基于子宫肌电图的分娩发动预报装置及提取特征参数的方法

摘要

本发明涉及一种基于子宫肌电图的分娩发动预报装置及其提取特征参数的方法，该装置包括：子宫肌电图信号采集系统、子宫肌电图数字信号处理系统、处理结果的图文显示装置和声音预报装置，子宫肌电图信号采集系统与子宫肌电图数字信号处理系统相连接，子宫肌电图数字信号处理系统与图文显示装置和声音预报装置相连接。该提取特征参数的方法主要是运用小波变换和人工神经网络的方法处理子宫肌电图信号，提取特征参数，判读处理结果。利用本发明能客观、准确的预测分娩发动的时间，可以有效降低分娩风险，降低新生儿的病发率和死亡率；同时可帮助产科医生及时采取有效措施，降低早产与过期产的发生率，降低分娩风险和新生儿缺陷率。

说明书

技术领域

本发明涉及围产期孕妇监护技术，特别涉及一种基于子宫肌电图的分娩发 动预报装置及其提取特征参数的方法。

背景技术

分娩是一个复杂的生理活动，分娩发动的必备条件是胎儿的成熟和母体的 准备，分娩发动的具体原因目前尚不清楚。根据分娩发动时间的不同，分娩可 分为早产、足月产和过期产。妊娠满28周至不满37足周间的分娩称为早产， 妊娠满37周至不满42足周间的分娩称足月产，妊娠满42周及其后的分娩称 过期产。早产的发生率为5％-10％，因地区、人种等有所不同，出生一个月内 的非畸形新生儿死亡中，3/4因早产所致，早产可导致严重的不良围产儿预后。 同样的，过期妊娠因围产儿病率和死亡率明显高于正常足月妊娠而受到广泛重 视。因此，在产科领域，客观、准确地预测分娩发动时间具有重要的现实意义。

目前预测分娩发动时间的方法包括传统推算、生化检测、超声检查等。传 统推算方法根据末次月经的日期计算预产期，生化检测的方法通过检测各类分 泌物来预测分娩，超声检查通过观察胎儿、宫颈的变化等预测分娩。以上方法 存在着预测精度不高，或者需要侵入式采集信号等缺点。

由于在分娩发动时，子宫收缩的强度以及持续时间等明显增加，节律性的 宫缩直接驱动着孕妇将胎儿排出体外，因此通过测量子宫收缩能够预测分娩发 动，常用测量宫缩的方法包括宫内压导管和分娩压力计。但是宫内压导管是有 创的，分娩压力计需要将皮带缠在孕妇腹部，不仅孕妇会感觉到不舒适，而且 测量不准确。为了能更加安全、准确地预测分娩发动时间，提出了子宫肌电图 的测量方法。其中，对子宫肌电图处理方法的正确性直接影响预测的准确程度。

美国专利US6823211B2(申请号US20020149422)描述了一种预测产程的 装置，该装置为便携式的组合装置，利用快速傅里叶变换的技术分析子宫肌电 图信号，确认子宫的准备情况，预测是否将要发生分娩。美国专利US6134466 (申请号US19980123377)描述了一种诊断分娩的装置，计算宫缩时子宫肌电 图信号的平均频率，通过分析该平均频率的关系来诊断分娩。中国专利CN 101448455A(申请号CN200780018702.0)描述了一种预测人类或其他哺乳动 物产程发动的装置，是基于不复杂的数据处理原则，用于在家庭或其他非临床 使用的装置，其通过计算子宫肌电图峰值，预测产程发动。以上所述专利中公 开的装置通过对子宫肌电图信号的处理来预测产程，预测的准确程度不高。

发明内容

本发明的目的在于克服现有技术的缺点，运用数字信号处理方法，提供一 种客观、准确地预测分娩发动时间的基于子宫肌电图的分娩发动预报装置。

本发明的另一目的在于提供由上述基于子宫肌电图的分娩发动预报装置 实现的提取特征参数的方法。

为了达到上述目的，本发明采用以下技术方案：

一种基于子宫肌电图的分娩发动预报装置，包括：子宫肌电图信号采集系 统、子宫肌电图数字信号处理系统、处理结果的图文显示装置和声音预报装置； 子宫肌电图信号采集系统与子宫肌电图数字信号处理系统相连接，子宫肌电数 字信号处理系统与图文显示装置和声音预报装置相连接。

优选的，所述子宫肌电图信号采集系统包括：用于提取包含有子宫肌电图 的孕妇腹部电信号的电极，用于将提取的电信号无失真放大的前置生物电放大 器，用于滤除干扰信号的滤波器，用于将信号再次放大的后置生物电放大器， 用于将放大后的模拟信号转换成数字信号的模拟/数字转换器；所述电极、前 置生物电放大器、模拟滤波器、后置生物电放大器、模拟/数字转换器依次顺 序连接。

优选的，所述滤波器滤除的是孕妇腹部电信号中5HZ以上的高频信号和 0.2HZ以下的低频信号。

优选的，所述前置生物电放大器和后置生物电放大器将信号放大至模拟/ 数字转换器能够感知和处理的数量级。

优选的，子宫肌电图的保存在个人计算机上进行处理，子宫肌电图数字信 号通过I/O接口，比如USB接口，送至个人计算机上相应的程序中进行保存 处理；子宫肌电图的保存也可以在嵌入式装置上完成，子宫肌电图数字信号直 接通过USB接口或者印刷电路板的板级连接送至嵌入式装置上相应的程序中 进行保存处理。

利用上述基于子宫肌电图的分娩发动预报装置实现的提取特征参数的方 法，包括以下基本步骤：

(1)、通过电极提取包含子宫肌电图信号的电信号；

(2)、利用模拟滤波技术消除孕妇心电、胎儿心电、工频干扰和电磁干扰 等噪声；

(3)、使用抑制工频干扰和消除基线漂移等预处理技术对子宫肌电图数字 信号进行处理；

(4)、运用小波分析技术提取子宫肌电图信号的特征值，运用离散小波变 换、小波包变换或者提升小波变换方法分解子宫肌电图数字信号，将其按相同 的频率间隔分解成各个频率段，对各个频段上信号进行能量、功率、均值和频 率等特征值计算；

(5)、如果子宫肌电图信号是通过动态监测连续采集提取的，则运用数据 比较和峰值检测的技术，比较相邻两天中各个频段信号的特征值，以及将特征 值的峰值与孕妇临产时的阈值进行比较；如果子宫肌电图信号是通过单次采集 提取的，则运用人工神经网络的技术预测分娩发动时间，人工神经网络由多个 孕妇的子宫肌电图信号样本训练得到；

(6)、将子宫肌电图及其特征参数用图文显示装置输出，将分娩发动时间 的预测值进行显示，通过声音预报装置将预测结果输出。

优选的，步骤(1)中，所述子宫肌电图信号采用四路电极提取，电极放 置在孕妇腹部体表位置，参考电极放置在孕妇髋部，提取电极的差分信号，提 取时间为20-40分钟，可以保证能够全面获取子宫肌电的准确特征，并且可根 据孕妇的舒适度自行调节提取时间。

优选的，步骤(1)中，所述子宫肌电图信号的采集是通过动态监测连续 采集或者单次来实现的，动态监测连续采集是在预产期的前两周开始，每天在 相同的时间对孕妇进行子宫肌电图信号的采集；单次采集是在预产期的前两周 的任一天对孕妇进行一次子宫肌电图信号的采集，可根据孕妇的实际情况，选 择其中一种方法来采集子宫肌电图信号。

步骤(5)中，所述人工神经网络的样本训练包括以下步骤：

(51)、在预产期前两周的任一天，在和单次采集信号相同的时间采集多 个孕妇的子宫肌电图信号；

(52)、对于数据运用小波变换或傅里叶变换的方法分解各个频率段的信 号分量；

(53)、并计算各个频率段信号的能量、功率、均值和频率等特征值后进 行归一化，将此归一化后的值作为人工神经网络的输入；

(54)、跟踪观察这些孕妇，当其分娩时，以此分娩日期为对应输入的输 出值。将归一化后的特征值作为输入，对应的分娩日期作为输出，对人工神经 网络进行训练，直到输出值的误差在24小时之内，至此完成人工神经网络的 训练。

处理的结果通过图文显示装置和声音预报装置示来输出。

与现有技术相比，本发明具有以下优点及有益效果：

1、本发明通过对孕妇预产期的子宫肌电图的分析和处理，运用小波变换 和人工神经网络的方法处理子宫肌电图信号，提取特征参数，判读处理结果， 能客观、准确的预测分娩发动的时间，可以有效降低分娩风险，降低新生儿的 病发率和死亡率。

2、本发明提供了运用离散小波变换、小波包变换或者提升小波变换方法 分解子宫肌电图数字信号，然后在所分解频段上来提取能量、功率、频率和均 值等特征参数的方法，并且无需侵入式采集孕妇子宫肌电图信号，孕妇可根据 自身的实际情况选取合适的途径。

3、本发明是无创的，通过运用小波分析和人工神经网络结合的方法处理 体表子宫肌电图信号，孕妇感觉较舒适，配合训练好的人工神经网络，能够在 24小时之内预测足月分娩。本发明可帮助产科医生及时采取有效措施，降低 早产与过期产的发生率，降低分娩风险和新生儿缺陷率。

附图说明

图1是本发明的系统组成框图；

图2是本发明的电极放置示意图；

图3是本发明子宫肌电图信号的采集示意图；

图4是本发明子宫肌电图单次采集信号处理流程图；

图5是本发明子宫肌电图多次采集信号处理流程图。

具体实施方式

下面结合实施例及附图，对本发明作进一步详细的描述，但本发明的实施 方式不限于此。

实施例1

如图1所示一种基于子宫肌电图的分娩发动预报装置，包括：子宫肌电图 信号采集系统、子宫肌电图数字信号处理系统、处理结果的图文显示装置和声 音预报装置，子宫肌电图信号采集系统与子宫肌电图数字信号处理系统相连 接，子宫肌电图数字信号处理系统与图文显示装置和声音预报装置相连接。

如图3所示，所述子宫肌电图信号采集系统包括：用于提取包含有子宫肌 电图的孕妇腹部电信号的电极，用于将提取的电信号无失真放大的前置生物电 放大器，用于滤除干扰信号的模拟滤波器，将信号再次放大的后置生物电放大 器，用于将放大后的模拟信号转换成数字信号的模拟/数字转换器；所述电极、 前置生物电放大器、模拟滤波器、后置生物电放大器、模拟/数字转换器依次 顺序连接。

所述模拟滤波器滤除的是孕妇腹部电信号中5HZ以上的高频信号和 0.2HZ以下的低频信号，防止孕妇的腹部信号、胎儿脑电信号等干扰信号对子 宫肌电图信号产生影响。

所述前置生物电放大器和后置生物电放大器将信号放大至模拟/数字转换 器能够感知和与处理的数量级，例如对于8位的模拟/数字转换器，能够转换 的电压范围是0-5V，那么每一位所代表的电压值大约是5/256＝0.02V，对于小 于0.02V的模拟信号，AD转换器的输出值均为0，而腹部子宫肌电图信号的 电压大小一般为几mv，甚至更小，所以需要将电压放大到至少0.02V以上， 当然实际为了确保精度，会放大得更多，比如放大到1V以上。

经过数字化后的子宫肌电图信号在个人计算机或者嵌入式装置中使用相 应的数字信号处理程序进行处理分析。若需要在个人计算机上进行处理，则子 宫肌电图数字信号通过USB接口送至个人计算机上相应的程序中进行保存处 理；若通过嵌入式装置ARM进行处理，该嵌入式装置也可以是DSP、FPGA等， 则子宫肌电图数字信号通过USB接口或者直接通过印刷电路板的板级连接送 至嵌入式装置上相应的程序中进行保存处理。

如图4所示一种提取子宫肌电图的分娩发动装置特征参数的方法，采用动 态监测连续采集子宫肌电图的方法，包括以下基本步骤：

(1)、从孕妇预产期前两周的任一天开始，每天在相同的时间通过放置在 孕妇腹部的电极提取包含子宫肌电图信号的孕妇腹部信号，电极摆放位置为： E1放置在肚脐左边3.5cm，肚脐下方1cm处；E2放置在肚脐右边3.5cm，肚脐 下方1cm处；E3放置在肚脐左边3.5cm，肚脐下方8cm处；E4放置在肚脐右 边3.5cm，肚脐下方1cm处；参考电极放置于髋部。采集30分钟时长的子宫 肌电图信号，考虑到孕妇的舒适性，也可适当缩短提取时间，将E1信号与E2 信号之差、E1信号与E3信号之差或者E3信号与E4信号之差的其中一路信号 选取为输入信号，提取电极的差分信号，提取时间为20-40分钟；

(2)、将输入信号放大后用模拟滤波技术消除母亲心电、胎儿心电、电磁 干扰噪声，滤除0.2HZ以下5HZ以上的信号；

(3)、将模拟信号转换成数字信号，使用抑制工频干扰和消除基线漂移的 预处理技术对子宫肌电图数字信号进行处理；

(4)、运用小波分析的技术提取子宫肌电图信号的特征值，是运用离散小 波变换、小波包变换或者提升小波变换方法分解子宫肌电图数字信号，将其按 相同的频率间隔分解成各个频率段；

(5)、运用数据比较和峰值检测的技术，比较相邻两天中各个频段信号的 特征值，以及将特征值的峰值与孕妇临产时对应频段的峰值进行比较；

(6)、将子宫肌电图用图文显示装置输出，将分娩发动时间的预测值进行 显示，通过声音预报装置将预测结果输出。

实施例2

如图5所示，对于上述一种基于子宫肌电图的分娩发动预报装置，还可以 通过单次采集孕妇子宫肌电图信号的方法来提取特征参数，其包括以下基本步 骤：

(1)、在预产期的前两周，对孕妇进行一次子宫肌电图信号的采集，电极 摆放位置为：E1放置在肚脐左边3.5cm，肚脐下方1cm处；E2放置在肚脐右 边3.5cm，肚脐下方1cm处；E3放置在肚脐左边3.5cm，肚脐下方8cm处；E4 放置在肚脐右边3.5cm，肚脐下方1cm处；参考电极放置于髋部。采集30分 钟时长的子宫肌电图信号，考虑到孕妇的舒适性，也可适当缩短提取时间，将 E1信号与E2信号之差、E1信号与E3信号之差或者E3与E4信号之差的其中 一路信号选取为输入信号，提取电极的差分信号，提取时间为20-40分钟；

(2)、将输入信号放大后用模拟滤波技术消除母亲心电、胎儿心电、电磁 干扰噪声，滤除0.2HZ以下5HZ以上的信号；

(3)、将模拟信号转换成数字信号，使用抑制工频干扰和消除基线漂移的 预处理技术对子宫肌电图数字信号进行处理；

(4)、由于在全频段内对子宫肌电图信号进行特征参数提取，会掩盖部分 有用信息，本发明使用小波变换对子宫肌电图信号进行在各个频率段的分解， 假设对于采样率为2fs的子宫肌电信号进行8级的小波包分解，则每个频段信 号的频率宽度为fs/256，对于各个频率段上的信号分量，计算特征值能量、功 率、频率、均值等参数；

(5)、将各个频率段得信号分量的能量、功率、频率、均值等参数进行归 一化处理，以此归一化的值作为人工神经网络的输入；

(6)、运用人工神经网络的技术，将归一化的特征值输入训练良好的人工 神经网络，预测分娩发动时间，人工神经网络由多个孕妇的子宫肌电图信号样 本训练得到。

步骤(6)中，所述人工神经网络样本的训练包括以下步骤：

(61)、在预产期前两周的任一天，在和单次采集信号相同的时间采集多 个孕妇的子宫肌电图信号；

(62)、对于数据运用小波变换或傅里叶变换方法分解各个频率段的信号 分量；

(63)、并计算能量、功率、均值、频率后进行归一化，将此归一化后的 值作为人工神经网络的输入；

(64)、跟踪观察这些孕妇，当其分娩时，以此分娩日期为对应输入的输 出值，将归一化后的特征值作为输入，对应的分娩日期作为输出，对人工神经 网络进行训练，直到输出值的误差在24小时之内，至此完成人工神经网络的 训练。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实 施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、 替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。