステップ２２０の以前の部分が繰り返される。いくつかの実施形態では、例示的なＩＣＡアルゴリズムは、例えば、ＦＡＳＴ ＩＣＡアルゴリズムであるが、これに限定されるものではない。いくつかの実施形態において、ＦＡＳＴ ＩＣＡアルゴリズムは、例えば、Ｈｙｖａｒｉｎｅｎら、「Ｉｎｄｅｐｅｎｄｅｎｔ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ： Ａｌｇｏｒｉｔｈｍｓ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ」、Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ １３（４－５）：４１１－４３０ （２０００）（非特許文献１）に関連して利用される。
引き続き図２を参照すると、ステップ２３０において、例示的な本発明コンピューティングデバイスは、母体データ及び胎児データの両方を含む信号から母体ＥＣＧ信号を抽出するようにプログラム／構成される。いくつかの実施形態では、方法２００を実行するようにプログラム／構成された例示的な本発明コンピューティングデバイスが、母体－胎児混合データからの抽出後に母体ＥＣＧ信号を入力として受け取る場合、例示的な本発明コンピューティングデバイスは、ステップ２３０をスキップするようにプログラム／構成されている。図７Ａは、Ｒ波ピークが特定され、母体信号及び胎児信号の両方を含む信号の一部を示す。特定の理論に限定する意図はないが、母体ＥＣＧ信号を抽出するプロセスに関わる主な課題は、各母体心拍が他の全ての母体心拍と異なるということである。いくつかの実施形態では、この課題は、各母体心拍を特定するために適応再構成スキームを使用することによって対処される。いくつかの実施形態では、抽出プロセスは、ＥＣＧ信号を３ソース信号にセグメント化することによって開始される。いくつかの実施形態では、このセグメンテーションは、Ｐ波、ＱＲＳ複合体、及びＴ波を見つけるために曲線長変換を使用することを含む。いくつかの実施形態では、曲線長変換は、Ｚｏｎｇら、「Ａ ＱＴ Ｉｎｔｅｒｖａｌ Ｄｅｔｅｃｔｉｏｎ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ Ｏｎ ＥＣＧ Ｃｕｒｖｅ Ｌｅｎｇｔｈ Ｔｒａｎｓｆｏｒｍ」、Ｃｏｍｐｕｔｅｒｓ Ｉｎ Ｃａｒｄｉｏｌｏｇｙ ３３：３７７－３８０ （Ｏｃｔｏｂｅｒ ２００６）（非特許文献２）に記載されるとおりである。図７Ｂは、これらの部分を含む例示的なＥＣＧ信号である。
曲線長変換に続いて、ステップ２３０は、適応型テンプレートを使用して母体信号を抽出することによって継続される。いくつかの実施形態では、テンプレート適応は、現在のビートを分離するために使用される。いくつかの実施形態では、適応型テンプレートを用いた母体信号の抽出は、米国特許第９，３９２，９５２号（特許文献２）（その内容全体が参照により本明細書に組み込まれる）に記載されているように実行される。いくつかの実施形態では、このプロセスは、現在のテンプレートで開始し、反復プロセスを用いて現在のテンプレートを適応させて現在のビートに到達させることを含む。いくつかの実施形態では、信号の各部分（すなわち、Ｐ波、ＱＲＳ複合体、及びＴ波）に対して、乗数が定義される（それぞれ、Ｐ＿ｍｕｌｔ、ＱＲＳ＿ｍｕｌｔ、及びＴ＿ｍｕｌｔと称される）。いくつかの実施形態では、シフティングパラメータも定義される。いくつかの実施形態では、抽出は、以下に示すように、Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔ非線形最小平均二乗アルゴリズムを使用する。
いくつかの実施形態において、コスト関数は、以下に示す通りである。
上記の式において、φｍは現在のビートＥＣＧを表し、φｃは再構成されたＥＣＧを表す。いくつかの実施形態では、この方法は、局所的で安定した、かつ反復可能な解を提供する。いくつかの実施形態では、反復は、相対的残存エネルギが閾値に達するまで進行する。いくつかの実施形態では、閾値は、０ｄｂと－４０ｄｂの間である。いくつかの実施形態では、閾値は、－１０ｄｂと－４０ｄｂとの間である。いくつかの実施形態では、閾値は、－２０ｄｂと－４０ｄｂの間である。いくつかの実施形態では、閾値は、－３０ｄｂと－４０ｄｂの間である。いくつかの実施形態では、閾値は、－１０ｄｂと－３０ｄｂの間である。いくつかの実施形態では、閾値は、－１０ｄｂと－２０ｄｂの間である。いくつかの実施形態では、閾値は、－２０ｄｂと－４０ｄｂの間である。いくつかの実施形態では、閾値は、－２０ｄｂと－３０ｄｂの間である。いくつかの実施形態では、閾値は、－３０ｄｂと－４０ｄｂの間である。いくつかの実施形態では、閾値は、－２５ｄｂと－３５ｄｂとの間である。いくつかの実施形態では、閾値は、約－２０ｄｂである。いくつかの実施形態では、閾値は約－２０ｄｂである。
図７Ｃは、混合された母体及び胎児データを含む例示的な信号を示す。図７Ｄは、比較のための初期テンプレートと共に図７Ｃの信号の一部を示す。図７Ｅは、図７Ｃの信号の一部を比較のための適合されたテンプレートと共に示す。図７Ｆは、図７Ｃの信号の一部と、現在のテンプレートと、適応の０回目の反復とを示す図である。図７Ｇは、図７Ｃの信号の一部、現在のテンプレート、適応の０回目の繰り返し、及び適応の１回目の繰り返しを示す図である。図７Ｈは、図７Ｃの信号の一部、現在のテンプレート、及び現在のテンプレートに基づいて再構成されたＥＣＧ信号（例えば、母体ＥＣＧ信号）を示す図である。図７Ｉは、反復の数に対する誤差信号の対数で適応の進捗を示す図である。図７Ｊは、抽出された母体ＥＣＧ信号を示す図である。
図２を引き続き参照すると、ステップ２４０において、例示的な本発明のコンピューティングデバイスは、ステップ２３０で抽出された母体信号に対して信号クリーンアップを実行するようにプログラム／構成される。いくつかの実施形態では、ステップ２４０のクリーンアップは、フィルタリングを含む。いくつかの実施形態では、フィルタリングは、移動平均フィルタを使用したベースライン除去を含む。いくつかの実施形態では、フィルタリングは、ローパスフィルタリングを含む。いくつかの実施形態では、ローパスフィルタリングは、２５Ｈｚと１２５Ｈｚとの間で実行される。いくつかの実施形態では、ローパスフィルタリングは、５０Ｈｚと１００Ｈｚの間で実行される。いくつかの実施形態では、ローパスフィルタリングは、７５Ｈｚで実行される。図８は、ステップ２４０の実行に続く例示的なフィルタリングされた母体ＥＣＧの一部を示す。
図２を引き続き参照すると、ステップ２５０において、例示的な本発明コンピューティングデバイスは、ステップ２４０の実行から得られるフィルタリングされた母体ＥＣＧ信号のＲ波振幅を計算するようにプログラム／構成される。いくつかの実施形態では、Ｒ波振幅は、ステップ２２０で検出された母体ＥＣＧピークと、ステップ２３０で抽出された母体ＥＣＧ信号とに基づいて計算される。幾つかの実施形態では、ステップ２５０は、様々なＲ波の振幅を計算することを含む。いくつかの実施形態では、振幅は、検出された各ピーク位置における母体ＥＣＧ信号の値（例えば、信号振幅）として算出される。図９は、円で注釈されたＲ波ピークを有する例示的な抽出された母体ＥＣＧ信号を示す。
引き続き図２を参照すると、ステップ２６０において、例示的な本発明コンピューティングデバイスは、ステップ２５０で計算されたＲ波振幅に基づいて経時的にＲ波振幅信号を作成するようにプログラム／構成される。いくつかの実施形態では、計算されたＲ波ピークは、時間にわたって一様にサンプリングされない。したがって、いくつかの実施形態では、ステップ２６０は、Ｒ波振幅を、時間にわたって均一にサンプリングされるような方法（例えば、各２つの隣接するサンプル間の時間差が一定であるような方法）で再サンプリングするために実行される。いくつかの実施形態では、ステップ２６０は、ステップ２５０で計算されたＲ波振幅値を接続し、接続されたＲ波振幅値を再サンプリングすることによって実行される。いくつかの実施形態では、再サンプリングは、時間内に定義されたクエリポイントを用いた補間を含む。いくつかの実施形態では、補間は、線形補間を含む。いくつかの実施形態では、補間は、スプライン補間を含む。いくつかの実施形態では、補間は、立方体補間を含む。いくつかの実施形態では、クエリポイントは、補間が発生すべき時間内のポイントを定義する。図１０Ａは、ステップ２５０からのＲ波振幅に基づいてステップ２６０で作成されるような例示的なＲ波振幅信号を示す。図１０Ａにおいて、母体心電図は図８に示すものと同様であり、検出されたＲ波ピークは丸で示され、Ｒ波振幅信号は丸を結ぶ曲線である。図１０Ｂは、より大きな時間窓にわたるＲ波振幅信号の変調を示す。
図２を引き続き参照すると、ステップ２７０において、例示的な本発明コンピューティングデバイスは、移動平均フィルタを適用することによってＲ波振幅信号をクリーンアップするようにプログラム／構成される。いくつかの実施形態では、移動平均フィルタは、Ｒ波振幅信号における高周波の変化をクリーンアップするために適用される。いくつかの実施形態では、移動平均フィルタは、所定の時間窓にわたって適用される。いくつかの実施形態では、時間窓は、１秒と１０分との間の長さを有する。いくつかの実施形態では、時間窓は、１秒と１分との間の長さを有する。いくつかの実施形態では、時間窓は、１秒と３０秒の間の長さを有する。いくつかの実施形態では、時間窓は、２０秒の長さを有する。図１１Ａは、図１０ＢのＲ波振幅信号を示し、移動平均フィルタの適用から生じる信号が、Ｒ波振幅信号の中央に沿った太線で示されている。上述のように、いくつかの実施形態では、データの複数のチャネルが方法２００の入力として考慮される。図１１Ｂは、同じ時間窓にわたる複数チャネルのフィルタリングされたＲ波振幅信号のプロットを示す。
引き続き図２を参照すると、ステップ２８０において、例示的な本発明コンピューティングデバイスは、単位時間当たりのすべてのフィルタリングされたＲ波信号（例えば、図１１Ｂに示すような）の平均信号を計算するようにプログラム／構成される。いくつかの実施形態では、サンプルが存在する各時点で、一つの平均信号が計算される。いくつかの実施形態では、平均信号は、各時点における全ての信号の８０パーセンタイルである。いくつかの実施形態では、平均信号は、各時点におけるすべての信号の８５パーセンタイルである。いくつかの実施形態では、平均信号は、各時点におけるすべての信号の９０パーセンタイルである。いくつかの実施形態では、平均信号は、各時点におけるすべての信号の９５パーセンタイルである。いくつかの実施形態では、平均信号は、各時点におけるすべての信号の９９パーセンタイルである。いくつかの実施形態では、この平均化の結果は、時間にわたって均一なサンプリングを有する単一の信号である。ステップ２９０において、例示的な本発明コンピューティングデバイスは、ステップ２８０で計算された信号を正規化するようにプログラム／構成される。いくつかの実施形態では、信号は、定数係数で除算することによって正規化される。いくつかの実施形態では、定数係数は、２ボルトと１０００ボルトの間である。いくつかの実施形態では、定数係数は５０ボルトである。図１２Ａは、ステップ２８０及び２９０の実行に続く例示的な正規化電気子宮信号を示す。図１２Ｂは、同じ時間にわたって生成されたトコグラフ信号を示し、母親によって自己報告された収縮が縦線によって示されている。図１２Ａ及び１２Ｂを参照すると、図１２Ａの例示的な正規化電気子宮信号のピークは、図１２Ｂに示される自己報告された収縮と一致することが分かる。したがって、いくつかの実施形態では、例示的な方法２００の実行を通じて生成される正規化電気子宮モニタリング（「ＥＵＭ」）信号（例えば、１２Ａに示される信号）は、収縮を特定するために使用するのに好適である。いくつかの実施形態では、収縮は、ＥＵＭ信号におけるピークを特定することによって特定される。
いくつかの実施形態において、本発明は、少なくとも以下のコンポーネントを含む、具体的にプログラムされたコンピュータシステムに向けられている：非一過性のメモリであって、コンピュータ実行可能なプログラムコードを電子的に記憶する、メモリ；及びプログラムコードを実行すると、少なくとも以下の動作を行うように構成されている具体的にプログラムされたコンピューティングプロセッサになる少なくとも一つのコンピュータプロセッサ。妊娠中の母親の腹部の複数の位置で収集された複数の生体電位信号を受信すること、生体電位信号のＲ波ピークを検出すること、生体電位信号から母体心電図（「ＥＣＧ」）信号を抽出すること、母体ＥＣＧ信号のＲ波振幅を決定すること、母体ＥＣＧ信号のそれぞれに対してＲ波振幅信号を作成すること、全てのＲ波振幅信号の平均を計算すること、及び平均を正規化して電気子宮モニタリング（「ＥＵＭ」）信号を生成することを含む、動作。いくつかの実施形態では、操作は、ＥＵＭ信号の対応する少なくとも一つのピークに基づいて、少なくとも一つの子宮収縮を特定することも含む。
図１３は、例示的な本発明の方法１３００のフローチャートである。いくつかの実施形態では、方法１３００に従ってプログラム／構成された例示的な本発明コンピューティングデバイスは、妊娠中のヒト被験者の皮膚上に配置された複数の電極によって測定された生の生体電位データを入力として受け取り、かかる入力を解析してトコグラフ様信号を生成するように動作可能である。いくつかの実施形態では、電極の数量は２～１０の間である。いくつかの実施形態では、電極の数量は、２～２０の間である。いくつかの実施形態では、電極の数量は、２以上３０以下である。いくつかの実施形態では、電極の数量は、２以上４０以下である。いくつかの実施形態では、電極の量は、４と１０の間である。いくつかの実施形態では、電極の量は、４と２０の間である。いくつかの実施形態では、電極の数量は、４と３０の間である。いくつかの実施形態では、電極の量は、４と４０の間である。いくつかの実施形態では、電極の量は、６と１０の間である。いくつかの実施形態では、電極の数量は、６と２０の間である。いくつかの実施形態では、電極の数量は、６と３０の間である。いくつかの実施形態では、電極の数量は、６と４０の間である。いくつかの実施形態では、電極の量は、８と１０の間である。いくつかの実施形態では、電極の量は、８と２０の間である。いくつかの実施形態では、電極の数量は、８と３０の間である。いくつかの実施形態では、電極の数量は、８と４０の間である。いくつかの実施形態では、電極の量は８である。いくつかの実施形態では、方法１３００に従ってプログラム／構成された例示的な本発明コンピューティングデバイスは、生の生体電位データから既に抽出された（例えば、同じ生の生体電位データの一部を形成する胎児ＥＣＧ信号からの分離によって）母体ＥＣＧ信号を入力として受信するよう動作可能である。いくつかの実施形態では、例示的な本発明コンピューティングデバイスは、非一過性のコンピュータ可読媒体に格納された命令を介して、方法１３００に従ってプログラム／構成される。いくつかの実施形態では、例示的な本発明コンピューティングデバイスは、少なくとも一つのコンピュータプロセッサを含み、このコンピュータプロセッサは、命令を実行するとき、方法１３００に従ってプログラム／構成された具体的なコンピュータプロセッサとなる。
いくつかの実施形態では、例示的な本発明コンピューティングデバイスは、移動時間窓に沿って方法１３００の一つまたは複数のステップを連続的に実行するようにプログラム／構成される。いくつかの実施形態では、移動時間窓は、予め定義された長さを有する。いくつかの実施形態では、予め定義された長さは６０秒である。いくつかの実施形態では、例示的な本発明コンピューティングデバイスは、１秒と１時間の間である長さを有する移動時間窓に沿って方法１３００の一つ以上のステップを連続的に実行するようにプログラム／構成される。いくつかの実施形態では、移動時間窓の長さは、３０秒と３０分との間である。いくつかの実施形態では、移動時間窓の長さは、３０秒と１０分との間である。いくつかの実施形態では、移動時間窓の長さは、３０秒以上５分以下である。いくつかの実施形態では、移動時間窓の長さは、約６０秒である。いくつかの実施形態では、移動時間窓の長さは、６０秒である。
ステップ１３０５において、例示的な本発明コンピューティングデバイスは、入力として生の生体電位データを受信するようにプログラム／構成される。例示的な生の生体電位データは、図１８Ａ、１８Ｃ、１８Ｅ、及び１８Ｇに示されている。いくつかの実施形態では、生の生体電位データは、妊娠中の被験者の皮膚に近接して配置された少なくとも２つの電極の使用を通じて記録される。いくつかの実施形態では、電極の少なくとも一つは、信号電極である。いくつかの実施形態では、電極の少なくとも一つは、基準電極である。いくつかの実施形態では、基準電極は、被験者の子宮から離れた地点に配置される。いくつかの実施形態では、生体電位信号は、妊娠中の被験者の腹部の周りの複数の点の各々で記録される。いくつかの実施形態では、生体電位信号は、妊娠中の被験者の腹部の周りの８つの点の各々で記録される。いくつかの実施形態では、生体電位データは、１秒当たり１，０００サンプルで記録される。いくつかの実施形態では、生体電位データは、毎秒１，０００サンプルにアップサンプリングされる。いくつかの実施形態では、生体電位データは、毎秒１００～１０，０００サンプルの間のサンプリング速度で記録される。いくつかの実施形態では、生体電位データは、１秒当たり１００から１０，０００サンプルの間のサンプリングレートにアップサンプリングされる。いくつかの実施形態において、生データの受信とチャネル選択との間の方法１３００のステップ（すなわち、ステップ１３１０～ステップ１３３５）は、複数の信号チャネルのそれぞれに対して行われ、各信号チャネルは、電極の特定の対によって記録された生体電位信号間の差として例示的発明計算装置によって生成される。図４Ａ及び図４Ｂに示されるように配置された電極で記録されたデータの使用を通じて方法１３００が実行されるいくつかの実施形態では、チャネルは以下のように特定される。
・チャネル１：Ａ１－Ａ４
・チャネル２：Ａ２－Ａ３
・チャネル３：Ａ２－Ａ４
・チャネル４：Ａ４－Ａ３
・チャネル５：Ｂ１－Ｂ３
・チャネル６：Ｂ１－Ｂ２
・チャネル７：Ｂ３－Ｂ２
・チャネル８：Ａ１－Ａ３
・チャネル１：Ａ１－Ａ４
・チャネル２：Ａ２－Ａ３
・チャネル３：Ａ２－Ａ４
・チャネル４：Ａ４－Ａ３
・チャネル５：Ｂ１－Ｂ３
・チャネル６：Ｂ１－Ｂ２
・チャネル７：Ｂ３－Ｂ２
・チャネル８：Ａ１－Ａ３
ステップ１３１０において、例示的な本発明コンピューティングデバイスは、生の生体電位データに基づいて決定された信号チャネルを前処理して、複数の前処理された信号チャネルを生成するようにプログラム／構成される。いくつかの実施形態では、前処理は、一つ又は複数のフィルタを含む。いくつかの実施形態では、前処理は、２つ以上のフィルタを含む。いくつかの実施形態では、前処理は、ＤＣ除去フィルタ、電力線フィルタ、及び高域通過フィルタを含む。いくつかの実施形態において、ＤＣ除去フィルタは、現在の処理間隔における生データの平均を除去する。いくつかの実施形態では、パワーラインフィルタは、データ中の予め設定された周波数における任意のノイズを最小化するように構成された１０次バンドストップ無限インパルス応答（「ＩＩＲ」）フィルタが含まれる。いくつかの実施形態では、事前設定された周波数は５０Ｈｚであり、電力線フィルタは、４９．５Ｈｚ及び５０．５Ｈｚのカットオフ周波数を含む。いくつかの実施形態では、事前設定された周波数は６０Ｈｚであり、パワーラインフィルタは５９．５Ｈｚ及び６０．５Ｈｚのカットオフ周波数を含む。いくつかの実施形態において、ハイパスフィルタリングは、信号から徘徊ベースラインを減算することによって行われ、ベースラインは、所定の長さを有する移動平均ウィンドウを通して計算される。いくつかの実施形態において、所定の長さは、５０ミリ秒と３５０ミリ秒の間である。いくつかの実施形態では、所定の長さは、１００ミリ秒と３００ミリ秒の間である。いくつかの実施形態では、所定の長さは、１５０ミリ秒と２５０ミリ秒の間である。いくつかの実施形態では、所定の長さは、１７５ミリ秒と２２５ミリ秒の間である。いくつかの実施形態では、所定の長さは、約２００ミリ秒である。いくつかの実施形態では、所定の長さは、２０１ミリ秒（すなわち、２５０サンプル／秒のサンプリングレートで５０サンプル）長である。いくつかの実施形態では、ベースラインは、５Ｈｚより低い周波数のデータを含み、したがって、信号は、約５Ｈｚでハイパスフィルタリングされる。図１８Ａ、１８Ｃ、１８Ｅ、及び１８Ｇに示される生の生体電位データに基づいて生成される前処理されたデータは、それぞれ図１８Ｂ、１８Ｄ、１８Ｆ、及び１８Ｈに示される。
引き続きステップ１３１０を参照すると、いくつかの実施形態では、上述のフィルタの適用に続いて、各データチャネルが接触問題についてチェックされる。いくつかの実施形態では、接触問題は、（ａ）データチャネルのＲＭＳ、（ｂ）データチャネルの信号対雑音比（「ＳＮＲ」）、及び（ｃ）データチャネルのピーク相対エネルギの時間変化のうちの少なくとも一つに基づいて、各データチャネルにおいて特定される。いくつかの実施形態では、データチャネルは、閾値ＲＭＳ値より大きいＲＭＳ値を有する場合、破損していると特定される。いくつかの実施形態では、閾値ＲＭＳ値は、２つのローカル電圧単位（例えば、約１６．５ミリボルトの値）である。いくつかの実施形態では、閾値ＲＭＳ値は、１つの局所電圧単位と３つの局所電圧単位との間である。この基準で破損していると特定された例示的なデータチャネルが、図１８Ａ及び図１８Ｂに示されている。いくつかの実施形態では、データチャネルは、閾値ＳＮＲ値より小さいＳＮＲ値を有する場合に、破損していると特定される。いくつかの実施形態では、閾値ＳＮＲ値は５０ｄＢである。いくつかの実施形態では、閾値ＳＮＲ値は、４０ｄＢと６０ｄＢとの間である。いくつかの実施形態では、閾値ＳＮＲ値は、３０ｄＢと７０ｄＢの間である。この基準で破損していると特定された例示的なデータチャネルを、図１８Ｃ及び図１８Ｄに示す。いくつかの実施形態では、データチャネルは、ある区間から別の区間への相対Ｒ波ピークエネルギの変化が閾値の変化量より大きい場合に、破損していると特定される。いくつかの実施形態では、閾値の変化量は２５０％である。いくつかの実施形態では、閾値の変化量は２００％以上３００％以下である。いくつかの実施形態では、閾値の変化量は、１５０％と３５０％との間である。この基準で破損していると特定された例示的なデータチャネルが、図１８Ｅ及び図１８Ｆに示されている。上記のいずれかの理由で破損していると特定されなかった例示的なデータチャネルは、図１８Ｇ及び図１８Ｈに示される。
ステップ１３１５において、例示的な本発明コンピューティングデバイスは、前処理された信号チャネルからＲ波ピークを抽出し、Ｒ波ピークデータセットを生成するようにプログラム／構成される。いくつかの実施形態では、ステップ１３１５は、入力として既知の母体ＥＣＧピークを使用する。いくつかの実施形態では、ステップ１３１５は、米国特許第９，３９２，９５２号に（特許文献２）記載された技術に従って特定された母体ＥＣＧピークを入力として使用する。いくつかの実施形態では、ステップ１３１５は、前処理されたデータ（例えば、ステップ１３１０によって生成されたもの）及び既知の母体ＥＣＧピークを使用して、母体ＥＣＧピーク位置を洗練させることを含む。いくつかの実施形態では、ピーク位置の洗練は、Ｒ波ピークがフィルタリングされた信号の各一つに対するＲ波の最大点に位置付けられることを確実にするために、既知の母体ＥＣＧピークの前後のサンプルのウィンドウにおける最大絶対値を検索することを含む。いくつかの実施形態では、ウィンドウは、プラスまたはマイナスの所定長さの時間を含む。いくつかの実施形態では、所定の長さは、５０ミリ秒と３５０ミリ秒の間である。いくつかの実施形態では、所定の長さは、１００ミリ秒と３００ミリ秒の間である。いくつかの実施形態では、所定の長さは、１５０ミリ秒と２５０ミリ秒の間である。いくつかの実施形態では、所定の長さは、１７５ミリ秒と２２５ミリ秒の間である。いくつかの実施形態では、所定の長さは、約２００ミリ秒である。いくつかの実施形態では、ウィンドウは、１サンプルと１００サンプルとの間の範囲にあるサンプル数のプラス又はマイナスを含む。例示的なＲ波ピークデータセットにおける既知の母体ＥＣＧピーク及び抽出されたＲ波ピークの図解が、それぞれ図１９Ａ及び図１９Ｂに示されている。
ステップ１３２０において、例示的な本発明コンピューティングデバイスは、ステップ１３１０によって生成された前処理されたデータ及びステップ１３１５において抽出されたＲ波ピークを含むデータから筋電図（「ＥＭＧ」）アーチファクトを除去するようにプログラム／構成される。図２０Ａは、ステップ１３２０への入力として使用される例示的な前処理されたデータを示す。いくつかの実施形態では、ＥＭＧアーチファクトの除去は、高周波エネルギの増加がある高振幅のピークを補正するために行われ、これは通常、常にではないが、母体ＥＭＧ活動から生じる。このようなエネルギの他の発生源は、高電力線ノイズ及び高胎児活動である。いくつかの実施形態では、ＥＭＧアーチファクトの除去は、破損したピークを見つけること、及びそれらを中央値で置き換えることを含む。いくつかの実施形態において、破損したピークを見つけることは、以下の式に基づいてピーク間ＲＭＳ値を計算することを含む。
このアーチファクトを修正する最初のステップは、破損されたピークを見つけることである。そうすることは、以下のようにピーク間ＲＭＳ値を計算することを必要とする。
上式において、ピーク信号は、Ｒ－ピークの高さ（すなわち、Ｒ－波のピークの振幅）を有する信号であり、ピーク位置は、各チャネルごとに見出されるＲ－ピークの時間指標（すなわち、Ｒ－波のピークの各々の時間指標）を有する信号である。いくつかの実施形態では、２つのピーク信号値および２つのピーク位置値があり、１つはフィルタリングされたデータを用いて見出されたＲ波ピークについてであり、１つは反対の信号（すなわち、元の信号データに－１を乗じて符号反転した信号をもたらすことによって得られる信号）を用いて見出されたものである。
いくつかの実施形態では、破損したピークを見つけることは、母体身体活動（「ＭＰＡ」）データセットにおいて異常値を示すピークを見つけることも含む。いくつかの実施形態では、そのような信号（以下、「包絡線信号」と称する）は、以下のように抽出される。
いくつかの実施形態では、身体活動データは、モーションセンサーを使用して収集される。いくつかの実施形態では、モーションセンサーは、３軸加速度計及び３軸ジャイロスコープを含む。いくつかの実施形態では、モーションセンサーは、１秒間に５０回サンプリングされる（５０ｓｐｓ）。いくつかの実施形態では、センサは、全体（例えば、図３に示される衣服３００）として方法１３００の実行のための生体電位データを収集するために使用される電極を含む同じ感知装置（例えば、ウェアラブル装置）上に位置する。
いくつかの実施形態では、生のモーションデータが変換される。いくつかの実施形態では、生のモーションデータは、加速度計生データの場合にはｇ単位に、ジャイロスコープ生データの場合には１秒あたりの度数に、変換される。いくつかの実施形態において、変換されたデータは、生の信号が飽和しているかどうか（例えば、一定の最大可能値を有すること）を決定することによって、有効な信号と無効な信号とを区別するために検査される。いくつかの実施形態では、信号エンベロープは、以下のように抽出される。まず、いくつかの実施形態において、データは、位置変化についてチェックされる。位置変化は、加速度計基線の増加によって特徴付けられるので、いくつかの実施形態では、位置変化が生じるたびに基線フィルタが適用される。いくつかの実施形態では、ハイパス有限インパルス応答（「ＦＩＲ」）フィルタを採用することによって、フィルタリングが実行される。いくつかの実施形態において、ハイパスフィルタは、４００のフィルタ次数及び１ヘルツの周波数を有する。いくつかの実施形態では、非生理的な動きを排除するために、ローパスＦＩＲフィルタも適用される。いくつかの実施形態では、ローパスフィルタは、４００のフィルタ次数及び１２ヘルツの周波数を有する。（次数４００、ｆｃ＝１２Ｈｚ［１］）が同様に適用される。いくつかの実施形態では、フィルタリングに続いて、加速度計ベクトルの大きさは、以下の式に従って計算される。
この式において、ＡｃｃＭａｇｎｉｔｕｄｅＶｅｃｔｏｒ（ｉＳａｍｐｌｅ）は、サンプル番号ｉＳａｍｐｌｅについての３つの加速度計軸（例えば、ｘ、ｙ、及びｚ）の二乗の和の平方根を表す。いくつかの実施形態では、ジャイロスコープデータの大きさベクトルは、以下の式に従って計算される。
この式において、ＧｙｒｏＭａｇｎｉｔｕｄｅＶｅｃｔｏｒ（ｉＳａｍｐｌｅ）は、サンプル番号ｉＳａｍｐｌｅの３つのジャイロ軸（例えば、ｘ、ｙ、ｚ）の二乗の和の平方根を表す。いくつかの実施形態では、加速度計の大きさベクトルとジャイロスコープの大きさベクトルの両方の計算の後、ジャイロスコープの大きさベクトルと加速度計の大きさベクトルにそれぞれＲＭＳ窓を適用することによって、ジャイロスコープの大きさベクトルの包絡線と加速度計の大きさベクトルの包絡線が抽出される。いくつかの実施形態において、ＲＭＳ窓は、長さが５０サンプルである。いくつかの実施形態では、ジャイロスコープの大きさベクトル及び加速度計の大きさベクトルの包絡線の抽出に続いて、２つの包絡線が平均化（例えば、平均値、中央値など）されてＭＰＡ運動包絡線が生成される。
この式において、ＧｙｒｏＭａｇｎｉｔｕｄｅＶｅｃｔｏｒ（ｉＳａｍｐｌｅ）は、サンプル番号ｉＳａｍｐｌｅの３つのジャイロ軸（例えば、ｘ、ｙ、ｚ）の二乗の和の平方根を表す。いくつかの実施形態では、加速度計の大きさベクトルとジャイロスコープの大きさベクトルの両方の計算の後、ジャイロスコープの大きさベクトルと加速度計の大きさベクトルにそれぞれＲＭＳ窓を適用することによって、ジャイロスコープの大きさベクトルの包絡線と加速度計の大きさベクトルの包絡線が抽出される。いくつかの実施形態において、ＲＭＳ窓は、長さが５０サンプルである。いくつかの実施形態では、ジャイロスコープの大きさベクトル及び加速度計の大きさベクトルの包絡線の抽出に続いて、２つの包絡線が平均化（例えば、平均値、中央値など）されてＭＰＡ運動包絡線が生成される。
いくつかの実施形態では、ＭＰＡ運動包絡線におけるピークは、以下のステップに従って定義される。
モーションエンベロープピーク＝ｆｉｎｄ（モーションエンベロープ＞Ｐ９５％（モーションエンベロープ））
モーションエンベロープピーク オンセット＝モーションエンベロープピーク－２・ピーク幅
モーションエンベロープピーク オフセット＝モーションエンベロープピーク＋２・ピーク幅
モーションエンベロープピーク＝ｆｉｎｄ（モーションエンベロープ＞Ｐ９５％（モーションエンベロープ））
モーションエンベロープピーク オンセット＝モーションエンベロープピーク－２・ピーク幅
モーションエンベロープピーク オフセット＝モーションエンベロープピーク＋２・ピーク幅
上記において、ピーク幅は、ピークとエンベロープがピーク値の５０％に達する最初の点との間の距離として定義され、Ｐ９５％（ｘ）はｘの９５％である。図２０Ｂは、図２０Ａのデータ信号と、上記に従って計算された対応する動きエンベロープとピーク間絶対和（すなわち、隣接ピークの間に入る全てのサンプルの絶対値の合計）とを示す。
いくつかの実施形態では、ピークは、以下の場合に破損していると判断される。
１）ピーク間ＲＭＳが２０局所電圧単位より高いピーク
２）信号検査段階が現在の処理区間に接触問題があると結論づけた場合、ピーク間ＲＭＳが８局所電圧単位より高いピーク
３）信号検査段階において、現在の処理区間に接触問題があると判断されたが、５０％以上の点が８局所電圧単位より高いピーク間実効電圧を有する場合、２０局所電圧単位の閾値を使用する。
４）モーションエンベロープのオンセットとオフセット付近に位置するピークは、破損している疑いがある。これらの点のピーク間ＲＭＳは、それらが破損していると結論付けるために、６を超えるべきである。
１）ピーク間ＲＭＳが２０局所電圧単位より高いピーク
２）信号検査段階が現在の処理区間に接触問題があると結論づけた場合、ピーク間ＲＭＳが８局所電圧単位より高いピーク
３）信号検査段階において、現在の処理区間に接触問題があると判断されたが、５０％以上の点が８局所電圧単位より高いピーク間実効電圧を有する場合、２０局所電圧単位の閾値を使用する。
４）モーションエンベロープのオンセットとオフセット付近に位置するピークは、破損している疑いがある。これらの点のピーク間ＲＭＳは、それらが破損していると結論付けるために、６を超えるべきである。
いくつかの実施形態では、上記のようにピークが破損したピークであると検出された場合、ピークの振幅は中央値で置き換えられ、破損したピークの周囲のローカル中央値は以下のように計算される。
いくつかの実施形態において、破損したデータ点自体は、上記の計算から除外され、統計値（例えば、グローバル中央値、ローカル中央値、平均値など）に置き換えられる。いくつかの実施形態では、除外後に使用する値が７つ以下である場合、ローカルなものとしてグローバルな中央値を使用し、グローバルな中央値は標準的な技法を使用して計算される。
いくつかの実施形態では、ローカル中央値とグローバル中央値との間の絶対差が０．１を超える場合、ローカル中央値が破損したデータ点の振幅の代わりに使用され、それ以外の場合、グローバル中央値が破損したピークの振幅の置き換えとして使用される。図２０Ｃは、上述したように破損したピークを置換した図２０Ａ及び２０Ｂの例示的なデータセットを示す。
引き続き図１３を参照すると、ステップ１３２５において、例示的な本発明のコンピューティングデバイスは、Ｒ波ピークによって形成される信号からベースラインアーチファクトを除去するようにプログラム／構成される。いくつかの実施形態では、そのようなアーチファクトは、急激なベースラインまたはＲＭＳの変化により引き起こされる。いくつかの実施形態では、そのような変化は、多くの場合、母体位置の変化により引き起こされる。図２１Ａは、基線アーチファクトを含む例示的なデータ信号を示す。
いくつかの実施形態では、そのようなアーチファクトは、サンプル平均からの絶対偏差に基づいて実行される統計的検定である外れ値に対するグラブス検定を使用して発見される。いくつかの実施形態では、そのようなアーチファクトを修正するために、最初に変化のポイントが見出されるべきである。いくつかの実施形態において、変化のポイントは、信号ＲＭＳ又は平均の変化が始まるポイント（例えば、データポイント）であり、そのようなポイントは、以下の基準を満たすべきである。
１）長さ（ピーク信号）－変化ポイント＞５０
２）ｐｒｃｔｉｌｅ（ピーク信号（変化ポイント：エンド），１０）＞０．０１
３ａ）
（ここで、Ｐ１０％（ｘ）は、ｘの１０パーセンタイルを表す。）
又は、
３ｂ）
１）長さ（ピーク信号）－変化ポイント＞５０
２）ｐｒｃｔｉｌｅ（ピーク信号（変化ポイント：エンド），１０）＞０．０１
３ａ）
又は、
３ｂ）
いくつかの実施形態において、変化ポイントが上述の基準を満たすべきであり、このポイントまでのピーク信号は、以下に定義される統計値に基づいて変更される。
図２１Ｂは、ステップ１３３０に従ってベースラインアーチファクト除去が実行された後の図２１Ａの例示的なデータ信号を示す。
引き続き図１３を参照すると、ステップ１３３０において、例示的な本発明コンピューティングデバイスは、外れ値に対するグラブス試験に従って反復プロセスを用いてＲ波ピーク信号から外れ値を除去するようにプログラム／構成される。図２２Ａは、菱形で示されるように、外れ値データポイントを含む例示的なＲ波ピーク信号を示す。いくつかの実施形態では、ステップ１３３０の反復処理は、以下の２つの条件のいずれかが発生したときに停止する。
１）外れ値Ｐ９５％／Ｐ５０％比＞１．５
２）反復処理数＞４
１）外れ値Ｐ９５％／Ｐ５０％比＞１．５
２）反復処理数＞４
いくつかの実施形態では、この処理は、各反復で外れ点を見つけ、そのような外れ点の高さを外れ点のピークの周囲の局所領域の中央値にトリミングする。いくつかの実施形態において、局所領域は、外れ値ピークの前後の所定数のサンプルの時間窓として定義される。いくつかの実施形態において、サンプルの所定数は、０と２０の間である。いくつかの実施形態では、サンプルの所定数は１０である。図２２Ｂは、ステップ１３３０の実行に続く図２２Ａの例示的なデータ信号を示す。図２２Ａに示された外れ値データポイントが、図２２Ｂにはもはや存在しないことが分かるかもしれない。いくつかの実施形態では、信号抽出に続いて、以下においてさらに詳細に説明されるように、より多くの外れ値が明らかにされ、除去される。
引き続き図１３を参照すると、ステップ１３３５において、例示的な本発明コンピューティングデバイスは、Ｒ波信号チャネルを生成するためにＲ波ピーク信号データセットのそれぞれからＲ波信号データを補間して抽出するようにプログラム／構成される。いくつかの実施形態において、ステップ１３３０により出力されるピーク信号は、４サンプル／秒の信号を提供するように時間的に補間される。図２３Ａは、ステップ１３３０によって出力される例示的なピーク信号を示す。いくつかの実施形態では、補間は、三次スプライン補間を用いて行われる。補間されたデータにおける大きなギャップの場合におけるいくつかの実施形態では、誤った高い値が存在し、その代わりに補間方法は形状保存ピースワイズキュービック補間である。いくつかの実施形態において、形状保存ピースワイズキュービック補間は、ピースワイズキュービックヘルミット補間多項式（「ＰＣＨＩＰ」）補間である。いくつかの実施形態では、補間に続いて、Ｒ波信号を抽出する工程は、補間された信号における更なる外れ値を特定することを含む。いくつかの実施形態において、さらなる外れ値は、このステップにおいて、以下のうちの一つとして特定される。
１）１局所電圧単位より大きい高さを有する信号ピーク（すなわち、生の生体電位信号のピークではなく、補間後のＲ波信号のピーク）及びその周囲
２）１０秒以上離れた連続する２つのＲピークの間に横たわる点
３）データ検査段階（例えば、ステップ１３２０、１３３５、及び１３３０の間）において重度の接触問題が発見された分
１）１局所電圧単位より大きい高さを有する信号ピーク（すなわち、生の生体電位信号のピークではなく、補間後のＲ波信号のピーク）及びその周囲
２）１０秒以上離れた連続する２つのＲピークの間に横たわる点
３）データ検査段階（例えば、ステップ１３２０、１３３５、及び１３３０の間）において重度の接触問題が発見された分
いくつかの実施形態では、上述の３つの基準のいずれかを満たすことに基づいて外れ値として特定されるポイントは、破棄され、ステップ１３２０を参照して上述したプロセスに従って統計値（例えば、ローカル中央値又はグローバル中央値のいずれか）で置換される。
ステップ１３３５の説明を続けると、いくつかの実施形態では、さらなる外れ値検出に続いて、信号統計値（例えば、中央値、最小値、および標準偏差）が計算され、以下のいずれかが真であれば、信号（例えば、所定のチャネルに対する１分の信号時間窓）が破損信号として特定される。
１）異常値を除去した後でも、信号には１局所電圧単位より大きい振幅と０．１より大きい標準偏差を持つピークがある。
２）信号の中央値が０．６５より大きく、最小値が０．６未満である。
３）信号を構成する点の１５％以上が外れ値として削除されている。
１）異常値を除去した後でも、信号には１局所電圧単位より大きい振幅と０．１より大きい標準偏差を持つピークがある。
２）信号の中央値が０．６５より大きく、最小値が０．６未満である。
３）信号を構成する点の１５％以上が外れ値として削除されている。
ステップ１３３５の説明を続けると、破損した信号の特定に続いて、スライディングＲＭＳウィンドウが信号に適用される。いくつかの実施形態では、ＲＭＳ窓は、２５と２００の間のサンプルの範囲にあるサイズを有する。いくつかの実施形態では、ＲＭＳ窓は、１００サンプルのサイズを有する。いくつかの実施形態では、ＲＭＳ窓の適用に続いて、一次多項式関数が信号に適合され、次に信号から減算され、それによって補間信号のクリーンバージョンを生成し、これは後続のステップに使用され得る。図２３Ｂは、ステップ１３３０の補間に続く例示的なＲ波信号を示す。
図１３を引き続き参照すると、ステップ１３４０において、例示的な本発明のコンピューティングデバイスは、チャネル選択を行うようにプログラム／構成され、それによって、例示的なＲ波信号チャネルのサブセットが、電気子宮モニタリング信号の生成において使用されるように選択される。いくつかの実施形態では、チャネル選択の開始時に、全てのチャネルが適格な候補であるとみなされ、チャネルは、以下にしたがって除外され得るように評価される。
１）現時点までの処理間隔の１０％以上で接触問題が発生したチャネルを除外する。
２）５０％以上のチャネルが上記に基づいて除外された場合、代わりに処理間隔の１５％以上で接触問題を持つすべてのチャネルを除外する。
１）現時点までの処理間隔の１０％以上で接触問題が発生したチャネルを除外する。
２）５０％以上のチャネルが上記に基づいて除外された場合、代わりに処理間隔の１５％以上で接触問題を持つすべてのチャネルを除外する。
上記の結果、すべてのチャネルが除外される場合、代わりに、以下の基準の両方を満たすチャネルを保持し、残りのチャネルを除外する。
１）信号の標準偏差が０から０．１の間である。
２）信号の幅が０．２以内である。
１）信号の標準偏差が０から０．１の間である。
２）信号の幅が０．２以内である。
上記の結果、まだ全てのチャネルが除外される場合、標準偏差に関する第１の上記条件のみが使用され、範囲に関する第２の上記条件は無視される。図２４Ａは、６つのデータチャネルを含む例示的なデータセットを示し、２つのデータチャネルが除外されたことを示す。
いくつかの実施形態では、上記のようにいくつかのチャネルを除去した後、残りのチャネルはカップルにグループ化される。チャネルが上述のように定義されるいくつかの実施形態では、チャネルカップルは、上述の８つのチャネルの任意のペアである。いくつかの実施形態では、互いに独立したカップル（すなわち、共通する電極を有しないカップル）のみが考慮される。いくつかの実施形態において、可能なカップルは以下の通りである。
１．チャネル１及び２（Ａ１－Ａ４及びＡ２－Ａ３）
２．チャネル１及び５（Ａ１－Ａ４及びＢ１－Ｂ３）
３．チャネル１及び６（Ａ１－Ａ４及びＢ１－Ｂ２）
４．チャネル１及び７（Ａ１－Ａ４及びＢ３－Ｂ２）
５．チャネル２及び５（Ａ２－Ａ３及びＢ１－Ｂ３）
６．チャネル２及び６（Ａ２－Ａ３及びＢ１－Ｂ２）
７．チャネル２及び７（Ａ２－Ａ３及びＢ３－Ｂ２）
８．チャネル３及び５（Ａ２－Ａ４及びＢ１－Ｂ３）
９．チャネル３及び６（Ａ２－Ａ４及びＢ１－Ｂ２）
１０．チャネル３及び７（Ａ２－Ａ及びＢ３－Ｂ２）
１１．チャネル３及び８（Ａ２－Ａ４及びＡ１－Ａ３）
１２．チャネル４及び５（Ａ４－Ａ３及びＢ１－Ｂ３）
１３．チャネル４及び６（Ａ４－Ａ３及びＢ１－Ｂ２）
１４．チャネル４及び７（Ａ４－Ａ３及びＢ３－Ｂ２）
１５．チャネル５及び８（Ｂ１－Ｂ３及びＡ１－Ａ３）
１６．チャネル６及び８（Ｂ１－Ｂ２及びＡ１－Ａ３）
１７．チャネル７及び８（Ｂ３－Ｂ２及びＡ１－Ａ３）
１．チャネル１及び２（Ａ１－Ａ４及びＡ２－Ａ３）
２．チャネル１及び５（Ａ１－Ａ４及びＢ１－Ｂ３）
３．チャネル１及び６（Ａ１－Ａ４及びＢ１－Ｂ２）
４．チャネル１及び７（Ａ１－Ａ４及びＢ３－Ｂ２）
５．チャネル２及び５（Ａ２－Ａ３及びＢ１－Ｂ３）
６．チャネル２及び６（Ａ２－Ａ３及びＢ１－Ｂ２）
７．チャネル２及び７（Ａ２－Ａ３及びＢ３－Ｂ２）
８．チャネル３及び５（Ａ２－Ａ４及びＢ１－Ｂ３）
９．チャネル３及び６（Ａ２－Ａ４及びＢ１－Ｂ２）
１０．チャネル３及び７（Ａ２－Ａ及びＢ３－Ｂ２）
１１．チャネル３及び８（Ａ２－Ａ４及びＡ１－Ａ３）
１２．チャネル４及び５（Ａ４－Ａ３及びＢ１－Ｂ３）
１３．チャネル４及び６（Ａ４－Ａ３及びＢ１－Ｂ２）
１４．チャネル４及び７（Ａ４－Ａ３及びＢ３－Ｂ２）
１５．チャネル５及び８（Ｂ１－Ｂ３及びＡ１－Ａ３）
１６．チャネル６及び８（Ｂ１－Ｂ２及びＡ１－Ａ３）
１７．チャネル７及び８（Ｂ３－Ｂ２及びＡ１－Ａ３）
見てわかるように、上記のチャネルペアのそれぞれについて、ペアを形成する２つのチャネルは、共通の電極を共有しない。いくつかの実施形態において、チャネルの各組のケンドール順位相関は、チャネル内の有効点のみを使用して計算される。いくつかの実施形態では、ケンドール相関は、信号の各組の一致する順位符号を数えて、それらの統計的依存性を試験する。
いくつかの実施形態では、次に、チャネルは、以下の選択基準によって選択される。まず、最大ケンドール相関値が０．７以上である場合、選択されたチャネルは、０．７以上のケンドール相関値を有する任意の独立したチャネルである。しかし、選択されたすべてのチャネルが以前に破損していると特定された場合、出力信号は破損した信号として特定される。さらに、選択されたチャネルのいずれかが以前に破損していると特定された場合、または選択されたチャネルのいずれかが０．３より大きい範囲を有する場合、そのようなチャネルは、選択されたチャネルから除外される。
第２に、どのチャネルも上述の第一基準の下で選択されなかった場合、最大ケンドール相関値が０．５以上０．７未満であれば、選択されたチャネルは、この範囲内のケンドール相関値を有する任意の独立チャネルである。しかし、選択されたすべてのチャネルが以前に破損していると特定された場合、出力信号は破損した信号と特定される。さらに、選択されたチャネルのいずれかが以前に破損していると特定された場合、または選択されたチャネルのいずれかが０．３より大きい範囲を有する場合、そのようなチャネルは、選択されたチャネルから除外される。
第３に、上述の第１又は第２の基準でいずれのチャネルも選択されなかった場合、最大ケンドール相関値がゼロより大きく０．５より小さい場合、ゼロより大きいケンドール相関値を有するすべてのチャネルが選択されたチャネルとして特定される。しかし、最大相関値が０．３未満である場合、出力信号は破損しているとマークされ、０．３より大きい範囲を有するすべてのチャネルが除外される。
第４に、上述の最初の３つの基準の下でどのチャネルも選択されなかった場合、０．３より大きい範囲を有するすべてのチャネルと、１５％以上の削除ポイントを有するすべてのチャネルが除外され、残りのチャネルが選択され、ステップ１３５５を参照して後述するように、この出力信号はあまりシャープにされるべきものであると同定される。
第５に、上述の４つの基準のいずれでも選択されなかったチャネルは、重度の接触問題を持つチャネル以外のすべてのチャネルが選択される。しかしながら、選択されたチャネルにおける接触問題の数が１５を超える場合、出力信号が破損しているとフラグが立てられる。図２４Ｂは、ステップ１３４０のチャネル選択に続く例示的なデータセットを示す。
いくつかの実施形態では、ペアの相関値に基づいてペアでチャネルを選択するのではなく、チャネルが個別に選択される。
引き続き図１３を参照すると、ステップ１３４５において、例示的な本発明のコンピューティングデバイスは、ステップ１３４０で選択された選択されたＲ波信号チャネルに基づいて子宮活動信号（「電気子宮モニタリング」又は「ＥＵＭ」信号と呼ばれ得る）を計算するようにプログラム／構成される。いくつかの実施形態では、各サンプル（例えば、選択された全てのチャネルについて、上述した毎秒４サンプルのサンプリング間隔中の所定のサンプリング時間におけるデータ点のセット）に対して、選択されたチャネルの信号の８０パーセンタイルを以下に従って計算する。
図２５Ａは、図２４Ｂに示される選択されたデータチャネルに基づいて計算された８０％信号を示す。いくつかの実施形態では、次に、ＥＵＭ信号を生成するために、上記で決定されたように、結合された８０パーセンタイル信号からワンダリングベースラインが除去される。いくつかの実施形態では、移動平均ウィンドウが、ベースラインを見つけるために考慮される。いくつかの実施形態では、移動平均ウィンドウは、ＥＵＭ信号からウィンドウの間の平均値を減算する。いくつかの実施形態では、ウィンドウの長さは、０分と２０分との間である。いくつかの実施形態では、ウィンドウの長さは１０分である。図２５Ｂは、ベースラインの除去に続く図２５Ａの例示的な信号を示す。
ステップ１３５０において、例示的な本発明コンピューティングシステムは、ステップ１３４５で計算されたＥＵＭ信号を正規化するようにプログラム／構成される。いくつかの実施形態では、正規化は、ステップ１３４５からのＥＵＭ信号に定数を乗算することからなる。いくつかの実施形態では、定数は２００と５００の間である。いくつかの実施形態では、定数は、２５０と４５０の間である。いくつかの実施形態では、定数は３００と４００の間である。いくつかの実施形態では、定数は、３２５と３７５の間である。いくつかの実施形態では、定数は約３５０である。いくつかの実施形態では、定数は３５０である。いくつかの実施形態では、定数は１であり、すなわち、抽出された８０パーセンタイル信号の元の値が維持される。図２６は、ステップ１３５０に従った図２５Ｂのデータ信号の正規化に続く例示的なデータ信号を示す。
ステップ１３５５において、例示的な本発明コンピューティングシステムは、ステップ１３５０によって生成された正規化されたＥＵＭ信号をシャープ化し、それによってシャープ化されたＥＵＭ信号を生成するようにプログラム／構成される。いくつかの実施形態において、シャープ化は、先行するステップにおいて破損しているとフラグが立てられなかった信号に対してのみ実行され、すべての関連する信号が破損しているとフラグが立てられた場合、シャープ化するステップを実行しない。いくつかの実施形態では、シャープ化するステップの目的は、収縮が疑われる全ての領域を強化することである。いくつかの実施形態において、シャープ化することは以下のように進行する。第１に、２００局所電圧単位の値を超えるＥＵＭ信号のピークがある場合、信号は破損しているとマークされる。第２に、信号が以前に破損しているとマークされていたかどうかが判断される。第３に、信号のベースラインが除去される。いくつかの実施形態では、ベースライン除去のために、信号の持続時間が１０分を超える場合、１０分の長さの移動平均ウィンドウがベースラインを推定するために使用され、そうでなければ信号の１０パーセンタイルがベースラインを推定するために使用され、いずれの場合も、ベースラインが次にＥＵＭ信号から減算される。第４に、信号のベースラインは、３０可視化電圧単位と定義される。いくつかの実施形態では、正規化ステップに続いてこのように定義された信号基線は、心電計によって提供される信号と同様の方法で０～１００の範囲内にあるＥＵＭ信号を提供する。
第５に、ピークは、以下のいずれかに従って特定される。
・信号がステップ１３４０の間にあまりシャープ化を必要としないものとして特定された場合、ピークは、３５の可視化電圧単位の最小高さ及び３００サンプルの最小幅を有するものとして定義される。
・信号がそのように特定されなかった場合、ピークは、３５可視化ユニットの最小高さ及び２２０サンプルの最小幅を有するものとして特定される。
・信号がステップ１３４０の間にあまりシャープ化を必要としないものとして特定された場合、ピークは、３５の可視化電圧単位の最小高さ及び３００サンプルの最小幅を有するものとして定義される。
・信号がそのように特定されなかった場合、ピークは、３５可視化ユニットの最小高さ及び２２０サンプルの最小幅を有するものとして特定される。
いずれの場合も、各ピークのプロミネンスは、以下の式に従って計算される。
試料中の全ピークのプロミネンスを算出した後、以下のいずれかに該当するピークを除外する。
・ピークのプロミネンスが１２以下、高さが４０可視化電圧単位以下である。
・ピークは、サンプル中のすべてのピークの最大プロミネンスの６５％未満のプロミネンスを有する。
・ピークのプロミネンスが１２以下、高さが４０可視化電圧単位以下である。
・ピークは、サンプル中のすべてのピークの最大プロミネンスの６５％未満のプロミネンスを有する。
いくつかの実施形態では、最小高さ１５可視化電圧単位及び最小幅２００サンプルを有する任意のさらなるピーク（例えば、ローカル最大値）を特定し、次に２０可視化電圧単位より高い隆起を有するすべてのピークを除去することによって、追加のピークを特定する。
上記に従い、シャープ化は、以下のすべてが真である場合にのみ実行される：（ａ）信号が破損していない（「破損した」信号は上記のように特定される）、（ｂ）信号内に削除点がない、（ｃ）少なくとも一つのピークがこのステップの先行部分において特定された。シャープネス処理を行う場合、シャープネス処理に先立ち、以下の条件のいずれかに該当するピークを除去する。
・ピークが１０可視化電圧単位未満のプロミネンスを有する。
・ピークが３５可視化電圧単位以上のプロミネンスを有する。
・ピークの幅が８００サンプル（１秒間に４サンプルで２００秒）以上である。
・ピークが１０可視化電圧単位未満のプロミネンスを有する。
・ピークが３５可視化電圧単位以上のプロミネンスを有する。
・ピークの幅が８００サンプル（１秒間に４サンプルで２００秒）以上である。
上記の条件に該当するピークを除外し、残った各ピークについて以下の値を算出する。
これらの値を算出した後、以下の式に従って、ピーク部の外側はゼロ値、ピーク部の内側はガウス関数からなるマスクを作成する。
次いで、マスクは、予め定義された長さを有する移動平均ウィンドウで平滑化される。いくつかの実施形態において、予め定義された長さは、１０秒と５０秒との間である。いくつかの実施形態では、予め定義された長さは、２０秒と４０秒の間である。いくつかの実施形態では、予め定義された長さは、２５秒と３５秒の間である。いくつかの実施形態では、予め定義された長さは、約３０秒である。いくつかの実施形態では、予め定義された長さは、３０秒である。例示的なＥＵＭ信号が図２７Ａに示され、図２７Ａの例示的なＥＵＭ信号に対して上記の方法で作成された例示的なマスクが図２７Ｂに示される。次に、マスクは、既存のＥＵＭ信号に追加され、シャープ化されたＥＵＭ信号を生成する。いくつかの実施形態では、加算は、単純な数学的加算を使用して実行される。図２７Ａの例示的なＥＵＭ信号に図２７Ｂの例示的なマスクを加えることによって生成される例示的なシャープ化されたＥＵＭ信号が、図２７Ｃに示されている。
図１３に戻って、ステップ１３６０において、後処理が実行され、後処理されたＥＵＭ信号が生成される。いくつかの実施形態では、後処理は、ベースライン除去を含む。いくつかの実施形態では、ベースライン除去は、ステップ１３５５を参照して上述したように、信号ベースラインを除去することを含む。いくつかの実施形態では、ベースライン除去のために、信号持続時間が１０分を超える場合、１０分長の移動平均ウィンドウがベースラインを推定するために使用され、そうでなければ、信号の１０％値がベースラインを推定するために使用される。いずれの場合も、次に、ベースラインがＥＵＭ信号から減算され、信号ベースラインが３０可視化電圧ユニットと定義される。最後に、削除されたすべての値は、－１可視化電圧単位の値に設定され、１００可視化電圧単位を超えるすべての値は、１００可視化電圧単位の値に設定される。図２８は、図２７Ｂの例示的なシャープ化された信号にステップ１３６０の後処理を適用することによって生成される例示的な後処理された信号を示す。
ステップ１３６０に続いて、方法１３００は完了する。上述したように、図２８は、方法１３００に従って計算された例示的なＥＵＭ信号を示す。図２９は、図２８のＥＵＭ信号が計算された基になる生体電位データの収集と同じ時間帯に、同じ被験者について既知の技術に従って得られた代表的なトコグラフ信号を示す。図２８及び２９は、互いに実質的に類似しており、収縮を表すと理解され得る同じピークを含むことが分かるであろう。したがって、方法１３００の結果は、母体の子宮活動をモニタリングするためのトコグラフ様信号として使用可能であるが、非侵襲的に記録される生体電位信号に基づいて計算することができるＥＵＭ信号であることが分かるかもしれない。
ここで、上記の説明と共に、本発明のいくつかの実施形態を非限定的に示す以下の実施例を参照されたい。
図１４Ａ～図１７Ｂは、トコグラフデータと例示的な方法２００の出力との間の比較のさらなる例を示す。図１４Ａ、１５Ａ、１６Ａ、及び１７Ａのそれぞれにおいて、時間に対するトコグラフ信号が示されており、母親によって自己報告された収縮がトコグラフによってモニタリングされていることが、縦線で示されている。図１４Ｂ、１５Ｂ、１６Ｂ、及び１７Ｂの各々において、複数のチャネルの各々からのフィルタリングされたＲ波信号が（例えば、図１１Ｂに示すプロットと同様に）異なる色で示され、計算された正規化平均信号が（例えば、図１２Ａに示すプロットと同様に）黒い太線で示されている。図１４Ｂ、１５Ｂ、１６Ｂ及び１７Ｂの各々は、比較のために図１４Ａ、１５Ａ、１６Ａ及び１７Ａの対応するものに隣接して示されている（例えば、図１４Ａ及び１４Ｂは、同じ時間間隔にわたって同じ母親について記録した異なるデータ、及び図１５Ａから１７Ｂについてはそのようなデータを示している）。図１２Ａ及び１２Ｂを参照して上述したように、例示的な正規化子宮信号のピークは、自己報告された収縮に対応することが分かる。
例示的な実施形態の有効性を評価するための研究が実施された。この研究は、ＢＭＩが４５ｋｇ／ｍ２未満で、妊娠年齢＞３２＋０週の単胎胎児を身ごもり、胎児異常のない１８～５０歳の妊婦におけるＥＵＭ及びＴＯＣＯ記録の比較であった。ＥＵＭは、最低３０分間測定したデータサンプルについて、上記のように算出した。本明細書でＥＵＭと呼ばれる母体心筋Ｒ波振幅ベースの子宮活動指数の解析は、母体の子宮活動をモニタリングするための革新的で信頼性の高い方法として有望な結果を示した。ＥＵＭのデータは、ＴＯＣＯのデータと高い相関があった。したがって、ＥＵＭモニタリングは、不快感などの従来のトコダイナモメトリの欠点を克服しつつ、ＴＯＣＯデータと同様に有用なデータを提供し得る。
図１８Ａ～図２７Ｂは、例示的な方法１３００の実行中の様々な段階で存在する例示的なデータを示す。特に、図２７Ａ及び２７Ｂは、例示的な方法１３００によって生成された出力信号と、同じ時間間隔中に記録されたトコグラフ信号との比較を示す。
図１８Ａ～図１８Ｈは、（例えば、ステップ１３０５で受信される）例示的な方法１３００の入力として受信される例示的な生データ及び（例えば、ステップ１３１０によって生成される）例示的な方法１３００の間に生成される例示的なフィルタリング済み生データを示している。特に、図１８Ａ、１８Ｃ、１８Ｅ、および１８Ｇは、例示的な生データを示し、図１８Ｂ、１８Ｄ、１８Ｆ、および１８Ｈはそれぞれ、例示的なフィルタリングされたデータを示している。図１８Ａ～１８Ｈは、単一チャネルの生データ及びフィルタリングされた生体電位データを表しており、上述の方法１３００の実際の実施では、図１８Ａ～１８Ｈに示されるものと同等のデータセットがデータの各チャネルについて存在することは、当業者には明らかであろう。図１８Ａを参照すると、サンプル番号６０００の周囲に高い電力線ノイズが存在することが分かるかもしれない。図１８Ｂを参照すると、電力線ノイズが依然として高いことが分かるかもしれない。いくつかの実施形態では、これは、例示的方法１３００のステップ１３１０を参照して上述した閾値よりも大きい、ある間隔から別の間隔への相対Ｒ波ピークエネルギの変化により、この間隔が重度の接触問題を有するものとしてフラグ付けされる結果となる可能性がある。図１８Ｃを参照すると、サンプル番号１４０００の周囲に高い電力線ノイズが存在することが分かるかもしれない。図１８Ｄを参照すると、電力線ノイズが依然として高いことが分かるかもしれない。いくつかの実施形態において、これは、信号ＲＭＳが例示的方法１３００のステップ１３１０を参照して上述した閾値を超えるために、この間隔が重度の接触問題を有するものとしてフラグ付けられる結果となる可能性がある。図１８Ｅを参照すると、信号全体に高い電力線ノイズが存在することが分かるかもしれない。図１８Ｆを参照すると、電力線ノイズが依然として高いことが分かるかもしれない。いくつかの実施形態において、これは、この信号のＳＮＲが例示的方法１３００のステップ１３１０を参照して上述した閾値ＳＮＲを満たさないために、この間隔が重度の接触問題を有するものとしてフラグ付けされる結果となる可能性がある。図１８Ｇ及び１８Ｈを参照すると、明確な信号が見えることがある。いくつかの実施形態において、これは、この間隔が接触問題を有するものとしてフラグ付けされないという結果になることがある。
ここで図１９Ａ及び１９Ｂを参照すると、ステップ１３１５に従ったＲ波ピークの抽出が示されている。図１９Ａ及び１９Ｂは、単一チャネルからのＲ波ピーク抽出を表しており、上述の方法１３００の実際の実施では、図１９Ａ及び１９Ｂに示すものと同等のデータセットがデータの各チャネルについて存在することは、当業者には明らかであろう。図１９Ａは、ステップ１３１５の実行の前に（例えば、ステップ１３１０によって生成された）フィルタリングされたデータを示している。図１９Ａにおいて、検出されたピーク位置は、アスタリスクによって表される。図１９Ｂは、ステップ１３１５の実行に続く、抽出されたピークを有するデータを示す。図１９Ｂでは、ピーク位置がアスタリスクで表されている。図１９Ａにおいて、アスタリスクで示されたピーク位置のいくつかは、データ中のピークの最大値に位置しておらず、そのような位置は、図１９Ｂにおいてアスタリスクによって正しく示されていることが分かるかもしれない。
ここで図２０Ａ～図２０Ｃを参照すると、ステップ１３２０に従ったＥＭＧアーチファクトの除去が示されている。図２０Ａ～図２０Ｃは、単一チャネルからのＥＭＧアーチファクトの除去を表しており、上述の方法１３００の実際の実施では、図２０Ａ～２０Ｃに示されるものと同等のデータセットがデータの各チャネルに対して存在することは、当業者には明らかであろう。図２０Ａは、ステップ１３２０のように使用される（例えば、ステップ１３１０によって生成される）例示的なフィルタリングされたデータを示す。図２０Ｂは、図２０Ａの同じフィルタリングされたデータを示し、さらに、運動包絡線の表現及びピーク間絶対和を含む。図２０Ｂにおいて、破損していると疑われるピークは、菱形で示されている。図２０Ｃは、ステップ１３２０によって生成される、ＥＭＧアーチファクト補正後の補正された信号を示す。図２０Ｃでは、疑わしいピークが除去され、補正されたピークが丸で示され、元のピーク値が対照的な色合いで示されている。
ここで図２１Ａ及び２１Ｂを参照すると、ステップ１３２５に従ったベースラインアーチファクトの除去が示されている。図２１Ａ及び２１Ｂは、単一チャネルからのベースラインアーチファクトの除去を表しており、上述の方法１３００の実際の実施において、図２１Ａ及び２１Ｂに示されるものと同等のデータセットがデータの各チャネルについて存在することは、当業者には明らかであろう。図２１Ａは、ステップ１３２５への入力として受け取られ得る、ベースラインアーチファクト除去前の例示的なデータを示す。図２１Ａにおいて、ベースラインアーチファクトは、円内に示されている。図２１Ａに示されるデータにおいて、丸で囲まれた領域と信号の残りの部分との間のベースライン比は、０．８未満である。いくつかの実施形態では、この係数で信号の残りを割ることによって、補正された信号が提供される。図２１Ｂは、ステップ１３２５によって生成され得るような例示的な補正された信号を示す。図２１Ａにおいて、ベースラインアーチファクト領域は、円内に示されている。図２１Ａ及び２１Ｂを比較することによって、ベースラインアーチファクトが除去されたことが分かるかもしれない。
ここで図２２Ａ及び２２Ｂを参照すると、ステップ１３３０に従った外れ値及び隙間のトリミングが示されている。図２２Ａ及び２２Ｂは、単一チャネルからの外れ値及びギャップのトリミングを表しており、上述の方法１３００の実際の実施において、図２２Ａ及び２２Ｂに示されるものと同等のデータセットがデータの各チャネルについて存在することは、当業者には明らかであろう。図２２Ａは、ステップ１３３０への入力として受け取られ得る例示的なデータを示す。入力データは、図２２Ａにおいて菱形で示されるサンプル４５０付近の異常値を含むことが分かるかもしれない。図２２Ｂは、上述したように外れ値を除去するためのステップ１３３０の実行後の図２２Ａの例示的なデータを示している。図２２Ａに示された外れ値が除去されていることが分かるかもしれない。
ここで図２３Ａ及び２３Ｂを参照すると、ステップ１３３０に従ったＲ波ピーク信号の補間及び抽出が示されている。図２３Ａ及び２３Ｂは、単一チャネルからのＲ波ピーク信号の抽出を表しており、上述の方法１３００の実際の実施では、図２３Ａ及び２３Ｂに示すものと同等のデータセットがデータの各チャネルについて存在することは、当業者には明らかであろう。図２３Ａは、ステップ１３３０からの出力として提供され、ステップ１３３５への入力として受信され得る例示的なＲ波ピーク信号を示している。図２３Ｂは、ステップ１３３５の実行によって生成され得る例示的なクリーン補間されたＲ波信号を示している。
ここで図２４Ａ及び２４Ｂを参照すると、ステップ１３３５に従ったチャネル選択が示されている。図２４Ａおよび２４Ｂに示される例示的なデータセットにおいて、チャネル３および８は、時間間隔の１０％以上における接触問題の存在により、チャネル選択に対して不適格であることが判明した。従って、図２４Ａ及び２４Ｂでは、例示的なチャネル１、２、４、５、６、及び７のみが示されている。図２４Ａに示されたデータの独立したチャネルペアと、対応するケンドール相関値を以下の表に示す。
上記の表から、チャネル１、２、４、７からなるグループは、中程度の相関（例えば、相関が０．５より大きく０．７より小さい）を示すことが分かるかもしれない。従って、ステップ１３４０において、チャネル１、２、４及び７が選択される。図２４Ｂは、選択されたチャネル１、２、４、及び７を含む、ステップ１３４０によって出力される例示的なデータセットを示す。
ここで図２５Ａ及び２５Ｂを参照すると、ステップ１３４５に従った選択されたチャネルに基づくＥＵＭ信号の計算が示されている。図２５Ａ～図２５Ｂに示す出力データを生成するために、図２４Ｂに示すチャネルデータがステップ１３４５への入力として受け取られる。図２５Ａを参照すると、この図は、図２４Ｂに示された信号から抽出された８０パーセンタイル信号を示している。図２５Ｂは、図２５Ａに示される信号にワンダリングベースライン除去を適用することによって得られる補正された信号を示す図である。
ここで図２６を参照すると、ステップ１３５０に従った正規化ＥＵＭ信号の計算が示されている。ステップ１３４５によって生成され、図２５Ｂに示されるような補正されたデータは、図２６に示されるような正規化ＥＵＭ信号を生成するために、ステップ１３５０の入力として受け取られる。図２６は、図２５Ｂに示される信号を正規化し、基準値を３０可視化電圧単位に設定することによって得られる正規化された信号を示している。図２６では、信号中に３つの弱いピークが存在することが分かるであろう。
ここで図２７Ａ～図２７Ｃを参照すると、ステップ１３５５に従ったＥＵＭ信号のシャープ化が示されている。図２６に示される例示的な正規化信号のような、ステップ１３５０によって生成される例示的な正規化信号は、シャープ化されたＥＵＭ信号を生成するために、ステップ１３５５への入力として受け取られる。図２７Ａは、ステップ１３５０によって生成されるような例示的な正規化されたＥＵＭ信号を示している。図２７Ｂは、ステップ１３５５に従って生成された例示的なエンハンスメントマスクを示す。図２７Ｃは、図２７Ａの正規化されたＥＵＭ信号を図２７Ｂのマスクに加えることによって生成された例示的なシャープ化されたＥＵＭ信号を示す。
ここで図２８を参照すると、ステップ１３６０に従ったＥＵＭ信号の後処理が示されている。ステップ１３５５によって生成されるようなシャープ化されたＥＵＭ信号は、後処理されたＥＵＭ信号を生成するために、ステップ１３６０への入力として受け取られる。図２８は、ステップ１３６０を参照して上述したようにワンダリングベースラインを除去した後の例示的な後処理されたＥＵＭ信号を示している。図２６に示される３つの弱いピークは、ステップ１３５５のシャープ化及びステップ１３６０の後処理に続いて、図２８においてより明確に見えることが分かるかもしれない。
ここで図２９を参照すると、図２８の例示的なＥＵＭ信号に対応するトコグラフ信号が示されている。先に述べたように、図２８の例示的なＥＵＭ信号は、方法１３００に従って生成される。図２９の代表的なトコグラフ信号は、図２８の例示的なＥＵＭ信号を生成するために使用されたデータと同じ時間間隔中に同じ被験者について捕捉された。図２８及び２９は、互いに実質的に一致し、互いに同じ３つのピークを含むことが分かるであろう。
いくつかの実施形態では、子宮モニタリングは、図３を参照して上述した音響センサ３２０などの一つ又は複数の音響センサを用いて収集された音響データに基づいて実行される。いくつかの実施形態において、音響データに基づく子宮モニタリングのためのプロセスは、以下に説明されること以外は、図１３に示される方法１３００を参照して上述された生体電位データに基づく子宮モニタリングのプロセスと実質的に同様である。図３０は、音響データに基づく子宮モニタリングのための例示的な方法３０００を示す。いくつかの実施形態では、例示的な本発明コンピューティングデバイスは、方法３０００を実行するようにプログラム／構成される。いくつかの実施形態では、例示的な本発明コンピューティングデバイスは、非一過性のコンピュータ可読媒体に格納された命令を介して、方法３０００に従ってプログラム／構成される。いくつかの実施形態では、例示的な本発明コンピューティングデバイスは、少なくとも一つのコンピュータプロセッサを含み、このコンピュータプロセッサは、命令を実行するとき、方法３０００に従ってプログラム／構成された具体的なコンピュータプロセッサとなる。いくつかの実施形態では、例示的な本発明コンピューティングデバイスは、方法３０００の実行によって後述する技術的問題を解決するように具体的に構成される。
ステップ３００５において、例示的な本発明コンピューティングデバイスは、入力として生の音響データを受信するように具体的に構成される。いくつかの実施形態では、１組の生の音響データが、妊娠中のヒト被験者の腹部に近接して配置された複数の音響センサのそれぞれから受信される。いくつかの実施形態では、１組の生の音響データは、２つ、又は３つ、又は４つ、又は５つ、又は６つ、又は７つ、又は８つ、又は９つ、又は１０つ、又はそれ以上の数の音響センサの各々から受信される。方法３０００の本説明において詳細に説明される一つの具体的な例示的な実施形態では、図３に示されるように、１セットの生の音響データが、４つの音響センサの各々から受信される。
ステップ３０１０において、例示的な本発明コンピューティングデバイスは、生の音響データを前処理して、前処理された音響データの複数のチャネルを生成するように具体的に構成される。いくつかの実施形態では、前処理は、生の音響データに少なくとも一つのフィルタ（例えば、１つのフィルタ、又は２つのフィルタ、又は３つのフィルタ、又は４つのフィルタ、又は５つのフィルタ、又は６つのフィルタ、又は７つのフィルタ、又は８つのフィルタ、又は９つのフィルタ、又は１０のフィルタ、又はより多数のフィルタ）を適用し、例えば、生のデータの量Ｙのチャネルのそれぞれに量Ｘのフィルタを適用して量Ｘ倍Ｙの前処理済みデータチャネルを生成することを含む。いくつかの実施形態では、フィルタは、バンドパスフィルタを含む。いくつかの実施形態では、フィルタは、ＤＣフィルタを含む。いくつかの実施形態では、フィルタは、有限インパルス応答フィルタ、またはバターワースフィルタもしくはチェビシェフフィルタなどの無限インパルス応答（「ＩＩＲ」）フィルタ、またはそれらの組み合わせを含む。いくつかの実施形態では、フィルタは、５０Ｈｚのカットオフを有するローパスゼロ位相ラグＩＩＲフィルタを含む。いくつかの実施形態において、フィルタは、１２次バターワースＩＩＲフィルタ、又は３次バターワースＩＩＲフィルタ、又は５次バターワースＩＩＲフィルタを含む。一つの例示的な実施形態において、フィルタは、周波数を有する５つの１２次バターワースＩＩＲフィルタを含む。１０～５０Ｈｚ、１５～５０Ｈｚ、２０～５０Ｈｚ、２５～５０Ｈｚ、及び３０～５０Ｈｚである。いくつかの実施形態では、４つの生データチャネルへの５つのＩＩＲフィルタの適用により、２０の前処理済みデータチャネルが生成される。図３１Ａは、ステップ３０１０に続く例示的な前処理されたデータチャネルのデータを示す。図３１Ｂは、図３１Ａに示されるデータの小さな時間窓の拡大図を示す。
ステップ３０１５において、例示的な本発明コンピューティングデバイスは、前処理されたデータチャネルからＳ１－Ｓ２ピークを抽出するように特に構成される。当業者には、Ｓ１及びＳ２が心周期を伴わない第１音及び第２音を指すことが知られているであろう。いくつかの実施形態では、「Ｓ１－Ｓ２ピーク」という用語は、所定のＳ１－Ｓ２複合体内の最大点を意味する。いくつかの実施形態では、ステップ３０１５のＳ１－Ｓ２ピーク抽出は、上述した方法１３００のステップ１３１５のＲ波ピーク抽出と実質的に同様の方法で実行される。図３２Ａは、注釈付きでＲ波ピークを示す、例示的なデータチャネルのデータを示す。図３２Ｂは、図３２Ａに示されるデータの小さな時間窓の拡大図である。図３２Ｃは、図３２Ａに示されるようなＲ波ピークに基づいて決定される例示的なＳ１－Ｓ２振幅信号を示す。図３２Ｄは、より大きな時間窓にわたる例示的なＲ波振幅信号を示す。
ステップ３０２０、３０２５、および３０３０において、例示的な本発明のコンピューティングデバイスは、方法１３００のステップ１３２０、１３２５、および１３３０を参照して上述したのと同じ方法で、ステップ３０１５で生成されたデータセットからアーチファクトおよび外れ値を除去するように特に構成される。例示的な方法３０００によって分析される音響データは、ステップ１３２０を参照して上述したタイプの電気ノイズを含まず、むしろ、典型的には、音響センサによって記録される移動関連ノイズを含み得ることに留意されたい。しかしながら、そのような移動関連ノイズを除去するためのプロセスは、上述した電気ノイズを除去するためのプロセスと実質的に類似している。図３３は、ステップ３０２０、３０２５、及び３０３０の実行に続く例示的なデータチャネルの例示的なデータセットを示す。
ステップ３０３５において、例示的な本発明のコンピューティングデバイスは、方法１３００のステップ１３３５を参照して上述したものと実質的に同様の方法で、ステップ３０３０で生成されたデータセットからＳ１－Ｓ２信号データを補間し抽出するように特に構成される。図３４は、ステップ３０３５で計算された、複数のチャネルに対する抽出されたＳ１－Ｓ２データセットを示す。
ステップ３０４０において、例示的な本発明コンピューティングデバイスは、方法１３００のステップ１３４０を参照して上述したのと実質的に同様の方法でチャネル選択を行うように具体的に構成される。しかしながら、ステップ３０４０のチャネル選択は、一態様において、ステップ１３４０のチャネル選択と異なる。上述したように、ステップ１３４０で使用されるデータチャネルのいくつかは、生体電位センサの差動性のために互いに独立しておらず、その結果、ステップ１３４０で使用されるデータチャネルのうちのいくつかだけが互いに結合され得る。対照的に、方法３０００で使用されるデータを収集する音響センサは、シングルエンド、すなわち、互いに独立している。その結果、ステップ３０４０において、データの任意の２つのチャネルが互いに適切に結合され得る。したがって、例えば、４つの未処理データチャネルが５つの異なるバンドパスフィルタを用いて処理されて２０のフィルタリングデータチャネルを生成する実施形態では、２０×１９、すなわち３８０の可能なチャネルカップルが存在する。
ステップ３０４０のチャネル選択に続いて、ステップ３０４５において、例示的な本発明コンピューティングデバイスは、方法１３００のステップ１３４５を参照して説明したのと実質的に同様の方法で音響子宮活動信号を計算するように特に構成される。ステップ３０５０において、例示的な本発明コンピューティングデバイスは、方法１３００のステップ１３５０を参照して上述したものと実質的に同様の方法で音響子宮活動信号を正規化するように具体的に構成されている。ステップ３０５５において、例示的な本発明コンピューティングデバイスは、方法１３００のステップ１３５５を参照して上述したのと実質的に同様の方法で、正規化された音響子宮活動信号をシャープ化するように具体的に構成されている。ステップ３０６０において、例示的な本発明コンピューティングデバイスは、方法１３００のステップ１３６０を参照して上述したのと実質的に同様の方法で、先鋭化された音響子宮活動信号を後処理するように具体的に構成される。
いくつかの実施形態では、例示的な方法３０００の出力は、妊娠中のヒト被験者の腹部の周りに配置された音響センサによって得ることができるデータの分析を通じて非侵襲的に決定される音響子宮モニタリング信号である。いくつかの実施形態では、例示的方法３０００によって生成される音響子宮モニタリング信号は、トコダイナモメータ及び超音波トランスデューサによって生成されるものと同様の子宮モニタリングデータを提供し、収縮などの子宮活動のモニタリングに使用することが可能である。
図３５Ａ～３７Ｂは、トコグラフデータと例示的方法３０００の出力との比較の例を示す。図３５Ａ、３６Ａ、及び３７Ａの各々において、時間に対するトコグラフ信号が示されている。図３５Ｂ、３６Ｂ、及び３７Ｂの各々において、同じ時間間隔の間に記録された音響データを使用する性能例示的方法３０００の出力が示されている。例示的な音響ベースの子宮モニタリング信号におけるピークが、トコグラフデータにおけるピークに対応していることが分かる。
図３８は、生体電位センサ及び音響センサからそれぞれ収集されたＥＣＧベースのＥＵＭ処理信号及びＰＣＧベースの処理信号のセットを示す図である。いくつかの実施形態では、子宮モニタリング信号は、生体電位センサ（例えば、図２及び図１３に示す方法を参照して上述したように）及び音響センサ（例えば、図３０に示す方法を参照して上述したように）の両方から収集したデータに基づいて決定されることが可能である。生体電位センサ又はＥＣＧベースの処理されたＥＵＭ信号から収集されたデータの例は、セクション３８０１（最初の２行は８チャネルを表す）に示され、音響センサ又はＰＣＧベースの処理された信号から収集されたデータの例は、３８０２（最後の５行は２０チャネルを表す）に示される。セクション３８０２の各列は音響チャネルを表し、セクション３８０２の各行はフィルタバンクの５つのフィルタのうちの一つを表している。図３８に示されるような信号は、単一の子宮活動信号を生成するために結合または融合されることができる。
図３９は、ＥＣＧベースの処理済みＥＵＭ信号及びＰＣＧベースの処理済み信号から子宮活動信号を生成するための融合処理を実施するための方法３９００を示す。いくつかの実施形態では、ＥＣＧベースの信号は、３９０１で示されるようにＮ個のチャネルから並行して、又は順次ＰＣＧベースの信号は、３９０３でＭ個のチャネルから受信されることが可能である。その後、機械学習技術を３９０５で実行して、チャネルＭ及びＮの各々について最適な重みを決定することができる。３９０５で決定された最適な重みは、受信したＥＣＧベースの処理済みＥＵＭ信号及び受信したＰＣＧベースの信号を組み合わせて子宮活動を表す信号にするために使用することができる。そのような信号は、例えば、各チャネルが信号に関連付けられるＮ及びＭチャネルの加重平均として生成することができる。
いくつかの実施形態では、機械学習チャネル重み付け技法は、勾配降下（ＧＤ）最適化プロセスとして実装することができる。例えば、図３８に表される２８個のチャネルの各々に重み付け値を与えることができる。勾配降下プロセスのためのコスト関数は、以下のように定義することができる。
勾配降下最適化プロセスの各反復において、最終信号出力は、２８個のチャネルの各々に与えられた加重平均に基づいて決定される。このような最終信号出力に対して、ベースラインからの変化に基づく検出アルゴリズムを使用して収縮が特定され、これは、信号内の各収縮の開始時間点及び終了時間点を定義する。特定された各収縮について、一連の特徴が計算される。このような特徴のセットは、収縮上昇時間、収縮下降時間、収縮上昇時間と収縮下降時間との間の比、ＳＮＲ、収縮の歪度、及び他の適切な特徴を含むことができる。その後、各特徴の平均値が、最終信号のすべての収縮にわたって計算される。その後、各特徴について、最適な目標値が決定される（例えば、標準化された収縮データセット又は最適な収縮データセットに基づく）。ＧＤプロセスのコスト関数は、最適な目標値と特徴値の平均との間の差に対応し得る。
いくつかの実施形態では、勾配降下最適化プロセスの複数のインスタンスは、各チャネルに割り当てられた異なる初期重みで同時に実行され得る。例えば、第１のインスタンスでは、すべてのチャネルに等しい値又は同じ値を割り当てることができる。第２の例では、重みは、そのようなチャネルによって検出された収縮特徴の品質に基づいてチャネルに割り当てることができる。例えば、収縮は各チャネルを通じて特定され、各収縮について、例えば収縮上昇時間、収縮下降時間、収縮上昇時間と収縮下降時間との比、ＳＮＲ、収縮の歪度、及び他の適切な特徴のセットを算出することができる。平均特徴値は、チャネルで特定されたすべての収縮にわたって計算することができる。次いで、平均特徴値と最適特徴値との間の差に反比例する重みが、チャネルに割り当てられ得る。第３の例では、クラスタリングアルゴリズムを使用して、チャネルに重みを割り当てることができる。例えば、各チャネルについて、ＳＮＲと他のすべてのチャネルとの相関を決定することができる。チャネルのクラスタは、そのＳＮＲおよび他のチャネルとの相関に従って定義されることができる。その後、各クラスタを単一のチャネルに結合することができ、各結合チャネルに、当該チャネルによって検出された収縮特徴の品質に基づく重みを与えることができる。いくつかの実施形態では、最適な結果は、上述した勾配降下最適化プロセスの第１、第２、及び第３のインスタンスから選択することができる。上述したように、ステップ３９０７において、最終出力すなわち最終子宮活動信号が、選択された全てのチャネルの加重平均に基づき決定される。図４４は、ステップ３９０１に従って受信された一組の例示的な電気子宮モニタリング信号４４１０、ステップ３９０３に従って受信された一組の例示的な音響子宮モニタリング信号４４２０、ステップ３９０５に従って信号の各々に割り当てられた（例えば、以下に説明する方法４０００によって決定される、（なお、明確化のために、重み４４３０の一部のみが図４４において特に指摘される））重み４４３０、及びステップ３９０７に従って決定された例示的な最終子宮活動信号４４４０を示す。
いくつかの実施形態では、チャネル重みを決定するための工程（例えば、ステップ３９０５の工程）は、図４０に示される例示的な方法４０００に従って実行される。ステップ４０１０では、一組の電気子宮活動信号と一組の音響ベース／ＰＣＧベースの子宮活動信号とが受信される。いくつかの実施形態では、一組の電気子宮活動信号は、図１３に示される方法１３００のステップ１３３５に従って生成される。いくつかの実施形態では、音響子宮活動信号のセットは、図３０に示される方法３０００のステップ３０３５に従って生成される。
ステップ４０２０において、複数のチャネルセットが初期化される。いくつかの実施形態では、チャネルセットはそれぞれ、（互いに重複する可能性のある）チャネルの異なる組合せを含む。いくつかの実施形態では、重みの各セットにおいて、特定のチャネルは非ゼロの重みを帰属させ、他のチャネルは「ゼロにされる」。例えば、重みの１セットが生体電位チャネル（例えば、電気子宮活動チャネル）のセットとしてのみ定義される場合、音響データから発行される全てのチャネルは０という重みが割り当てられ、生体電位データから発行されるチャネルは、以下に詳述するように、その品質に基づいて重みを帰属させる。方法４０００の後続のステップを参照して以下さらに詳細に説明するように、各セットに対する重みの初期選択の後、勾配降下及び強化を用いて最適化段階が実行され、プロセスの最後に最適化された重みの最適セットが選択され、データは選択された重みのセットに従って重み付け及び平均化されることになる。いくつかの実施形態において、ステップ４０２０において初期化された複数の重みセットは、４つの重みセットを含む。いくつかの実施形態において、複数のチャネルセットは、以下を含む。
１．生体電位チャネルのみから発行されるデータからなる、「生体セット」。
２．音響チャネルのみから発行されるデータからなる「音響セット」。
３．後述する収縮特徴のＫ－ｍｅａｎｓクラスタリングに基づいてチャネルを選択する「収縮ベースセット」。
４．すべてのチャネルが考慮される「結合セット」。
いくつかの実施形態では、最初の２つのセットについて、非ゼロの重みが、上述したように、データ型に基づいてチャネルに帰着される。いくつかの実施形態では、収縮ベースセットについて、初期重みは、図４１を参照して以下に説明される方法４１００に従って決定される。
図４１は、チャネルの収縮ベースセットを初期化するための方法４１００のフローチャートである。ステップ４１１０において、方法４１００は、方法４０００のステップ４０１０を参照して上述したように、電気子宮モニタリングチャネルのセット及び音響子宮モニタリングチャネルのセットを入力として取る。ステップ４１２０において、収縮は、チャネルの各々において特定される。いくつかの実施形態では、収縮は、図４２を参照して以下に説明される方法４２００に従って特定される。
ステップ４１３０において、複数の収縮特徴が各チャネルについて決定される。いくつかの実施形態では、６つの収縮特徴が各チャネルについて決定される。いくつかの実施形態では、各チャネルについて決定される特徴は、以下を含む。
１．収縮中の信号のクルトーシス（収縮全体で平均化されたもの）。
２．相対エネルギ：収縮中の全ての値の合計（ｓｉｇ（ｃｏｎｔｓ））と全てのチャネルの値の合計との比、チャネル毎：
３．相対時間：すべての収縮を合わせた時間を、チャネルデータ全体の時間で割ったもの。
４．微分エネルギ：収縮時の信号の一次微分の実効値と信号全体の一次微分の実効値との比。
５．タイムスキュー：平均立ち上がり時間と平均立ち下がり時間の比であり、各収縮について、オンセットから収縮ピーク振幅、ピーク振幅からオフセットまでの差としてそれぞれ算出される。
６．収縮ＳＮＲ：二つの決定されたＳＮＲ（グローバルＳＮＲと平均化収縮ＳＮＲ）の間の平均値として計算される。グローバルＳＮＲは、与えられたチャネルについて、すべての収縮活動の微分の実効値を収縮の外に位置するすべての信号の微分の実効値で割ったものに等しい。平均化収縮ＳＮＲは、収縮活動の導関数のＲＭＳを特定の収縮のすぐ周囲に位置する活動の導関数のＲＭＳで割ったものによって与えられる、個々の収縮にわたる平均化ＳＮＲに等しい。
いくつかの実施形態では、ステップ４１３０の出力は、サイズＮ×６の特徴行列であり、ここで、Ｎは考慮されるチャネルの数であり、６は各チャネルについて決定される特徴の数である。ステップ４１４０において、チャネルはクラスタリングされる。いくつかの実施形態では、チャネルは、ステップ４１３０によって出力された特徴行列に対してＫ－ｍｅａｎｓクラスタリングを実行することによってクラスタリングされる。いくつかの実施形態では、異なるタイプのクラスタリング方法（例えば、Ｋ－メドックスラスタリング、階層的クラスタリングなど）を使用して、ステップ４１３０によって出力された特徴行列にクラスタリングを実行する。いくつかの実施形態では、次に、特徴にわたって最大値の数が最も多いクラスタが、「最良のクラスタ」として保持される。
ステップ４１５０において、最良のクラスタが改良される。いくつかの実施形態では、反復プロセスにおいて、チャネルの最良のクラスタは、クラスタ内のチャネル間の内部一致を減少させる可能性のあるチャネルを除去することによって改善される。いくつかの実施形態では、その目的のために、クラスタ内の全てのチャネルペアの内部相関行列が計算される。いくつかの実施形態では、線形相関（例えば、ピアソン相関）が、内部相関行列を計算するために適用される。いくつかの実施形態では、別の相関方法が適用される。いくつかの実施形態では、他との相関が最も低い候補チャネルは、クラスタから予備的に除去され、内部相関行列が再計算される。いくつかの実施形態では、候補チャネルの予備的除去の結果、内部相関が予め定義された閾値を超えて改善される場合、候補チャネルが除去される。いくつかの実施形態では、第２のステップとして、最良のクラスタの一部ではない全てのチャネルは、平均化されたクラスタ信号との相互相関についてテストされ、相互相関が十分に高く、かつ小さなラグでクラスタに追加される。いくつかの実施形態では、ラグは、（相互相関係数及びラグを一次元配列として提供する）相互相関関数を使用して計算され、最終的な相互相関係数は、計算された相互相関係数の最大値とされ、ラグは、最終的な相関係数が計算される同じ配列要素に対応するラグ値としてとられる。いくつかの実施形態において、この計算は、以下のように擬似コードで表すことができる。
corr_coefs, lags = cross_correlation(signal1, signal2)
corr_coef, ind_of_corr_coef = max( corr_coefs )
lag = lags[ind_of_corr_coef]
いくつかの実施形態では、相互相関は、ρ＞０．８である場合、十分に高い。いくつかの実施形態では、ラグは、ラグが最大ラグ閾値未満である場合、十分に低い。いくつかの実施形態では、最大ラグ閾値は、３０秒と６０秒の間、または３０秒と４０秒の間、または３０秒と５０秒の間、または４０秒と６０秒の間、または４０秒と５０秒の間、または５０秒と６０秒の間、または６０秒未満、または２５秒と３５秒の間、またはおよそ３０秒、または３０秒間である。いくつかの実施形態では、ステップ４１５０の結果は、以下の重み選択プロセス中に処理するための非常に高い内部相関を有するチャネルのクラスタである。
ステップ４１６０において、除外されたチャネルの領域（例えば、ステップ４１５０の後に最良のクラスタに含めるために選択されなかったチャネル）は、そのような領域が高品質である収縮に属する場合、最良のクラスタに含めるために考慮される。いくつかの実施形態では、この「地域」データの包含は、非包含チャネル内の適切なデータポイント（例えば、良好な収縮活動を有するデータポイント）を見つけ、チャネルの他の全てのデータポイントをゼロにし、良好な領域を有するそれらの「処理された」チャネルを同様にベストクラスタの一部として含めることによって実行される。いくつかの実施形態では、そうでなければ含まれないチャネルにおける良好な領域は、以下のように認識される。特定のチャネルの収縮ＳＮＲ（例えば、上述した各チャネルの特徴＃６）が閾値を超える場合、そのチャネルの収縮は、関連する閾値に対してそれらの個々のＳＮＲについてテストされる。いくつかの実施形態において、ＳＮＲ及び閾値の両方は、無単位値である。いくつかの実施形態では、閾値は、ゼロより大きい任意の値である。いくつかの実施形態では、閾値は、０．１～５の間、または０．１～４の間、または０．１～３の間、または０．１～２の間、または０．１～１の間、または０．５、または１、または１．５、または２、または２．５、または３、または３．５、または４、または４．５、または５である。いくつかの実施形態では、高ＳＮＲ収縮からのデータは、データが、以前に含まれた「最良のクラスタ」チャネルにおいて収縮活動がない間のタイムポイントから来る場合、及び最小長以上である場合、保持される。いくつかの実施形態では、最小の長さは、１分と９分の間であり、又は２分と８分の間であり、又は３分と７分の間であり、又は４分と６分の間であり、又は約５分であり、又は５分である。言い換えれば、収縮データは、ＳＮＲが閾値以上であり、以前に含まれた収縮の一部でなかった新しいタイムポイントを含み、これらの新しいタイムポイントがあまりに希少でない場合、良好なチャネルデータのプールに追加される。いくつかの実施形態では、そのようなチャネルの他の全てのタイムポイントが次にゼロにされ、残りの「良い」収縮活動を有するチャネルが最良のクラスタに追加される。最良のクラスタは、重みを割り当てるチャネルの収縮ベースセットとして使用するために、ステップ４１７０で出力される。
図４０に戻ると、ステップ４０３０において、ステップ４０２０で定義されたチャネルセットの各々について初期重みのセットが定義される。いくつかの実施形態では、２つの重みサブセットが各チャネルに対して定義される。いくつかの実施形態では、２つの重みサブセットは、（１）以下に説明するような「チャネル投票」サブセット、及び（２）チャネルセット内の各チャネルの初期重みが１／Ｎであり、Ｎがセット内のチャネル数に等しい「生まれながら等しい」サブセットを含む。
いくつかの実施形態では、チャネル投票サブセットにおける初期重みは、以下のように決定される。各セット内の重みの最初のサブセットの作成に使用される投票は、チャネル内の各データポイントについて、その同じデータポイントにおいて収縮を特徴とする、または収縮を特徴としない他のチャネルの数がカウントされるプロセスである。言い換えれば、すべてのチャネルは、データポイントごとに、他のすべてのチャネルにおける活動の種類（例えば、収縮か収縮でないか）について「投票」するのである。次に、データポイント間の投票が平均化され、各特定チャネルの投票数メトリックが計算され、特定チャネルで特定された収縮とのチャネルのセット全体における一致の程度が反映される。投票プロセスは、各チャネルが他のすべてのチャネルによって投票されることで繰り返される。
いくつかの実施形態では、投票に加えて、２つの収縮スコアの平均がチャネルごとに計算され、ここで収縮スコアは、以下に説明される方法４２００のステップ４２８０に従って決定される。次に、初期重みが、各チャネルについて、以下の３つの項目の合計として計算される。
１．セット内のチャネル数に対する投票数の比率。
２．２つの収縮スコアと予め設定されたスコア閾値との間の比率。
３．特定された収縮中の信号値の合計と信号全体の合計との間の比率を収縮の数で割った収縮の信頼性、計算される。
次に、得られた重みは、チャネル間の重みの合計が１になるように正規化される。いくつかの実施形態では、子宮モニタリングプロセスは、セットの「フレーム」において受信データを分析し、所与のフレームの経過中にデータを処理し、フレームの終わりに出力（例えば、子宮モニタリング信号）を提供する。いくつかの実施形態では、１フレームは１０分の長さである。いくつかの実施形態では、最初のものではない任意の記録フレームについて（例えば、所定の患者がモニタリングされている間の最初の１０分を越えて）、重みは、処理セグメント間の急激な重み変化を緩和するために、前のセグメントの重みと平均化される。いくつかの実施形態では、各チャネルの重み付けは、上述のように、チャネルの前の重みの０．６倍＋チャネルの計算された現在の重みの０．４倍として決定される。
ステップ４０４０において、重みが最適化される。いくつかの実施形態では、最適化は、勾配降下プロセスを用いて実行される。いくつかの実施形態において、勾配降下アルゴリズムは、反復プロセスにおいてコスト関数を最小化しようとすることによって重みを調整する。いくつかの実施形態では、反復プロセスは、構成可能な最大反復回数を有する。いくつかの実施形態では、反復プロセスは、最大２０回の反復を有する。いくつかの実施形態では、反復プロセスは、２または３または４または５または６または７または８または９または１０または１１または１２または１３または１４または１５または１６または１７または１８または１９の反復の最大数を有する。いくつかの実施形態では、コスト関数は、各最適化反復について、以下のように計算される。所定のセット内の関連チャネルの信号は、現在の重み（例えば、最初の反復のための初期重み；後続の各反復のための前の反復について決定した重み）を使用して単一の時系列に平均され、中間子宮活動トレースがもたらされる。いくつかの実施形態では、重みがまだ最適化され選択されていないので、暫定的な子宮活動トレースは、一時的な形態である。いくつかの実施形態では、収縮は、図４２に示す方法４２００を参照して以下に説明する収縮検出プロセスを用いて、中間子宮活動トレースにおいて特定される。いくつかの実施形態では、次に、信号からコスト関数を抽出するために以下の式が適用される。
上記の式において、Ｅ＿ｃｏｎｔは、そのピーク付近の収縮幅の３分の２にまたがる一時的な子宮信号値を、すべての収縮にわたって合計したものとして計算された収縮エネルギであり、Ｅ＿ｔｏｔは、一時的な信号全体の合計であり、Ａ＿ｃｏｎｔは、そのピーク付近の収縮幅の３分の１に、収縮にわたって平均して計算した平均収縮振幅であり、Ｒは収縮間のベースライン活動振幅の範囲（最大－最小）であり、ｗは考慮中の所定のウェートを同定している。重みのすべてのセットは同じ長さを持ち、それはチャネルの数に等しいことに再度注意されたい。その定義によりチャネルセットに含まれるべきでないチャネルを表す重み（例えば、音響チャネルセットを基準とする生体電位信号に由来するチャネル）は、ゼロに等しい。
ステップ４０５０では、各重みセットに対する重みの最良のサブセットが選択される。いくつかの実施形態では、ステップ４０４０を参照して上述したような最適化の後、各セット内の２つの重みサブセットが互いに競合し、そのセットを「代表」するために重みの最良のサブセットが選択される。方法４０００の後の段階で、異なるセットの重みは、融合プロセスで使用される最終的な重みの選択に向けて、それらの間で競合することになる。いくつかの実施形態では、各セット内の２つの競合する子宮活動トレース（例えば、各セット内の２つの重みサブセット）間の選択プロセスは、以下の方策に基づくものである。
１．子宮活動トレースの信号対雑音比。
２．コスト関数。
３．収縮信頼度指標（以下、定義する）。
４．差分指数。
いくつかの実施形態では、差分指数は、セッションを通じてこれまでに生成されたＭＵＡ信号（すなわち、以前に分析された記録フレームから）と、これらの以前の記録セグメントが現在の重みセットのみを使用して分析された場合に生じたであろう信号との間の差を定量化する。いくつかの実施形態では、差分指数は以下のように計算される。
上記において、ｒ（Ｓｐｒｅｖ， Ｓｃｕｒｒｅｎｔ）は、以前に決定された子宮活動トレースと現在の選択されたチャネルのセットの子宮活動トレース（以前のデータと比較できない、現在分析中のデータフレームを除く）の間のスピアマン相関係数である。いくつかの実施形態では、この指数は、０（同一のトレース）から１（２つのトレース間の任意の負の相関）まで変化する。これは、最初の分析されたデータセグメントについて計算することができず、したがって、このステップは、最初の分析されたデータセグメントについて省略される。
いくつかの実施形態では、４つの尺度の平均は、２つの競合するサブセット間および閾値に対して比較され、また、それらの絶対値も同様に比較される。いくつかの実施形態では、比較は、１０％の相対差、又は相対差が満たされない場合、ゼロより大きい絶対差に基づく。２つのサブセットの一方が、他方よりも上記４つの尺度のより良い平均値、及び閾値に対する相対値の両方を提示する場合、それはチャネルに選択される。より良い平均を有するサブセットが閾値を下回る場合、決定木が起動され、各測定値が決定プロセスにおいて異なる重要性を有する。
いくつかの実施形態では、決定木は、２つの測定のためのコスト関数と信頼度指標に基づき、以下のように実行される。
→ conf_1 > conf2の場合
→→ cost_2が有効でない場合（例えば、NaN又はInfのような無効な数値を有する場合）、方法1を選択する。
→→→ もしcost_1が有効でなければ、方法2を選択。
→→→ cost_1 と cost_2 の両方が有効な場合、cost_1 と cost_2 の相対差を計算する。相対的な差が閾値（例えば10％の閾値）だけ対策1に有利な場合（コスト関数が対策1の方が低いという意味）、対策1を選択し、そうでない場合、対策2を選択する。
→ conf_1 > conf2の場合
→→ cost_2が有効でない場合（例えば、NaN又はInfのような無効な数値を有する場合）、方法1を選択する。
→→→ もしcost_1が有効でなければ、方法2を選択。
→→→ cost_1 と cost_2 の両方が有効な場合、cost_1 と cost_2 の相対差を計算する。相対的な差が閾値（例えば10％の閾値）だけ対策1に有利な場合（コスト関数が対策1の方が低いという意味）、対策1を選択し、そうでない場合、対策2を選択する。
上記において、ｃｏｓｔ＿１は比較における第１のサブセットのコスト関数、ｃｏｓｔ＿２は比較における第２のサブセットのコスト関数、ｃｏｎｆ＿１は比較における第１のサブセットの収縮信頼度指標、ｃｏｎｆ＿２は比較における第２のサブセットの収縮信頼度指標である。いくつかの実施形態では、選択された最適化された重みを使用して、更新された子宮活動トレースが最終的に計算され、更新された子宮活動トレースに基づいて収縮が再定義される。
ステップ４０６０では、各チャネルセット内の信号が強化される。いくつかの実施形態では、２つのサブステップが、信号を強化するために実行される。いくつかの実施形態では、第１のサブステップは、顕著な収縮を有するチャネルにおけるデータを強化することである。いくつかの実施形態では、第１のサブステップは、各チャネルについて、加重平均された信号との類似性の指標を計算することによって実行される。このために、３つの測定基準が調べられる：（１）閾値を超える、加重平均信号と個々のチャネルとの間の相関係数（例えば、０．６、０．７、０．７５、０．８、または０．９などの、０．５より大きい任意の値）、（２）チャネルデータと加重平均の間の１次多項式フィットの第１のパラメータ（「傾き」）、および（３）上記のフィットの推定誤差（Δ）（例えば、１次多項式フィットとチャネルとの差）。いくつかの実施形態では、上述の３つのメトリックは、閾値（例えば、必要に応じてすべての閾値を構成可能な、第１のメトリックの０．５５、第２のメトリックの０．１、および第３のメトリックの０．３）に対して検査され、閾値を超える任意のチャネルに関連する重みは、保持される。残りの重み（例えば、関連する閾値を越えなかったもの）は、ゼロにされる。いくつかの実施形態では、このサブステップに続いて、勾配差分最適化の追加の反復が、得られた重みに実行される。次に、いくつかの実施形態では、選択された重みのうち、加重平均よりも高いパワーを有するトレースの重みが、加重チャネルと加重平均との間のユークリッド距離を最小化すると定義される因子によってさらにアップスケーリングされる。いくつかの実施形態では、収縮及びそのスコアは、次いで、各チャネルの新しい加重平均された子宮活動トレース上で特定される。
第２のサブステップは、以前の記録セグメントからの重みが存在する場合、それを考慮する。いくつかの実施形態では、現在の記録セグメントには、０から１までの寄与重み（ＣＷ）が割り当てられ、以前の重みには、相補的な寄与重み（１－ＣＷ）が割り当てられる。いくつかの実施形態では、セグメント番号Ｎである所与のセグメントに割り当てられる寄与重みＣＷは、ＣＷ＝１／Ｎである。より多くの以前のセグメントが存在すると、現在のセグメントにはより低いＣＷが割り当てられる：各追加記録セグメントには、１／セグメント番号のビットの情報が追加される。次に、この重み付け方法に従って、現在のセッションと以前のセッションとの間でバランスを取るように重みが調整される。
ステップ４０７０では、最終的な重みセットが決定される。上述したように、ステップ４０７０の前に、重みのサブセットがチャネルセットの各々について選択されており、それによって、最終的な子宮活動出力を生成するために最終的な重みセットを選択するための子宮活動候補が提供されている。いくつかの実施形態では、最終的な重みセットを選択するために、上記のステップ４０５０で使用されるのと同じ４つの測定基準が使用される。ステップ４０７０では、ステップ４０５０とは対照的に、比較及び選択する候補が２つ以上ある（例えば、４つのチャネルはそれぞれ上記のような選択された重みセットを有する）。したがって、ステップ４０７０では、選択が反復的に実行される。ステップ４０７０の選択は、ウェイトセットの第１のもののメトリクスとウェイトセットの第２のもののメトリクスとを比較し、その中で最良のものを選択することから開始される。重みセットの選択された一つは、重みセットの第３の一つと比較され、その比較から選択された最良のものは、次に、重みセットの第４の一つと比較される。その比較からの最良の重みセットは、次に、母体子宮活動信号の生成に使用するための最終的な重みセットとして選択される。上述のように、いくつかの実施形態では、ステップ４０７０で決定された最終重みセットは、データチャネルの加重平均を生成するために方法３９００のステップ３９０５で入力として使用される。
ここで図４２を参照すると、子宮活動信号における収縮を特定するための方法４２００のフローチャートである。いくつかの実施形態では、方法４２００は、上述した方法４０００の実行中に適用される。いくつかの実施形態では、方法４２００は、方法１３００によって生成された電気子宮活動信号及び／又は方法３０００によって生成された音響的子宮活動信号に対して適用される。ステップ４２１０において、方法４２００は、入力として現在の子宮活動チャネルを受け取る。方法４２００は、信号子宮活動チャネルを参照して説明されているが、方法４２００はまた、順次及び／又は同時のいずれかを含む複数の子宮活動チャネルに対して実行できることは、当業者には明らかであろう。
ステップ４２２０では、ステップ４２１０で受信した入力信号の平滑化バージョン及び強化バージョンが計算される。いくつかの実施形態では、平滑化バージョンは、信号の一次導関数をハミング窓で畳み込み、その結果の累積和を返すことによって計算される。いくつかの実施形態では、畳み込みは、（以下、ステップ４２３０を参照してさらに詳細に説明するように）両端でその右左反転したバージョンで信号をパディングした後に行われ、元のチャネルデータトレースの最初または最後にエッジ効果が存在しないように連続パディングした信号を作成する。いくつかの実施形態では、平滑化プロセスの後、パディングは破棄される。いくつかの実施形態では、強化バージョンは、ｚスコア正規化平滑化信号の双曲線正接を計算することによって計算される。いくつかの実施形態では、この方法で生成された強化バージョンは、心拍ピーク振幅の過渡的な変調が容易に現れ、検出可能な、平滑化され、丸められた、時系列である。図４３は、例示的な入力子宮活動チャネル４３１０、平滑化チャネル４３２０、及び強化チャネル４３３０を示すプロットである。
ステップ４２３０において、ピークが検出される。いくつかの実施形態では、収縮のピーク、それらのプロミネンス及びそれらの幅は、信号の右左反転及び両端へのパディングとしての追加後に、強化されたチャネル４３３０上で検出される。いくつかの実施形態では、そのミラーリングバージョンによる信号のパディングは、ミラーリング信号がそのミラーリングバージョンで半収縮を「完了」させるので、記録の端部における不完全な収縮の検出を可能にする。いくつかの実施形態では、図１３に示すように、方法１３００のステップ１３５５を参照して上述したように、ピーク、プロミネンス、及び幅が計算される。いくつかの実施形態では、強化チャネル４３３０の滑らかさ及び上記パラメータを考慮すると、検出されたピークの乱雑さはない。いくつかの実施形態では、（パディングを考慮しない）信号のエッジの近くに位置するピークが見逃される可能性があるため、ピーク検出器の感度を高めて、ピーク検出の第２の反復が実行される。いくつかの実施形態では、ピーク幅及びピーク間の距離に適用される閾値を低減することによって、第２の反復において感度が強化される。いくつかの実施形態では、第１の反復において、閾値は、ピーク幅について３０秒、ピーク間の距離について６０秒であり、第２の反復において、閾値は、ピーク幅について２０秒、ピーク間の距離について５０秒である。閾値の減少の異なる大きさも可能であることは、当業者には明らかであろう。いくつかの実施形態では、この第２の反復において任意の新しいピークが検出された場合、それは、信号エッジから１６０秒以下に位置する場合にのみ考慮される。いくつかの実施形態では、第３の反復として、見逃されていたかもしれないが生理学的に有効な収縮を構成する高いプロミネンスを有する短い収縮が特定される。いくつかの実施形態では、第３の反復において、ピーク幅及びピーク間の距離に適用される閾値を低減することによって、感度がさらに向上される。いくつかの実施形態では、第３の反復において、閾値は、ピーク幅について２０秒であり、ピーク間の距離について４０秒である。いくつかの実施形態では、最終収縮ピークが決定されると、各収縮の幅は、ピークのプロミネンスの半分で信号をインターセプトする左点及び右点の線形補間を使用して計算される。
ステップ４２４０において、外れ値ピークが特定される。いくつかの実施形態では、ピークプロミネンスの各対の間のユークリッド距離が計算され、ピークごとの誤差推定値が、他のピークへの距離の合計として計算される。いくつかの実施形態では、異常値誤差が検出される。いくつかの実施形態では、外れ値誤差値は、中央値から３スケーリングされた中央値絶対偏差（ＭＡＤ）より離れているものである。いくつかの実施形態では、スケーリングされたＭＡＤは、Ｋ＊ＭＥＤＩＡＮ（ＡＢＳ（Ａ－ＭＥＤＩＡＮ（Ａ）））として計算され、ここで、Ａは評価される値であり、Ｋはスケーリング係数である。いくつかの実施形態では、スケーリングファクターＫは、約１．５に等しい。いくつかの実施形態では、スケーリングファクターＫは、約１．４８２６に等しい。さらに、いくつかの実施形態では、収縮ピーク高さは、ステップ４２２０で生成された平滑化チャネル４３２０に基づき決定される閾値と比較される。いくつかの実施形態では、閾値は、平滑化されたチャネル４３２０をその最大値に正規化することによって決定され、正規化後に０．２に設定される。いくつかの実施形態では、外れ値ピーク及びピーク高さ閾値より小さい最大値を有するピークは、ピークとして廃棄される。
ステップ４２５０では、不完全収縮が検出される。いくつかの実施形態では、不完全収縮は、現在のデータセグメントが終了するときにまだ進行している収縮である。いくつかの実施形態では、収縮ピークと収縮オフセットが最小必要時間未満で分離され、収縮の前後の活動レベルが一定の閾値を超えて異なる場合、収縮は不完全収縮として検出される。いくつかの実施形態では、最小所要時間は１分である。いくつかの実施形態では、閾値は、決定されたオンセットにおける値と決定されたオフセットにおける値との間の３０％の変化である相対閾値である。いくつかの実施形態では、収縮が不完全であると特定された場合、それは、さらなる使用のためにそのようにマークされる。例えば、いくつかの実施形態では、不完全であるとマークされた収縮は、トレースの全体的な品質を計算する際に、より少ない重みが与えられる（例えば、トレースの全体的なＳＮＲを決定する際に０．５の係数によって重み付けされる）。いくつかの実施形態では、不完全な収縮は、後続のセグメントからのデータを考慮することによって完了される。
ステップ４２６０では、信頼度指標が、各収縮に対して計算される。いくつかの実施形態では、３つの信頼度指標が計算される。いくつかの実施形態では、信頼度指標は、以下のように完了される。
１．収縮相対エネルギ。これは、まず、収縮のエネルギを、そのピークの周りの収縮幅の３分の２にまたがるデータポイントの合計として計算し、次に、各収縮について、そのエネルギをすべての収縮のエネルギの合計で割ることによって計算される。
２．上３分の１の平均活動量（例えば、そのピーク付近の収縮幅の３分の１の平均振幅）と収縮間の値の範囲との間の比率である。収縮間の値の範囲は、収縮内に位置しない全てのデータポイントの分布を取り、この分布の５パーセンタイルと９５パーセンタイルの間の差を求めることによって計算される。
３．収縮中と収縮間の値の範囲間の比率。収縮間の値の範囲は、すぐ上の項目２のように計算される。各収縮の値の範囲は、収縮データを構成するデータポイントの分布を取り、この分布の５パーセンタイルと９５パーセンタイルの間の差を求めることによって計算される。
ステップ４２７０では、ステップ４２６０で決定された信頼度指標に基づいて、ノイズの多い収縮及び小さい収縮が除去される。いくつかの実施形態では、信頼度指標は、予め定義された閾値と比較され、ノイズの多い収縮を排除するために使用される。いくつかの実施形態では、ノイズの多い収縮は、事前に定義された閾値以下の信頼度指標を有する収縮である。いくつかの実施形態において、予め定義された閾値は、０．収縮と周囲の谷との間の活性と比較して、小さな収縮も同様に除去される。いくつかの実施形態では、小さな収縮は、０．２未満の正規化ピーク値を有する収縮である（例えば、最大ピーク値収縮の０．２倍未満）。
ステップ４２８０において、収縮スコアが、各収縮について決定される。いくつかの実施形態では、収縮スコアは、例えば、図４０に示す方法４０００のステップ４０３０を参照して上述したように、初期重みの決定において使用される。いくつかの実施形態では、２つの収縮スコアが決定される。いくつかの実施形態では、第１の収縮スコアは、収縮ピーク振幅によって正規化された、所定の収縮の前後の平均活性レベルの差として計算される。いくつかの実施形態では、第２の収縮スコアは、収縮ピーク振幅と収縮周辺の活動の平均との間の差をピーク振幅で割ったものとして計算される、正規化プロミネンスとして計算される。
本明細書で論じるように、母体／胎児ケアの分野における技術的問題は、トコダイナモメータ及び超音波トランスデューサの使用を通じて子宮活動（例えば、収縮）をモニタリングする既存の解決策が、妊婦に不快なセンサを着用させることを必要とし、肥満妊婦が着用すると信頼できないデータを生じ得る（例えば、センサは使用できるデータを生じるのに十分な感度を有しないことがある）ことである。本明細書でさらに議論されるように、例示的な実施形態は、快適なウェアラブルデバイスに統合された様々なセンサ（例えば、生体電位センサ及び／又は音響センサ）の使用、並びに子宮活動をモニタリングするために利用することができる信号を生成するためにそのようなセンサ（例えば、電極及び／又は音響センサ）によって得ることができるデータの分析を通じて、この技術的問題に対する技術的解決策を提示するものである。母体／胎児ケアの分野における更なる技術的問題は、快適なウェアラブルデバイスに統合することができるセンサ（例えば、生体電位センサ及び／又は音響センサ）によって得ることができる信号に基づく分析のための既存の解決策が、心臓データを抽出するためにかかる信号を分析することに限定されるという点である。本明細書で論じるように、例示的な実施形態は、子宮活動（例えば、収縮）をモニタリングできる信号を生成するための生体電位データ及び／又は音響データの分析を通じて、この技術的問題に対する技術的解決策を提示するものである。
本書を通じて引用された出版物は、その全体が参照により本明細書に組み込まれる。本発明の様々な態様は、例および実施形態を参照することによって上に示されてきたが、本発明の範囲は、前述の説明によってではなく、特許法の原則に基づいて適切に解釈される以下の請求項によって定義されることが理解されよう。さらに、本明細書に記載された発明的方法論、発明的システム、及び発明的装置の様々な実施形態が互いに任意の組み合わせで利用できることを含め、多くの変更が当業者にとって明らかになるであろう。さらに、様々なステップは、任意の所望の順序で実施されてもよい（そして、任意の所望のステップが追加されてもよく、及び／又は、特定の実施形態における任意の望ましくないステップが除去されてもよい）。
Claims (15)
- コンピュータ実装方法であって、
少なくとも一つのコンピュータプロセッサによって、複数の信号チャネルを提供するステップであって、該複数の信号チャネルは、複数の電気子宮モニタリング信号チャネル及び複数の音響子宮モニタリングチャネルを含む、提供するステップと、
前記少なくとも一つのコンピュータプロセッサによって、複数のチャネル重みを決定するステップであって、チャネル重みの各々は、前記信号チャネルの特定の一つに対応する、決定するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記信号チャネルの各々に対する前記チャネル重みに基づいて、前記信号チャネルの加重平均を計算することにより、結合子宮モニタリング信号チャネルを生成するステップと
を含む、コンピュータ実装方法。 - 前記複数のチャネル重みは、機械学習アルゴリズムに基づいて決定される、
請求項１に記載のコンピュータ実装方法。 - 前記機械学習アルゴリズムは、勾配降下最適化プロセスを含む、
請求項２に記載のコンピュータ実装方法。 - 前記複数のチャネル重みは、
前記少なくとも一つのコンピュータプロセッサによって、複数のチャネルセットを定義するステップであって、該複数のチャネルセットの各々は、前記複数の信号チャネルの少なくともいくつかを含む、定義するステップと、
前記少なくとも一つのコンピュータプロセッサによって、複数の初期重みセットを定義するステップであって、該複数の初期重みセットの各々は、前記複数のチャネルセットのうちの特定の一つに対応する、定義するステップと、
前記少なくとも一つのコンピュータプロセッサによって、複数の最適化された重みセットを生成するために、前記複数の初期重みセットを最適化するステップであって、該複数の最適化された重みセットの各々は、前記複数のチャネルセットのうちの特定の一つに対応する、最適化するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数の最適化された重みセットのうちの最良の一つを、前記複数のチャネル重みとして選択するステップと
を含むプロセスにより、決定される、
請求項１に記載のコンピュータ実装方法。 - 前記複数の初期重みセットを最適化するステップは、勾配降下プロセスを含む、
請求項４に記載のコンピュータ実装方法。 - 前記複数の最適化された重みセットのうちの最良の一つを選択するステップは、
前記少なくとも一つのコンピュータプロセッサによって、複数の中間子宮活動トレースを生成するステップであって、該複数の中間子宮活動トレースの各々は、前記複数の最適化された重みセットのうちの特定の一つに対応する、生成する工程と、
前記少なくとも一つのコンピュータプロセッサによって、複数の最適化された重みセットの各々について、（ａ）前記複数の最適化された重みセットの各々に対応する、前記中間子宮活動トレースのうちの前記特定の一つの信号対雑音比、（ｂ）コスト関数、（ｃ）収縮信頼度指標、及び（ｄ）差分指数を、計算するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数の最適化された重みセットのうちの特定の一つ夫々について、（ａ）前記最適化された重みセットのうちの前記特定の一つの信号対雑音比、（ｂ）前記最適化された重みセットのうちの前記特定の一つのコスト関数、（ｃ）前記最適化された重みセットのうちの前記特定の一つの収縮信頼度指標、及び（ｄ）前記最適化された重みセットのうちの前記特定の一つの差分指数の、平均である最適化された重みセットの平均を計算するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数の最適化された重みセットのうち、最良の最適化された重みセット平均を有するものを、前記複数の最適化された重みセットのうちの最良の一つとして選択するステップと
を含むプロセスによって実行される、請求項４に記載のコンピュータ実装方法。 - 更に、
前記少なくとも一つのコンピュータプロセッサによって、前記複数のチャネルセットのうちの特定の一つに対応する第１の中間子宮活動トレース及び第２の中間子宮活動トレースを生成するステップであって、前記第１の中間子宮活動トレースは、前記複数のチャネルセットの特定の一つに対する前記複数の最適化された重みセットの第１のものに対応し、前記第２の中間子宮活動トレースは、前記複数のチャネルセットの特定の一つに対する前記複数の最適化された重みセットの第２のものに対応する、生成するステップと
前記少なくとも一つのコンピュータプロセッサによって、前記複数の最適化された重みセットの第１のものに対して、（ａ）前記第１の中間子宮活動トレースの信号対雑音比、（ｂ）コスト関数、（ｃ）収縮信頼度指標、及び（ｄ）差分指数を計算するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数の最適化された重みセットの第２のものに対して、（ａ）前記第２の中間子宮活動トレースの信号対雑音比、（ｂ）コスト関数、（ｃ）収縮信頼度指標、及び（ｄ）差分指数を計算するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数の最適化された重みセットの第１のものに対して、（ａ）前記第１の中間子宮活動トレースの信号対雑音比、（ｂ）前記複数の最適化された重みセットの第１のもののコスト関数、（ｃ）前記複数の最適化された重みセットの第１のものの収縮信頼度指標、及び（ｄ）前記複数の最適化された重みセットの第１のものの差分指数の、平均である第１の平均を計算するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数の最適化された重みセットの第２のものについて、（ａ）前記第２の中間子宮活動トレースの信号対雑音比、（ｂ）前記複数の最適化重みセットの第２のもののコスト関数、（ｃ）前記複数の最適化された重みセットの第２のものの収縮信頼度指標、及び（ｄ）前記複数の最適化された重みセットの第２のものの差分指数の、平均である第２の平均を計算するステップと、
前記少なくとも一つのコンピュータプロセッサによって、第１の平均が第２の平均よりも良いという決定に基づいて、前記複数の最適化された重みセットの第１のものを、前記複数のチャネルセットのうちの特定の一つに対する最良の重みセットとして、選択するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記第２の平均が前記第１の平均よりも良いという決定に基づいて、前記複数の最適化された重みセットの第２のものを、前記複数のチャネルセットのうちの特定の一つに対する最良の重みセットとして、選択するステップと
を含む、請求項４に記載のコンピュータ実装方法。 - 更に、
前記少なくとも一つのコンピュータプロセッサによって、前記複数のチャネル重みとして前記複数の最適化された重みセットの最良のものを選択するステップの前に、前記少なくとも一つのコンピュータプロセッサによって、前記複数のチャネルセットを強化するステップ
を含む、請求項７に記載のコンピュータ実装方法。 - 前記複数のチャネルセットを定義するステップは、収縮ベースのチャネルセットを定義するステップを含み、
前記収縮ベースのチャネルセットは、
前記少なくとも一つのコンピュータプロセッサによって、前記複数の信号チャネルの各々における収縮のセットを特定するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数の信号チャネルの各々について特定された収縮のセットに基づいて、前記複数の信号チャネルの各々の収縮特徴を抽出するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数の信号チャネルを複数のクラスタにクラスタリングするステップと、
記少なくとも一つのコンピュータプロセッサによって、前記複数のクラスタのうちの最良のものを前記収縮ベースのチャネルセットとして選択するステップと
を含むプロセスによって決定される、請求項４に記載のコンピュータ実装方法。 - 前記複数のチャネルセットを定義するステップは、更に、
前記少なくとも一つのコンピュータプロセッサによって、前記複数のクラスタのうちの最良のものを改良するステップ
を含む、請求項９に記載のコンピュータ実装方法。 - 前記複数のチャネルセットを定義するステップは、更に、
前記少なくとも一つのコンピュータプロセッサによって、前記複数のクラスタのうちの最良のものに、前記複数のクラスタのうちの最良のものに含まれない前記信号チャネルの一つの一部を追加するステップ
を含む、請求項９に記載のコンピュータ実装方法。 - 前記複数の信号チャネルの各々における収縮のセットを特定するステップは、
前記複数の信号チャネルの各々に対して、
前記少なくとも一つのコンピュータプロセッサによって、前記複数の信号チャネルのうちの一つの強化バージョンを生成するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数の信号チャネルのうちの強化された一つにおける収縮の候補セットを検出するステップであって、前記収縮の候補セットは、複数の候補の収縮を含む、検出するステップと、
前記少なくとも一つのコンピュータプロセッサによって、各候補の収縮に対する複数の信頼度指標を計算するするステップと、
前記少なくとも一つのコンピュータプロセッサによって、候補の収縮の前記セットから前記候補の収縮の少なくとも一つを除去するステップであって、除去することは、前記候補の収縮のうちの少なくとも一つの除去されるものに対応する前記信頼度指標に基づくものであり、除去によって収縮の前記セットを生成する、除去するステップと
を含むプロセスによって実行される、請求項９に記載のコンピュータ実装方法。 - 前記少なくとも一つのコンピュータプロセッサによって、前記複数の初期重みセットを定義するステップは、
前記少なくとも一つのコンピュータプロセッサによって、前記チャネルセットの各々について、チャネル投票重みセットと生まれながら等しい重みセットとを生成するステップを含む、請求項４に記載のコンピュータ実装方法。 - 前記複数の信号チャネルを提供するステップが、前記複数の電気子宮モニタリング信号チャネルのうちの少なくとも一つを生成することを含み、
前記複数の電気子宮モニタリング信号チャネルのうちの少なくとも一つが、
前記少なくとも一つのコンピュータプロセッサによって、複数の生の生体電位入力を受信するステップであって、前記生の生体電位入力の各々が、複数の電極のうちの対応する一つから受信され、前記複数の電極の各々は、妊娠中のヒト被験者の前記生の生体電位入力の夫々を測定するように位置決めされる、受信するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数の生の生体電位入力から複数の信号チャネルを生成するステップであって、前記複数の信号チャネルが、少なくとも三つの信号チャネルを含む、生成するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記信号チャネルの各々のそれぞれの信号チャネルデータを前処理して、複数の前処理された信号チャネルを作成するステップであって、前記前処理された信号チャネルの各々は、夫々の前処理された信号チャネルデータを含む、作成するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記前処理された信号チャネルの各々の前記前処理された信号チャネルデータから、夫々の複数のＲ波ピークを抽出して、複数のＲ波ピークデータセットを作成するステップであって、前記Ｒ波ピークデータセットの各々が、夫々の複数のＲ波ピークを含む、作成するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数のＲ波ピークデータセットから、（ａ）少なくとも一つの信号アーチファクト、又は（ｂ）少なくとも一つの外れ値データポイントのうちの、少なくとも一つを除去するステップであって、前記少なくとも一つのシグナルアーチファクトが、筋電図アーチファクト又はベースラインアーチファクトのうちの一つである、除去するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記少なくとも一つの信号アーチファクト、前記少なくとも一つの外れ値データポイント、又はその両方を、前記少なくとも一つの信号アーチファクト、前記少なくとも一つの外れ値データポイント、又はその両方が除去された前記Ｒ波ピークデータセットの対応するものに基づいて決定される少なくとも一つの統計値と置き換えて、複数の補間されたＲ波ピークデータセットを作成するステップと、
前記少なくとも一つのコンピュータプロセッサによって、夫々の補間されたＲ波ピークデータセットに基づいて所定のサンプリングレートで夫々のＲ波信号チャネルのための夫々のＲ波信号データセットを生成して、複数のＲ波信号チャネルを作成するステップと、
前記少なくとも一つのコンピュータプロセッサによって、（ａ）少なくとも一つの第１の特定のＲ波信号チャネルの夫々のＲ波信号データセットと（ｂ）少なくとも一つの第２の特定のＲ波信号チャネルの夫々のＲ波信号データセットとの間の少なくとも一つの相関に基づいて、前記複数のＲ波信号チャネルから少なくとも一つの第１の選択されたＲ波信号チャネル及び少なくとも一つの第２の選択されたＲ波信号チャネルを選択するステップと、
前記少なくとも一つのコンピュータプロセッサによって、少なくとも、前記第１の選択されたＲ波信号チャネルの前記夫々のＲ波信号データセットと前記第２の選択されたＲ波信号チャネルの前記夫々のＲ波信号データセットに基づいて、電気子宮モニタリング信号を代表する電気子宮モニタリングデータを生成して、それによって前記少なくとも一つの電気子宮モニタリング信号チャネルを作成するステップと
を含むプロセスによって生成される、請求項１に記載のコンピュータ実装方法。 - 前記複数の信号チャネルを提供するステップが、前記複数の音響子宮モニタリング信号チャネルのうちの少なくとも一つを生成するステップを含み、
前記複数の音響子宮モニタリング信号チャネルのうちの少なくとも一つは、
前記少なくとも一つのコンピュータプロセッサによって、複数の生の音響入力を受信するステップであって、前記生の音響入力の各々が、前記複数の音響センサのうちの対応する一つから受信され、前記複数の音響センサの各々は、妊娠中のヒト被験者の前記生の音響入力の夫々を測定するように位置決めされる、受信するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数の生の音響入力から複数の信号チャネルを生成するステップであって、前記複数の信号チャネルは、少なくとも三つの信号チャネルを含む、生成するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記信号チャネルの各々のそれぞれの信号チャネルデータを前処理して、複数の前処理された信号チャネルを作成するステップであって、前記前処理された信号チャネルの各々は、夫々の前処理された信号チャネルデータを含む、作成するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記前処理された信号チャネルの各々の前記前処理された信号チャネルデータから、夫々の複数のＳ１－Ｓ２ピークを抽出して、複数のＳ１－Ｓ２ピークデータセットを作成するステップであって、前記Ｓ１－Ｓ２ピークデータセットの各々が、夫々の複数のＳ１－Ｓ２ピークを含む、作成するステップと、
前記少なくとも一つのコンピュータプロセッサによって、前記複数のＳ１－Ｓ２ピークデータセットから、（ａ）少なくとも一つの信号アーチファクト、又は（ｂ）少なくとも一つの外れ値データポイントのうちの、少なくとも一つを除去するステップであって、少なくとも一つの信号アーチファクトは、動きに関連したアーチファクト又はベースラインアーチファクトのうちの一つである、除去するステップと、
前記少なくとも一つのコンピュータプロセッサにより、前記少なくとも一つの信号アーチファクト、前記少なくとも一つの外れ値データポイント、又はその両方を、前記少なくとも一つのシグナルアーチファクト、前記少なくとも一つの外れ値データポイント、又はその両方が除去された前記Ｓ１－Ｓ２ピークデータセットの対応するものに基づいて決定される少なくとも一つの統計値と置き換えて、複数の補間されたＳ１－Ｓ２ピークデータセットを作成するステップと、
前記少なくとも一つのコンピュータプロセッサによって、夫々の補間されたＳ１－Ｓ２ピークデータセットに基づいて、所定のサンプリングレートで夫々のＳ１－Ｓ２信号チャネルのための夫々のＳ１－Ｓ２信号データセットを生成して、複数のＳ１－Ｓ２信号チャネルを作成するステップと、
前記少なくとも一つのコンピュータプロセッサによって、（ａ）少なくとも一つの第１の特定のＳ１－Ｓ２信号チャネルの夫々のＳ１－Ｓ２信号データセットと（ｂ）少なくとも一つの第２の特定のＳ１－Ｓ２信号チャネルの夫々のＳ１－Ｓ２信号データセットとの間の少なくとも一つの相関に基づいて、前記複数のＳ１－Ｓ２信号チャネルから少なくとも一つの第１の選択されたＳ１－Ｓ２信号チャネル及び少なくとも一つの第２の選択されたＳ１－Ｓ２信号チャネルを選択するステップと、
前記少なくとも一つのコンピュータプロセッサによって、少なくとも、前記第１の選択されたＳ１－Ｓ２信号チャネルの前記夫々のＳ１－Ｓ２信号データセット及び前記第２の選択されたＳ１－Ｓ２信号チャネルの前記夫々のＳ１－Ｓ２信号データセットに基づいて、音響子宮モニタリング信号を代表する音響子宮モニタリングデータを生成して、それによって前記少なくとも一つの音響子宮モニタリング信号チャネルを作成するステップと
を含むプロセスによって生成される、請求項１に記載のコンピュータ実装方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202062970585P | 2020-02-05 | 2020-02-05 | |
| US62/970,585 | 2020-02-05 | ||
| PCT/IB2021/000055 WO2021156675A1 (en) | 2020-02-05 | 2021-02-05 | Fusion signal processing for maternal uterine activity detection |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2023513678A true JP2023513678A (ja) | 2023-04-03 |
Family
ID=77178604
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022548054A Pending JP2023513678A (ja) | 2020-02-05 | 2021-02-05 | 母体子宮活動検出のための融合信号処理 |
Country Status (9)
| Country | Link |
|---|---|
| US (3) | US20210244347A1 (ja) |
| EP (1) | EP4099906A4 (ja) |
| JP (1) | JP2023513678A (ja) |
| KR (1) | KR20220150901A (ja) |
| CN (1) | CN115315214A (ja) |
| AU (1) | AU2021217206A1 (ja) |
| CA (1) | CA3170821A1 (ja) |
| IL (1) | IL295417A (ja) |
| WO (1) | WO2021156675A1 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11534104B2 (en) | 2014-10-29 | 2022-12-27 | Bloom Technologies NV | Systems and methods for contraction monitoring and labor detection |
| US11510607B2 (en) | 2017-05-15 | 2022-11-29 | Bloom Technologies NV | Systems and methods for monitoring fetal wellbeing |
| EP3654836A1 (en) | 2017-07-19 | 2020-05-27 | Bloom Technologies NV | Monitoring uterine activity and assessing pre-term birth risk |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4781200A (en) * | 1985-10-04 | 1988-11-01 | Baker Donald A | Ambulatory non-invasive automatic fetal monitoring system |
| US4967761A (en) * | 1988-07-20 | 1990-11-06 | Cornell Research Foundation, Inc. | Method of monitoring labor |
| US5829438A (en) * | 1994-10-12 | 1998-11-03 | Gibbs; David L. | System and method for the infusing of tocolytic drugs in response to the onset of premature labor detected by ultrasonic monitoring of the dilatation and/or effacement of the cervix os |
| US6463321B2 (en) * | 1999-08-10 | 2002-10-08 | Thuris Corporation | Method and computer program product for assessing neurological conditions and treatments using evoked response potentials |
| US8055333B2 (en) * | 2001-07-05 | 2011-11-08 | Jeng-Ren Duann | Device and method for detecting cardiac impairments |
| US6678551B2 (en) * | 2001-12-27 | 2004-01-13 | General Electric Company | Method and apparatus for noise reduction of electromyogram signals |
| US6813514B1 (en) * | 2002-12-30 | 2004-11-02 | Pacesetter, Inc. | System and method for emulating a surface EKG using an implantable cardiac stimulation device |
| WO2008090862A1 (ja) * | 2007-01-23 | 2008-07-31 | Tohoku Techno Arch Co., Ltd. | 胎児心電図信号計測方法およびその装置 |
| US7869863B2 (en) * | 2008-01-10 | 2011-01-11 | The Johns Hopkins University | Apparatus and method for non-invasive, passive fetal heart monitoring |
| US10238351B2 (en) * | 2008-05-12 | 2019-03-26 | Earlysense Ltd. | Monitoring, predicting and treating clinical episodes |
| GB2471667B (en) * | 2009-07-06 | 2011-11-09 | Monica Healthcare Ltd | Monitoring uterine activity |
| US9307923B2 (en) * | 2012-12-24 | 2016-04-12 | Nemo Healthcare B.V. | Electrophysiological monitoring of uterine contractions |
| US9392952B1 (en) * | 2015-03-10 | 2016-07-19 | Nuvo Group Ltd. | Systems, apparatus and methods for sensing fetal activity |
| US9572504B2 (en) * | 2015-03-16 | 2017-02-21 | Nuvo Group Ltd. | Continuous non-invasive monitoring of a pregnant human subject |
| US11200664B2 (en) * | 2015-12-18 | 2021-12-14 | The Regents Of The University Of California | Interpretation and quantification of emergency features on head computed tomography |
| US10531839B2 (en) * | 2016-01-04 | 2020-01-14 | AventuSoft, LLC | System and method of marking cardiac time intervals from the heart valve signals |
| US11510607B2 (en) * | 2017-05-15 | 2022-11-29 | Bloom Technologies NV | Systems and methods for monitoring fetal wellbeing |
-
2021
- 2021-02-05 CN CN202180023452.XA patent/CN115315214A/zh active Pending
- 2021-02-05 US US17/168,999 patent/US20210244347A1/en not_active Abandoned
- 2021-02-05 IL IL295417A patent/IL295417A/en unknown
- 2021-02-05 WO PCT/IB2021/000055 patent/WO2021156675A1/en unknown
- 2021-02-05 KR KR1020227030546A patent/KR20220150901A/ko unknown
- 2021-02-05 EP EP21750565.0A patent/EP4099906A4/en active Pending
- 2021-02-05 CA CA3170821A patent/CA3170821A1/en active Pending
- 2021-02-05 AU AU2021217206A patent/AU2021217206A1/en active Pending
- 2021-02-05 JP JP2022548054A patent/JP2023513678A/ja active Pending
- 2021-05-19 US US17/324,947 patent/US11324437B2/en active Active
-
2023
- 2023-02-15 US US18/169,693 patent/US20230301581A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US20210244347A1 (en) | 2021-08-12 |
| US11324437B2 (en) | 2022-05-10 |
| WO2021156675A1 (en) | 2021-08-12 |
| US20210267535A1 (en) | 2021-09-02 |
| KR20220150901A (ko) | 2022-11-11 |
| US20230301581A1 (en) | 2023-09-28 |
| EP4099906A1 (en) | 2022-12-14 |
| AU2021217206A1 (en) | 2022-09-22 |
| EP4099906A4 (en) | 2023-06-21 |
| CA3170821A1 (en) | 2021-08-12 |
| CN115315214A (zh) | 2022-11-08 |
| IL295417A (en) | 2022-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220395212A1 (en) | Methods and systems for tracking physiological parameters of mother and fetus during pregnancy | |
| Merah et al. | R-peaks detection based on stationary wavelet transform | |
| US11324437B2 (en) | Fusion signal processing for maternal uterine activity detection | |
| JP7429371B2 (ja) | 生体物理信号における非同期ノイズを定量化し、かつ除去するための方法およびシステム | |
| JP7116247B2 (ja) | 母体性子宮活動性検出のためのシステムと方法 | |
| Yadav et al. | Smoothening and segmentation of ecg signals using total variation denoising–minimization-majorization and bottom-up approach | |
| Suganthy et al. | Detection of fetal arrhythmia by adaptive single channel electrocardiogram extraction | |
| Boucheham et al. | Piecewise linear correction of ECG baseline wander: a curve simplification approach | |
| US20220378364A1 (en) | Systems and methods for maternal uterine activity detection | |
| Arsene | Design of deep convolutional neural network architectures for denoising electrocardiographic signals | |
| Mangathayaru et al. | Heart rate variability for predicting coronary heart disease using photoplethysmography | |
| Lakshmisha et al. | New Features for the Detection of Fetal QRS Complexes in Non-Invasive Fetal Electrocardiograms |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221013 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231207 |