根据母体腹部ECG记录的胎儿心率提取

摘要

一种用于使用计算机处理器(26)来从至少一个母体信号提取胎儿心率的系统(10)。所述系统包括：传感器(12-18)，其附接到患者以接收腹部ECG信号，以及记录器和数字转换器(20)，其在母体信号缓存器(22A-22D)中记录并数字化每个至少一个母体信号。所述系统还包括识别所述母体信号缓存器中的候选峰的峰检测器(40)。所述系统的所述信号堆叠器(42)将至少一个母体信号缓存器进行堆叠并且划分为多个片段，每个片段包括一个候选峰，并且空间滤波器(44)识别和衰减所述母体信号缓存器的所述多个片段中的母体QRS信号，所述空间滤波器包括主成分分析和正交投影中的至少一个，以产生原始胎儿ECG信号，所述原始胎儿ECG信号被存储在原始胎儿ECG缓存器中。所述系统还包括：胎儿QRS识别器(46)，其用于通过主成分分析和跟随有基于规则的fGRS提取的峰检测器中的至少一个来识别原始胎儿ECG缓存器中的峰；融合器(48)，其用于根据所识别的峰来计算和融合胎儿心率。

说明书

技术领域

本申请总体涉及从母体腹部心电图(ECG)记录来提取胎儿心率。其 具体结合空间滤波和基于自适应规则的胎儿QRS检测的使用而应用并且将 特别参考其进行描述。然而，应理解，其也适用于其他使用场景并且不一 定限于前述应用。

背景技术

心脏缺陷是最常见的出生缺陷之一并且是与出生缺陷有关的死亡的主 要原因。每年，大约1/125婴儿伴随某种形式的先天心脏缺陷出生。先天心 脏缺陷起源于在心脏形成时怀孕期的早期，并且其可能影响心脏的任何部 分或功能。由于遗传综合征、遗传性疾病或者诸如感染或药物误用的环境 因素，因而可能发生心脏畸形。然而，除在分娩期间外，胎儿心电描记法 尚未证明为用于对特定结构缺陷进行成像的有效工具。

胎心信号的检测和分析是胎儿健康监测的主要成分并且具有胎儿心率 失常、胎儿行为状态等等的监测中的各种应用，但是胎儿心电描记法对于 更加总体的问题，例如归因于使脐带窒息的特定胎位的一般缺血，是受限 的。该限制的原因在于，无创胎儿心电图(ECG)被胎儿大脑活动、肌动 描记(肌肉)信号(来自母亲和胎儿二者)、电信号必须穿过的不同的介电 生物媒体的运动伪影和多个层所污染。胎儿ECG比另一干扰生物信号(母 体心脏信号、子宫收缩)弱得多并且常常被胎儿大脑活动、肌动描记(肌 肉)信号(来自母亲和胎儿二者)和运动伪影所污染。希望连续的胎儿心 率(FHR)监视器减少未诊断的胎儿缺氧，但是输出常常是不可靠的并且 难以解释，这导致健康婴儿的分娩的增加的剖宫产率。

用于测量FHR的最准确的方法是使用胎儿头皮电极的直接胎儿心电图 (FECG)，其仅可能使用在分娩中但是由于其相关联的风险通常不使用在 临床中。无创性FECG监测是通过放置在期望的母亲的腹部上的电极来测 量的。在具有可忽略的风险的怀孕期的第四个月的中间之后，可以使用该 方法。然而，检测腹部ECG信号中的FHR常常是困难的，因为母体ECG 中通常具有较大的幅度并且母体ECG的R峰常常与胎儿ECG的R峰交叠。 使用复杂的信号处理技术在FHR估计方面具有经改进的准确度。仍然存在 大量的改进空间。

现今，胎儿监测基于胎儿心率并且不并入胎儿ECG(fECG)波形特性 的特性，其是孩子和成人二者的心脏评价的基石。从临床实践排除该最关 键的信息源的主要原因在于，可靠地测量fECG的技术大部分是不可用的。 因此，尚未大规模地进行使ECG特性与新生儿结果相关的研究。

如所讨论的母体ECG是潜在的噪声，其污染胎儿ECG。

一般地，现有的ECG分析技术针对ECG信号主导存在于记录通道中 的噪声的情况调谐。在事实并非如此的情况中，例如当使用低成本ECG设 备时或者当试图从放置在母亲上的腹部电极记录胎儿心跳时，归因于噪声 的信号偏差可以变得与归因于心脏的电活动的信号偏差不能区分。

可靠的胎儿心率和胎儿ECG信号的提取将使能心脏畸形的早期检测中 的临床医师并且帮助其及时将适当的药物开处方，或者考虑分娩期间或者 出生之后的必要的预防措施。尽管成人心电描记法和信号处理技术的进步， 但是胎儿ECG的分析仍然处于其初期。通过将电极放置在分娩前(在分娩 之前)的母亲的腹部之上的腹部fECG监测的临床潜在性已经受获得可靠的 fECG中的困难所影响。存在对于从母体ECG提取fECG的方法的需要。

发明内容

本申请提供克服以上提到的问题和其他问题的新并经改进的方法和系 统。

根据一个方面，提供了一种用于使用计算机处理器来从至少一个母体 信号提取胎儿心率的系统。所述系统包括：传感器，共附接到患者以接收 腹部ECG信号；以及记录器和数字转换器，其在母体信号缓存器中记录并 数字化每个至少一个母体信号。所述系统还包括识别所述母体信号缓存器 中的候选峰的峰检测器。所述系统的信号堆叠器将至少一个母体信号缓存 器进行堆叠并且划分为多个片段，每个片段包括一个候选峰并且空间滤波 器识别并且衰减母体信号缓存器的多个片段中的母体QRS信号，所述空间 滤波器包括主成分分析和正交投影中的至少一个，以产生原始胎儿ECG信 号，所述原始胎儿ECG信号被存储在原始胎儿ECG缓存器中。所述系统 还包括：胎儿QRS识别器，其用于通过主成分分析和跟随有基于规则的 fGRS提取的峰检测器中的至少一个来识别原始胎儿ECG缓存器中的峰； 以及融合器，其根据所识别的峰来计算和融合胎儿心率。

根据另一方面，提供了一种从至少一个母体信号提取胎儿心率的方法。 所述方法包括在母体信号缓存器中记录并数字化至少一个母体信号并且识 别所述母体信号缓存器中的候选峰。所述方法将所述至少一个母体信号缓 存器分为多个片段，每个片段包括一个候选峰。母体QRS信号是通过母体 信号缓存器的多个片段中的空间滤波来识别和衰减的。所述空间滤波器至 少包括主成分分析或者正交投影并且产生原始胎儿ECG信号，所述原始胎 儿ECG信号被存储在原始胎儿ECG缓存器中。所述原始胎儿ECG缓存器 中的所述峰是通过主成分分析或者跟随有基于规则的fQRS提取的峰检测 器来识别的，并且所述胎儿心率是根据所述峰来识别的。

根据另一方面，提供了一种从至少一个母体信号提取胎儿心率的模块。 所述模块包括记录器和数字转换器，其在母体信号缓存器中记录并数字化 至少一个母体信号。所述模块还包括处理器，其被配置为识别所述母体信 号缓存器中的候选峰并且将所述至少一个母体信号缓存器分为多个片段， 每个片段包括一个候选峰。所述处理器还被配置为识别并且利用包括主成 分分析和正交投影中的至少一个的所述空间滤波器通过空间滤波来衰减所 述母体信号缓存器的所述多个片段中的母体QRS信号，其中，所述空间滤 波产生原始胎儿ECG信号，所述原始胎儿ECG信号被存储在原始胎儿ECG 缓存器中。然后，所述处理器通过主成分分析和跟随有基于规则的fQRS提 取的峰检测器中的至少一个来识别所述胎儿ECG缓存器中的峰，并且计算 机根据所识别的峰计算所述胎儿心率。

一个优点存在于来自使用正交投影或者主成分分析的腹部ECG记录的 经改进的胎儿ECG读数。

另一优点存在于连续的胎儿心率监测和读数解释的经改进的可靠性。

另一优点存在于诸如胎儿心跳检测的低信噪比ECG中的心脏信号的经 改进的识别。

另一优点存在于经改进的临床工作流。

另一优点存在于经改进的患者护理。

本领域技术人员在阅读和理解以下详细说明之后，将领会到本发明的 更进一步的优点。

附图说明

本发明可以采取各种部件和各部件的布置以及各种步骤和各步骤的安 排的形式。附图仅出于图示优选的实施例的目的并且不应被解释为对本发 明的限制。

图1图示了胎儿心率提取系统。

图2图示了用于检测来自腹部fECG的胎儿心率的流程图。

图3图示了用于母体QRS检测的流程图。

图4图示了示出母体QRS检测的峰检测和自动校正的图3的继续流程 图。

图5图示了使用对应于近似在母体QRS峰之前～200样本和在母体峰之 后～450样本的腹部ECG(AECG)数据构建的数据矩阵。

图6图示了减去了母体QRS的数据矩阵。

图7图示了在应用PCA技术时数据矩阵中的单个行的母体衰减之前和 之后数据。

图8图示了甚至在胎儿心跳与母体QRS交叠时在母体QRS的衰减之后 所保存的胎儿心跳。

图9图示了示出通过PCA提取的胎儿ECG(fECG)迹线，其中利用 以三角形标记的胎儿QRS峰。

图10图示了使用正交投影技术的母体ECG的衰减，其中，母体QRS 被投影出。

图11图示了腹部ECG和所提取的胎儿ECG迹线，其中黑点表示如基 于胎儿头皮电极所标注的胎儿QRS位置。

图12示出了从胎儿ECG所获得的胎心(在空间滤波之后)与从头皮 电极所获得的胎儿心率的比较。

图13图示了用于确定心跳分配和确定性评估信息的方法的示意性表 示。

图14图示了基线漂移去除算法的输入。

图15图示了基线漂移去除算法的输出。

图16图示了在ECG信号的60s长段上由经优化的阈值例程所找到的阈 值。

图17图示了阈值交点周围的信号片段的编译。

图18图示了在主成分分析(PCA)空间中所表示的信号片段。

图19图示了基于原始ECG迹线的每个心跳的确定性。

图20图示了通过考虑峰的数量和所得的心率变异性找到通道的最佳组 合。

图21图示了在校正之前和之后的RR间隔。

图22图示了表示缺失心跳可能在何处的RR间隔。

图23图示了表示在何处误识别峰的RR间隔。

图24图示了描绘针对处理被用于组合输出以得到准确的胎儿QRS位 置的信号的不同的信号或者不同的结果的融合过程的流程图。

图25图示了四个同时记录的胎ECG信号(参见前四个绘图)和组合 的置信信号输出(参见底部绘图)。

具体实施方式

本申请涉及一种用于经改进的胎儿心率提取和解释的方法。本公开受 到对用于监测胎儿心率的当前方法不可靠并且难以解释导致健康婴儿的增 加的剖腹产的洞悉所启发。目前，用于测量胎儿心率的最准确的方法是使 用胎儿头皮电极的直接胎儿心电图，其由于在日常怀孕期检查期间其相关 联的风险而通常仅在分娩期间使用。无创性胎儿心电图监测是通过放置在 母亲腹部上的电极来测量的，然而，由于母体ECG通常更流行，因而检测 胎儿心率常常是困难的。

本申请呈现了一种用于使用空间滤波来从腹部fECG记录提取胎儿心 率的经改进的算法，例如用于母体ECG衰减和PCA聚类的主成分分析和 正交投影技术。此外，本发明利用针对胎儿心率的提取的基于自适应规则 的胎儿QRS检测。

参考图1，胎儿心率提取系统10从附接到患者(例如，孕妇)的传感 器12-18接收腹部ECG信号。传感器12-18提供信号，其由A/D转换器数 字转换器数字化并且存储在缓存器22A-22D中。每个传感器可以提供存储 在其自身相应的缓存器中的信号。缓存器22A-22D是存储器24的一部分。 系统10包括运行存储在指令存储器28中的指令的计算机处理设备26(或 者“处理器”)。指令存储器28、数据存储器24、数字转换器20和处理器 26是通过数据总线30来连接的。

系统10可以包括一个或多个专用或通用计算设备(例如服务器计算机 或膝上型计算机)和相关联的显示设备和用户输入设备(例如键盘和/或光 标控制设备(未示出))。存储器24、28可以是分离的或组合的并且可以表 示任何类型的计算机可读存储器，例如随机存取存储器(RAM)、只读存储 器(ROM)、磁盘或磁带、光盘或闪速存储器。可以用各种方式来实现处理 器，例如通过单核处理器、双核处理器(或者更一般地通过多核处理器)、 数字处理器和协作的数学协处理器、数字控制器等等不同地。

如本文所使用的术语“软件”旨在涵盖能够由计算机或其他数字系统 执行以便将计算机或其他数字系统配置为执行软件的意图的任务的任何指 令的集或指令的集合。如本文所使用的术语“软件”旨在涵盖存储在如 RAM、硬盘、光盘等等的存储介质诸中的这样的指令，同样还旨在涵盖作 为存储在ROM等等上的所谓的“固件”。这样的软件可以以各种方式组织， 并且可以包括组织为库的软件组件、存储在远程服务器等等上的基于因特 网的程序、源代码、解释代码、可直接执行的代码等等。应预期到，软件 可以调用系统级代码或者对驻留在服务器或其他位置上的其他软件的调用 以执行某些功能。

在一个实施例中，系统10由存储器28中的指令配置为实现峰检测器 40、信号堆叠器42、空间滤波器44(包括主成分分析器和正交投影分析器)、 胎儿QRS识别器46(包括第二主成分分析器和基于自适应规则的分析器) 和融合器48。

图2示出了根据一个实施例的方法。在一个实施例中，步骤是通过计 算机处理器26在存储在存储器28中的指令的控制下来执行的。方法或者 软件模块在S100处开始。

在S102处，在至少一个母体ECG通道中检测母体心率。这包括记录 和数字化每个ECG信号、将数字信息存储在缓存器中、过滤缓存器中的信 号并且然后检测峰。关于图3更详细地解释步骤S102。

在S104处，对于每个通道(缓存器)而言，在m个母体QRS波中的 每个(在步骤S102中所检测的每个峰)周围应用固定的n长度窗口。在一 个实施例中，窗口大小是针对该通道的中值RR间隔的110％，其中，35％ 在R峰之前并且75％在R峰之后。每个通道得到mxn矩阵。该构建增加 甚至针对单通道数据的空间分辨率并且辅助PCA和正交投影(OP)的空间 滤波技术更好地衰减母体QRS。

在S106处，空间滤波适于每个通道(或者如果仅记录一个通道则仅一 个通道)以衰减母体QRS。空间滤波使用以下更详细解释的主成分分析和 正交投影中的至少一个。一个通道可以使用主成分分析和正交投影二者处 理以产生两个输出缓存。

在S108处，从缓存器提取胎儿QRS。基于自适应规则的fQRS检测和 基于PCA聚类的fQRS检测中的至少一个被用于提取胎儿QRS。任一技术 可以被应用于S106的输出，这通过S106和S108产生四个“路径”。例如， 任何一个信号可以使用以下各项处理：跟随有使用PCA的胎儿ECG检测 的使用PCA的母体ECG衰减、跟随有使用基于自适应规则的检测的胎儿 ECG检测的使用PCA的母体ECG衰减、跟随有使用PCA的胎儿ECG检 测的使用正交投影的母体ECG衰减，以及跟随有使用基于自适应规则的检 测的胎儿ECG检测的使用正交投影的母体ECG衰减。处理的这些方法可 以针对每个信号产生四个不同的结果，但是，在优选的实施例中，仅使用 路径中的三个，如以下所解释的。

在S110处，融合不同的信号或者处理信号的不同的结果。由于S104 和S106可以产生多个输出缓存，并且可能已经输入多个信号，因而融合 fQRS被用于组合输出以得到准确的胎儿QRS位置并且因此准确的胎儿心 率。以下更详细地解释该步骤。

在S112处，方法结束。总结一下图2，原始ECG首先被过滤并且然后 经历母体ECG衰减。母体ECG衰减包括母体QRS信号的提取、所检测的 母体QRS周围的信号堆叠、和衰减母体ECG的空间滤波技术的应用。母 体ECG衰减产生原始胎儿ECG信号，其被处理以检测胎儿ECG信号。基 于自适应规则的fQRS检测和PCA聚类被用于从原始胎儿ECG系统提取胎 儿QRS。可以使用技术的不同组合处理每个信号，或者可以处理多个信号。 母体QRS检测

图3和4示出了图2的S102的子步骤或子模块。

在S200处，图1的步骤或模块S102开始。

在S202处，至少一个母体ECG信号记录、数字化和存储在缓存器中。 在一个实施例中，虽然预期更多或更少，但是记录四个母体信号。在另一 实施例中，仅记录一个母体信号。在一个实施例中，母体ECG存储在1分 钟缓存器中。在另一实施例中，缓存器可以是更短的，例如5、10、15或 30秒。

在S204处，原始ECG数据首先在2-50Hz(或者其他滤波范围，例如， 从1Hz到100Hz)之间带通滤波去除任何基线漂移和其他低频运动伪影。 还可以使用中值滤波器。

在S206处，预处理开始。

在S208处，针对每个信号的数据分成0.5秒持续时间的段。持续时间 可以是更长或更短的。

在S210处，去除任何线性趋势。

在S212处，去趋势的段连结回在一起。

在S214处，在具有多个通道的实施例中，预处理的fECG数据的通道 相应地基于以下各项排列：1)按高权重以递减次序的傅里叶变换的功率谱； 2)以中权重的递减次序的希尔伯特变换的功率；和3)以低权重的递升次 序的标准偏差。如之前所提到的，在一个实施例中，存在四个通道。

在S216处，检测每个通道的极性。如果通道的最大幅度比通道的最小 幅度的绝对值更小，那么通道被翻转。方法在图4上继续。

参考图4，在S218处，峰检测器被用于检测通道中的峰。在一个实施 例中，峰检测器基于用于搜素ECG幅度的局部极大值处的通道的一个阈值 和用于局部极大值的那些指数的导数的3个阈值，其中，3个阈值部分地表 示低、正常和高水平的R-R间隔。

在S220处，在S218中所找到的峰是通过搜索在S218中所找到的自动 检测峰周围的窄窗口中的局部极大值来校正的。

在S222处，可选地自动校正峰。在具有多个通道的实施例中，选择指 示合理范围(对应于20-150bpm或优选地30-132bpm)内的心率(HR、通 道的峰数)并且匹配具有小于1bpm的差异的其他通道的通道。然后，将 所选择的通道比较以匹配选择最高排序的通道的加权排序。在S223处，如 果没有选择通道，则方法转到步骤或模块S224。如果选择了通道，则方法 转到步骤或模块S234。

在S224处，缓存器针对每个通道分割为较短的ECG，例如10个。

在S226处，减少阈值的系数。

在S228处，重新应用与S218类似的自动检测。

在S230处，如果选择的通道指示合理范围(对应于20-150bpm或优 选地30-132bpm)内的心率(HR、通道的峰数)，则处理转到S232。如果 不是的话，则在S224处再次分割通道。

在S232处，将通道去分割，并且处理在S234处继续。

在S234处，一旦已经检测到通道和正确的峰数，则根据峰数计算心率。 还根据心率计算一阶导数。如果一阶导数的绝对值高于阈值，则将校正错 位的峰。

在S236处，方法结束。已经检测每个缓存器中的母体R峰。处理在图 2的S104处继续。

空间滤波：PCA

在步骤或模块S102的自动校正之后，在上文所描述的S104处对信号 进行堆叠。在S106处，通过主成分分析(PCA)或者正交投影对堆叠的缓 存进行空间滤波。本部分描述PCA。

PCA已经被用于针对心房纤颤波的估计将成人ECG的心室和心房成分 分离。可以通过向母体心跳的堆叠矩阵M应用PCA并且减去母体贡献来提 取胎儿成分。最重要的成分与主母体QRST波形和存在于母体QRST波形 中的心跳间变化性有关。剩余的成分对应于胎儿ECG和污染源。为了估计 胎儿ECG(fECG)，从矩阵M的每个行减去矩阵M的平均和前三个主要成 分对该行的贡献。这去除母体ECG。将矩阵M去堆叠给出胎儿ECG。低通 滤波器可以适于去除可能已由开窗口造成的任何不连续性。

在一个实施例中，腹部ECG(AECG)数据对应于腹部QRS峰(在步 骤S102处所检测的)之前的～200样本(0.35*平均(RR间隔))和母体峰 之后的～450样本(0.75*平均(RR间隔))。以维度mxn的矩阵在步骤或 模块S104中提取和堆叠样本，其中，m是母体QRS位置的数量并且n是 ～650样本。该构建使得能够增加用于每个通道的空间分辨率并且因此使得 任何空间滤波技术能够更好地衰减母体QRS。在图5中图解地示出了堆叠 的心跳的矩阵。

堆叠的母体心跳的数据经历衰减母体ECG的PCA。在一个实施例中， 堆叠的心跳连同下面的3个主要成分的平均被识别为母体成分。在其他实 施例中，可以使用平均值自身或者平均值加上一个或两个主要成分。在一 个实施例中，由于QRS的结构，使用平均值加上三个成分。低通滤波器可 以可选地适于使由开窗口造成的任何不连续性平滑。此处，一定数量的主 要成分被用于滤出母体ECG。然而，在另一实施例中，人们可以通过查看 多少成分代表了信号内的大部分能量来识别用于单独的记录的正确数量的 成分。使用较少数量的主要成分使胎儿QRS的衰减最小化，而使用大量的 主要成分使母体QRS的去除最大化。图6示出了母体QRS的成功的衰减。 图7和8示出了在母体衰减之前(虚线)和之后(实线)的数据矩阵中的 单个行。图8示出了甚至在其与母体QRS波交叠时可以保存的胎儿QRS。 一旦经由PCA对母体成分进行了衰减，则剩余的成分被用于重建步骤或模 块S108中的胎儿ECG。

对AECG数据的所有四个通道重复以上流程。图9示出了由PCA所提 取的胎儿ECG(fECG)迹线的范例。胎儿QRS峰(针对该数据集所提供 的)以三角形标记。可以观察到，所提出的方法提取干净的fECG并且因此 实现鲁棒的胎儿心率提取和用于子宫内诊断的胎儿心脏波形分析。一旦已 经针对4个通道提取胎儿ECG，则基于规则的胎儿QRS检测器或PCA可 以使用在步骤或模块S108中以检测胎儿心率。在本说明书的结尾，在表1 中示出了跟随有自适应基于规则的滤波的PCA的结果，在标记PCA自适应 的行中，并且对于跟随有PCA的PCA，在标记PCA-PCA的行中。

空间滤波：正交投影

正交投影已经使用在来自胎儿磁脑电图(fMEG)的母体和胎儿磁心电 图的母体的衰减中并且基于格拉姆-施密特正交化。在图2的步骤或模块 S106中，向堆叠的矩阵M应用OP以去除母体贡献。即，在OP和PCA二 者中，首先在步骤或模块S104中堆叠数据。矩阵M达到最大幅度的数据 点被选择为维度mx1的第一母体ECG信号空间向量，其中，m是母体QRS 波的数量。最大幅度信号空间向量的选择可以基于均方根(rms)估计。从 矩阵M投影出该向量。然后对残余部分重复流程，并且选择和投影出下一 信号空间向量等等。当残余部分下降到指定阈值以下时，例如rms噪声估 计的倍数，停止向量选择流程。与PCA一样，具有去除的母体贡献的矩阵 M被去堆叠以给出胎儿ECG。

与PCA一样，腹部ECG(AECG)数据对应于母体QRS位置之前的近 似～200样本(0.35*平均(RR间隔))和在母体QRS位置之后的～450样本 (0.75*平均(RR间隔))，这产生图4中所示的650样本，如上文所讨论的。

然后，该数据经历基于格拉姆-施密特正交化的正交投影以衰减母体 ECG。所构建的数据中的最大向量的法线提取并且被称为具有维度mx1 的U矩阵。所构建的数据被称为具有维度mxn的Avg。通过如以下等式 中所描述的格拉姆-施密特正交化的应用，从Avg投影出向量U。在一个实 施例中，重复该流程，直到最大向量幅度小于5μV。其他阈值是可能的， 例如1、2或10μV。

在图10中示出了该流程应用到图4的数据的结果。在具有四个通道的 实施例中，对AECG数据的所有四个通道重复OP。一旦已经针对所有4个 通道提取胎儿ECG，PCA和基于自适应规则的胎儿QRS检测器之一被用于 提取胎儿心率。以下在表1中所示的结果指示跟随有基于自适应规则的方 法的OP(能够填充缺失的胎儿QRS位置以及移动胎儿QRS位置)跨不同 的数据集产生小于20的胎儿RR间隔测量结果。在另一实施例中，OP跟随 有PCA。

图11示出了由所提出的方法所提取的腹部ECG122和胎儿ECG迹线 120，并且黑点表示如基于胎儿头皮电极(被用于检查胎儿ECG的性能) 所注释的胎儿QRS位置。注意，对齐是相当接近的。图12示出了在去除 母体QRS的空间滤波之后从缓存器所提取的胎儿心率，留下缓存器中的原 始胎儿ECG。图12还包括利用用作金标准的胎儿头皮电极所获得的胎儿心 率。PCA或OP方法可以被用于提取干净的fECG和实现步骤或模块S108 中的鲁棒的胎儿心率提取。

识别胎儿QRS的PCA聚类(图2的步骤或模块S108)

在图13中示出了图2的步骤或模块S108的PCA方法的子步骤。

在S300处，方法开始。

在S302处，接收关于从步骤或模块S106所衰减的母体QRS的数据。

在S304处，应用基线漂移去除技术。这可以是要么中值滤波器要么带 通滤波器(例如从1Hz到100Hz)，要么基线漂移去除的其他等效技术。 在图14中示出了输入(来自S106的母体衰减的ECG)，并且在图15中描 绘了这样的滤波器的输出。

在步骤或模块S306处，经过滤的信号被传递到自动阈值模块。经优化 的阈值例程选择最小化阈值交点之间的间隔的方差，同时约束阈值交点的 数量以保持在胎儿心跳的生理上合理的范围内。阈值电平从零变化到最大 信号值，然后从零变化到最小信号值。在每个阈值处，记录阈值交点的数 量，连同阈值交点之间的时间和阈值交点之间的时间的标准偏差。该方法 后面的假定在于，期望的心脏成分的R峰将与基线偏离超过来自正态分布 噪声信号的大部分贡献。在这种情况中，在阈值交点的数量处于生理上合 理的范围(例如，表示30与200次心跳每分钟的心率)内的约束的情况下， 最佳阈值是最小化阈值交点间隔的标准偏差的一个(主要来自噪声的阈值 交点间隔将比来自有规律的心跳的那些具有更大的标准偏差)而且，在存 在具有类似的交点计数和变化性统计数字的许多阈值的情况下，选择具有 最小绝对值的阈值，因为这将往往保存低幅度真实心跳，同时可能允许最 小数量的噪声，其将在稍后的阶段处被分离。图16展示了在ECG信号的 60秒长段时由该算法所找到的阈值84和若干超阈值心跳82。

在S308处，取得经过滤的ECG的片段和阈值交点82时刻的列表。对 于每个阈值交点而言，紧接地在交点之前和之后的信号的一部分(在这些 绘图中，该持续时间是阈值交点之前的50ms到阈值交点之后的50ms)被 附加到矩阵，其中，每个矩阵行表示潜在的PQRS心脏波并且与阈值交点 对齐。在图17中图示了这一点，其中，随时间绘制阈值交点周围的每个信 号片段。在该绘图中，人们可以看到许多片段具有类似的形状——这些是 算法被设计为隔离的期望的心脏波。在实施例中，这些交点82被用于采集 100ms信号片段。预期片段的其他长度(例如，50ms、200ms、500ms和 1秒)。

这些f信号片段(其中，f是片段的数量)用作PCA应用到的fxg矩 阵中的行。前n个成分被用于将心脏波与噪声分离(在该实施例中，n＝3， 但是预期其他值)。这找到最大变化的有序维度。图18将来自图17的信号 片段显示为该新PCA空间中的点。应当存在表示彼此类似的真实的fQRS 波的密集聚类和表示噪声的更多分布的点集，其将往往具有大的变化。针 对该分析的假定在于，心脏成分将比噪声彼此更类似，并且噪声贡献将全 部是不同的。在这种情况中，当投射到“PCA空间”中时，心脏贡献形成 生理上合理数量的单元的分立聚类86；而噪声贡献将遍及空间分布。

在S310处，方法以K均值聚类继续进行以找到表示fQRS波的聚类。 该聚类的中心被用于通过测量从片段到聚类的中心的距离将置信度值分配 给每个片段。具有更靠近该聚类86的中心的点的片段比更远离的点更可能 被认为是fQRS波。即，在一个实施例中，置信度与距离的倒数成正比。然 后，来自每个通道的信号片段时间和置信度的该列表被传递到以下所描述 的融合算法。

在一个实施例中，使用K均值聚类，但是可以等效地使用其他技术， 例如分层聚类、基于强度或基于分布的聚类。在K均值情况中，潜在组的 数量从1变化到n(在该情况中5)。由于这是概率技术，因而在组的每个 步数处，重复技术多次。在每个迭代处，如果聚类将表示真实的心跳，则 每个所找到的聚类是基于最后的心率、平均R间间隔、和R间间隔的标准 偏差来评价的。在该过程的结尾，被选择为“真实”聚类的聚类是最小化R 间间隔的标准偏差的一个并且是生理上合理的(例如，在30-200bpm之间 的心率，或者如果受检者年龄是已知的，则更窄地定义的范围)。图18显 示被确定为表示心脏波的聚类，其中，圆86指示表示真实心脏波的点的最 高密度。

在步骤或模块S312处，聚类被用于识别哪些阈值交点可能由心跳造成 并且将置信度指示分配给每个心跳。该步骤以以下方式利用PCA聚类结果。 具有在“真实心跳”聚类86的中心附近的PCA表示的阈值交点被假定为 是真实心跳，并且离该聚类的中心的距离用作可靠性的指示器。使用基于K 均值的心跳分配，分配给“真实心跳”聚类的所有心跳被包括为潜在的心 跳。计算这些点离聚类的中心的距离的标准偏差，并且该数量被用于计算 每个点的z得分——每个点到离聚类中心的距离，通过聚类距离的标准偏 差归一化。该z得分用作可靠性指数，其中较低的z得分(表示更靠近聚类 中心并且因此更常规的心跳)指示高可信心跳。图19的顶部迹线90示出 现在具有所识别的潜在的心跳的原始ECG迹线底部迹线92指示与每个分 类相关联的置信度，其中，较高的线对应于较大的置信度。

基于自适应规则的胎儿QRS识别(图2的步骤或模块S108)

通道或者通道的极性(R峰的方向)的最佳组合可以在记录之间不同。 为了检测R峰，首先向通道和极性的不同组合应用基本峰检测器。然后， 基于所检测的峰数和心率变异性来对不同的组合进行排序。对具有最多的 所检测的峰和最少的心率变异性的(一个或多个)通道的组合被指定为其 峰然后输出为胎儿QRS位置的胜出组合。通道的可能组合是：

a*ch1+b*ch2+c*ch3+d*ch4

其中，a、b、c和d可以呈现针对80个可能的独特组合中的四个通信 系统所得的0、1和-1的值，排除[a,b,c,d]＝[0,0,0,0]，因为必须使用至少 一个通道。首项系数可以是1和-1，因为R峰将向上还是向下去(通道的 极性)是未知的。如果存在关于通道中的一些通道的极性的置信度，则人 们可以减少可能组合的集合。对通道的每个组合进行峰值检测。为了对不 同的组合进行排序，测量所检测的峰数和所得的心率变异性(RR间隔的标 准偏差)。如果使用错误的极性或者如果仅使用具有不佳的SNR的通道， 则所得的峰数和心率变异性可能是不佳的。胜出组合应当具有服从生物学 约束的大量的检测到带有低心率变异性的峰。这些约束针对母体和胎儿心 跳可以是不同的。图20示出了该技术和如何进行通道组合的排序的范例。 图20中的每个点128投影到最佳拟合线上。得到最高投影量级的通道组合 130是胜利组合。在该特定记录中，通道的最佳组合是(Ch1+Ch2+Ch3– Ch4)，其意指所有通道对较好的峰值检测有贡献。通道3具有仍然提供一 些有用的信息的低SNR。从混合物去除通道3提供第二最佳组合。最佳方 案将通道的极性反转。

计算针对每个通道所要求的度量可以是计算密集的。预期了较少计算 密集的实施例。人们可以使用较短的记录(10秒而不是1分钟记录)来确 定通道的最佳组合并且然后将所检测的极性应用到整个记录。人们可以使 用80个组合的子集，例如仅考虑2个通道的任何组合。从4个通道中挑选 一个的简化版本也产生良好的结果。在这种情况下，通过向信号x和其负-x 二者应用峰值检测和选择来给出最大中值峰值幅度的极性来确定通道极 性。然后，最佳通道被选择为给出最小心率变异性的一个。

由于fECG常常在腹部记录中是弱的，因而几乎所有峰检测器将使一些 峰错位或者使峰完全缺失。因此，可以有益的是，通过估计缺失心跳和移 动所检测的峰的位置来对峰检测器的输出做出校正。应用以下两个规则以 已经正确识别的峰的最小更改对所检测的峰做出保守的校正：

1)当RR间隔大于整个记录的中值RR间隔的1.3倍时，识别缺失心 跳。然后，相等地使一个或多个新心跳散布在相邻峰之内。

2)当一对RR间隔(RRk,RRk+1)示出以下图案之一时，峰是错位的： (a)RRk≤0.9x中值RR跟随有RRk+1≥1.1x中值RR，或者(b) RRk≥1.1x中值RR跟随有RRk+1≤0.9x中值RR。将错位的峰移动 到相邻峰之间的中途。

这两个规则以已经正确识别的峰的最小更改来对所检测的峰做出保守 的校正。类似方法可以被用于去除额外峰。然而，在所图示的实施例中， 未去除额外峰，因为未检测到许多额外峰。图21-23提供了这些规则可以如 何改进峰值检测的范例。

图21图示了在校正之前和之后的RR间隔。峰134可能是错位的，并 且峰132可能是缺失的。图22示出了在缺失心跳是可能的时的RR间隔(上 图)并且下图示出了填入的心跳。图23示出了在误识别峰时的RR间隔(上) 和移动到更可能位置的峰(下)。上图中的垂直虚线表示在校正之前的胎儿 峰位置的估计。在下图中，垂直虚线表示在校正之后的胎儿峰位置的估计。

在有或没有来自PCA算法的峰的情况下，峰时间的列表可以基于方法 的过往性能而分配标准置信度并且然后传递给以下所描述的融合算法。

融合胎儿QRS

融合fQRS被设计为考虑以下事实：没有单个通道或方法在所有情况中 是最佳的。给定从多个源所提出的fQRS位置的列表，融合fQRS实现确定 可能的fQRS波的经修改的投票例程，其然后分析可能缺失和错位的波。算 法中的第一步是创建与ECG记录相同持续时间的零填充的向量(例如，各 自一分钟)。进而，通过选择具有最大确定性的心跳并且将其置信度度量添 加到向量的过程考虑每个输入心跳。从通道的列表移除所选择的心跳直到 没有心跳剩余，并且以相同的方式将下一列表添加到向量。强烈的胎儿波 应当由多个通道记录，并且因此应当添加对应的接收器中的贡献。为了考 虑定时变化，在另外的分析之前，通过高斯窗口对信号进行过滤。下一步 进行为当记录中的第一——最高峰被保持为波的最高置信度的位置并且首 先选择，其时间添加到列表，并且其周围的区域设定到0。选择并且类似地 添加下一最高峰。该过程重复直到最大峰低于原始最大值的50％。在该点 之后，与在基于自适应规则的fQRS中所描述的那个类似的填充和移动过程 被用于使记录与生理学统计数字一致。

图24图示了图2的步骤或模块S110的子步骤或子模块。

步骤S110始于子步骤S400。

在S402处，根据分析相同ECG迹线的步骤或模块S108(基于PCA或 基于规则的心跳检测)的多个方法的结果接收从记录会话所提出的心脏波 的定时。诸如“局部最大值”的更传统的心跳检测算法也可以用作输入。 输出还可以来自应用到多个同时记录的ECG通道的相同的方法(例如， PCA)。在一个实施例中，这些方法的组合是输入：(基于PCA和规则的) 多个算法各自应用到多个ECG通道。

如果输入算法提供每个心跳中的置信度的度量，则可以使用那个。在 缺少这样的度量的情况下，然后，在S404处，分配置信度度量。这可以以 三种方式进行。可以基于要么通道可靠性度量(例如功率谱分析)要么现 有训练数据集上的分析算法的相对性能，来分配来自该源通道/算法的所有 所提出的心跳的恒定度量。可以分配变化的逐心跳度量，其中将高置信度 值分配给在相对低噪声段中所找到的心跳，并且将较低的置信度分配给所 提出的高噪声信号段中的心跳。可以使用两种方法的组合，其中分配逐心 跳置信度，但是可能的最大置信度是通过分析技术的期望的可靠性或者通 过总体通道信噪比来设定的。

在S406处，反映来自所有输入通道的信息的经组合的置信度记录初始 化到0。选择一个输入记录(例如，随机地)，并且将最高分配的置信度添 加到对应的时间处的组合的记录。从输入记录移除所添加的心跳时间连同 任何附近的心跳时间。因此，附近设定到最长的生理上合理的间隔，通常 具有25ms的所选择的心跳时间(对应于40bps的心率)的任何心跳时间。 基于患者的统计数字，可以调谐该间隔。在一个实施例中，间隔设定到12.5 ms，这反映胎儿心率比成人心率更快的事实。下一最高置信度找到并且添 加到组合的记录，并且再次移除其和附近的心跳时间。重复该过程，直到 没有心跳剩余在记录中。一旦记录是空的，则另一输入记录随机地选择并 且类似地添加到组合的置信度记录。

现在，新创建的组合的置信度记录包括没有输入记录分配心跳时间的 零和输入记录分配心跳的非零值。这时候，可以存在仅具有单个所提出的 心跳的记录的一些部分，以及其中多个输入记录所提出的心跳的若干附近 值的其他区域。

为了容纳不同记录之间的不精确的定时，将高斯窗口对组合的记录进 行卷积。这具有创建平滑置信度信号的效应，其中，信号的高度反映该位 置处的真实心跳的增加的确定性。图25的绘图110示出了这一点。这可以 被认为是投票流程——多个通道发现潜在心脏波的记录的区域将比提出为 心跳位置的单个通道的区域具有更高的值。类似地，心跳提议之间的时间 符合性越大，则合计的高斯凸起越高。

在S408处，分析该组合的置信度信号以发现在通道之间具有要么高置 信度要么高一致性的心跳位置。与如何构建组合的记录类似，置信度信号 中的最大值点被选择为添加到所提出的组合的输出记录的第一点。一旦选 择并添加该点，靠近该点的区域就被设定到0(跟随间隔宽度准线，如先前 所描述的)。组合的置信度信号中的下一最高点选择并且添加到所提出的组 合的输出记录，并且组合的置信度信号在所选择的点附近再次调零。重复 该过程，添加以下约束条件：在当算法试图将点添加到具有以一分钟段中 的20个现有的所提出的心跳的信号的区域时，所添加的心跳必须是跟现有 心跳的中值心跳间时间的等倍数。可以使用大于或小于20的阈值。该约束 的目的是防止技术将低置信度心跳添加到不是生理上合理的输出记录。一 旦置信度信号的最大值小于原始最大值的30％，则该相位是完整的。

这时候，最大数量的信息已经从每个单独的迹线提取，但是可以仍然 通过使用共同的生理假定来改进输出记录。

在S410处，通过考虑正常心率范围和心率变异性统计数字，技术找到 其记录中的这些统计数字的违例并且可以可选地在应用上下文中酌情要么 提供警报、注释、可能的错误要么安静地校正记录。在一个实施例中，与 基于自适应规则的步骤或模块S108类似，技术搜索两个主要违例：记录间 隙和心跳错位。记录间隙在心脏波未由输入记录中的任一个检测时发生。 这些间隙通过测量信号的局部部分的中值逐心跳间隔找到，并且然后在近 似等于局部中值逐心跳间隔的整数倍的间隔期间搜索缺乏心跳的信号的区 域。这些被标记为缺失心跳。间隙间隔被用于评估缺失的心跳的可能的数 量。可以在适当的时间处将适当数量的心跳添加到记录。心跳错位可以在 心跳定时稍微远离真实心跳发生处时发生。该错误类型的特征是当一个逐 心跳间隔以百分比大(或小)于局部中值间隔时间时，后续间隔以相同百 分比小(或大)于中值。记录针对该特征而搜索，并且可以在适当的方向 上调节心跳定时来校正问题。

在S412处，步骤或模块S110结束。S412(和步骤或S110)的最后的 输出包括心脏波的所提出的时间的记录，连同相关联的确定性(来自组合 的置信度信号)、具有心跳“最佳版本”的输入记录识别和哪些心跳已经添 加以填充间隙或者哪些心跳已经调节以校正定时误差的指示。该最后的输 出被用于将心跳绘制显示给用户。图25的底部迹线以垂直实线示出了输出 记录，其与通过虚线标记的真实胎儿心脏波位置的心脏病专家的注释紧密 对齐。

在图25的该实施例中，技术被用于创建应用到输入母体(腹部)ECG 的4个信号108的一个方法(基于PCA的心跳检测器)的输出。方法还可 以将来自基于PCA的心跳检测器的输出与来自备选算法的输出组合以提供 最后的组合的心跳记录。基于PCA和规则的检测(跟随PCA和OP母体衰 减)的组合的输出一般地执行组成方法的输出。

结果和讨论

在表1中示出了样本数据集上的三个不同的技术的结果。这三个算法 的组合产生关于训练数据集的经改进的得分。因此，融合三个方法将期望 改进验证集B上的性能，其实际上产生经改进的结果：分别针对事件4和 5的52.49和10.61。使用PCA-PCA(PCA母体衰减跟随有基于PCA聚类 的fQRS)、PCA自适应(PCA母体衰减跟随有基于自适应规则的fQRS) 和OP自适应(OP母体衰减跟随有基于自适应的fQRS检测)的方法。虽 然所提出的空间滤波技术(PCA和OP)衰减母体ECG，但是可以仍然存 在母体心脏残余物的场景。填充和移动胎儿QRS位置的过程旨在产生生理 学的心率估计。然而，该过程可能不产生真实的胎儿QRS位置。

表1：

已参考优选的实施例描述了本发明。他人在阅读并且理解前述详细说 明之后可以进行修改和变型。本发明旨在被理解为包括所有这样的修改和 变型，只要其落入权利要求或其等价方案的范围之内。