CN104887220A - 一种由腹壁心电信号提取胎儿心电信号的方法及*** - Google Patents

一种由腹壁心电信号提取胎儿心电信号的方法及*** Download PDF

Info

Publication number
CN104887220A
CN104887220A CN201510339133.6A CN201510339133A CN104887220A CN 104887220 A CN104887220 A CN 104887220A CN 201510339133 A CN201510339133 A CN 201510339133A CN 104887220 A CN104887220 A CN 104887220A
Authority
CN
China
Prior art keywords
parent
ripple
fetal
stomach wall
fetus
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510339133.6A
Other languages
English (en)
Other versions
CN104887220B (zh
Inventor
刘常春
于忠瀚
杨静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN201510339133.6A priority Critical patent/CN104887220B/zh
Publication of CN104887220A publication Critical patent/CN104887220A/zh
Application granted granted Critical
Publication of CN104887220B publication Critical patent/CN104887220B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/344Foetal cardiography
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0006ECG or EEG signals
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/43Detecting, measuring or recording for evaluating the reproductive systems
    • A61B5/4306Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
    • A61B5/4343Pregnancy and labour monitoring, e.g. for labour onset detection
    • A61B5/4362Assessing foetal parameters
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/68Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813Specially adapted to be attached to a specific body part
    • A61B5/6823Trunk, e.g., chest, back, abdomen, hip
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00Evaluating a particular growth phase or type of persons or animals
    • A61B2503/02Foetus

Landscapes

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

Abstract

一种由腹壁心电信号提取胎儿心电信号的方法及***,该方法包括(1)腹壁心电信号预处理;(2)母体心电的定位,得到R波的位置;(3)母体心电的去除,得到胎儿心电信号;(4)胎儿心电定位,得出胎儿心率。该***包括微处理器、信号采集模块、存储模块和无线网络模块。本发明有效地从腹壁混合心电中去除了各种噪声干扰,由腹壁心电信号中准确提取胎儿心电信号,获取了胎心率等重要生理指标关键,将数据采集和处理在微处理器中完成,再利用无线的方式连接心电监测***和用户终端,不需要在孕妇身上连接导联线,便于携带、使用方便、可供孕妇长期随时自行监测胎儿状况。

Description

一种由腹壁心电信号提取胎儿心电信号的方法及***
技术领域
本发明涉及一种由腹壁心电信号提取胎儿心电信号的方法及***,属于胎儿心电信号提取技术领域。
背景技术
经济的发展使人们越来越关注生活质量,身体健康是保障生活质量的基础。优生优育有利于人口健康状况的提高,保障孕期胎儿的健康是实现优生优育的关键。胎儿在子宫内如发生缺氧状况,将危害胎儿的健康状况甚至生命安全。定时检测胎儿心脏活动可以获得胎儿的基本生理参数,进而分析胎儿的健康状况,及时发现胎儿异常状况,如胎儿窘迫,宫内缺氧以及胎儿先天性心脏病等,及时采取相应治疗措施,可有效降低胎儿在腹中或分娩时的死亡几率。
胎儿监护是对围产期孕妇进行的监护胎儿健康的一种实时动态监测,可以进行胎儿危险预警,是一种有效的优生优育辅助措施。临床应用中普遍采用的胎儿监护指标是胎心率。获得胎心率有两种主要途径:超声多普勒法和胎儿心电检测法。其中,超声多普勒法有着低成本、简便等优点,但同时也有不足之处,首先母体运动、胎儿活动、子宫收缩等都可能影响检测的准确性;其次胎儿心脏目标很小,检测起来存在难度;另外,虽然相对于X射线,超声相对安全,但超声对胎儿发育是否产生影响目前尚无定论,许多孕妇心存顾虑。所以相比而言,通过胎儿心电来获取胎心率更加准确、稳定、安全。
胎儿心电图(Fetal Electrocardiogram,FECG)可以反映胎儿心脏的电生理活动,同时也反映了胎儿在子宫内的健康水平。记录心脏电信号的胎儿心电图被广泛认为比传统的超声检测方法包含更多的心脏缺陷信息。
胎儿心电图的获取可以分为直接法和间接法。
直接法是在孕妇分娩时,将电极侵入母体子宫中,贴于胎儿头皮上,继而获取胎儿心电信号。直接法获得的胎儿心电图非常清晰,但是此法仅可用于宫颈已开口并且羊膜破裂时;并且这种方法属于有创操作,侵入监测不可避免的带来感染的风险;很大的时间局限性和专业性导致这种方法不适合于孕期长期监测。
间接法是通过放置在母体腹部的电极,采集腹壁体表信号,从中提取胎儿心电信号。与直接法相比,这种方法对孕妇和胎儿没有创伤,并且可以在妊娠期的任何时间进行。从腹壁采集心电操作简单,无需专业人员即可完成,为医护人员和孕妇所欢迎,并为家庭监测胎儿状况创造了条件。心电的采集是单纯的信号获取过程,对孕妇和胎儿没有任何辐射和伤害,在安全性方面得到了充分的保障。此法可以长期监测的特点使获得胎儿心率、胎儿心率变异性和各种病理条件下的参数指标变得轻松。然而,由于胎儿与母体腹部间包含了羊水、子宫、母体腹壁等组织器官,胎儿心电到母体腹壁传输过程中受到了很大的衰弱,这使胎儿心电信号相对微弱。而且,从孕妇腹部采集的心电信号是复杂的混合生理信号,包含了母体心电信号和各种噪声干扰,尤其母体心电信号的幅值远大于胎儿心电,给胎儿心电信号的提取造成了很大的困难。胎儿信号几乎淹没在各种噪声之中。
如果能从腹壁混合心电中正确提取出胎儿心电信号,便可以准确获取胎心率等重要生理指标,既发挥了间接法获取胎儿心电的种种优势,又克服了其有效信号成分不明显的重大缺陷,社会价值将非常可观。
腹壁心电信号中有效的成分是胎儿心电,其它的成分均为噪声干扰。这些噪声来源与特点不尽相同,幅值与时频特征也差异明显。为去除这些噪声的干扰,必须逐个分析分别消除。对胎儿心电信号获取造成影响的噪声主要有以下几种:
(1)母体心电
从孕妇腹壁采集的信号不仅包含胎儿的生理电信号,同时也采集到母体的心电信号。而母体的心电信号强度是胎儿的数倍,对胎儿心电的提取分析带来很大的阻碍。母体心电的频谱范围为0.1-100Hz,其中能量主要在0.1-40Hz,这与胎儿心电有很大的重合部分,这都给分离母体心电干扰带来了巨大的挑战。
(2)母体肌电
当肌肉兴奋时,肌纤维的运动会伴随肌纤维动作电位的产生和传导,这种电位称为肌电。母体的肌电扩散到身体表面,通过腹壁电极被采集,对胎儿心电信号形成干扰。孕妇的运动会产生肌电并反映在混合心电信号中,影响有效信号的提取。
(3)工频干扰
我国交流电频率为50Hz。孕妇所处环境使用交流电的用电器会对采集人体生理信号的设备产生工频干扰。其反映在心电图上就是50Hz的毛刺。去除工频的方法有很多,如50Hz陷波、自适应滤波等。
(4)基线漂移
从孕妇腹部提取心电时,孕妇的呼吸运动或者电极与皮肤的接触不良都可能引起心电信号中的基线漂移。基线漂移也是胎儿心电提取的一种重要干扰。基线漂移一般为低频噪声,频率多在0.5Hz以下。滤波的方法常又来消除基线漂移。常用的方法有RC滤波、低通滤波、自适应滤波等。
(5)其它噪声
除了上述主要噪声外,还有一些其它噪声可能混入到采集的信号之中。由于空间中存在各种电磁波,人体或者导线可起到天线的作用,将电磁波干扰耦合到采集回路之中,对胎儿心电信号产生干扰。除此之外,电子元件的热噪声,外界强电磁场的影响等因素都会带来或多或少的噪声干扰。
基线漂移等噪声干扰使心电信号中的母体心电和胎儿心电信息不够突出,这给母体心电定位造成较大困难。另外由于胎儿心电幅度相对不大,过多噪声容易造成胎儿心电无法识别。图1给出了显示含有噪声的腹壁心电信号。
因此,如何从腹壁混合心电中去除各种噪声干扰,就成为由腹壁心电信号中正确提取胎儿心电信号、准确获取胎心率等重要生理指标关键。
发明内容
本发明针对现有胎儿心电信号提取技术存在的不足,提供一种能够准确地由腹壁心电信号提取胎儿心电信号的方法,同时提供一种实现该方法的便于携带、使用方便、可供孕妇长期随时自行监测胎儿状况的无线胎儿心电监测***。
本发明的由腹壁心电信号提取胎儿心电信号的方法,包括腹壁心电信号预处理、母体心电的定位、母体心电的去除和胎儿心电定位四个步骤:
(1)腹壁心电信号预处理:
采用小波去噪方法分别去除低频噪声和高频噪声,得到母体心电和胎儿心电的混合信号;具体是①去除低频噪声,采用coif5小波将腹壁心电信号进行尺度为6的分解,将6尺度的低频系数置零并重构腹壁心电信号,以消除低频噪声干扰;②去除高频噪声,采用coif5小波,对腹壁心电信号进行尺度为3的分解,使用软阈值法去除高频噪声,最后重构心电信号;
(2)母体心电R波的定位:
对预处理后的腹壁心电信号进行小波分解,在小波变换域中,找到模极大值点,并根据模极大值点与R波波峰的关系得到R波位置;得到R波位置的具体实现过程如下:
①分别在2-16尺度对腹壁心电信号进行sym2小波变换,记其分解系数fi,i=2,3,…,16;构造矩阵F=[f2;f3;...;f16],其中fi为行向量,记f为F的列值求和;
②求f的极大值和极小值,分别记为fmax和fmin,设系数a=0.5,阈值Thmax=fmax*a,Thmin=fmin*a,,对f求大于Thmax和小于Thmin的时间点坐标,记loca序列;
③得到loca序列后,定义时间阈值T,遍历loca序列,对两点之间时间小于T的删除后面的点;循环上述操作,直至任意两点间隔大于T;
④以经过处理后的loca序列中的点为参考,在腹壁心电信号中检测该点周围模极大值点,记为R波位置;
按照上述过程得到全部R波的位置,确定每个母体心电周期。
(3)母体心电的去除:
在完成母体心电R波定位后,将相邻R波波峰之间的波形分别提取出来,累加求平均,得到母体心电模板;按原有顺序分别连接构造完整母体心电模板;将预处理后的腹壁心电信号所有母体R波波峰位置前后0.05秒期间的波形提取出来,替代所述完整母体心电模板的相应位置,得到调整后的母体心电模板;将预处理后的腹壁心电信号与调整后的母体心电模板做差,就去除了共同的母体心电成分,剩余部分即为胎儿心电信号;
(4)胎儿心电定位:
对得到的胎儿心电信号通过心电R波识别算法对胎儿心电R波进行定位,得出胎儿心率;
在定位R波之前,首先将胎儿心电信号进行滤波,去除频率0-2Hz的成分,以减小步骤(3)中做差产生的新的噪声干扰,使用小波变换模极大值方法定位胎儿心电R波;对识别R波后的胎儿心动周期进行优化调整,根据以下公式获得胎儿心率:
H R = N R - 1 ( X l R - X f r ) / f s * 60 ;
式中HR为平均胎儿心率,NR为胎儿R波总个数,XlR为最后一个R波位置的采样点数,Xfr为首个R波所在位置采样点数,fs为采样率,计算得到的平均胎儿心率单位为次/分钟。
对识别R波后的胎儿心动周期进行优化调整,分为两个部分:重建与母体QRS波重合的胎儿R波位置记录和修复异常R波漏检与误检;
重建与母体QRS波重合的胎儿R波位置记录的方法如下:
①遍历所有母体QRS波位置所在的胎儿心电周期,记当前RR间期长度为Tm
②获取此母体QRS波位置附近的10个胎儿心电周期,求均值并记为Tf,排除此10个周期内长度大于Tf*1.5或小于Tf*0.7的周期,并获取最近的下一个周期递补,重复本步骤,直至10个周期长度均不超出范围;
③如果Tm>Tf*1.7,认为此母体QRS波位置有胎儿R波存在,在此区域中点添加胎儿R波标记;
修复异常R波漏检与误检的方法如下:
①求所有心电周期的平均值,记为Ta
②假阳性R波去除:遍历每个心电周期,记某个心电周期为T,其前后心电周期分别记为T1和T2,如果T<0.5Ta,且Min(T1,T2)+T<1.2Ta,认为T与Min(T1,T2)之间的R波为假阳性,去除;
③假阴性R波添加:遍历每个心电周期,记某个心电周期为T,如果T>1.7Ta,认为T周期内有一R波为假阴性,在T中点位置添加一个R波标记。
根据胎儿心率监测结果,给出胎儿缺氧状况评价:
当125次/分<HR≤155次/分,评价为胎儿心率状况良好;
当115次/分<HR≤125次/分,评价为胎儿心率较低,胎儿疑似缺氧;
当155次/分<HR≤165次/分,评价为胎儿心率较高,胎儿疑似缺氧;
当HR≤115次/分,评价为胎儿心率过低,胎儿缺氧,建议进一步临床诊断;
当HR>165次/分,评价为胎儿心率过高,胎儿缺氧,建议进一步临床诊断;
上述方法有效地从腹壁混合心电中去除了各种噪声干扰,由腹壁心电信号中准确提取胎儿心电信号,获取了胎心率等重要生理指标关键。
一种由腹壁心电信号提取胎儿心电信号的无线胎儿心电监测***,采用以下技术方案:
该***,包括微处理器、信号采集模块、存储模块和无线网络模块,存储模块和无线网络模块连接在微处理器上,信号采集模块包括依次连接的心电电极、心电放大器和A/D转换器,A/D转换器与微处理器连接;
心电电极采集孕妇腹壁心电信号,腹壁心电信号由心电放大器放大后经过A/D转换器转换成数字信号,由微处理器获取并存于存储模块中,微处理器完成以下操作,获取胎儿心率:
(1)腹壁心电信号预处理:
采用小波去噪方法分别去除低频噪声和高频噪声,得到母体心电和胎儿心电的混合信号;
(2)母体心电R波的定位:
对预处理后的腹壁心电信号进行小波分解,在小波变换域中,找到模极大值点,并根据模极大值点与R波波峰的关系得到R波位置;
(3)母体心电的去除:
在完成母体心电R波定位后,将相邻R波波峰之间的波形分别提取出来,累加求平均,得到母体心电模板;按原有顺序分别连接构造完整母体心电模板;将预处理后的腹壁心电信号所有母体R波波峰位置前后0.05秒期间的波形提取出来,替代所述完整母体心电模板的相应位置,得到调整后的母体心电模板;将预处理后的腹壁心电信号与调整后的母体心电模板做差,就去除了共同的母体心电成分,剩余部分即为胎儿心电信号;
(4)胎儿心电定位:
对得到的胎儿心电信号通过心电R波识别算法对胎儿心电R波进行定位,得出胎儿心率;对获取的胎儿心率,通过无线网络模块传输至用户终端。
上述***将数据采集和处理在微处理器中完成,有效地从腹壁混合心电中去除了各种噪声干扰,由腹壁心电信号中准确提取胎儿心电信号,获取了胎心率,再利用无线的方式,利用Web服务器,通过无线局域网连接心电监测***和用户终端,将监测量结果反映在智能用户终端上,不需要在孕妇身上连接导联线,便于携带、使用方便、可供孕妇长期随时自行监测胎儿状况。
附图说明
图1是含有噪声的腹壁心电信号图。
图2本发明由腹壁心电信号提取胎儿心电信号的方法的流程图。
图3是本发明中预处理前后的腹壁心电信号对比图;(a)是预处理之前的腹壁心电信号;(b)是预处理后的腹壁心电信号。
图4是母体心电R波定位示意图。
图5是母体心电构造流程图。
图6是母体心电模板调整流程图。
图7中分别是母体和胎儿的混合心电信号(a)、构造后的母体心电模板(b)和去除母体心电成分后得到的胎儿信号(c)。
图8是使用未经调整的母体心电模板和调整后的母体心电模板得到的胎儿心电信号的对比图。图(a)为使用未经调整的母体心电模板得到的胎儿心电,符号“*”代表真实胎儿心电位置标记,箭头所指处为母体QRS波误差引起的异常波峰。图(b)为使用调整后的母体心电模板得到的胎儿心电。
图9是使用调整后的母体心电模板造成的胎儿R波漏检。
图10是本发明无线胎儿心电监测***的运行原理示意图。
图11是本发明无线胎儿心电监测***的结构框图。
图12是本发明无线胎儿心电监测***的信号管理示意图。
具体实施方式
本发明的由腹壁心电信号提取胎儿心电信号的方法,具体过程如图2所示,包括腹壁心电信号预处理、母体心电的定位、母体心电的去除和胎儿心电定位四个步骤。
(1)腹壁心电信号预处理
从腹壁采集到的心电信号含有诸多噪声和大幅值的母体心电成分的干扰。腹壁心电预处理主要作用是尽可能减小母体心电外的其它噪声的干扰。本发明使用基于小波变换的心电消噪方法对腹壁心电进行预处理。
对于有限能量信号x(t),其连续小波变换可以表示为:
W x ( a , b ) = < x ( t ) , &psi; a , b ( t ) > = 1 | a | &Integral; - &infin; &infin; x ( t ) &psi; * ( t - b a ) d t - - - ( 1 )
其中a、b分别为尺度因子和延伸因子,ψ(t)为基本小波,ψa,b(t)为ψ(t)伸缩平移得到的小波序列。
对ψ(t)进行离散化处理,得到下式:
&psi; m , n ( t ) a 0 - m 2 ( a 0 - m t - nb 0 ) - - - ( 2 )
则对于任意x(t)的离散小波变换可以表示为:
W x ( m , n ) = &Integral; R x ( t ) 2 - m 2 &psi; ( 2 - m t - n ) &OverBar; d t - - - ( 3 )
小波去噪的原理是把原始信号进行多尺度上的小波变换,将不同频率的成分在不同的尺度上表示出来。之后处理不同尺度空间的小波系数,将包含噪声的尺度的系数置零或减小,而保留有用信号系数。这样就实现了对噪声的衰弱,从而提高信噪比。
本发明对腹壁心电的小波变换预处理过程分为两个方面:
①去除低频噪声
由呼吸和被测量者的移动引起的基线漂移是心电信号中的一种典型干扰。基线漂移的频谱一般不会超过1Hz。胎儿心率的正常值大致为120至160次每秒,折算成频率约为2-2.7Hz。在病理状态下该频率范围上下限可变为1.3Hz和3.3Hz,分别对应着胎儿心动过缓和胎儿心动过速。
经过对比试验,本发明采用coif5小波将腹壁心电信号进行尺度为6的分解。将6尺度的低频系数置零并重构腹壁心电信号,可以消除基线漂移等低频噪声干扰。
②去除高频噪声
工频干扰是一种由交流电引起的高频噪声,其频率集中在50Hz。肌电干扰也是一种主要的心电干扰,其频率范围大致为10-3000Hz。相对于心电信号,这些都属于高频噪声。
对于高频噪声,同样采用coif5小波,对腹壁心电信号进行尺度为3的分解,使用软阈值法去除高频噪声,最后重构心电信号。
经过上述过程进行预处理后,腹壁心电呈现出明显母体心电特征的信号,特征明显的R波为下一步母体心电定位提供基础。图3给出了了预处理前后的腹壁心电信号对比图,可见基线漂移和高频噪声得到有效抑制。
(2)母体心电定位
经过预处理后的腹壁心电可以看作消除了母体心电外的其它噪声,下面就要设法去除对胎儿心电提取影响最大的母体心电成分。在腹壁心电信号中,母体心电和胎儿心电是线性的叠加,所以从混合信号中减去母体心电的成分就可以得到胎儿心电的部分。如何得到母体心电的模板就成了问题所在。为了构建母体心电模板,必须对母体心电进行定位,确定每个周期的时间起止点,以便下一步消除母体心电。心电的QRS波是心电图形态上最容易判断的特征,由于胎儿心电的幅值相对于母体心电来说非常小,对母体心电QRS波形的判断几乎没有影响,故可以使用典型的心电QRS波形识别方法对母体心电进行定位。本发明使用小波变换模极大值的方法识别R波位置。
R波波峰在心电信号中是一个异常尖锐的部分,小波变换模极大值方法可以有效定位信号中的奇异点,即可定位R波所在。对信号奇异性的描述,一般使用李氏(Lipschitz)指数。利用小波变换和李氏指数之间的关系,可以确定奇异值点的位置。
设n为非负整数,n<α≤n+1,若存在常数A、h0和多项式Pn(h),对任意h≤h0,函数f(x)在x0点附近满足
|f(x0+h)-Pn(h)|≤A|h|α        (4)
则称α为f(x)在x0点的李氏指数。
α表现了f(x)在x0点奇异性。α的物理意义为,α越大,这一点上信号的表现越光滑;α越小,信号在这一点上的奇异性越明显。当α≥1,函数在该点可导;0≤α<1,函数不连续但有界;对于白噪声α≤0;对于脉冲信号,α≤-1。
设高斯函数θ(t)形式为:
&theta; ( t ) = 1 2 &pi; &sigma; e - t 2 2 &sigma; 2 - - - ( 5 )
则θ(t)是低通平滑函数,且该函数可导。令ψ(t)为θ(t)的一阶导数:
&psi; ( t ) = d &theta; ( t ) d t - - - ( 6 )
小波函数ψ(t)满足可容许性条件:
&Integral; - &infin; &infin; &psi; ( t ) d t = 0 - - - ( 7 )
记ψa(t)为ψ(t)在a尺度的伸缩变换:
&psi; a ( t ) = 1 a &psi; ( t a ) , a > 0 - - - ( 8 )
这样,对于任何f(x)的小波变换表示为:
W a f ( t ) = f ( t ) * &psi; a ( t ) = 1 a &Integral; - &infin; &infin; f ( t ) &psi; ( t - &tau; a ) d &tau; - - - ( 9 )
Waf(t)模的局部极大值点就是模极大值。(3-5)式带入上式得:
W a f ( t ) = f ( t ) * ( a d&theta; a ( t ) d t ) = a d d t ( f * &theta; a ) ( t ) - - - ( 10 )
从(7)式子可以看出,小波变换后的模极大值即是f*θa(t)的拐点,也就是f(t)的奇异点。
对预处理后的腹壁心电信号进行小波分解,在小波变换域中,找到模极大值点并根据其与R波波峰的关系得到R波的位置。检测R波位置的具体算法实现过程如下:
①分别在2-16尺度对腹壁心电信号进行sym2小波变换。记其分解系数fi,i=2,3,…,16。构造矩阵F=[f2;f3;...;f16],其中fi为行向量。记f为F的列值求和。
②求f的极大值和极小值,分别记为fmax和fmin。设系数a=0.5,阈值Thmax=fmax*a,Thmin=fmin*a。对f求大于Thmax和小于Thmin的时间点坐标,记loca序列。
③得到loca序列后,定义时间阈值T,遍历loca序列,对两点之间时间小于T的删除后面的点。循环上述操作,直至任意两点间隔大于T。
④以经过处理后的loca序列中的点为参考,在腹壁心电信号中检测该点周围模极大值点,记为R波位置。
按照上述算法得到全部R波的位置,即可确定每个母体心电周期,为后续构造母体心电模板继而进行母体心电消除奠定基础,同时母体心率也可以轻易算出。取一段腹壁心电信号验证上述方法R波检测效果,如图5所示,“*”符号代表R波位置,可见R波位置确定准确。
(3)母体心电消除
①母体心电模板的构造
构建母体心电模板,从腹壁心电信号中减去母体心电的模板,即可得到胎儿心电成分。对母体心电而言,胎儿心电的幅值较小,周期性也与母体心电周期没有绝对关系,可以将胎儿心电看作母体心电的噪声。
假设x(t)代表腹壁心电信号,那么,x(t)可以表述成如下形式:
x(t)=s(t)+n(t)            (11)
其中,s(t)代表母体心电信号,n(t)代表胎儿心电信号和其他干扰组成的噪声信号。对每个母体心动周期提取x(t),记为xi(t),有
xi(t)=si(t)+ni(t),i=0,1,...,M-1      (12)
其中M表示母体心动周期的个数。如果把xi(t)扩展成时间长度相同的数据段,将xi(t)进行叠加操作后取均值,得到:
x &OverBar; ( t ) = 1 M &Sigma; i = 0 M - 1 x i ( t ) = 1 M &Sigma; i = 0 M - 1 ( s i ( t ) + n i ( t ) ) - - - ( 13 )
由于每个心动周期的心电信号可以看作近似相同,故可以认为等于那么有:
x &OverBar; ( t ) = s &OverBar; ( t ) + 1 M &Sigma; i = 0 M - 1 n i ( t ) - - - ( 14 )
假设母体心电的功率是P,胎儿心电等噪声的均值为0,方差σ2,即x(t)的信噪比是P/σ2。提取出母体心电的每个周期,按照对应的起始点位置求和再取平均值。假设母体心电周期数为M,相干平均后,不相干的噪声(胎儿心电信号)的方差变成原来的1/M,母体心电的功率不变,仍为P,这样母体心电的信噪比提高为原来的M倍。一分钟的采样数据中,母体心电周期数在60以上,胎儿心电的成分在相干平均后可以忽略。这样便构造了剔除胎儿心电成分的母体心电模板。
母体心电成分的构造流程如图5所示。在完成母体心电R波定位后,将相邻R波波峰之间的波形分别提取出来,累加求平均,得到母体心电模板;按原有顺序分别连接构造完整母体心电模板。
②母体心电模板的调整
构造后的母体心电模板每一个心动周期波形完全一致,即每个母体QRS波形状一致。但真实的QRS波难免会在每个周期间产生误差。而QRS波在心电中幅值最大,误差幅值也相对较大。如果将腹壁心电信号与当前的母体心电模板作差,QRS波的误差会体现在结果中,其幅值往往与胎儿心电幅值相当甚至过之。这样在胎儿R波提取时,这些母体QRS波误差形成的波峰有很大概率被误识别为胎儿R波,从而造成胎儿R波误检,影响结果准确性。
为此,对构造后的母体心电模板作调整,以消除以上影响,其流程如图6所示。将预处理后的腹壁心电信号所有母体R波波峰位置前后0.05秒期间的波形提取出来,替代所述完整母体心电模板的相应位置,得到调整后的母体心电模板。
③母体心电的去除
在构造完成母体心电信号后,将预处理后的腹壁心电信号与调整后的母体心电模板做差,就去除了共同的母体心电成分,剩余部分即为胎儿心电信号。
图7中三组图分别是母体和胎儿的混合心电信号、构造后的母体心电模板和去除母体心电成分后得到的胎儿信号。可以看出,在混合心电信号中胎儿心电幅值非常微弱,但去除母体心电后胎儿心电的R波特征明显。
图8给出了使用未经调整的母体心电模板和调整后的母体心电模板得到的胎儿心电信号的对比。图(a)为使用未经调整的母体心电模板得到的胎儿心电。符号“*”代表真实胎儿心电位置标记。箭头所指处为母体QRS波误差引起的异常波峰。可见,异常波峰的存在混淆成了胎儿心电的R波,非常容易形成误检。图(b)为使用调整后的母体心电模板得到的胎儿心电。可以明显看出,母体QRS波位置的0.1s幅值为0,消除了其误差造成的异常波峰的影响。
然而,当胎儿心电R波刚好与母体心电QRS波位置重合时,使用调整后的母体心电模板得到的胎儿心电会漏检这个R波,如图9所示。图中虚线方块位置应当有一个胎儿R波。针对这一原因造成的R波漏检,使用的胎儿心动周期优化算法会弥补这种影响。
(4)胎儿心电定位
到目前为止胎儿心电信号已经提取出来并成为信号中的主要成分。想要获取胎儿心率只要定位胎儿心电R波即可。在定位R波之前,首先将此信号进行滤波去除0-2Hz成分,目的是减小上一步做差产生的新的噪声干扰。
对胎儿心电R波的定位原理基本等同于母体心电定位方法。使用小波变换模极大值方法定位胎儿心电R波。
由于胎儿心电信息并非直接从胎儿体表提取,加之滤波作差等操作使胎儿心电R波的特征不如母体心电明显,导致胎儿心电R波误检和漏检概率提高。特别是对母体心电模板调整后得到的胎儿心电信号会有一定概率漏掉与母体QRS波重合的胎儿R波。针对这些问题,对识别R波后的胎儿心动周期进行优化调整,算法主要分为两个部分:添加与母体QRS波重合的胎儿R波位置记录、修复异常R波漏检与误检。
重建与母体QRS波重合的胎儿R波位置记录的方法如下:
①遍历所有母体QRS波位置所在的胎儿心电周期,记当前RR间期长度为Tm
②获取此母体QRS波位置附近的10个胎儿心电周期,求均值并记为Tf,排除此10个周期内长度大于Tf*1.5或小于Tf*0.7的周期,并获取最近的下一个周期递补,重复本步骤,直至10个周期长度均不超出范围;
③如果Tm>Tf*1.7,认为此母体QRS波位置有胎儿R波存在,在此区域中点添加胎儿R波标记;
修复异常R波漏检与误检的方法如下:
①求所有心电周期的平均值,记为Ta
②假阳性R波去除:遍历每个心电周期,记某个心电周期为T,其前后心电周期分别记为T1和T2,如果T<0.5Ta,且Min(T1,T2)+T<1.2Ta,认为T与Min(T1,T2)之间的R波为假阳性,去除;
③假阴性R波添加:遍历每个心电周期,记某个心电周期为T,如果T>1.7Ta,认为T周期内有一R波为假阴性,在T中点位置添加一个R波标记。
经过算法优化后,根据以下公式获得胎儿心率:
H R = N R - 1 ( X l R - X f r ) / f s * 60 - - - ( 15 )
式中HR为平均胎儿心率,NR为胎儿R波总个数,XlR为最后一个R波位置的采样点数,Xfr为首个R波所在位置采样点数,fs为采样率,计算得到的平均胎儿心率单位为次/分钟。
根据胎儿心率监测结果,给胎儿缺氧状况评价:
当125次/分<HR≤155次/分,评价为胎儿心率状况良好。
当115次/分<HR≤125次/分,评价为胎儿心率较低,胎儿疑似缺氧。
当155次/分<HR≤165次/分,评价为胎儿心率较高,胎儿疑似缺氧。
当HR≤115次/分,评价为胎儿心率过低,胎儿缺氧,建议进一步临床诊断。
当HR>165次/分,评价为胎儿心率过高,胎儿缺氧,建议进一步临床诊断。
实验结果
算法性能使用准确率、胎心率均方误差和胎儿RR间期均方误差三个参数评估。准确率计算方法为:
F 1 = 2 &times; T P 2 &times; T P + F N + F P &times; 100 % - - - ( 16 )
式中F1表示准确率,FN为漏检数,FP为错检数,TP为正确检出的R波总数。
计算胎心率均方误差时,将参考胎儿R波序列分成17个6秒长度的片段,分别为3-9s,6-12s,...,51-57s。对第i个6秒片段,计算参考胎心率fHRref(i)和检测胎心率fHRtest(i)。胎心率均方误差计算公式为:
M S E _ H R = &Sigma; i = 1 K 1 ( fHR r e f ( i ) - fHR t e s t ( i ) ) 2 K 1 - - - ( 17 )
式中K1为参与计算的胎心率个数(只取参考胎心率大于60次/分钟的片段)。
计算胎儿RR间期均方误差,取小于1000ms的参考RR间期fRRref(i)和相应的检测RR间期fRRtest(i))。胎儿RR间期均方误差计算公式如下:
M S E _ R R = &Sigma; i = 1 K 2 ( fRR r e f ( i ) - fRR t e s t ( i ) ) 2 K 2 - - - ( 18 )
式中K2为参与计算的RR间期数。
实验拟对60例样本数据应用本章所述算法进行胎儿心电R波提取和胎心率计算。样本数据的真实胎儿R波位置均有标注,即有标准胎儿心电周期和胎心率作参考比对。实验中发现5例信号胎儿心电过于微弱或者噪声过强,导致胎儿心电R波难以检测,故排除其统计结果。其余55例样本R波检测结果如下表所示。算法的胎儿R波检测平均准确率得到91.7%。
胎儿R波检测结果
记录 TP FP FN F1(%) 记录 TP FP FN F1(%)
1 145 3 0 98.98 29 125 19 15 88.03
2 140 22 20 86.96 30 110 31 21 80.88
3 127 5 1 97.69 31 163 3 0 99.09
4 127 3 2 98.07 32 167 0 1 99.70
5 129 3 0 98.85 34 138 0 4 98.57
6 126 28 34 80.25 35 135 4 0 98.54
7 95 33 35 73.64 36 146 5 2 97.66
8 128 0 0 100.00 37 124 0 12 95.38
9 126 9 4 95.09 38 151 0 0 100.00
10 167 12 18 91.76 40 163 0 0 100.00
11 125 16 15 88.97 41 96 47 48 66.90
12 138 3 0 98.92 42 123 38 10 83.67
13 126 11 0 95.82 43 143 1 5 97.95
14 123 7 0 97.23 45 89 56 48 63.12
15 134 1 0 99.63 46 98 42 33 72.32
16 128 36 2 87.07 47 153 1 0 99.67
17 131 2 1 98.87 48 120 50 23 76.68
18 91 52 59 62.12 49 136 3 1 98.55
记录 TP FP FN F1(%) 记录 TP FP FN F1(%)
19 127 4 0 98.45 51 140 2 0 99.29
20 131 5 0 98.13 52 144 3 0 98.97
21 143 6 2 97.28 53 142 2 2 98.61
22 126 0 0 100.00 54 128 0 2 99.22
23 126 1 0 99.60 55 149 11 5 94.90
24 121 12 2 94.53 56 146 2 3 98.32
25 125 4 0 98.43 57 101 40 40 71.63
26 107 29 31 78.10 58 166 2 1 99.10
27 163 6 4 97.02 60 90 63 50 61.43
28 130 1 7 97.01 合计 7191 739 563 91.70
缩写:式中F1表示准确率,FN为漏检数,FP为错检数,TP为正确检出的R波总数
排除5例信噪比过低样本,对其他55例腹壁心电样本作总体胎儿心电R波提取和性能统计,针对不调整母体心电模板和使用调整后母体心电模板并优化两种情况,分别作统计。与标准数据比对后,算法检测结果如下表所示。其中55例样本实际的母体R波数和胎儿R波数分别为4716和7754。对于母体心电,正确检出(TP)4701个R波,误检(FP)11个,漏检(FN)15个,正确率99.72%。对于胎儿心电,使用未调整母体心电模板的,正确检出(TP)6997个R波,误检(FP)1091个,漏检(FN)757个,正确率88.33%。胎心率均方误差(MSE_HR)为9.5bpm,RR间期均方误差(MSE_RR)为9.9ms。使用调整后母体心电模板并优化的,正确检出7191个R波,误检和漏检分别减少到739个和563个,正确率提升到91.7%。胎心率均方误差和RR间期均方误差分别缩小到6.8bpm和7.6ms。
心电R波检测结果统计
本发明的无线胎儿心电监测***,为腰带式的带有嵌入式控制芯片和心电电极的集成设备,如图10所示,将数据采集和处理在嵌入式设备中完成,再利用无线的方式,将测量结果反映在智能用户终端(计算机、手机、平板电脑等)上,利用Web服务器,通过无线局域网连接心电监测设备和用户终端,实现设备的管理和使用,将设备管理和数据维护操作置于用户终端,无需在孕妇身上连接导联线。
如图11所示,本发明的无线胎儿心电监测***具体包括微处理器、信号采集模块、存储模块和无线网络模块,存储模块和无线网络模块连接在微处理器上,信号采集模块包括依次连接的心电电极、心电放大器和A/D转换器,A/D转换器与微处理器连接。存储模块包括SDRAM、NOR FLASH和NAND FLASH,均与微处理器连接。微处理器采用ARM Cortex-A8。此外,微处理器上还连接有USB模块和LED指示灯等其它I/O接口模块。无线网络模块负责建立与用户终端的连接,所有输出信息和用户的输入指令和均通过无线模块传输。USB模块提供充电和应急管理功能。LED指示灯为用户提供运行状态信息,包括电池电量信息、设备工作状态信息、网络连接状况信息等。微处理器还与电源、复位电路、时钟电路等连接。电源由锂电池提供5V直流供电。复位电路提供用户手动复位功能。时钟电路提供时钟信号源。所有人机交互均通过无线网络在用户终端的浏览器中进行,大大提升***的续航能力。
如图12所示,将心电电极置于孕妇腹壁后采集腹壁心电信号,信号经由心电放大器进行放大,经过A/D转换器转换成数字信号,微处理器获取信号后将其存于存储模块中。利用无线局域网,任意接入网络的电脑或智能手机作为操作端。用户通过Web浏览器打开管理界面,可实现控制基于嵌入式Web服务器的管理***,进行模式设置、心电信号采集、母体及胎儿心电监测结果显示等功能。
本发明的无线胎儿心电监测管理***是基于嵌入式Web服务器的网页交互***。微处理器安装并运行Linux***。微处理器及存储模块备共同承载运行嵌入式Linux***,在Linux***中实现以Web服务器为核心的***管理。用户在用户终端上通过浏览器登录,浏览器显示的页面即是人机接口界面,用户在网页上进行控制操作,无线胎儿心电监测***将数据结果显示在网页上,用户对无线胎儿心电监测***的管理和数据的管理也通过网页进行。
Web服务器使用Lighttpd。这是一款轻型,功能强大的Web服务器,CPU和内存需求极低,接口丰富,支持FastCGI。服务器端程序采用PHP作为脚本语言,PHP具有良好的跨平台性和强大的数据库支持,脚本嵌入到HTML代码中,执行效率很高。通用网关接口采用FastCGI代替传统CGI。FastCGI克服了CGI每次请求响应需要重新开启进程的缺点,长期保留进程,减少初始化开销,大大提高资源利用率。数据库采用SQLite数据库。PHP支持SQLite数据库并提供接口代码。在Linux***下,PHP脚本可以轻松访问和管理数据库,心电数据和管理参数等数据均可由SQLite数据库管理。
利用ARM-Linux交叉编译技术,将Lighttpd、PHP、SQLite编译成微处理器可以运行的格式文件。将用PHP语言嵌入HTML语言编辑的PHP脚本复制到嵌入式设备的相应路径。配置Web服务器参数文件,设置根目录路径、FastCGI信息、服务器基本信息等。启动微处理器中的Web服务器可执行程序,此时Web服务已经建立。用户可以通过电脑、手机等智能用户终端接入无线网络,在浏览器输入IP地址,即可登录管理***。
本发明可监测的数据指标包括:母体心率、胎儿心率、胎儿缺氧状况指标等。上述无线胎儿心电监测***采集到的孕妇腹壁心电信号是包含众多成分的混合信号,其中胎儿心电信号是关注的有效成分。在多种成分之中,母体心电信号通常是一个非常显著的干扰信号,而其幅值又远远大于胎儿心电信号。除此之外,还有多种其它干扰成分混在腹壁心电之中,包括基线漂移、工频干扰、母体肌电干扰、母体呼吸干扰、电磁干扰等。
微处理器获取胎儿心率的过程,主要包括腹壁心电的预处理、母体心电定位、母体心电消除、胎儿心电定位等步骤,与图2所述一致。

Claims (5)

1.一种由腹壁心电信号提取胎儿心电信号的方法,其特征是:包括腹壁心电信号预处理、母体心电的定位、母体心电的去除和胎儿心电定位四个步骤:
(1)腹壁心电信号预处理:
采用小波去噪方法分别去除低频噪声和高频噪声,得到母体心电和胎儿心电的混合信号;
(2)母体心电R波的定位:
对预处理后的腹壁心电信号进行小波分解,在小波变换域中,找到模极大值点,并根据模极大值点与R波波峰的关系得到R波位置;
(3)母体心电的去除:
在完成母体心电R波定位后,将相邻R波波峰之间的波形分别提取出来,累加求平均,得到母体心电模板;按原有顺序分别连接构造完整母体心电模板;将预处理后的腹壁心电信号所有母体R波波峰位置前后0.05秒期间的波形提取出来,替代所述完整母体心电模板的相应位置,得到调整后的母体心电模板;将预处理后的腹壁心电信号与调整后的母体心电模板做差,就去除了共同的母体心电成分,剩余部分即为胎儿心电信号;
(4)胎儿心电定位:
对得到的胎儿心电信号通过心电R波识别算法对胎儿心电R波进行定位,得出胎儿心率;
在定位R波之前,首先将胎儿心电信号进行滤波,去除频率0-2Hz的成分,以减小步骤(3)中做差产生的新的噪声干扰,使用小波变换模极大值方法定位胎儿心电R波;对识别R波后的胎儿心动周期进行优化调整,根据以下公式获得胎儿心率:
H R = N R - 1 ( X l R - X f r ) / f s * 60 ;
式中HR为平均胎儿心率,NR为胎儿R波总个数,XlR为最后一个R波位置的采样点数,Xfr为首个R波所在位置采样点数,fs为采样率,计算得到的平均胎儿心率单位为次/分钟。
2.根据权利要求1所述的由腹壁心电信号提取胎儿心电信号的方法,其特征是:所述步骤(1)中采用小波去噪方法分别去除低频噪声和高频噪声的具体过程是:①去除低频噪声,采用coif5小波将腹壁心电信号进行尺度为6的分解,将6尺度的低频系数置零并重构腹壁心电信号,以消除低频噪声干扰;②去除高频噪声,采用coif5小波,对腹壁心电信号进行尺度为3的分解,使用软阈值法去除高频噪声,最后重构心电信号。
3.根据权利要求1所述的由腹壁心电信号提取胎儿心电信号的方法,其特征是:所述步骤(2)中得到R波位置的具体实现过程如下:
①分别在2-16尺度对腹壁心电信号进行sym2小波变换,记其分解系数fi,i=2,3,…,16;构造矩阵F=[f2;f3;...;f16],其中fi为行向量,记f为F的列值求和;
②求f的极大值和极小值,分别记为fmax和fmin,设系数a=0.5,阈值Thmax=fmax*a,Thmin=fmin*a,对f求大于Thmax和小于Thmin的时间点坐标,记loca序列;
③得到loca序列后,定义时间阈值T,遍历loca序列,对两点之间时间小于T的删除后面的点;循环上述操作,直至任意两点间隔大于T;
④以经过处理后的loca序列中的点为参考,在腹壁心电信号中检测该点周围模极大值点,记为R波位置;
按照上述过程得到全部R波的位置,确定每个母体心电周期。
4.根据权利要求1所述的由腹壁心电信号提取胎儿心电信号的方法,其特征是:所述步骤(4)中对识别R波后的胎儿心动周期进行优化调整分为两个部分:重建与母体QRS波重合的胎儿R波位置记录和修复异常R波漏检与误检;
重建与母体QRS波重合的胎儿R波位置记录的方法如下:
①遍历所有母体QRS波位置所在的胎儿心电周期,记当前RR间期长度为Tm
②获取此母体QRS波位置附近的10个胎儿心电周期,求均值并记为Tf,排除此10个周期内长度大于Tf*1.5或小于Tf*0.7的周期,并获取最近的下一个周期递补,重复本步骤,直至10个周期长度均不超出范围;
③如果Tm>Tf*1.7,认为此母体QRS波位置有胎儿R波存在,在此区域中点添加胎儿R波标记;
修复异常R波漏检与误检的方法如下:
①求所有心电周期的平均值,记为Ta
②假阳性R波去除:遍历每个心电周期,记某个心电周期为T,其前后心电周期分别记为T1和T2,如果T<0.5Ta,且Min(T1,T2)+T<1.2Ta,认为T与Min(T1,T2)之间的R波为假阳性,去除;
③假阴性R波添加:遍历每个心电周期,记某个心电周期为T,如果T>1.7Ta,认为T周期内有一R波为假阴性,在T中点位置添加一个R波标记。
5.一种由腹壁心电信号提取胎儿心电信号的无线胎儿心电监测***,包括微处理器、信号采集模块、存储模块和无线网络模块,存储模块和无线网络模块连接在微处理器上,信号采集模块包括依次连接的心电电极、心电放大器和A/D转换器,A/D转换器与微处理器连接;其特征是:
心电电极采集孕妇腹壁心电信号,腹壁心电信号由心电放大器放大后经过A/D转换器转换成数字信号,由微处理器获取并存于存储模块中,微处理器完成以下操作,获取胎儿心率:
(1)腹壁心电信号预处理:
采用小波去噪方法分别去除低频噪声和高频噪声,得到母体心电和胎儿心电的混合信号;
(2)母体心电R波的定位:
对预处理后的腹壁心电信号进行小波分解,在小波变换域中,找到模极大值点,并根据模极大值点与R波波峰的关系得到R波位置;
(3)母体心电的去除:
在完成母体心电R波定位后,将相邻R波波峰之间的波形分别提取出来,累加求平均,得到母体心电模板;按原有顺序分别连接构造完整母体心电模板;将预处理后的腹壁心电信号所有母体R波波峰位置前后0.05秒期间的波形提取出来,替代所述完整母体心电模板的相应位置,得到调整后的母体心电模板;将预处理后的腹壁心电信号与调整后的母体心电模板做差,就去除了共同的母体心电成分,剩余部分即为胎儿心电信号;
(4)胎儿心电定位:
对得到的胎儿心电信号通过心电R波识别算法对胎儿心电R波进行定位,得出胎儿心率;对获取的胎儿心率,通过无线网络模块传输至用户终端。
CN201510339133.6A 2015-06-18 2015-06-18 一种由腹壁心电信号提取胎儿心电信号的方法及*** Active CN104887220B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510339133.6A CN104887220B (zh) 2015-06-18 2015-06-18 一种由腹壁心电信号提取胎儿心电信号的方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510339133.6A CN104887220B (zh) 2015-06-18 2015-06-18 一种由腹壁心电信号提取胎儿心电信号的方法及***

Publications (2)

Publication Number Publication Date
CN104887220A true CN104887220A (zh) 2015-09-09
CN104887220B CN104887220B (zh) 2018-01-05

Family

ID=54020503

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510339133.6A Active CN104887220B (zh) 2015-06-18 2015-06-18 一种由腹壁心电信号提取胎儿心电信号的方法及***

Country Status (1)

Country Link
CN (1) CN104887220B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105411577A (zh) * 2015-12-30 2016-03-23 深圳先进技术研究院 胎儿心电信号分离方法及***
CN105455800A (zh) * 2015-12-24 2016-04-06 青岛光电医疗传感器有限公司 一种可穿戴同时监测成人与胎儿心率的设备及方法
CN105640545A (zh) * 2015-12-31 2016-06-08 深圳先进技术研究院 一种胎儿心电信号提取方法及装置
CN105912879A (zh) * 2016-06-03 2016-08-31 广州馨瑞艾特科技有限公司 一种胎心率曲线修正方法及其装置
CN106667478A (zh) * 2016-12-07 2017-05-17 成都亿咖极科技有限公司 一种多导联联合检测的智能胎儿心电检测方法及***
CN106691437A (zh) * 2017-01-26 2017-05-24 浙江铭众科技有限公司 一种基于母体心电信号的胎儿心率提取方法
CN106889981A (zh) * 2017-01-26 2017-06-27 浙江铭众科技有限公司 一种用于提取胎儿心率的智能终端
WO2018023698A1 (zh) * 2016-08-05 2018-02-08 深圳先进技术研究院 一种胎儿心电分离方法及装置
WO2018023696A1 (zh) * 2016-08-05 2018-02-08 深圳先进技术研究院 一种胎儿心电分离方法及装置
CN107693004A (zh) * 2017-09-05 2018-02-16 广东工业大学 基于hilbert变换的胎儿心电提取与胎儿心率识别方法
CN108852284A (zh) * 2018-03-28 2018-11-23 深圳市深大云伴健康科技有限公司 基于云平台的孕晚期妊娠分析***、方法、及装置
CN110327031A (zh) * 2018-11-29 2019-10-15 武汉中旗生物医疗电子有限公司 一种去除心电信号运动伪迹的方法
CN111772627A (zh) * 2019-04-04 2020-10-16 中山大学 一种在线胎儿心电信号提取装置及方法
CN112120688A (zh) * 2019-06-25 2020-12-25 深圳市理邦精密仪器股份有限公司 心电信号处理方法、设备及计算机可读存储介质
CN113192629A (zh) * 2021-05-08 2021-07-30 清华大学 用于自动胎心判读的方法和装置
CN115553787A (zh) * 2022-09-30 2023-01-03 哈尔滨理工大学 一种基于多尺度残差收缩U-Net的胎儿心电信号提取方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5372139A (en) * 1991-06-24 1994-12-13 Paul Benjamin Crilly Method for suppressing a maternal electrocardiogram signal from a fetal electrocardiogram signal obtained with invasive and non-invasive techniques using an almost pure maternal electrocardiogram signal as a trigger
CN2479914Y (zh) * 2000-08-02 2002-03-06 徐州天荣医疗通讯设备有限公司 母亲/胎儿综合监护***
CN1745697A (zh) * 2005-07-21 2006-03-15 高春平 围产期个性化健康助理装置
CN101972145A (zh) * 2010-10-12 2011-02-16 华南理工大学 一种基于源信号时域相对稀疏性的胎儿心电盲分离方法
CN102160787A (zh) * 2011-05-31 2011-08-24 广东工业大学 一种基于时频变换的胎儿心电盲提取方法
CN202821639U (zh) * 2012-08-27 2013-03-27 青岛市海慈医疗集团 基于平板电脑平台的新型多功能监护仪
CN103263262A (zh) * 2013-05-28 2013-08-28 捷普科技(上海)有限公司 测量胎儿心率的***及方法
CN104473631A (zh) * 2014-12-12 2015-04-01 广东工业大学 一种基于非负盲分离胎儿心电瞬时心率识别方法及***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5372139A (en) * 1991-06-24 1994-12-13 Paul Benjamin Crilly Method for suppressing a maternal electrocardiogram signal from a fetal electrocardiogram signal obtained with invasive and non-invasive techniques using an almost pure maternal electrocardiogram signal as a trigger
CN2479914Y (zh) * 2000-08-02 2002-03-06 徐州天荣医疗通讯设备有限公司 母亲/胎儿综合监护***
CN1745697A (zh) * 2005-07-21 2006-03-15 高春平 围产期个性化健康助理装置
CN101972145A (zh) * 2010-10-12 2011-02-16 华南理工大学 一种基于源信号时域相对稀疏性的胎儿心电盲分离方法
CN102160787A (zh) * 2011-05-31 2011-08-24 广东工业大学 一种基于时频变换的胎儿心电盲提取方法
CN202821639U (zh) * 2012-08-27 2013-03-27 青岛市海慈医疗集团 基于平板电脑平台的新型多功能监护仪
CN103263262A (zh) * 2013-05-28 2013-08-28 捷普科技(上海)有限公司 测量胎儿心率的***及方法
CN104473631A (zh) * 2014-12-12 2015-04-01 广东工业大学 一种基于非负盲分离胎儿心电瞬时心率识别方法及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
宋盟春等: "基于匹配滤波的胎儿心电信号检测***的研究与设计", 《中国医疗器械信息》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105455800A (zh) * 2015-12-24 2016-04-06 青岛光电医疗传感器有限公司 一种可穿戴同时监测成人与胎儿心率的设备及方法
CN105411577B (zh) * 2015-12-30 2019-06-04 深圳先进技术研究院 胎儿心电信号分离方法及***
CN105411577A (zh) * 2015-12-30 2016-03-23 深圳先进技术研究院 胎儿心电信号分离方法及***
CN105640545B (zh) * 2015-12-31 2018-12-14 深圳先进技术研究院 一种胎儿心电信号提取方法及装置
CN105640545A (zh) * 2015-12-31 2016-06-08 深圳先进技术研究院 一种胎儿心电信号提取方法及装置
CN105912879A (zh) * 2016-06-03 2016-08-31 广州馨瑞艾特科技有限公司 一种胎心率曲线修正方法及其装置
CN105912879B (zh) * 2016-06-03 2021-04-13 广州馨瑞艾特科技有限公司 一种胎心率曲线修正方法及其装置
WO2018023698A1 (zh) * 2016-08-05 2018-02-08 深圳先进技术研究院 一种胎儿心电分离方法及装置
WO2018023696A1 (zh) * 2016-08-05 2018-02-08 深圳先进技术研究院 一种胎儿心电分离方法及装置
CN106667478A (zh) * 2016-12-07 2017-05-17 成都亿咖极科技有限公司 一种多导联联合检测的智能胎儿心电检测方法及***
CN106667478B (zh) * 2016-12-07 2023-06-09 成都亿咖极科技有限公司 一种多导联联合检测的智能胎儿心电检测方法及***
CN106889981A (zh) * 2017-01-26 2017-06-27 浙江铭众科技有限公司 一种用于提取胎儿心率的智能终端
CN106691437A (zh) * 2017-01-26 2017-05-24 浙江铭众科技有限公司 一种基于母体心电信号的胎儿心率提取方法
CN107693004A (zh) * 2017-09-05 2018-02-16 广东工业大学 基于hilbert变换的胎儿心电提取与胎儿心率识别方法
CN108852284A (zh) * 2018-03-28 2018-11-23 深圳市深大云伴健康科技有限公司 基于云平台的孕晚期妊娠分析***、方法、及装置
CN110327031A (zh) * 2018-11-29 2019-10-15 武汉中旗生物医疗电子有限公司 一种去除心电信号运动伪迹的方法
CN111772627A (zh) * 2019-04-04 2020-10-16 中山大学 一种在线胎儿心电信号提取装置及方法
CN111772627B (zh) * 2019-04-04 2023-08-15 中山大学 一种在线胎儿心电信号提取装置及方法
CN112120688A (zh) * 2019-06-25 2020-12-25 深圳市理邦精密仪器股份有限公司 心电信号处理方法、设备及计算机可读存储介质
CN113192629A (zh) * 2021-05-08 2021-07-30 清华大学 用于自动胎心判读的方法和装置
CN115553787A (zh) * 2022-09-30 2023-01-03 哈尔滨理工大学 一种基于多尺度残差收缩U-Net的胎儿心电信号提取方法

Also Published As

Publication number Publication date
CN104887220B (zh) 2018-01-05

Similar Documents

Publication Publication Date Title
CN104887220A (zh) 一种由腹壁心电信号提取胎儿心电信号的方法及***
CN101766484B (zh) 用于心电图识别与分类的方法和设备
CN103549950B (zh) 移动心电监测差分阈值检测改进算法
CN102038497B (zh) 一种心电信号噪声分析方法
CN108024730A (zh) 使用数学分析和机器学习来诊断疾病的方法和***
JP2011516238A (ja) 胎児ecgモニタリング
CN102835954A (zh) 一种心拍波形模板生成、室性早搏检测处理方法及装置
CN109691994A (zh) 一种基于心电图的心率监测分析方法
CN111407315A (zh) 一种针对超声多普勒胎心信号的质量评估方法
Lu et al. Estimation of the foetal heart rate baseline based on singular spectrum analysis and empirical mode decomposition
Chen et al. A novel method based on Adaptive Periodic Segment Matrix and Singular Value Decomposition for removing EMG artifact in ECG signal
CN107361753A (zh) 基于脉搏波形特征点的人体健康状态监护方法
CN102258368A (zh) 胎心电检测的时域稀疏性线性混叠盲分离模型的判别方法
CN113907765B (zh) 一种无创胎儿心电信号质量评估方法
Madhav et al. Monitoring respiratory activity using PPG signals by order reduced-modified covariance AR technique
Zalabarria et al. Diagnosis of atrial fibrillation based on arterial pulse wave foot point detection using artificial neural networks
CN114052681B (zh) 一种基于心电判读***的血压监测方法及***
KR101295072B1 (ko) 심플리시티 기반의 심음 분석 장치 및 그 방법
CN109846473A (zh) 一种检测单导联10秒心电图噪音干扰程度的方法
Lu et al. Pulse waveform analysis for pregnancy diagnosis based on machine learning
CN114145725A (zh) 一种基于无创连续血压测量的ppg采样率估算方法
Lu et al. Denoising of pulse wave signal by wavelet packet transform
Almeida et al. A wavelet-based method for assessing fetal cardiac rhythms from abdominal ECGs
Zhidong Noninvasive diagnosis of coronary artery disease based on instantaneous frequency of diastolic murmurs and SVM
CN107802260A (zh) 一种心室复极变异性时空联合分析方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant