CN109199375B - 一种无创胎儿心电检测装置及心电信号数据处理方法 - Google Patents

一种无创胎儿心电检测装置及心电信号数据处理方法 Download PDF

Info

Publication number
CN109199375B
CN109199375B CN201811454594.8A CN201811454594A CN109199375B CN 109199375 B CN109199375 B CN 109199375B CN 201811454594 A CN201811454594 A CN 201811454594A CN 109199375 B CN109199375 B CN 109199375B
Authority
CN
China
Prior art keywords
electrocardiosignals
signal
electrocardiosignal
maternal
signals
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811454594.8A
Other languages
English (en)
Other versions
CN109199375A (zh
Inventor
刘澄玉
高鸿祥
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN201811454594.8A priority Critical patent/CN109199375B/zh
Publication of CN109199375A publication Critical patent/CN109199375A/zh
Application granted granted Critical
Publication of CN109199375B publication Critical patent/CN109199375B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • 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)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Cardiology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及一种无创胎儿心电检测装置及心电信号数据处理方法,包括心电采集前端装置和心电信号分析处理软件***。具体包括心电采集电极、模拟数字转换模块、无线通讯模块、核心处理器模块。心电采集前端获得的信号通过无线通讯模块传输至核心处理模块,完成心电信号的质量评估、预处理、母体心电信号分析处理和胎儿心电信号分析处理等步骤,得出母体和胎儿的心率信息,结合波形形态分析,用于评估母体的健康状态和胎儿宫内状态。该装置可以实现孕妇胎儿信号的长时程,动态实时分析处理,对孕产期孕妇和胎儿健康状态监测具有重要的意义。

Description

一种无创胎儿心电检测装置及心电信号数据处理方法
技术领域
本发明涉及一种无创胎儿心电检测装置及心电信号数据处理方法,属于母体胎儿心电检测技术领域。
背景技术
胎心监护,又称电子胎儿监护,应用胎心率电子监护仪将胎心曲线和宫缩压力波形记下来供临床分析,评估胎儿宫内状况。目前医院普遍使用胎心检测仪为基于多普勒超声原理对胎儿在宫内的情况进行监测。胎儿心率受交感神经和副交感神经调节,通过信号描记瞬间的胎心变化所形成的的监护图形的曲线,可以了解胎动时、宫缩时胎心的反应,以推测宫内胎儿有无缺氧。超声胎儿监护仪检测时需要孕妇处于静坐或者半卧姿势,由专业培训的医护人员操作,经过为时20分钟的检测,输出胎儿心跳、胎动情况,因此对于家庭监护具有很大的不便性。
迫于家庭监护的需求,诞生了许多家用多普勒监护仪,但有一系列缺点,具体存在以下几个方面:一是胎心音为虚拟的,并非真实采集。家用多普勒胎心仪所播放出的胎心音并非胎儿真实的心音,家用多普勒胎心仪借助超声多普勒手段测胎儿的搏动,然后按照测到的胎儿搏动频率,同步虚拟出一种声音,命名成胎心音,播放给孕妇听。二是缺少胎心定位引导,居家使用不方便。在医院进行胎心监护,有专业医护人员,很快能定位胎心,而家用多普勒胎心仪,没有定位引导,需要靠孕妇自己识别判断,耗时耗力。三是需要耦合剂,使用不便。耦合剂涂抹尤其在天冷的时候,会造成很多不属实的体感。四是胎心监听时间短。家用多普勒胎心仪大多只提供1-2分钟的监听。真正行之有效的胎心监护一定要保证至少20分钟以上,在人民卫生出版社的《妇产科学》中对这一点有着明确的说明。只有满足这个监测时长,才能供医生对胎心监护的数据进行客观评估分析,才能从胎心曲线的变化趋势中发现可能的问题。如果只是对胎儿进行一两分钟的胎心数据收集,对医生而言是没有判断价值的。五是缺少大量重要数据,没有胎心监护价值。真正有效的胎心监护,一定要包含以下必要素:平均胎心率、20分钟胎心曲线、胎心加速次数、胎心减速次数、宫缩次数、胎动次数、振幅变异等,并且需要有双探头,可以同时监测胎心率以及宫缩,只有具备上述的必要素,才能称之为胎心监护。六是超声多普勒潜在风险。家用多普勒胎心仪是采用超声多普勒原理的,超声多普勒原理为能量聚焦,如果过量也会存在风险隐患。虽然家用多普勒胎心仪的能量比医院B超机小了很多倍,但专业的B超医技人员对焦时间非常短,而孕妇无法做到快速定位,从而导致对焦时间变长,在此情形下,胎儿所接收到的能量一点都不比B超少,甚至还会远远超越,因此产生很多安全隐患甚至悲剧。美国食品药品监督管理局(FDA)明确限制多普勒胎心监护在医疗机构外使用。
另一方面,超声心音描记法获得曲线只能用来计算心率,通过宫内压强变化评估胎儿宫内状况。而心电图在反映心脏基本功能及其病理变化、分析与鉴别各种心率异常、评估心肌受损程度和发展过程中具有重要的临床参考价值,获取胎儿的真实心率对现阶段的胎心检测具有重要意义。目前全世界穿戴式家庭胎心监护发展较慢,且针对胎儿心电的检测算法不完善,因此穿戴式胎儿心电采集装置的研究非常有必要。
发明内容
本发明所要解决的技术问题是提供一种无创胎儿心电检测装置,能够无创、动态、长程的针对母体和胎儿进行心电监护装置,实时检测和分析胎儿心电信号,同时监测孕妇的心电,保护孕期妇女的安全。
本发明为了解决上述技术问题采用以下技术方案:本发明设计了一种无创胎儿心电检测装置,包括检测终端、移动终端和云端;其中,检测终端包括腹部腰带、控制模块、模拟数字转换模块、滤波模块、信号放大电路、无线通信模块和预设11个采集电极;控制模块、模拟数字转换模块、滤波模块、信号放大电路、无线通信模块构成整体结构,并设置于腹部腰带外表面上;各个采集电极分别可分离式、贴设于待检测怀孕人体身上的各指定位置,分别用于采集心电信号;各个采集电极的输出端分别与模拟数字转换模块的输入端相连接,模拟数字转换模块的输出端对接滤波模块的输入端,滤波模块的输出端与信号放大电路的输入端相连接,信号放大电路的输出端对接控制模块,同时,控制模块与无线通信模块相对接;
移动终端内置无线通信模块,检测终端中的控制模块与移动终端中的数据处理模块之间、分别通过其对应的无线通信模块实现彼此通信;检测终端中:各个采集电极所采集的心电信号依次经模拟数字转换模块、滤波模块、信号放大电路传输至控制模块中,检测终端中控制模块将心电信号转发至移动终端中的数据处理模块,移动终端中的数据处理模块针对来自检测终端的心电信号进行数据处理,用于实现母体心电信号处理和胎儿心电信号处理;
同时,移动终端中的数据处理模块通过其所连无线通信模块,与云端相通信,完成数据的传输与备份。
作为本发明的一种优选技术方案:所述滤波模块包括低通滤波模块、高通滤波模块、陷波滤波模块,所述模拟数字转换模块的输出端对接低通滤波模块的输入端,低通滤波模块的输出端对接高通滤波模块的输入端,高通滤波模块的输出端与陷波滤波模块的输入端相连接,陷波滤波模块的输出端对接所述信号放大电路的输入端。
与上述相对应,本发明所要解决的技术问题是提供一种无创胎儿心电检测装置的心电信号数据处理方法,能够无创、动态、长程的针对母体和胎儿进行心电监护装置,实时检测和分析胎儿心电信号,同时监测孕妇的心电,保护孕期妇女的安全。
本发明为了解决上述技术问题采用以下技术方案:本发明设计了一种无创胎儿心电检测装置的心电信号数据处理方法,所述移动终端中的数据处理模块接收来自所述移动终端的心电信号,将心电信号输入至预设T秒长度的队列中,队列每T/2秒更新一次,新采集的心电信号每T/2秒入队一次,最早入栈的心电信号每T/2秒信号出队一次;每T/2秒,将队列中T秒长度的心电信号作为待处理心电信号,执行如下操作:
步骤A.基于检测终端中模拟数字转换模块的通道数,按预设规则,针对待处理心电信号中的各导联信号分别按电极脱落、运动伪迹、强噪声、质量良好进行分类,并删除电极脱落分类的各个导联信号,更新待处理心电信号,然后进入步骤B;
步骤B.针对待处理心电信号中质量良好分类的各个导联信号,进行信号时间长度归一化处理更新,然后进入步骤C;
步骤C.判断待处理心电信号中质量良好分类导联信号的数量是否大于预设低通道阈值数,是则应用基于主成份分析法的独立成份分析法,由质量良好分类导联信号生成母体心电信号,然后进入步骤D;否则应用基于主成份分析的模板匹配法,由质量良好分类导联信号生成母体心电信号,然后进入步骤D;
步骤D.应用待处理心电信号减去母体心电信号,获得包括噪声信号和胎儿心电信号的残余信号,然后进入步骤E;
步骤E.若待处理心电信号中质量良好分类导联信号的数量大于预设低通道阈值数,针对残余信号,应用独立成份分析法,依据通道选择算法找到胎儿心电信号所对应的导联信号,并进行R波检测,获得胎儿心电信号R波位置,然后进入步骤F;
若待处理心电信号中质量良好分类导联信号的数量不大于预设低通道阈值数,应用改良Pan-Tompkin算法,检测获得胎儿心电信号R波位置,然后进入步骤F;
步骤F.基于胎儿心电信号R波位置,获得胎儿的心率信息和波形形态信息。
作为本发明的一种优选技术方案:还包括针对步骤C中所获母体心电信号,应用改良Pan-Tompkin算法,检测获得母体心电信号R波位置,并进一步获得母体的心率信息和波形形态信息,具体包括如下:
首先对该导联信号进行低通、高通、导数滤波,滤波时高通截止频率选择为10Hz,抑制掉P、T波;低通滤波器截止频率设定为99Hz;随后利用微分函数放大QRS波的陡坡特征,将QRS波群从其他ECG波中区分出来,并对所获信号求平方,然后添加斜率特征和QRS宽度特征,适配宽大QRS波或者异常高大、矮小QRS波;最后对初次检测的结果进行阈值判断,如果不合理,自动调整阈值回溯检测,以两次结果综合得出合理的R波峰值点位置;
所述步骤E中,若待处理心电信号中质量良好分类导联信号的数量不大于预设低通道阈值数,同样按上述改良Pan-Tompkin算法,检测获得胎儿心电信号R波位置。
作为本发明的一种优选技术方案,所述步骤B,针对待处理心电信号中质量良好分类的各个导联信号,按如下方法,进行信号时间长度归一化处理更新;
若导联信号的长度大于30s,那么通过降采样方法,将导联信号长度数据采样到30000个点,更新导联信号;若导联信号的长度小于30s,那么采用三次样条插值法,更新导联信号,执行如下:
针对n+1个数据节点(x0,y0),(x1,y1),(x2,y2),…,(xn,yn),首先计算步长hi=xi+1-xi,i∈{0、1、…、n-1},将数据节点x,y和指定的首位端点条件代入矩阵方程如下:
Figure BDA0001887455080000041
在每个分段区间[xi,xi+1],i=0、1、…、n-1,满足S(xi)=yi,i=0、1、…、n;解矩阵方程求二次微分值mi;计算样条曲线系数ai=yi
Figure BDA0001887455080000051
其中,i=0、1、…、n-1;在每个子区间xi≤x≤xi+1中,创建方程如下:
gi(x)=ai+bi(x-xi)+ci(x-xi)2+di(x-xi)3,即为插值后的心电图形。
作为本发明的一种优选技术方案,所述步骤C中,应用基于主成分分析法的独立成份分析法,执行如下过程,由质量良好分类导联信号生成母体心电信号;
首先对信号进行白化处理,设质量良好的导联数为M,其中3≤M≤8,设该来自孕妇的M导联的待处理心电信号为{xm(n)},其中,m=1、2、…、M,n=1、2、…、N;N为T秒长度导联信号的长度,生成心电信号矩阵X为:
Figure BDA0001887455080000052
其中,x(n)=[x1(n),x2(n),…,xM(n)]T为M导联信号在同一采样时刻采样值组成的向量;对观测信号X(t),寻找一个线性变换,使得X(t)投影到新的子空间后变成白化向量,即:Z(t)=W0X(t),其中W0为白化矩阵,Z为白化向量,Y表示心电信号矩阵X的信号源矩阵,且满足归一化正交条件;利用主成份分析,信号源矩阵Y的第一行y1(n)=[y1(1),y1(2),…,y1(N)]即为母体心电信号的主成份,因为母体心电信号强度大于胎儿心电信号,所以该主成份即对应母体心电信号,矩阵W0和Y形式如下:
Figure BDA0001887455080000053
对心电信号矩阵X的相关矩阵R进行特征值分解为如下:
Figure BDA0001887455080000054
其中Σ为矩阵R的特征值矩阵,U为矩阵R的特征向量矩阵,因为X=W0Y,则上式写为:
Figure BDA0001887455080000061
则W0=UΣ1/2,即
Figure BDA0001887455080000062
其中λm为相关矩阵R的特征值,um=[um1,um2,…,umM]为相关矩阵R对应特征值λm的特征向量,母体心电信号则表示为:
Figure BDA0001887455080000063
设定主成份分析的贡献度为98%,获得t个导联信号,1≤m<8,这些导联信号代表了原始腹部信号中的主要成份,新的主成份信号满足白化条件,将白化获得的t个通道信号生成白化矩阵Z;
其中,独立成份分析法采用Fast-ICA算法,依据负熵最大为搜寻方向,顺序地提取独立源,并且该算法采用了定点迭代的优化算法,负熵公式如下:
Ng(Y)={E[g(Y)]-E[g(YGauss)]}2
其中E[]为均值计算;g()为非线性函数,可取g1(y)=tanh(a1y)或g2(y)=yexp(-y2/2)或g3(y)=y3非线性函数;
设原始迭代次数p=1,初始权向量WP随机选取,随后令
Figure BDA0001887455080000064
非线性函数g(y)=yexp(-y2/2);然后应用Fast-ICA独立成份分析法寻找一个方向,以便WTX(Y=WTX)具有最大的非高斯性Ng(WTX),即分离白化后的混合信号中各个成分不相关性较大的成分;WTX的负熵的最大近似值通过对E{G(WTX)}进行优化获得,其中约束条件为{(WTX)2}=||W||2=1,E{Xg(WTX)}+βW=0,这里β是一个恒定值,
Figure BDA0001887455080000065
W0是优化后的W值,再利用牛顿迭代法解方程,近似得到下面的牛顿迭代公式如下:
W*=W-[E{Xg(WTX)}-βW]/[E{g'(WTX)}-β]
W=W*/||W*||
其中,W*是W的新值,β=E{WTXg(WTX)},
W为更新后的权值向量,假如W不收敛的话,返回至Wp的权值更新步骤,直至Wp最终收敛,随后增加迭代次数,重复以上步骤;由Y=WTX获得独立成份解混后的信号;
所述步骤E中,若待处理心电信号中质量良好分类导联信号的数量大于预设低通道阈值数,针对残余信号,同样按上述方法,应用独立成份分析法,依据通道选择算法找到胎儿心电信号所对应的导联信号,并进行R波检测,获得胎儿心电信号R波位置。
作为本发明的一种优选技术方案,所述步骤C中,应用基于主成份分析的模板匹配法,执行如下过程,由质量良好分类导联信号生成母体心电信号;
应用基于主成份分析的模板匹配法中,参考胸导联信号只包括母体心电信号成分,基于此通道检测母体R波位置,提取前后相邻的R波峰值点之间的信号片段记为vi(n),vi(n)即为单一心动周期心电信号,其中i=1、2、…、L,L为心动周期数;将L个vi(n)伸缩到相同信号长度,然后计算其相干平均值
Figure BDA0001887455080000071
Figure BDA0001887455080000072
即为当前导联T秒心电信号的母体心电模板,然后重构母体心电信号,依据R波峰值点位置得到RR间期,将心电模板信号
Figure BDA0001887455080000073
依次伸缩为与上述各RR间期长度相同的信号,然后顺次将伸缩后的信号首尾连接即形成重构后的母体心电信号,此时当前T秒心电信号片段中第一个R波峰值点位置之前和最后一个R波峰值点之后的母体心电信号空缺,依据时间对应关系,补充前一个T秒心电信号片段和后一个T秒心电信号片段所重构母体心电信号的对应信号片段,即获得完整的T秒母体心电信号。
作为本发明的一种优选技术方案:所述步骤D中由待处理心电信号减去母体心电信号,获得包括噪声信号和胎儿心电信号的残余信号,包括如下:
首先针对来自孕妇得T秒待处理心电信号xx(n)、以及重构的母体心电信号yy(n),使用原采样频率的10倍采样频率进行重新采样,分别记为xx*(n)和yy*(n);然后提取yy*(n)中以R波峰值点位置为中心的200毫秒时间窗口的信号片段yyi*(n),并与xx*(n)对应时间的信号片段xxi*(n)进行相关操作,记录相关值;接着通过左右移动yyi*(n),再次与xxi*(n)进行相关操作并记录相关值,确定一系列相关值中的最大值,并记录此时左右移动的采样点数,并按照此采样点数,调整yyi*(n)在重采样后母体心电信号yy*(n)中的位置;最后通过降采样得到经R波位置微调后的母体心电信号,从来自孕妇的待处理心电信号中减去该母体心电信号即实现了母体心电信号的剔除。
本发明所设计无创胎儿心电检测装置及心电信号数据处理方法,方法采用以上技术方案与现有技术相比,具有以下技术效果:
(1)本发明所设计一种无创胎儿心电检测装置,增加了腹部电极数量,对宫内胎儿的不同形态均具有良好的心电信号获取能力,可避免由于电极位置不准确造成的心电信号强度弱,甚至检测不到的情况;
(2)本发明所设计一种无创胎儿心电检测装置的心电信号数据处理方法,增加了胸导联参考通道,不仅对算法准确性有较大的提高,同时丰富了孕妇心脏的多导联采集,对孕妇的身体监测具有较大的提高;
(3)本发明所设计一种无创胎儿心电检测装置及心电信号数据处理方法,可实现对母体和胎儿的实时、动态、同步、长程检测,解决了部分母体和胎儿心率相近造成的检测困难。同时监测母体心率,保证孕产期产妇的安全,具有较强的临床和家庭监护价值;
(4)本发明所设计一种无创胎儿心电检测装置及心电信号数据处理方法,对多通道混合心电信号逐个通道进行了信号质量评估,增强了结果的可靠性,提高了算法的准确性;
(5)本发明所设计一种无创胎儿心电检测装置及心电信号数据处理方法,采用盲源分析法和模板匹配法结合的方法检测胎儿心电信号,较单一模板匹配相消法提高了分析的准确度,利用自适应算法增强了自动分析结果的可靠性。
附图说明
图1是本发明无创胎儿心电检测装置的结构示意图;
图2是本发明设计无创胎儿心电检测装置的心电信号数据处理方法流程图。
其中:1表示母体胸部参考电极,2-9为母体腹部胎儿心电采集电极,10为束带,11、12为两腰参考电极,13为心电采集前端,均集成在束带10上。2-9均匀分布在孕肚的四周,可以有效监测胎儿的各种形态,应对宫内胎儿的不同位置。
具体实施方式
本发明所设计的无创胎儿心电检测装置,实际应用中,具体包括检测终端、移动终端和云端;其中,检测终端包括腹部腰带、控制模块、模拟数字转换模块、滤波模块、信号放大电路、无线通信模块和预设11个采集电极;控制模块、模拟数字转换模块、滤波模块、信号放大电路、无线通信模块构成整体结构,并设置于腹部腰带外表面上;各个采集电极分别可分离式、贴设于待检测怀孕人体身上的各指定位置,分别用于采集心电信号;各个采集电极的输出端分别与模拟数字转换模块的输入端相连接,模拟数字转换模块的输出端对接滤波模块的输入端,滤波模块的输出端与信号放大电路的输入端相连接,信号放大电路的输出端对接控制模块,同时,控制模块与无线通信模块相对接。
实际应用中,滤波模块包括低通滤波模块、高通滤波模块、陷波滤波模块,所述模拟数字转换模块的输出端对接低通滤波模块的输入端,低通滤波模块的输出端对接高通滤波模块的输入端,高通滤波模块的输出端与陷波滤波模块的输入端相连接,陷波滤波模块的输出端对接所述信号放大电路的输入端。
移动终端内置无线通信模块,检测终端中的控制模块与移动终端中的数据处理模块之间、分别通过其对应的无线通信模块实现彼此通信;检测终端中:各个采集电极所采集的心电信号依次经模拟数字转换模块、滤波模块、信号放大电路传输至控制模块中,检测终端中控制模块将心电信号转发至移动终端中的数据处理模块,移动终端中的数据处理模块针对来自检测终端的心电信号进行数据处理,用于实现母体心电信号处理和胎儿心电信号处理;同时,移动终端中的数据处理模块通过其所连无线通信模块,与云端相通信,完成数据的传输与备份。
实际应用中,本发明所设计的无创胎儿心电检测装置操作如下:按照图1所示粘贴11个电极,电极1置于胸骨左缘第四肋间,电极2-9均匀粘贴在孕肚圆周上,电极11、12粘贴在两腰侧,作为参考电极。束带10为可调节松紧的透气材料,心电采集处理前端固化在束带10上。一导联心电信号由电极2与右侧腰间参考电极11获得,二导联心电信号由电极3与右侧腰间参考电极11获得,三导联心电信号由电极4与右侧腰间参考电极11获得,四导联心电信号由电极5与右侧腰间参考电极11获得,五导联心电信号由电极6与左侧腰间参考电极12获得,六导联心电信号由电极7与左侧腰间参考电极12获得,七导联心电信号由电极8与左侧腰间参考电极12获得,八导联心电信号由电极9与左侧腰间参考电极12获得,只包含母体信号的参考导联9由电极1与左侧腰间参考电极11获得。
固化在束带10上的前端负责心电信号的采集,模拟数字展缓,长程数据存储与实时无线通讯控制。无线通讯近端采用蓝牙通讯,将前端采集数据传输至核心处理模块;远端采用4G通讯,将危险信号片段传输至医院或监护中心。后端核心处理器负责心电信号的实时分析,包括心电信号质量评估,母体心电信号处理分析、胎儿心电信号处理分析和生成诊断结果。所有软件处理模块处理的对象均为T秒固定时间窗口长度的8导联心电信号片段。如图2给出了心电信号处理算法流程图。用户首先确认个人基本信息,包括姓名、年龄、孕周、身高和体重,然后连接心电电极,绑好束带,打开移动终端界面,开始实时采集处理信号,即本发明所设计无创胎儿心电检测装置的心电信号数据处理方法,具体过程详述如下。
所述移动终端中的数据处理模块接收来自所述移动终端的心电信号,将心电信号输入至预设T秒长度的队列中,队列每T/2秒更新一次,新采集的心电信号每T/2秒入队一次,最早入栈的心电信号每T/2秒信号出队一次;每T/2秒,将队列中T秒长度的心电信号作为待处理心电信号,执行如下操作:
步骤A.基于检测终端中模拟数字转换模块的通道数,按预设规则,针对待处理心电信号中的各导联信号分别按电极脱落、运动伪迹、强噪声、质量良好进行分类,并删除电极脱落分类的各个导联信号,更新待处理心电信号,然后进入步骤B。
上述步骤A中,基于检测终端中模拟数字转换模块的通道数,按如下步骤操作,分别按电极脱落、运动伪迹、强噪声、质量良好进行分类;
步骤A1.首先针对T秒长度的导联信号,按T/5秒一段划分为5段,判断是否存在2段以上信号为恒值,是则判定该导联信号为电极脱落分类,否则进入步骤A2;
步骤A2.针对T秒长度的导联信号,按T/5秒一段划分为5段,并获得T秒长度导联信号的最大值,以该最大值的50%作为阈值,再判断整个信号段中节点均不超过该阈值的信号段的数量是否大于2,是则判定该导联信号为运动伪迹分类,否则进入步骤A3;
步骤A3.针对T秒长度的导联信号,应用样本熵算法,若该T秒长度导联信号的样本熵值大于1.5,则判定该导联信号为强噪声分类,否则判定该导联信号为质量良好分类。
其中,步骤A3.针对T秒长度的导联信号,应用样本熵算法如下:
T秒长度的导联信号首先被重采样为500点固定长度,设重采样后的信号为data={x1,…,xK},K为数据点个数,对data进行时间序c列相空间重构,依次取m个连续点组成矢量Ym(i)=[xi,xi+1,…,xi+m-1],i∈{1、…、K-m+1},j∈{1、…、K-m+1},i≠j定义矢量Ym(i)与Ym(j)之间的距离d(Ym(i),Ym(j))=max(|xi+k-xj+k|),设定阈值r=0.2×σX,其中σX为时间序列data的标准差,对于K-m+1个m维矢量,统计不包含元素Ym(i)在内的K-m个矢量中与元素Ym(i)的距离小于阈值r的元素数目,记为模板匹配数Km(i),并计算Km(i)与距离总数K-m的比值,记为
Figure BDA0001887455080000101
对所有的i∈{1、…、K-m+1},求
Figure BDA0001887455080000102
的均值,记为
Figure BDA0001887455080000103
然后将空间维数增加至m+1,依照上述步骤重新计算Bm+1(r),则信号data的样本熵为:SampEn(m,r,K)=ln[Bm(r)/Bm+1(r)],参数m,r和K分别设置为2,0.2和500。
步骤B.针对待处理心电信号中质量良好分类的各个导联信号,进行信号时间长度归一化处理更新,然后进入步骤C。
上述步骤B中,针对待处理心电信号中质量良好分类的各个导联信号,按如下方法,进行信号时间长度归一化处理更新;
若导联信号的长度大于30s,那么通过降采样方法,将导联信号长度数据采样到30000个点,更新导联信号;若导联信号的长度小于30s,那么采用三次样条插值法,更新导联信号,执行如下:
针对n+1个数据节点(x0,y0),(x1,y1),(x2,y2),…,(xn,yn),首先计算步长hi=xi+1-xi,i∈{0、1、…、n-1},将数据节点x,y和指定的首位端点条件代入矩阵方程如下:
Figure BDA0001887455080000111
在每个分段区间[xi,xi+1],i=0、1、…、n-1,满足S(xi)=yi,i=0、1、…、n;解矩阵方程求二次微分值mi;计算样条曲线系数ai=yi
Figure BDA0001887455080000112
其中,i=0、1、…、n-1;在每个子区间xi≤x≤xi+1中,创建方程如下:
gi(x)=ai+bi(x-xi)+ci(x-xi)2+di(x-xi)3,即为插值后的心电图形。
步骤C.判断待处理心电信号中质量良好分类导联信号的数量是否大于预设低通道阈值数,是则应用基于主成份分析法的独立成份分析法,由质量良好分类导联信号生成母体心电信号,然后进入步骤D;否则应用基于主成份分析的模板匹配法,由质量良好分类导联信号生成母体心电信号,然后进入步骤D。
上述步骤C中所获母体心电信号,应用改良Pan-Tompkin算法,检测获得母体心电信号R波位置,并进一步获得母体的心率信息和波形形态信息,具体包括如下:
首先对该导联信号进行低通、高通、导数滤波,滤波时高通截止频率选择为10Hz,抑制掉P、T波;低通滤波器截止频率设定为99Hz;随后利用微分函数放大QRS波的陡坡特征,将QRS波群从其他ECG波中区分出来,并对所获信号求平方,然后添加斜率特征和QRS宽度特征,适配宽大QRS波或者异常高大、矮小QRS波;最后对初次检测的结果进行阈值判断,如果不合理,自动调整阈值回溯检测,以两次结果综合得出合理的R波峰值点位置。
上述步骤C中,应用基于主成分分析法的独立成份分析法,执行如下过程,由质量良好分类导联信号生成母体心电信号;
首先对信号进行白化处理,设质量良好的导联数为M,其中3≤M≤8,设该来自孕妇的M导联的待处理心电信号为{xm(n)},其中,m=1、2、…、M,n=1、2、…、N;N为T秒长度导联信号的长度,生成心电信号矩阵X为:
Figure BDA0001887455080000121
其中,x(n)=[x1(n),x2(n),…,xM(n)]T为M导联信号在同一采样时刻采样值组成的向量;对观测信号X(t),寻找一个线性变换,使得X(t)投影到新的子空间后变成白化向量,即:Z(t)=W0X(t),其中W0为白化矩阵,Z为白化向量,Y表示心电信号矩阵X的信号源矩阵,且满足归一化正交条件;利用主成份分析,信号源矩阵Y的第一行y1(n)=[y1(1),y1(2),…,y1(N)]即为母体心电信号的主成份,因为母体心电信号强度大于胎儿心电信号,所以该主成份即对应母体心电信号,矩阵W0和Y形式如下:
Figure BDA0001887455080000131
对心电信号矩阵X的相关矩阵R进行特征值分解为如下:
Figure BDA0001887455080000132
其中Σ为矩阵R的特征值矩阵,U为矩阵R的特征向量矩阵,因为X=W0Y,则上式写为:
Figure BDA0001887455080000133
则W0=UΣ1/2,即
Figure BDA0001887455080000134
其中λm为相关矩阵R的特征值,um=[um1,um2,…,umM]为相关矩阵R对应特征值λm的特征向量,母体心电信号则表示为:
Figure BDA0001887455080000135
设定主成份分析的贡献度为98%,获得t个导联信号,1≤m<8,这些导联信号代表了原始腹部信号中的主要成份,新的主成份信号满足白化条件,将白化获得的t个通道信号生成白化矩阵Z;
其中,独立成份分析法采用Fast-ICA算法,依据负熵最大为搜寻方向,顺序地提取独立源,并且该算法采用了定点迭代的优化算法,负熵公式如下:
Ng(Y)={E[g(Y)]-E[g(YGauss)]}2
其中E[]为均值计算;g()为非线性函数,可取g1(y)=tanh(a1y)或g2(y)=yexp(-y2/2)或g3(y)=y3非线性函数;
设原始迭代次数p=1,初始权向量WP随机选取,随后令
Figure BDA0001887455080000136
非线性函数g(y)=yexp(-y2/2);然后应用Fast-ICA独立成份分析法寻找一个方向,以便WTX(Y=WTX)具有最大的非高斯性Ng(WTX),即分离白化后的混合信号中各个成分不相关性较大的成分;WTX的负熵的最大近似值通过对E{G(WTX)}进行优化获得,其中约束条件为{(WTX)2}=||W||2=1,E{Xg(WTX)}+βW=0,这里β是一个恒定值,
Figure BDA0001887455080000141
W0是优化后的W值,再利用牛顿迭代法解方程,近似得到下面的牛顿迭代公式如下:
W*=W-[E{Xg(WTX)}-βW]/[E{g'(WTX)}-β]
W=W*/||W*||
其中,W*是W的新值,β=E{WTXg(WTX)},
W为更新后的权值向量,假如W不收敛的话,返回至Wp的权值更新步骤,直至Wp最终收敛,随后增加迭代次数,重复以上步骤;由Y=WTX获得独立成份解混后的信号;
所述步骤E中,若待处理心电信号中质量良好分类导联信号的数量大于预设低通道阈值数,针对残余信号,同样按上述方法,应用独立成份分析法,依据通道选择算法找到胎儿心电信号所对应的导联信号,并进行R波检测,获得胎儿心电信号R波位置。
上述所述步骤C中,应用基于主成份分析的模板匹配法,执行如下过程,由质量良好分类导联信号生成母体心电信号;
应用基于主成份分析的模板匹配法中,参考胸导联信号只包括母体心电信号成分,基于此通道检测母体R波位置,提取前后相邻的R波峰值点之间的信号片段记为vi(n),vi(n)即为单一心动周期心电信号,其中i=1、2、…、L,L为心动周期数;将L个vi(n)伸缩到相同信号长度,然后计算其相干平均值
Figure BDA0001887455080000142
Figure BDA0001887455080000143
即为当前导联T秒心电信号的母体心电模板,然后重构母体心电信号,依据R波峰值点位置得到RR间期,将心电模板信号
Figure BDA0001887455080000144
依次伸缩为与上述各RR间期长度相同的信号,然后顺次将伸缩后的信号首尾连接即形成重构后的母体心电信号,此时当前T秒心电信号片段中第一个R波峰值点位置之前和最后一个R波峰值点之后的母体心电信号空缺,依据时间对应关系,补充前一个T秒心电信号片段和后一个T秒心电信号片段所重构母体心电信号的对应信号片段,即获得完整的T秒母体心电信号。
步骤D.应用待处理心电信号减去母体心电信号,获得包括噪声信号和胎儿心电信号的残余信号,然后进入步骤E。
上述步骤D中由待处理心电信号减去母体心电信号,获得包括噪声信号和胎儿心电信号的残余信号,包括如下:
首先针对来自孕妇得T秒待处理心电信号xx(n)、以及重构的母体心电信号yy(n),使用原采样频率的10倍采样频率进行重新采样,分别记为xx*(n)和yy*(n);然后提取yy*(n)中以R波峰值点位置为中心的200毫秒时间窗口的信号片段yyi*(n),并与xx*(n)对应时间的信号片段xxi*(n)进行相关操作,记录相关值;接着通过左右移动yyi*(n),再次与xxi*(n)进行相关操作并记录相关值,确定一系列相关值中的最大值,并记录此时左右移动的采样点数,并按照此采样点数,调整yyi*(n)在重采样后母体心电信号yy*(n)中的位置;最后通过降采样得到经R波位置微调后的母体心电信号,从来自孕妇的待处理心电信号中减去该母体心电信号即实现了母体心电信号的剔除。
步骤E.若待处理心电信号中质量良好分类导联信号的数量大于预设低通道阈值数,针对残余信号,应用独立成份分析法,依据通道选择算法找到胎儿心电信号所对应的导联信号,并进行R波检测,获得胎儿心电信号R波位置,然后进入步骤F。
上述步骤E中,若待处理心电信号中质量良好分类导联信号的数量不大于预设低通道阈值数,同样按上述步骤C中的改良Pan-Tompkin算法,检测获得胎儿心电信号R波位置。
若待处理心电信号中质量良好分类导联信号的数量不大于预设低通道阈值数,应用改良Pan-Tompkin算法,检测获得胎儿心电信号R波位置,然后进入步骤F。
步骤F.基于胎儿心电信号R波位置,获得胎儿的心率信息和波形形态信息。
母体胎儿心电诊断报告输出在智能终端界面,显示本次检测时间内的所有信号及诊断分析,危险片段或者有异常阶段支持自动或者手动传输至医护中心。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (4)

1.一种无创胎儿心电检测装置的心电信号数据处理方法,其特征在于:无创胎儿心电检测装置包括检测终端、移动终端和云端;其中,检测终端包括腹部腰带、控制模块、模拟数字转换模块、滤波模块、信号放大电路、无线通信模块和预设11个采集电极;控制模块、模拟数字转换模块、滤波模块、信号放大电路、无线通信模块构成整体结构,并设置于腹部腰带外表面上;各个采集电极分别可分离式、贴设于待检测怀孕人体身上的各指定位置,分别用于采集心电信号,其中,采集电极1置于胸骨左缘第四肋间,采集电极2-9均匀粘贴在孕肚圆周上,采集电极11、12粘贴在两腰侧,作为参考电极;各个采集电极的输出端分别与模拟数字转换模块的输入端相连接,模拟数字转换模块的输出端对接滤波模块的输入端,滤波模块的输出端与信号放大电路的输入端相连接,信号放大电路的输出端对接控制模块,同时,控制模块与无线通信模块相对接;移动终端内置无线通信模块,检测终端中的控制模块与移动终端中的数据处理模块之间、分别通过其对应的无线通信模块实现彼此通信;检测终端中:各个采集电极所采集的心电信号依次经模拟数字转换模块、滤波模块、信号放大电路传输至控制模块中,检测终端中控制模块将心电信号转发至移动终端中的数据处理模块,移动终端中的数据处理模块针对来自检测终端的心电信号进行数据处理,用于实现母体心电信号处理和胎儿心电信号处理;同时,移动终端中的数据处理模块通过其所连无线通信模块,与云端相通信,完成数据的传输与备份;
心电信号数据处理方法为所述移动终端中的数据处理模块接收来自所述移动终端的心电信号,将心电信号输入至预设T秒长度的队列中,队列每T/2秒更新一次,新采集的心电信号每T/2秒入队一次,最早入队的心电信号每T/2秒信号出队一次;每T/2秒,将队列中T秒长度的心电信号作为待处理心电信号,执行如下操作:
步骤A.基于检测终端中模拟数字转换模块的通道数,按预设规则,针对待处理心电信号中的各导联信号分别按电极脱落、运动伪迹、强噪声、质量良好进行分类,并删除电极脱落分类的各个导联信号,更新待处理心电信号,然后进入步骤B;
步骤B.针对待处理心电信号中质量良好分类的各个导联信号,按如下方法,进行信号时间长度归一化处理更新,然后进入步骤C;
若导联信号的长度大于30s,那么通过降采样方法,将导联信号长度数据采样到30000个点,更新导联信号;若导联信号的长度小于30s,那么采用三次样条插值法,更新导联信号,执行如下:
针对n+1个数据节点(x0,y0),(x1,y1),(x2,y2),…,(xn,yn),首先计算步长hi=xi+1-xi,i∈{0、1、…、n-1},将数据节点x,y和指定的首位端点条件代入矩阵方程如下:
Figure FDA0003237054020000021
在每个分段区间[xi,xi+1],i=0、1、…、n-1,满足S(xi)=yi,i=0、1、…、n;解矩阵方程求二次微分值mi;计算样条曲线系数ai=yi
Figure FDA0003237054020000022
其中,i=0、1、…、n-1;在每个子区间xi≤x≤xi+1中,创建方程如下:
gi(x)=ai+bi(x-xi)+ci(x-xi)2+di(x-xi)3,即为插值后的心电图形;
步骤C.判断待处理心电信号中质量良好分类导联信号的数量是否大于预设低通道阈值数,是则应用基于主成份分析法的独立成份分析法,由质量良好分类导联信号生成母体心电信号,然后进入步骤D;否则应用基于主成份分析的模板匹配法,由质量良好分类导联信号生成母体心电信号,然后进入步骤D;
上述步骤C中,进一步针对所获母体心电信号,应用改良Pan-Tompkin算法,检测获得母体心电信号R波位置,并进一步获得母体的心率信息和波形形态信息,具体包括如下:首先对该导联信号进行低通、高通、导数滤波,滤波时高通截止频率选择为10Hz,抑制掉P、T波;低通滤波器截止频率设定为99Hz;随后利用微分函数放大QRS波的陡坡特征,将QRS波群从其他ECG波中区分出来,并对所获信号求平方,然后添加斜率特征和QRS宽度特征,适配宽大QRS波或者异常高大、矮小QRS波;最后对初次检测的结果进行阈值判断,如果不合理,自动调整阈值回溯检测,以两次结果综合得出合理的R波峰值点位置;
上述步骤C中,应用基于主成分分析法的独立成份分析法,执行如下过程,由质量良好分类导联信号生成母体心电信号;
首先对信号进行白化处理,设质量良好的导联数为M,其中3≤M≤8,设该来自孕妇的M导联的待处理心电信号为{xm(n)},其中,m=1、2、…、M,n=1、2、…、N;N为T秒长度导联信号的长度,生成心电信号矩阵X为:
Figure FDA0003237054020000031
其中,x(n)=[x1(n),x2(n),…,xM(n)]T为M导联信号在同一采样时刻采样值组成的向量;对观测信号X(t),寻找一个线性变换,使得X(t)投影到新的子空间后变成白化向量,即:Z(t)=W0X(t),其中W0为白化矩阵,Z为白化向量,Y表示心电信号矩阵X的信号源矩阵,且满足归一化正交条件;利用主成份分析,信号源矩阵Y的第一行y1(n)=[y1(1),y1(2),…,y1(N)]即为母体心电信号的主成份,因为母体心电信号强度大于胎儿心电信号,所以该主成份即对应母体心电信号,矩阵W0和Y形式如下:
Figure FDA0003237054020000032
对心电信号矩阵X的相关矩阵R进行特征值分解为如下:
Figure FDA0003237054020000033
其中Σ为矩阵R的特征值矩阵,U为矩阵R的特征向量矩阵,因为X=W0Y,则上式写为:
Figure FDA0003237054020000034
则W0=UΣ1/2,即
Figure FDA0003237054020000035
其中λm为相关矩阵R的特征值,um=[um1,um2,…,umM]为相关矩阵R对应特征值λm的特征向量,母体心电信号则表示为:
Figure FDA0003237054020000036
设定主成份分析的贡献度为98%,获得t个导联信号,1≤m<8,这些导联信号代表了原始腹部信号中的主要成份,新的主成份信号满足白化条件,将白化获得的t个通道信号生成白化矩阵Z;
其中,独立成份分析法采用Fast-ICA算法,依据负熵最大为搜寻方向,顺序地提取独立源,并且该算法采用了定点迭代的优化算法,负熵公式如下:
Ng(Y)={E[g(Y)]-E[g(YGauss)]}2
其中E[]为均值计算;g()为非线性函数,可取g1(y)=tanh(a1y)或g2(y)=yexp(-y2/2)或g3(y)=y3非线性函数;
设原始迭代次数p=1,初始权向量WP随机选取,随后令
Figure FDA0003237054020000041
非线性函数g(y)=yexp(-y2/2);然后应用Fast-ICA独立成份分析法寻找一个方向,以便WTX(Y=WTX)具有最大的非高斯性Ng(WTX),即分离白化后的混合信号中各个成分不相关性较大的成分;WTX的负熵的最大近似值通过对E{G(WTX)}进行优化获得,其中约束条件为{(WTX)2}=||W||2=1,E{Xg(WTX)}+βW=0,这里β是一个恒定值,
Figure FDA0003237054020000042
W0是优化后的W值,再利用牛顿迭代法解方程,近似得到下面的牛顿迭代公式如下:
W*=W-[E{Xg(WTX)}-βW]/[E{g'(WTX)}-β]
W=W*/||W*||
其中,W*是W的新值,β=E{WTXg(WTX)},
W为更新后的权值向量,假如W不收敛的话,返回至Wp的权值更新步骤,直至Wp最终收敛,随后增加迭代次数,重复以上步骤;由Y=WTX获得独立成份解混后的信号;
步骤D.应用待处理心电信号减去母体心电信号,获得包括噪声信号和胎儿心电信号的残余信号,然后进入步骤E;
步骤E.若待处理心电信号中质量良好分类导联信号的数量大于预设低通道阈值数,针对残余信号,应用独立成份分析法,依据通道选择算法找到胎儿心电信号所对应的导联信号,并进行R波检测,获得胎儿心电信号R波位置,然后进入步骤F;
若待处理心电信号中质量良好分类导联信号的数量不大于预设低通道阈值数,同样应用步骤C中改良Pan-Tompkin算法,检测获得胎儿心电信号R波位置,然后进入步骤F;
步骤F.基于胎儿心电信号R波位置,获得胎儿的心率信息和波形形态信息。
2.根据权利要求1所述一种无创胎儿心电检测装置的心电信号数据处理方法,其特征在于,所述步骤C中,应用基于主成份分析的模板匹配法,执行如下过程,由质量良好分类导联信号生成母体心电信号;
应用基于主成份分析的模板匹配法中,参考胸导联信号只包括母体心电信号成分,基于此通道检测母体R波位置,提取前后相邻的R波峰值点之间的信号片段记为vi(n),vi(n)即为单一心动周期心电信号,其中i=1、2、…、L,L为心动周期数;将L个vi(n)伸缩到相同信号长度,然后计算其相干平均值
Figure FDA0003237054020000051
Figure FDA0003237054020000052
即为当前导联T秒心电信号的母体心电模板,然后重构母体心电信号,依据R波峰值点位置得到RR间期,将心电模板信号
Figure FDA0003237054020000053
依次伸缩为与上述各RR间期长度相同的信号,然后顺次将伸缩后的信号首尾连接即形成重构后的母体心电信号,此时当前T秒心电信号片段中第一个R波峰值点位置之前和最后一个R波峰值点之后的母体心电信号空缺,依据时间对应关系,补充前一个T秒心电信号片段和后一个T秒心电信号片段所重构母体心电信号的对应信号片段,即获得完整的T秒母体心电信号。
3.根据权利要求1所述一种无创胎儿心电检测装置的心电信号数据处理方法,其特征在于:所述步骤D中由待处理心电信号减去母体心电信号,获得包括噪声信号和胎儿心电信号的残余信号,包括如下:
首先针对来自孕妇得T秒待处理心电信号xx(n)、以及重构的母体心电信号yy(n),使用原采样频率的10倍采样频率进行重新采样,分别记为xx*(n)和yy*(n);然后提取yy*(n)中以R波峰值点位置为中心的200毫秒时间窗口的信号片段yyi*(n),并与xx*(n)对应时间的信号片段xxi*(n)进行相关操作,记录相关值;接着通过左右移动yyi*(n),再次与xxi*(n)进行相关操作并记录相关值,确定一系列相关值中的最大值,并记录此时左右移动的采样点数,并按照此采样点数,调整yyi*(n)在重采样后母体心电信号yy*(n)中的位置;最后通过降采样得到经R波位置微调后的母体心电信号,从来自孕妇的待处理心电信号中减去该母体心电信号即实现了母体心电信号的剔除。
4.根据权利要求1所述一种无创胎儿心电检测装置的心电信号数据处理方法,其特征在于:所述滤波模块包括低通滤波模块、高通滤波模块、陷波滤波模块,所述模拟数字转换模块的输出端对接低通滤波模块的输入端,低通滤波模块的输出端对接高通滤波模块的输入端,高通滤波模块的输出端与陷波滤波模块的输入端相连接,陷波滤波模块的输出端对接所述信号放大电路的输入端。
CN201811454594.8A 2018-11-30 2018-11-30 一种无创胎儿心电检测装置及心电信号数据处理方法 Active CN109199375B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811454594.8A CN109199375B (zh) 2018-11-30 2018-11-30 一种无创胎儿心电检测装置及心电信号数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811454594.8A CN109199375B (zh) 2018-11-30 2018-11-30 一种无创胎儿心电检测装置及心电信号数据处理方法

Publications (2)

Publication Number Publication Date
CN109199375A CN109199375A (zh) 2019-01-15
CN109199375B true CN109199375B (zh) 2021-11-02

Family

ID=64994072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811454594.8A Active CN109199375B (zh) 2018-11-30 2018-11-30 一种无创胎儿心电检测装置及心电信号数据处理方法

Country Status (1)

Country Link
CN (1) CN109199375B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11826129B2 (en) 2019-10-07 2023-11-28 Owlet Baby Care, Inc. Heart rate prediction from a photoplethysmogram

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109567797B (zh) * 2019-01-30 2021-10-01 浙江强脑科技有限公司 癫痫预警方法、装置及计算机可读存储介质
CN109758143B (zh) * 2019-02-22 2021-07-27 南京大学 一种同步记录的多通道心电信号的增强方法
EP3730060A1 (en) * 2019-04-24 2020-10-28 Koninklijke Philips N.V. Fetal ultrasound processing unit for separating heart rate signals
EP3730058A1 (en) * 2019-04-24 2020-10-28 Koninklijke Philips N.V. Fetal ultrasound processing unit for separating heart rate signals
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
CN110604564B (zh) * 2019-09-16 2023-01-17 深圳市理邦精密仪器股份有限公司 电极***、胎儿心电信号采集、测量方法及装置
CN113616215A (zh) * 2021-09-03 2021-11-09 青岛雅斯生物科技有限公司 一种心电监测配件及装置
CN113662557B (zh) * 2021-09-16 2022-05-03 电子科技大学 一种基于因子同步性分析的多导联胎儿心电提取装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102085095A (zh) * 2009-12-07 2011-06-08 深圳市新元素医疗技术开发有限公司 一种检测心电图中st段的方法、***和心电检测仪器
WO2014030162A1 (en) * 2012-08-22 2014-02-27 Ben-Gurion University Of The Negev Research & Development Authority Separating clinically relevant sources of electrical activity in ecg signals
CN103720469A (zh) * 2014-01-02 2014-04-16 山东大学 可穿戴式动态母体胎儿心电检测装置
US9408549B2 (en) * 2009-11-03 2016-08-09 Vivaquant Llc Detecting fiducial points in physiological signals
CN105902263A (zh) * 2016-04-29 2016-08-31 深圳市理邦精密仪器股份有限公司 评估心电图波形的rr间期不规则程度的方法及装置
CN106037720A (zh) * 2015-12-04 2016-10-26 贵州大学 混合连续信息分析技术在医学上的应用方法
CN107693010A (zh) * 2017-09-13 2018-02-16 南京理工大学 基于可编程逻辑平台fpga的qrs波检测***
CN108013872A (zh) * 2018-01-10 2018-05-11 北京大学第三医院 用于母体胎儿心率监测的***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9408549B2 (en) * 2009-11-03 2016-08-09 Vivaquant Llc Detecting fiducial points in physiological signals
CN102085095A (zh) * 2009-12-07 2011-06-08 深圳市新元素医疗技术开发有限公司 一种检测心电图中st段的方法、***和心电检测仪器
WO2014030162A1 (en) * 2012-08-22 2014-02-27 Ben-Gurion University Of The Negev Research & Development Authority Separating clinically relevant sources of electrical activity in ecg signals
CN103720469A (zh) * 2014-01-02 2014-04-16 山东大学 可穿戴式动态母体胎儿心电检测装置
CN106037720A (zh) * 2015-12-04 2016-10-26 贵州大学 混合连续信息分析技术在医学上的应用方法
CN105902263A (zh) * 2016-04-29 2016-08-31 深圳市理邦精密仪器股份有限公司 评估心电图波形的rr间期不规则程度的方法及装置
CN107693010A (zh) * 2017-09-13 2018-02-16 南京理工大学 基于可编程逻辑平台fpga的qrs波检测***
CN108013872A (zh) * 2018-01-10 2018-05-11 北京大学第三医院 用于母体胎儿心率监测的***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A multi-step method with signal quality assessment and fine-tuning procedure to locate maternal and fetal QRS complexes from abdominal ECG recordings;Chengyu Liu, Peng Li, Costanzo Di Maria, et al;《Institute of Physics and Engineering in Medicine》;20141231;全文 *
发动机台架试验特性曲线拟合算法研究与实现;杨扬,尹宪栋,谢中朝;《自动化与仪表》;20171231;第32卷(第4期);第7页 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11826129B2 (en) 2019-10-07 2023-11-28 Owlet Baby Care, Inc. Heart rate prediction from a photoplethysmogram

Also Published As

Publication number Publication date
CN109199375A (zh) 2019-01-15

Similar Documents

Publication Publication Date Title
CN109199375B (zh) 一种无创胎儿心电检测装置及心电信号数据处理方法
Martens et al. A robust fetal ECG detection method for abdominal recordings
Ibrahimy et al. Real-time signal processing for fetal heart rate monitoring
EP2185068B1 (en) Fetal monitoring
US8275451B2 (en) Maternal-fetal monitoring system
TW568770B (en) Apparatus for monitoring fetal heart-beat
EP2451345B1 (en) Monitoring uterine activity
US7025729B2 (en) Apparatus for detecting sleep apnea using electrocardiogram signals
Alberola-Rubio et al. Comparison of non-invasive electrohysterographic recording techniques for monitoring uterine dynamics
JP2006523112A (ja) 電気的筋肉活動の監視
Fanelli et al. Telefetalcare: A first prototype of a wearable fetal electrocardiograph
Viunytskyi et al. Signal processing techniques for fetal electrocardiogram extraction and analysis
Viunytskyi et al. Fetal ECG and heart rhythm analyzing using BabyCard
CN109431493A (zh) 基于距离分段加权算法的可穿戴体表电势采集装置和方法
Sulas et al. A novel tool for non-invasive fetal electrocardiography research: The NInFEA dataset
Lage Extraction and detection of fetal electrocardiograms from abdominal recordings
Alvarez et al. Noninvasive FECG for estimating the fetal heart rate
Gini et al. Portable fetal ECG extractor from abdECG
Mengko et al. Design and implementation of 12 Lead ECG signals interpretation system
Luong et al. Computing Electrode Contact Signal Quality for Non-Invasive Electrocardiography Signals in Fetal Heart Rate Monitoring
CN116898418A (zh) 一种孕期母婴生理指标动态监测方法及监测***
Kazem Design and Construction of Fetal Heart Rate Monitoring
Matonia et al. Computerized fetal monitoring based on bioelectric signals from maternal abdomen
Rooijakkers et al. Research Article Influence of Electrode Placement on Signal Quality for Ambulatory Pregnancy Monitoring
Bairy Application of Mathematics to monitor the ECG signal

Legal Events

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