用于监测胎儿健康的系统和方法
阅读：204发布：2020-05-14
专利汇可以提供用于监测胎儿健康的系统和方法专利检索，专利查询，专利分析的服务。并且一种用于在怀孕期间随时间推移监测 胎儿 健康的系统包含：与孕妇耦合的 传感器 ；与所述传感器通信耦合的处理器；以及其上存储有非暂时性处理器可执行指令的计算机可读介质。所述指令的执行使所述处理器执行包含以下的方法：从传感器获取 信号 ；处理所述信号以从所述信号中识别并提取感兴趣参数；以及分析所述感兴趣参数以确定胎儿健康程度。所述感兴趣参数可以包含以下中的一个或多个：平均胎儿心率、平均胎儿心率变异性、胎儿踢动或运动计数、平均胎盘 氧 合 水 平、平均胎盘 温度 、平均胎盘pH、平均 羊水 量、胎儿心率曲线、胎儿心率变异性曲线和胎动曲线。，下面是用于监测胎儿健康的系统和方法专利的具体信息内容。
1.一种用于在怀孕期间随时间推移监测胎儿健康的系统，所述系统包括：
与孕妇耦合的传感器；
与所述传感器通信耦合的处理器；以及
其上存储有非暂时性处理器可执行指令的计算机可读介质，其中所述指令的执行使所述处理器执行包括以下的方法：
从所述传感器获取信号；
处理所述信号以从所述信号中识别并提取感兴趣参数；以及
分析所述感兴趣参数以确定胎儿健康程度。
2.根据权利要求1所述的系统，其中由所述处理器执行的所述方法进一步包括将所述感兴趣参数与胎儿健康指数进行比较。
3.根据权利要求1所述的系统，其中由所述处理器执行的所述方法进一步包括随时间推移跟踪所述感兴趣参数以形成个人化胎儿健康趋势。
4.根据权利要求3所述的系统，其中由所述处理器执行的所述方法进一步包括：
识别与所述个人化胎儿健康趋势的偏差；以及
分析所述偏差以确定所述偏差是否指示胎儿健康的改变。
5.根据权利要求1所述的系统，其中由所述处理器执行的所述方法进一步包括：
随时间推移跟踪所述感兴趣参数；
识别与群体级别胎儿健康趋势的偏差；以及
分析所述偏差以确定所述偏差是否指示胎儿健康的改变。
6.根据权利要求4或5所述的系统，其中分析所述偏差是通过阈值化、机器学习算法和回归建模中的一种执行的。
7.根据权利要求6所述的系统，其中所述机器学习算法包括广义线性模型、支持向量机和随机森林中的一个或多个。
8.根据权利要求5所述的系统，其中所述群体级别胎儿健康趋势源自数据库中的社区数据。
9.根据权利要求8所述的系统，其中所述社区数据包括记录的趋势、规则、关联关系和观察结果，所述记录的趋势、规则、关联关系和观察结果是通过跟踪、汇总和分析来自多个用户的一个或多个生理、生物或活动参数生成的。
10.根据权利要求1所述的系统，其中所述系统包括多个传感器。
11.根据权利要求10所述的系统，其中获取信号包括获取多个信号。
12.根据权利要求1所述的系统，其中提取多个参数。
13.根据权利要求12所述的系统，其中所述多个参数包括生理、活动和行为参数。
14.根据权利要求1所述的系统，其中所述传感器包括被配置成测量以下中的一个或多个的一个或多个传感器：胎动、胎儿心脏电活动、胎儿心音、胎儿心率、胎儿心率变异性、胎儿氧合、羊水量、胎盘氧合、胎盘温度、胎盘pH、胎儿呼吸、胎儿位置、胎儿朝向和胎儿窘迫。
15.根据权利要求1所述的系统，其中所述传感器感测生物电势信号、惯性信号、声学信号、超声信号、生物阻抗信号、光学信号、近红外光谱信号、电化学信号和温度信号中的一个或多个。
16.根据权利要求1所述的系统，其中所述感兴趣参数包括以下中的一个或多个：平均胎儿心率、平均胎儿心率变异性、平均胎儿心跳、胎儿踢动计数、胎动计数、胎儿氧合水平、平均胎盘氧合水平、平均胎盘温度、平均胎盘pH、平均羊水量、胎儿心率曲线、胎儿心率变异性曲线和胎动曲线。
17.根据权利要求1所述的系统，其进一步包括便携式可穿戴传感器贴片，所述传感器贴片包括所述传感器、所述处理器和所述计算机可读介质。
18.根据权利要求17所述的系统，其中所述可穿戴传感器贴片进一步包括用于与移动计算装置通信的无线天线。
19.根据权利要求1所述的系统，其中所述传感器位于便携式可穿戴传感器贴片上或中，所述传感器贴片进一步包括电子电路和无线天线，并且其中所述传感器贴片与包括所述处理器和所述计算机可读介质的移动计算装置进行无线通信。
20.根据权利要求1所述的系统，其中由所述处理器执行的所述方法进一步包括以下中的一个或多个：生成警报、向所述孕妇提供反馈、向所述孕妇推荐动作以及自动将所述孕妇与医疗保健提供者连接。
21.根据权利要求1所述的系统，其中由所述处理器执行的所述方法进一步包括将所述胎儿健康程度通知给医疗保健提供者。
22.根据权利要求1所述的系统，其中由所述处理器执行的所述方法进一步包括确定胎儿窘迫的概率。
23.根据权利要求22所述的系统，其中由所述处理器执行的所述方法进一步包括确定与确定的概率一致的确定度。
24.根据权利要求1所述的系统，其中由所述处理器执行的所述方法进一步包括确定胎儿健康的概率。
25.根据权利要求24所述的系统，其中由所述处理器执行的所述方法进一步包括确定与确定的概率一致的确定度。
26.根据权利要求1所述的系统，其中分析所述感兴趣参数进一步包括：
将所述感兴趣参数与阈值进行比较。
27.根据权利要求26所述的系统，其中如果所述感兴趣参数高于所述阈值，则胎儿健康的概率更高。
28.根据权利要求26所述的系统，其中如果所述感兴趣参数低于所述阈值，则胎儿窘迫的概率更高。
29.根据权利要求1所述的系统，其中分析所述感兴趣参数的步骤进一步包括：
使用回归模型或机器学习算法分析所述感兴趣参数，以确定胎儿健康或窘迫的概率。
30.一种用于在医院环境外在怀孕期间纵向地监测胎儿健康的计算机实施方法，所述方法包括：
从传感器获取信号；
处理所述信号以从所述信号中识别并提取感兴趣参数；以及
分析所述感兴趣参数以确定胎儿健康程度。
31.根据权利要求30所述的方法，其进一步包括将提取的感兴趣参数与胎儿健康指数进行比较。
32.根据权利要求30所述的方法，其进一步包括随时间推移跟踪所述感兴趣参数以形成个人化胎儿健康趋势。
33.根据权利要求32所述的方法，其进一步包括：
识别与所述个人化胎儿健康趋势的偏差；以及
分析所述偏差以确定所述偏差是否指示胎儿健康的改变。
34.根据权利要求30所述的方法，其进一步包括：
随时间推移跟踪所述感兴趣参数；
识别与群体级别胎儿健康趋势的偏差；以及
分析所述偏差以确定所述偏差是否指示胎儿健康的改变。
35.根据权利要求33或34所述的方法，其中分析所述偏差是通过机器学习算法执行的。
36.根据权利要求35所述的方法，其中所述机器学习算法包括广义线性模型、支持向量机和随机森林中的一个或多个。
37.根据权利要求34所述的方法，其中所述群体级别胎儿健康趋势源自数据库中的社区数据。
38.根据权利要求37所述的方法，其中所述社区数据包括记录的趋势、规则、关联关系和观察结果，所述记录的趋势、规则、关联关系和观察结果是通过跟踪、汇总和分析来自多个用户的一个或多个生理、生物或活动参数生成的。
39.根据权利要求30所述的方法，其进一步包括获取多个信号。
40.根据权利要求39所述的方法，其进一步包括提取多个感兴趣参数。
41.根据权利要求30所述的方法，其中所述传感器感测生物电势信号、惯性信号、声学信号、超声信号、生物阻抗信号、光学信号、近红外光谱信号、电化学信号和温度信号中的一个或多个。
42.根据权利要求30所述的方法，其中所述感兴趣参数包括以下中的一个或多个：平均胎儿心率、平均胎儿心率变异性、平均胎儿心跳、胎儿踢动计数、胎动计数、胎儿氧合水平、平均胎盘氧合水平、平均胎盘温度、平均胎盘pH、平均羊水量、胎儿心率曲线、胎儿心率变异性曲线和胎动曲线。
43.根据权利要求30所述的方法，其进一步包括以下中的一个或多个：生成警报、向孕妇提供反馈、向所述孕妇推荐动作以及自动将所述孕妇与医疗保健提供者连接。
44.根据权利要求30所述的方法，其进一步包括将所述胎儿健康程度通知给医疗保健提供者。
45.根据权利要求30所述的方法，其进一步包括确定胎儿窘迫的概率。
46.根据权利要求45所述的方法，其进一步包括确定与确定的概率一致的确定度。
47.根据权利要求30所述的方法，其进一步包括确定胎儿健康的概率。
48.根据权利要求47所述的方法，其进一步包括确定与确定的概率一致的确定度。
49.根据权利要求30所述的方法，其中分析所述感兴趣参数的步骤进一步包括：
将所述感兴趣参数与阈值进行比较。
50.根据权利要求49所述的方法，其中如果所述感兴趣参数高于所述阈值，则胎儿健康的概率更高。
51.根据权利要求49所述的方法，其中如果所述感兴趣参数低于所述阈值，则胎儿窘迫的概率更高。
52.根据权利要求30所述的方法，其进一步包括使用回归模型或机器学习算法分析所述感兴趣参数，以确定胎儿健康或窘迫的概率。
53.根据权利要求30所述的方法，其进一步包括：
在群体级别随时间推移跟踪多个所述感兴趣参数；以及
根据跟踪的感兴趣参数形成胎儿健康指数。
54.根据权利要求53所述的方法，其进一步包括：
将提取的感兴趣参数与所述胎儿健康指数进行比较，以确定胎儿健康程度。
用于监测胎儿健康的系统和方法
[0001] 相关申请的交叉引用
[0002] 本申请要求于2017年5月15日提交的题为“用于监测胎儿健康的系统和方法(System and Methods for Monitoring Fetal Wellbeing)”的美国临时申请序列号62/
506,074的优先权权益，其全部内容通过引用的方式并入本文。
506,074的优先权权益，其全部内容通过引用的方式并入本文。
技术领域
[0003] 本发明总体上涉及胎儿健康领域，并且更具体地说，涉及用于监测胎儿健康的新型且有用的系统和方法。
背景技术
[0004] 在怀孕期间，准妈妈准确监测婴儿健康的能力对于在早期检测到并潜在治疗不良状况至关重要。迄今为止，还没有任何装置或系统允许准妈妈在怀孕期间在进行日常活动或待在自己舒适的家中的同时随时间推移跟踪自己的婴儿的健康(health/wellbeing)。这种装置和/或系统仅可供医院的临床专家使用。进一步地，当前的系统和装置被配置成向可以读取和/或分析信息并向准妈妈提供推荐的医师、护士、医生或其他医疗保健提供者提供信息。但是，外行人(例如，未经过临床或医学培训)通常无法理解这种信息本身。
[0005] 目前，医院使用胎动测量、胎儿心率(fHR)测量或更全面地使用生物物理相评分(BioPhysical Profile)(BPP)跟踪离散时间点期间的胎儿健康。BPP将fHR监测与胎儿超声组合，以评估胎儿健康。由于使用了超声，因此无法连续地执行BPP。在BPP期间，由医师对婴儿的心率、呼吸、运动、肌肉张力和羊水水平进行分析和评分。通常，建议准妈妈在32周这个标记后或在某些情境下在24周后进行BPP。进一步地，BPP通常仅可用于高危妊娠的准妈妈。
[0006] 当前使用的另一个胎儿健康量度是踢动计数。医师要求准妈妈在家中跟踪胎动。但是，实际上仅检测到大约所有踢动的三分之一，从而导致错误率较高。进一步地，由于担心错过踢动或运动，除了跟踪胎动，准妈妈被禁止做其它任何事情。
[0007] 如上所述，监测胎儿健康是现代产科学的关键。尽管日常使用胎动和fHR作为衡量胎儿健康的指标，但对胎动和fHR进行准确无创的长期监测仍具有挑战性。为了降低风险，已经开发了基于加速度计的系统来解决超声运动中的常见问题，并且已经开发了基于ECG的系统来解决心率监测中的常见问题。这些系统实现了对怀孕期间的胎动的监测。但是，许多这些自我管理的穿戴式传感器缺乏最佳设置，并且缺乏用于检测胎动和fHR的信号处理和机器学习技术。
[0008] 因此，需要允许准妈妈接收关于其发育中的婴儿的可理解数据并随时间推移监测胎儿健康的系统和方法。本发明提供了这种新型且有用的系统和方法。
发明内容
[0009] 以下是本发明技术的某些方面的非详尽列表。这些和其它方面描述于以下公开内容中。
[0010] 一些方面包含一种用于在怀孕期间随时间推移监测胎儿健康的系统，所述系统包含：与孕妇耦合的传感器；与所述传感器通信耦合的处理器；以及其上存储有非暂时性处理器可执行指令的计算机可读介质，其中所述指令的执行使所述处理器执行包含以下的方法：从所述传感器获取信号；处理所述信号以从所述信号中识别并提取感兴趣参数；以及分析所述感兴趣参数以确定胎儿健康程度。
[0011] 本公开的一方面涉及一种用于在怀孕期间随时间推移监测胎儿健康的系统。在一些实施例中，一种系统包含：与孕妇耦合的传感器；与所述传感器通信耦合的处理器；以及其上存储有非暂时性处理器可执行指令的计算机可读介质。在一些实施例中，所述指令的执行使所述处理器执行包含以下的方法：从所述传感器获取信号；处理所述信号以从所述信号中识别并提取感兴趣参数；以及分析所述感兴趣参数以确定胎儿健康程度。
[0012] 在一些实施例中，由所述处理器执行的所述方法进一步包含将所述感兴趣参数与胎儿健康指数进行比较。
[0013] 在一些实施例中，由所述处理器执行的所述方法进一步包含随时间推移跟踪所述感兴趣参数以形成个人化胎儿健康趋势。
[0014] 在一些实施例中，由所述处理器执行的所述方法进一步包含：识别与所述个人化胎儿健康趋势的偏差；以及分析所述偏差以确定所述偏差是否指示胎儿健康的改变和/或胎儿窘迫。
[0015] 在一些实施例中，由所述处理器执行的所述方法进一步包含：随时间推移跟踪所述感兴趣参数；识别与群体级别胎儿健康趋势的偏差；以及分析所述偏差以确定所述偏差是否指示胎儿健康的改变和/或胎儿窘迫。在一些实施例中，分析所述偏差是通过阈值化、机器学习算法和回归建模中的一种执行的。
[0017] 在一些实施例中，所述群体级别胎儿健康趋势源自数据库中的社区数据。在一些实施例中，所述社区数据包括记录的趋势、规则、关联关系和观察结果，所述记录的趋势、规则、关联关系和观察结果是通过跟踪、汇总和分析来自多个用户的一个或多个生理、生物或活动参数生成的。
[0018] 在一些实施例中，所述系统包含多个传感器。
[0019] 在一些实施例中，获取信号包含获取多个信号。
[0020] 在一些实施例中，提取多个参数。在一些实施例中，所述多个参数包括生理、活动和行为参数。
[0021] 在一些实施例中，所述传感器包含被配置成测量以下中的一个或多个的一个或多个传感器：胎动、胎儿心脏电活动、胎儿心音、fHR、胎儿心率变异性(fHRV)、胎儿氧合水平、羊水量、胎盘氧合、胎盘温度、胎盘pH、胎儿呼吸、胎儿位置、胎儿朝向和胎儿窘迫。在一些实施例中，所述传感器感测生物电势信号、惯性信号、声学信号、超声信号、生物阻抗信号、光学信号、近红外光谱信号、电化学信号和温度信号中的一个或多个。
[0022] 在一些实施例中，所述感兴趣参数包含平均fHR、平均fHRV、平均胎儿心跳、胎儿踢动计数、胎动计数、胎儿氧合水平、平均胎盘氧合水平、平均胎盘温度、平均胎盘pH、平均羊水量、fHR曲线、fHRV曲线和胎动曲线中的一个或多个。
[0023] 在一些实施例中，所述系统进一步包含便携式可穿戴传感器贴片，所述传感器贴片包括所述传感器、所述处理器和所述计算机可读介质。在一些实施例中，所述可穿戴传感器贴片进一步包含用于与移动计算装置通信的无线天线。
[0024] 在一些实施例中，所述传感器位于便携式可穿戴传感器贴片上或中，所述传感器贴片进一步包含电子电路和无线天线，并且其中所述传感器贴片与包括所述处理器和所述计算机可读介质的移动计算装置进行无线通信。
[0025] 在一些实施例中，由所述处理器执行的所述方法进一步包含以下中的一个或多个：生成警报、向孕妇提供反馈、向所述孕妇推荐动作以及自动将所述孕妇与医疗保健提供者连接。
[0026] 在一些实施例中，由所述处理器执行的所述方法进一步包含将所述胎儿健康程度通知给医疗保健提供者。
[0027] 在一些实施例中，由所述处理器执行的所述方法进一步包含确定胎儿窘迫的概率。在一些实施例中，由所述处理器执行的所述方法进一步包含确定与确定的概率一致的确定度。在一些实施例中，由所述处理器执行的所述方法进一步包含确定胎儿健康的概率。
[0028] 在一些实施例中，分析所述感兴趣参数进一步包含：将所述感兴趣参数与阈值进行比较。
[0029] 在一些实施例中，如果所述感兴趣参数高于所述阈值，则胎儿健康的概率更高。在一些实施例中，如果所述感兴趣参数低于所述阈值，则胎儿窘迫的概率更高。
[0030] 在一些实施例中，分析所述感兴趣参数进一步包含：使用回归模型或机器学习算法分析所述感兴趣参数，以确定胎儿健康或窘迫的概率。
[0031] 本公开的另一方面涉及一种在医院环境外在怀孕期间纵向地监测胎儿健康的计算机实施方法。在一些实施例中，所述方法包含：从传感器获取信号；处理所述信号以从所述信号中识别并提取感兴趣参数；以及分析所述感兴趣参数以确定胎儿健康程度。
[0032] 在一些实施例中，所述方法进一步包含将提取的感兴趣参数与胎儿健康指数进行比较。
[0033] 在一些实施例中，所述方法进一步包含随时间推移跟踪所述感兴趣参数以形成个人化胎儿健康趋势。在一些实施例中，所述方法进一步包含：识别与所述个人化胎儿健康趋势的偏差；以及分析所述偏差以确定所述偏差是否指示胎儿健康的改变和/或胎儿窘迫。
[0034] 在一些实施例中，所述方法进一步包含：随时间推移跟踪所述感兴趣参数；识别与群体级别胎儿健康趋势的偏差；以及分析所述偏差以确定所述偏差是否指示胎儿健康的改变和/或胎儿窘迫。
[0035] 在一些实施例中，分析所述偏差是通过机器学习算法执行的。
[0036] 在一些实施例中，所述机器学习算法包括广义线性模型、支持向量机和随机森林中的一个或多个。
[0037] 在一些实施例中，所述群体级别胎儿健康趋势源自数据库中的社区数据。在一些实施例中，所述社区数据包括记录的趋势、规则、关联关系和观察结果，所述记录的趋势、规则、关联关系和观察结果是通过跟踪、汇总和分析来自多个用户的一个或多个生理、生物或活动参数生成的。
[0038] 在一些实施例中，所述方法进一步包含获取多个信号。
[0039] 在一些实施例中，所述方法进一步包含提取多个感兴趣参数。
[0040] 在一些实施例中，所述传感器感测生物电势信号、惯性信号、声学信号、超声信号、生物阻抗信号、光学信号、近红外光谱信号、电化学信号和温度信号中的一个或多个。
[0041] 在一些实施例中，所述感兴趣参数包含平均fHR、平均fHRV、平均胎儿心跳、胎儿踢动计数、胎动计数、平均胎盘氧合水平、平均胎盘温度、平均胎盘pH、平均羊水量、fHR曲线、fHRV曲线和胎动曲线中的一个或多个。
[0042] 在一些实施例中，所述方法进一步包含以下中的一个或多个：生成警报、向孕妇提供反馈、向所述孕妇推荐动作以及自动将所述孕妇与医疗保健提供者连接。
[0043] 在一些实施例中，所述方法进一步包含将所述胎儿健康程度通知给医疗保健提供者。
[0044] 在一些实施例中，所述方法进一步包含确定胎儿窘迫的概率。在一些实施例中，所述方法进一步包含确定与确定的概率一致的确定度。在一些实施例中，所述方法进一步包含确定胎儿健康的概率。
[0045] 在一些实施例中，分析所述感兴趣参数进一步包含：将所述感兴趣参数与阈值进行比较。
[0046] 在一些实施例中，如果所述感兴趣参数高于所述阈值，则胎儿健康的概率更高。在一些实施例中，如果所述感兴趣参数低于所述阈值，则胎儿窘迫的概率更高。
[0047] 在一些实施例中，所述方法进一步包含使用回归模型或机器学习算法分析所述感兴趣参数，以确定胎儿健康或窘迫的概率。
[0048] 在一些实施例中，所述方法进一步包含：在群体级别随时间推移跟踪多个所述感兴趣参数；以及基于跟踪的感兴趣参数形成胎儿健康指数。
[0050] 当鉴于以下附图阅读本申请时，将更好地理解本发明技术的上述方面和其它方面，在附图中，相同的数字表示类似或相同的元素：
[0051] 图1描绘了用于确定怀孕女性的胎儿健康的系统的一个实施例的框图。
[0052] 图2描绘了用于确定怀孕女性的胎儿健康的系统的另一个实施例的框图。
[0053] 图3描绘了用于确定怀孕女性的胎儿健康的系统的另一个实施例的框图。
[0054] 图4描绘了传感器模块的一个实施例的俯视图，所述传感器模块构成用于确定怀孕女性的胎儿健康的系统的一部分。
[0055] 图5描绘了传感器模块的另一个实施例的俯视图，所述传感器模块构成用于确定怀孕女性的胎儿健康的系统的一部分。
[0056] 图6描绘了传感器模块应用于孕妇的腹部区域的一个实施例的透视图。
[0057] 图7描绘了传感器模块应用于孕妇的腹部区域的另一个实施例的透视图。
[0058] 图8描绘了传感器模块应用于孕妇的腹部区域的另一个实施例的透视图。
[0059] 图9描绘了用于在怀孕期间纵向地监测胎儿健康的计算机实施方法的一个实施例的流程图。
[0060] 图10描绘了用于在怀孕期间纵向地监测胎儿健康的计算机实施方法的一个实施例的流程图。
[0061] 图11描绘了用于在怀孕期间纵向地监测胎儿健康的计算机实施方法的一个实施例的流程图。
[0062] 图12描绘了胎儿健康传感器模块的实施例的透视图，所述模块构成用于确定怀孕女性的胎儿健康的系统的一部分。
[0063] 尽管本发明技术易受各种修改和替代形式影响，但是其具体实施例在附图中通过举例示出并且将在本文中进行详细描述。附图可能未按比例绘制。然而，应理解，附图和其详细描述并非旨在将本发明技术限制为所公开的特定形式，而是相反，其意图是涵盖落入如所附权利要求书定义的本发明技术的精神和范围内的所有修改、等同形式和替代形式。
具体实施方式
[0064] 为了减轻本文所述问题，发明人必须既发明解决方案，又在某些情况下同样重要地，重新组织在胎儿健康领域中被其他人忽略(或尚未预见)的问题。确实，发明人希望强调识别那些新出现的并且如果行业趋势如发明人所期望的那样继续则将在未来变得更加明显的那些问题的难度。进一步地，因为解决了多个问题，所以应当理解，一些实施例是有问题针对性的，并且并非所有实施例都解决了本文所述的传统系统的每个问题或提供了本文所述的每个益处。也就是说，下面描述了解决这些问题的各种变换的改进措施。
[0065] 在怀孕期间监测胎儿健康是现代产科学最重要且最复杂的任务。由于出生结果与怀孕期间胎儿状况的发展密切相关，因此提出了几种技术来监测胎儿健康(例如运动、fHR等)。一些方法需要住院或受过训练的人员，例如超声，依赖于用于生成胎儿图像的高频声波，由于安全方面的考虑，高频声波只能使用有限的时间。
[0066] 用于提 供胎动监 测的 其它方 法或其等同 方案如连 续胎心监 护(cardiotocography)需要繁琐的基础设施和医院就诊，还涉及受过训练的人员来设置装置和处理所产生的信息。因此，这些方法能够在医院环境中在零星抽查之外监测胎动是担心用于家庭监测的被动方法(如基于加速度计的解决方案)的主要原因之一。
[0067] 许多基于加速度计的解决方案使用放在腹部区域的单个加速度计。这涉及不同的标准，如所使用的传感器数量、放置在腹部区域外部的参考加速度计的存在以及数据分析。该技术的敏感性和针对性低。结果，检测率为约50％，这被研究人员视为不足。
[0068] 可以通过添加参考加速度计来实现更高的检测率，所述参考加速度计使用放置在腹部区域外的加速度计监测产妇运动属性，因此将胎儿运动与产妇运动分开并且提供更准确的检测。加速度计的位置至关重要，因为将其放置在上胸廓区域可能仍会检测到胎动并提供不可用的结果，因此，加速度计应当在腹部和胸廓区域之外。迄今为止，尚未报告关于在包含或不包含参考加速度计时的运动检测性能差异的研究。所述技术常常被用作后处理信令，以丢弃数据而不只是通知分类过程。这些均为暗示放弃这种方法或任何其它主题，因为本发明技术可以用于增加与这种方法类似的各种方法。
[0069] 迄今为止使用的数据分析技术主要关注集中在借助于时域(例如，加速度矢量的量值)和频域信号处理技术进行特征提取上。近来，已经使用如支持向量机等机器学习技术将一组特征分类为二进制问题。虽然确定最佳特征可能是必要的第一步，但将单个特征阈值化会提供较差的结果。多个特征和机器学习方法的组合具有更准确地进行胎动检测的潜力。当使用监督型学习方法对运动进行分类时，可能会遇到挑战。胎动仅在测量期期间的一小部分时间内发生，因此需要采用适当的方法，如对多数类别(即不运动)进行下采样。可能不仅需要对用户预先选择的数据子集进行评估，还需要对整个数据流进行评估。另一个设计选择问题是计算特征的窗口大小、分类器的选择、特征选择方法、用于分析系统的性能度量以及用于验证胎动检测算法的参考系统。
[0070] 如上文所指出的，大多数研究依赖于超声作为胎动的参考。尽管超声是临床标准，但存在局限性。在某些情况下，随着胎儿生长，从怀孕的大约第20周开始，鉴于超声探头的视场有限，很难完全显示胎儿。在医院体检期间，这个特殊的担忧可能不是问题，但是在测量孕妇腹部上反映出的小加速度的同时移动并重定位探头并不现实并且可能容易引入噪音。
[0071] 一些实施例减轻了上面讨论的一些或全部问题以及下面讨论的其它问题以及对于了解本领域的未决争议的本领域普通技术人员来说将不言而喻的那些问题。一些实施例可以并入对算法性能和相对于参考的权衡的分析，以进行准确的传感器编号、传感器定位和数据分析，从而有效地检测胎动。
[0072] 一些实施例通过生成突出模型的差异的算法来减轻上面讨论的一些或全部问题，例如，当参考加速度计存在并且短时窗和长时窗都用于特征计算时，通过减少数据集中的假阳性来减少阳性预测值(PPV)的差异。
[0073] 一些实施例通过分析检测到的胎儿踢动与实际胎儿踢动来减轻上面讨论的一些或全部问题并突出模型如何在不同级别上执行，例如，记录级别上的各个胎儿踢动和整个数据集上的总胎儿踢动。这可以允许能够以增量间隔例如大约20分钟的间隔准确地识别各个运动。
[0074] 一些实施例通过聚集三类运动例如低运动、中运动和高运动并根据模型相对于各个运动准确识别总体运动水平的能力来分析结果来减轻上面讨论的一些或全部问题。
[0075] 监测胎儿健康的另一方面是fHR和fHRV检测。当前最常用的fHR和fHRV检测不适合长期监测。例如，多普勒超声和胎儿头皮电极是最常用的方法。多普勒超声虽然是无创但会向体内释放能量，这需要持续的监督，从而使其不适合连续监测fHR和fHRV。另外，多普勒超声测量仍然需要受过训练的医务人员的输入来作出明智的临床决策。进一步地，例如，胎儿头皮电极具有高度创伤性并且需要使膜破裂，因此仅在分娩期间有用。由于将针状电极拧入胎儿的头皮中以获得胎儿心电图(fECG)信号，因此存在感染和组织损伤的风险。总的来说，多普勒超声和胎儿头皮电极的广泛使用对于连续地或几乎连续地监测胎儿健康而言并不理想。
[0076] 对产妇腹部的电生理测量也包含fECG并且实现了对fHR的提取。但是，与使用胎儿头皮电极相比，信号的信噪比(SNR)降低，而产妇的ECG(mECG)是主要干扰。试图解决电生理测量的SNR问题的方法已极大地改善了非流动环境中的fHR检测，但是由于计算的复杂性，使用这些方法在流动环境中连续地监测胎儿仍然不可行。
[0078] 一些实施例通过经由分段选择(例如，心率极限、R-R间隔、先前分段)、阈值确定(例如，先前阈值、分段中的最大值、SNR估值)、SNR估计(例如，R峰高度、QRS外最大值、比率的log2)和峰值检测(例如，在第一峰值大于阈值时，在0.05到5秒内选择最高峰)提高R峰值检测质量来减轻上面讨论的一些或所有问题。
[0079] 本文公开了用于监测胎儿健康的系统和方法。在一些实施例中，监测胎儿健康包含监测胎动、fHR和/或fHRV。本文描述的系统和方法通常包含用于连续地或随时间推移监测胎儿健康的传感器模块。监测结果可以提供给孕妇或准妈妈、妇科医生、产科医生、儿科医生、其他医师、护士执业者、兽医、其他医疗保健提供者、导乐、助产士、其他分娩专家、配偶、伴侣、父母、兄弟姐妹、其他家庭成员、朋友、医疗保健机构管理员或孕妇希望分享这种信息的任何其他个体。
[0081] 如本文所用，“婴儿”，“胎儿”，或“发育中的婴儿”可以互换使用。本领域技术人员将认识到，本文所述的每个实施例可用于监测胎儿的健康，而与物种无关。
[0082] 如本文所用，“感兴趣参数”是指从与胎儿健康有关的传感器信号中提取的图案、特征、特性、成分、方面、元素或属性。感兴趣参数可以包含平均fHR、平均fHRV、平均胎儿心跳、胎儿踢动计数、胎动计数、平均胎盘氧合水平、平均胎盘温度、平均胎盘pH、平均羊水量、fHR曲线、fHRV曲线和胎动曲线。
[0083] 如本文所用，“胎儿健康指数”是指对一个或多个特定的胎儿健康观察结果和/或测量结果进行概况和/或排序的胎儿健康综合量度。本领域技术人员将认识到，本文描述的胎儿健康指数可以从一个或多个观察结果或测量结果中得出。进一步地，还将认识到，高胎儿健康指数得分可以指示健康或窘迫胎儿的高概率，并且低胎儿健康指数得分可以指示健康或窘迫胎儿的高概率。
[0084] 系统
[0085] 在一些实施例中，上述特征可以在如图1所示的系统10中实施。但是，应强调，并非所有实施例都包含所有上述特征、提供了所有上述优点或者部分或完全减轻了所有上述问题，这并不暗示本文的任何其它描述具有限定性。相反，描述了具有各种工程和成本权衡的多种独立有用的技术，并且一些实施例可以实施那些技术中的一些技术，而其它实施例不实施其它技术。
[0086] 如图1所示，在各种实施例中，用于监测胎儿健康的系统10可以包含与处理器14和计算机可读介质(即存储器)16电通信的至少一个传感器12。图1展示了功能框图，并且应当理解，所描绘系统10的各个功能块不必是单独的结构元件。例如，在一些实施例中，处理器14和存储器16可以体现在单个芯片或者两个或更多个芯片中。
[0087] 传感器12检测胎儿的事件(例如胎儿踢动、胎儿运动等)、生理特征(例如心率、胎盘氧合水平等)和/或环境变化(例如羊水量)并提供相应的输出或信号。在一些实施例中，系统10包含一个传感器12；在一些实施例中，系统10包含多个传感器12。例如，传感器12可以包含被配置成测量以下的一个或多个传感器：胎动、胎儿心脏电活动、胎儿心音、fHR、fHRV、羊水量、胎盘氧合、胎盘温度、胎盘pH、胎儿呼吸、胎儿位置、胎儿朝向和/或胎儿窘迫。
[0088] 各种实施例的传感器12被配置成用于放置在女性身体的外表面上。在一些实施例中，传感器12可重复使用；在其它实施例中，传感器12是一次性的。在至少一些实施例中，传感器12被配置成用于放置在孕妇的腹部或腹部区域之上。在一些实施例中，传感器12形成传感器模块的一部分。下面参考图2-8更详细地描述了各种传感器模块实施例。
[0089] 传感器12可以包含生物电势传感器、惯性传感器、声学传感器、超声传感器、生物阻抗传感器、光学传感器、近红外光谱传感器、电化学传感器和/或温度传感器。生物电势传感器与离子电荷载体相互作用并将离子电流转换为由处理器读取的电流。如本文所述的生物电势传感器可以包含至少一个测量电极和至少一个参考电极。在一些配置中，生物电势传感器中存在一个参考电极和多个测量电极。生物电势传感器可以测量胎儿或准妈妈的ECG、脑电图(EEG)或肌电图(EMG)。
[0090] 如本文所述的惯性传感器包含一个或多个加速度计、陀螺仪和/或磁力计，以测量身体周围的比力(即g力或质量比力)、角速度和/或磁场。例如，系统的一个惯性传感器或多个惯性传感器可以用于测量胎动、胎儿位置和/或胎儿朝向。
[0091] 如本文所述，声学传感器例如超声传感器使用通过孕妇的腹部的一部分(可以包含子宫和/或胎儿的一部分)传播的声波来测量孕妇、子宫、胎盘、胎儿的特性或者胎儿或支持胎儿生长的结构的任何其它特性。当声波通过腹部传播时，波的一个或多个特性发生变化，例如速度、振幅等。这些变化由传感器监测并作为传感器信号输出。
[0092] 如本文所述的生物阻抗传感器使用电流来测量例如胎儿或准妈妈的各种心脏参数。心脏参数可以包含每搏输出量、心率、心输出量、心率变异性或相关领域技术人员已知的任何其它参数。在一些实施例中，一个或多个生物阻抗传感器用于测量羊水量。例如，可以由一个或多个生物阻抗传感器检测到羊水过多累积(即羊水过多)或羊水缺乏(即羊水过少)。生物阻抗传感器的一个非限制性实例包含阻抗体积描记传感器。
[0093] 如本文所述的光学传感器照射皮肤的一个或多个区域并测量光吸收或反射的变化。例如，光学传感器可以用于测量胎盘的氧饱和度、流向各个器官或附属器的血流量、血压或脉搏。光学传感器的一个非限制性实例包含光电容积描记图。
[0094] 如本文所述的近红外光谱传感器使用近红外光来照射皮肤的一个或多个区域并测量在这个特定频带下电磁吸收的变化。它可以用于例如通过测量胎盘氧合、血流量、糖水平或pH来无创评估胎盘功能。
[0095] 如本文所述的电化学传感器使用电化学反应来测量特定离子的浓度并且可以用于测量如汗液或组织液等体液的酸度或pH。
[0097] 返回图1，图1的处理器14可以是通用微处理器、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、专用集成电路(ASIC)或其它可编程逻辑装置或者是被设计成执行本文所述的功能的其它分立的计算机可执行组件。处理器还可以由计算装置的组合形成，所述组合例如DSP和微处理器、多个微处理器、一个或多个微处理器结合DSP核心、或任何其它适合的配置。
[0098] 在一些实施例中，处理器14经由一个或多个总线耦合到存储器16，以便从存储器16读取信息并且任选地将信息写入所述存储器。存储器16可以是存储供处理器14执行的计算机可读指令的任何适合的计算机可读介质。例如，计算机可读介质可以包含RAM、ROM、闪存、EEPROM、硬盘驱动器、固态驱动器或任何其它适合的装置中的一个或多个。在一些实施例中，计算机可读指令包含以非暂时性格式存储的软件。软件可以编程到存储器16中或者作为应用下载到存储器16上。软件可以包含用于运行操作系统和/或一个或多个程序或应用的指令。当由处理器14执行时，程序或应用可以使处理器14执行在怀孕期间随时间推移监测胎儿健康的方法。在本文其它地方更详细地描述了一些这种方法。
[0099] 如图2和图3所示，系统10可以进一步包含传感器模块18和移动计算装置20。在一些实施例中，系统10还包含服务器30。在一些实施例中，如图2的实施例，传感器12、处理器14和存储器16各自位于传感器模块18上或中。电子电路15和无线天线13也可以设置在传感器模块18上或中。在这样的实施例中，与胎儿健康有关的信号：由传感器12感测；由电子电路15放大、滤波、数字化和/或以其它方式处理；并由处理器14进行分析。存储在存储器16中的指令的执行使传感器模块18上的处理器14执行本文其它地方所述的监测胎儿健康的方法中的一种或多种方法。可以经由天线13将分析的数据传输到移动计算装置20和服务器30中的一者或两者，以向用户视觉或音频呈现、进行另外的分析和/或进行存储。
[0100] 在其它实施例中，如图3的实施例，传感器12与电子电路15和无线天线13一起位于传感器模块18上或中，而移动计算装置20容纳执行在怀孕期间监测胎儿健康的方法的处理器14和存储用于执行方法的指令的存储器16。在这样的实施例中，与胎儿健康有关的信号由传感器12感测并且由电子电路15放大、滤波、数字化和/或以其它方式处理，并且经过处理的信号经由天线13传输到移动计算装置20。如本文其它地方所述，移动计算装置20的处理器14分析经过处理的信号并确定胎儿健康程度。分析的数据可以被保存、与联系人共享或经由移动计算装置20呈现给用户。在一些这样的实施例中，可以将部分或全部分析数据从移动计算装置20传输到服务器30以进行存储。
[0101] 在一些实施例中，电子电路15包含被配置成放大、滤波、数字化和/或以其它方式处理生理信号的运算放大器、低通、高通或带通滤波器、模数(AD)转换器和/或其它信号处理电路组件。电子电路15可以另外包含电源或电力存储装置，如电池或电容器，以向其它电子组件提供电力。例如，电子电路15可以包含可再充电(例如锂离子)或一次性(例如碱性)电池。
[0102] 在一些实施例中，天线13包含接收器和发射器中的一者或两者。接收器通过通信网络接收数据并解调通过通信网络接收的数据。发射器根据一种或多种网络标准准备数据并通过通信网络发射数据。在一些实施例中，收发器天线13既用作接收器又用作发射器以进行双向无线通信。作为天线13的补充或替代方案，在一些实施例中，传感器模块18内设置有数据总线，使得可以经由有线连接从传感器模块18发送数据或由所述传感器模块接收数据。
[0103] 在一些实施例中，在传感器模块18与移动计算装置20、传感器模块18与服务器30和/或移动计算装置20与服务器30之间存在单向或双向通信。传感器模块18、移动计算装置20和/或服务器30可以使用蓝牙、低功耗蓝牙、近场通信、红外、WLAN、Wi-Fi、CDMA、LTE、其它蜂窝协议、其它射频或另一种无线协议进行无线通信。另外或替代地，在传感器模块18、移动计算装置20和服务器30之间发送或传输信息可以经由有线连接，如IEEE 1394、雷电(Thunderbolt)、闪电(Lightning)、火线(FireWire)、DVI、HDMI、串行(Serial)、通用串行总线(Universal Serial Bus)、并行(Parallel)、以太网(Ethernet)、同轴(Coaxial)、VGA或PS/2进行。
[0104] 在一些实施例中，移动计算装置20是包裹在底盘中的计算装置，所述底盘包含具有或不具有触摸响应能力的视觉显示器(例如薄膜晶体管液晶显示器(LCD)、就地切换LCD、电阻式触摸屏LCD、电容式触摸屏LCD、有机发光二极管(LED)、有源矩阵有机LED(AMOLED)、超级AMOLED、视网膜显示器、触觉触摸屏或大猩猩玻璃(Gorilla Glass))、音频输出(例如扬声器)、中央处理单元(例如处理器或微处理器)、内部存储装置(例如闪存驱动器)、n个组件(例如专用芯片和/或传感器)和n个无线电装置(例如WLAN、LTE、WiFi、蓝牙、GPS)。在一些实施例中，移动计算装置20是移动电话、智能电话、智能手表、智能眼镜、智能隐形眼镜或其它可穿戴计算装置、平板计算机、便携式计算机、上网本、笔记本计算机或任何其它类型的移动计算装置。在一些实施例中，移动计算装置20可以是个人计算机。
[0105] 在一些实施例中，移动计算装置20的显示器可以呈现用户界面以供怀孕女性进行手动数据输入或从一个或多个诊所或医院记录进行自动数据输入(例如自动数据同步)。用户界面可以包括用户简况详细描述，例如受孕日期、预产日期、怀孕周数(例如从受孕日期和/或预产日期计算)、起始体重、当前体重、随时间推移的体重、胎儿声波图和/或任何其它信息。简况信息可以与另外的数据和/或参数组合地用于确定胎儿健康阈值或个人化胎儿健康趋势，所述胎儿健康阈值或个人化胎儿健康趋势将在本文其它地方更详细地描述。
[0106] 在一些实施例中，服务器30是数据库服务器、应用服务器、互联网服务器或其它远程服务器。在一些实施例中，服务器30可以存储用户简况数据、历史用户数据、历史社区数据、算法、机器学习模型、软件更新或其它数据。服务器30可以与移动计算装置20或传感器模块18共享这种据，并且服务器30可以从传感器模块18和/或移动计算装置20接收新获取的用户数据。
[0107] 传感器模块18的一些非限制性实例描绘于图4-8和图12中。通过比较图4-8和图12的传感器模块，可以容易地理解传感器模块18可以采取许多不同的形状因数。各种实施例的传感器模块18具有许多不同的形状、尺寸、颜色、材料和身体适合水平。传感器模块18可以连接到以下、嵌入以下中或构成以下的一部分：贴片40、42(例如图4-6)、带子、腰带或条带44(例如图7)或毯状物/覆盖物46(例如图8)、T恤衫、裤子、内衣或者其它衣物或可穿戴配件。
[0108] 参照图4，胎儿健康监测装置包括电极贴片40和传感器模块18，所述电极贴片和所述传感器模块有利地组合以监测胎动、fHR、fHRV、mHR和/或至少一路子宫收缩信号。电极贴片40和传感器模块18可以是一个部分或者可以由两个单独的部分制成。这两个单独部分可以设置有用于彼此附接的机械和电气系统，如修剪系统或磁体。说明书中描述了其它实施例。
[0109] 图5展示了胎儿健康监测装置的另一个实施例。通过比较图4和图5，将容易理解电极贴片40、42或传感器模块18可以采取许多不同的形状因数。
[0110] 换句话说，胎儿健康监测装置可以采取许多不同的形状、尺寸、颜色、材料和身体适形水平。装置可以采取或可以不采取石膏的形式。例如，装置可以集成在一件成衣中、采取一件衣服或纺织品的形式或者可以采取围绕腹部穿戴的腰带的形式。对于最后三个实例，电极贴片40、42可以是所述一件成衣、衣服或腰带的组成部分，或者可以附接到这样的一件成衣、衣服或腰带。
[0111] 图6示出了胎儿健康监测装置的另一个实施例，其中电极贴片42和传感器模块18可以集成并封装到单独形成装置的一个唯一部件中。例如，图6的胎儿健康监测装置可以具有至少三个电极，包含位于装置的一个末端上的一个测量电极、位于装置的另一个末端上的一个参考电极和在中间的一个偏置电极。这种配置实现了沿水平方向测量一路生物电势信号、运动信号、fHR信号和/或fHRV信号。在一些实施例中，图6的装置可以具有四个电极，两个测量电极位于两个末端、一个参考电极位于装置的中间并且一个偏置电极位于测量电极与参考电极之间。有利的是，图6的装置的变型(未示出)可以具有五个电极，两个测量电极位于装置的两个末端、一个参考电极位于装置的中间、另一个测量电极与前三个电极之间的线成90度地位于参考电极下方并且一个偏置电极位于测量电极与参考电极之间。这种配置实现了测量两路生物电势信号、运动信号、fHR信号和/或fHRV信号，一路沿水平方向且一路沿竖直方向。在一些实施例中，电极贴片42不包含参考电极；相反，参考电极不存在或位于怀孕女性的背部上。在另外的实施例中，可以使用粘合剂层将装置附接到身体。在另一个实施例中，粘合剂层可以由用户替换。在另一个示例性实施例中，可以使用可以维持装置与身体接触的带子或纺织品将装置附接到身体。
[0112] 图7示出了胎儿健康监测装置44的示例性实施例，其中电极贴片和传感器模块可以集成在纺织品或衣服配件中。衣服配件的实例可以包含但不限于衬衫、T恤衫、腹带、怀孕支撑带或腰带。在一些实施例中，胎儿健康监测装置可以具有至少三个电极，所述至少三个电极彼此相邻地布置，使得一个测量电极位于腹部右侧(对应地，左侧)、一个参考电极位于腹部左侧(对应地，右侧)并且一个偏置电极在中间。在一些实施例中，图7的装置可以具有在腹部中央与线性布置成90度定位的第四电极。这个第四电极可以提供生物电势信号、运动信号、fHR信号和/或fHRV信号在竖直方向上的测量结果。在一些实施例中，
[0113] 图7的装置可以具有位于孕妇背部并提供没有子宫活动和/或产妇运动但携带生理和记录伪像的信号的第五电极，所述伪像可以用于处理生物电势信号以获得更清洁且更准确的EHG、mECG、fECG、fHR、fHRV和/或胎动信号。
[0114] 图8示出了胎儿健康监测装置的另一实施例，其中电极贴片46和传感器模块18可以被集成在日常生活配件中，所述配件可以集成在枕头或覆盖物中。
[0115] 在其它实施例中，如图12的实施例，电极贴片50包含胎儿健康传感器模块18，所述传感器模块包括多个传感器210(例如加速度计、陀螺仪和/或磁力计)，例如至少5个传感器。在一些实施例中，如图12所示，电极贴片50具有三个末端或波瓣212，每个末端或波瓣包含传感器210。另外的传感器210安置在电极贴片50的整个中间部分。如本文其它地方的描述中将显而易见的是，传感器位置和数量对于准确地识别胎动、fHR和/或fHRV至关重要。在一些情况下，实施例可以包含少于五个传感器或多于五个传感器，例如，另一个传感器作为参考传感器。在这种情况下，当使用包含并入了多个传感器210的胎儿健康传感器模块18的系统时，可以高效率地识别总体运动。
[0116] 如从图4-8和图12可知，胎儿健康监测装置集成在不需要临床人员操作的小型且易于使用的形状因数中。换句话说，胎儿健康监测装置以这样的方式有利地实施，使得孕妇可以自己操作装置。可以通过低功耗电子系统设计实现小尺寸和极端小型化，低功耗电子系统设计即低功耗电路设计、低功耗架构设计和固件优化的组合。低功耗系统设计允许电池尺寸最小化并且因此可以使整个系统到达非常小的尺寸。易用性可以来自智能电子设备和高集成水平的组合。使用智能电子设备，装置可以在定位在身体上时自动打开，或者装置可以自动检测收缩、胎动、fHR、mHR和/或fHRV并相应地触发反馈，或者系统可以自动检测特定情况—例如孕妇在移动这一事实—并相应地调整其信号处理。在高集成水平下，电极贴片可以将所有线缆集成到电极上并提供非常简单的方式供用户将传感器连接到电极贴片。将电极贴片连接到传感器模块可以通过磁性接口、通过卡扣机构、通过滑动机构、通过拧紧机构或在传感器模块与电极贴片之间提供良好机械和电气接触的任何其它机构来完成。
[0117] 因为电极始终处于相同的相对位置，由于用户不可能将不同的电极彼此错误放置，因此电极贴片的使用提高了胎儿健康监测的可靠性。电极贴片的使用改善了胎儿健康监测的体验和易用性，因为它不需要将多个电极附接到腹部，而只需要附接单个电极贴片。
[0118] 装置可以被设计成使得孕妇清楚如何穿戴装置以及将其放置在何处。装置可以被设计成使得其易于穿戴。例如，孕妇只需拿起传感器模块、将传感器模块附接到电极贴片并戴上传感器模块。
[0119] 在一些实施例中，电极贴片包括至少两个电极。在装置的替代实施例中，电极贴片可以包含第三电极，所述第三电极可以用于将信号获取电子设备偏置到身体电压，或者用于向身体施加共模电压以减少测量噪声，这种测量原理也称为右腿驱动。在装置的另一个替代实施例中，电极贴片可包含另外的测量电极。多个测量电极可以定位在腹部的不同位置，从而有利地提供对子宫电活动、胎动、fHR、mHR和/或fHRV的多维测量。电极可以包含或可以不包含导电凝胶。导电凝胶可以用于改善身体与电极之间的接触质量。电极贴片可以具有或可以不具有粘性。
[0120] 方法
[0121] 上述组件中的一些或全部或者另外的或替代组件可以起到监测或确定胎儿健康的作用。下文描述了所采用的一些用于监测或检测胎儿健康的方法。
[0122] 如图9所示，一个实施例的用于在怀孕期间纵向地监测胎儿健康的计算机实施方法100包含：从传感器获取信号S110；处理信号以从信号中识别并提取感兴趣参数S120；以及分析感兴趣参数以确定胎儿健康程度S130。所述方法用于随时间推移监测和/或确定胎儿健康程度。在一些实施例中，所述方法用于通过将感兴趣参数与胎儿健康指数(图11)或者个人化或群体级别胎儿健康趋势(图9)进行比较来确定胎儿健康。所述方法用于产妇和/或胎儿健康领域，但是可以另外或替代地用于临床或其它方面的任何适合的应用。
[0123] 在一些实施例中，胎儿健康程度的时间跨度可以在几秒钟的时间间隔内，例如小于8秒、4秒、2秒、1秒或0.5秒的间隔。在某些情况下，可以在较长的时间间隔内对胎动取平均，并在较短的时间间隔内捕获胎动。在某些情况下，可以设定较长的时间间隔(例如4秒)，并且所述时间间隔足够长以对因胎儿踢动产生的加速度取平均，但是也足够短以限制处理延迟并限制可能在较长时间间隔内影响算法输出的产妇运动。在某些情况下，可变长度特征可以减少假阳性。在一些实施例中，可以在嵌入式装置上实施低复杂度时域特征，例如均值、标准偏差、四分位距、轴之间的相关性、和、最小值、最大值和量值。在某些情况下，可以按照轴、传感器和/或窗口时间间隔大小来计算每个特征。
[0124] 在一些实施例中，可以使用随机森林来执行特征分类。在某些情况下，可能不会在分类之前选择低复杂度时域特征，在这些情况下，随机森林可以在每次迭代时选择可用的低复杂度时域特征的子集。在某些情况下，可以将特征数量设定为在每次迭代时选择为特征总数的平方根，以相对于其它特征选择方法在训练阶段维持所有信息。在踢动数相对于总的可用数据(即，胎儿和产妇的总踢动)而言较小这样的情况下，可以通过允许随机森林分类器在训练期间选择样本子集来解决类别不平衡。参考类别(即踢动)与多数类别(即非踢动)之间的最佳比率可以通过交叉验证和优化F得分(例如，选择显示最佳F得分的比率)来确定。在某些情况下，可以包含少数类别的所有数据和多数类别的五分之一数据，以提供最佳平衡。
[0125] 如图9所示，用于在怀孕期间纵向地监测胎儿健康的计算机实施方法100的一个实施例包含框S110，所述框叙述了从传感器获取信号。框S110用于测量胎儿(例如胎儿心峰/率、产妇心峰/率、心率变异性、运动、踢动计数等)或胎儿周围的环境(例如羊水量、羊水pH、胎盘氧合等)的特征或特性。例如，获取信号可以包含：获取指示以下的一个或多个信号：胎动、心脏电活动、心音、心率、心率变异性、羊水量、胎盘氧合、胎盘温度、胎盘pH、呼吸、位置、窘迫和/或任何其它感兴趣特性或特征。在各种实施例中，所述一个或多个信号由具有多个电极的传感器感测并由处理器记录到存储器中。
[0126] 如图9所示，用于在怀孕期间纵向地监测胎儿健康的计算机实施方法100的一个实施例包含框S120，所述框叙述了处理信号以从信号中识别并提取感兴趣参数。框S120用于将一个或多个感兴趣参数与传感器所生成的信号隔离。例如，所述方法可以包含：放大、滤波、数字化和/或以其它方式处理传感器信号，以将可读信号与获取的噪声信号隔离。所述方法可以包含从传感器信号中识别和/或提取感兴趣参数或一系列感兴趣参数。感兴趣参数可以是例如以下中的一个或多个：平均fHR、平均fHRV、平均胎儿心跳、胎儿踢动计数、胎动计数、平均胎盘氧合水平、平均胎盘温度、平均胎盘pH、平均羊水量、fHR曲线、fHRV曲线和胎动曲线。在一些实施例中，所述方法包含计算感兴趣参数的平均值、中值、百分位数、标准偏差或其它有意义的统计量。感兴趣参数可以是生理参数(例如心率、羊水量、胎盘氧合等)和/或行为参数(例如踢动计数、胎动、胎动曲线等)。在一些实施例中，准妈妈可以通过将观察到的感兴趣参数(例如观察到的踢动计数、胎儿位置或朝向、关于胎儿的其它一般感觉或孕妇从医生的随访获得的信息)输入到移动计算装置的用户界面中来补充数据。
[0127] 在一些实施例中，如同在框S120中，感兴趣特征或参数可以是fHR。可以通过来自传感器的信号来检测fHR。在某些情况下，在对检测到的信号进行预处理之后，可以检测出产妇心峰并从信号中去除。在这种情况下，可以从滤波后的信号中检测胎儿心峰，以去除低频波动以及高频伪像和噪声。在一些实施例中，可以将数据(即心率数据)与小波函数卷积以强调频带中的峰值，然后可以根据数据生成所得信号的绝对值。在某些情况下，可以使用较短的滑动时间间隔来分析信号。在某些情况下，可以通过达到传递信噪比的阈值来确定峰值。一旦确定了峰值，就可以定义新的分析时间间隔。在其它情况下，可以增加当前分析时间间隔。可以利用小波功率确定计算的峰值，并且然后在时域中对其进行优化。
[0128] 在一些实施例中，可以从信号中去除确定的产妇心峰以确定胎儿心峰，所述胎儿心峰可以是振幅较小的量值。在某些情况下，为了去除产妇心峰，可以生成使用最后确定的产妇心峰的模板。可以将模板拟合到当前峰值，并且可以去除来自数据的调整后模板。在某些情况下，为了改进模板，可以实施主成分分析程序。在这种情况下，主成分分析可以找到表示产妇分段中的大多数信息的主成分。第一成分可以是信号的平均值，而其它成分可以表示数据相对于第一成分的变化。在这种情况下，第一主成分可以拟合到数据。
[0129] 在一些实施例中，一旦去除了产妇心峰，就可以通过添加以较高频率为中心的小波来再次完成如上所述的心峰检测算法，从而生成胎儿心峰。
[0130] 如图9所示，用于在怀孕期间纵向地监测胎儿健康的计算机实施方法100的一个实施例包含框S130，所述框叙述了分析感兴趣参数以确定胎儿健康程度。框S130用于单个地评估或汇总多个感兴趣参数以确定胎儿健康程度。在一些实施例中，可以使用阈值化、回归模型和/或机器学习算法来确定胎儿健康或窘迫的概率，如本文其它地方进一步详细地描述的。
[0131] 在一些实施例中，分析感兴趣参数可以包含通过减少假阳性来检测胎儿踢动计数以提高准确性。在一些实施例中，由来自传感器的信号获取的数据集可以划分为训练集和验证集。在某些情况下，训练集可以包含所获取数据的至少三分之二。在某些情况下，可以对所获取数据进行随机采样，并且验证集可以包含所获取数据的至少三分之一。例如，可以将60个记录用于训练集，并且可以将28个记录用于验证集。在一些实施例中，数据分类可以被组织为根据非胎儿踢动(即非运动、噪声等)确定胎儿踢动的二进制分类问题。在某些情况下，由于二进制分类问题和数据不平衡，可以选择灵敏度和PPV作为两个度量表示来检测零星的胎儿踢动。在某些情况下，可以在交叉验证期间根据真阳性(TP)、假阴性(FN)和假阳性(FP)针对所有参与者确定并计算整个数据流的性能度量。
[0132] 在一些实施例中，性能测量结果可以通过以下公式确定：
[0133] 灵敏度(Se)：通过模型识别的实际事件记录：
[0134]
[0135] 阳性预测值(PPV)：标识为事件实际上是事件的记录：
[0136]
[0137] 其中TP是真阳性，FN是假阴性，FP是假阳性，而TN是真阴性。
[0138] 在一些实施例中，如图9所示，方法100任选地包含框S140，所述框叙述了随时间推移跟踪感兴趣参数以形成个人化胎儿健康趋势。个人化胎儿健康趋势可以包含每小时、每天、每周、每月、在怀孕的每三个月期间或者更加频繁或不那么频繁地测量一个或多个感兴趣参数，以基于个体确定胎儿的“正常”状况。在一个非限制性实例中，准妈妈的胎儿可以是健康的，但是例如由于胎儿大小、子宫体积、羊水量等，个人化胎儿健康趋势可以示出平均低胎儿踢动计数。因此，利用个人化胎儿健康趋势，准妈妈或医生可以能够基于个体更准确地确定胎儿健康。
[0139] 在一些实施例中，在随时间推移跟踪感兴趣参数期间，当参考加速度计存在时并且当短时间间隔和长时间间隔均用于特征计算时，算法可以展现出PPV提高(即假阳性减少)。在某些情况下，算法可以在不同级别执行，例如，在记录级别计算各个踢动并跨整个数据集计算总踢动，以识别系统有效识别20分钟时间间隔内的各个运动的能力。在某些情况下，系统可以将各个运动分为三类(例如低、中和高运动)并根据系统有效识别总体运动水平而不是各个运动的能力来分析结果。
[0140] 在一些实施例中，如图9所示，方法100任选地包含框S150和S160，所述框叙述了：识别与个人化胎儿健康趋势的偏差；以及分析偏差以确定偏差是否分别指示胎儿窘迫和/或胎儿健康的变化。例如，偏差可以是高于或低于或以其它方式偏离个人化胎儿健康趋势的观察或测量的感兴趣参数。使用上述非限制性实例，如果胎儿踢动计数降到个人化胎儿健康趋势所显示的平均值以下，则所述方法可以包含：推荐怀孕女性联系医疗保健提供者和/或提供胎儿窘迫的概率。
[0141] 如图10所示，一个实施例的用于在怀孕期间纵向地监测胎儿健康的计算机实施方法200包含：从传感器获取信号S210；处理信号以从信号中识别并提取感兴趣参数S220；将感兴趣参数与阈值进行比较S230；以及确定胎儿健康程度S230。所述方法用于使用阈值化确定胎儿健康程度。
[0142] 如图10所示，用于在怀孕期间纵向地监测胎儿健康的计算机实施方法200任选地包含框S230和S240，这些框分别叙述了：将感兴趣参数与阈值进行比较；以及确定胎儿健康程度。所述阈值可以基于历史医疗数据、社区数据、个人数据或其它经验数据。在一些变体中，如果感兴趣参数高于阈值，则胎儿健康的概率更高。可替代地，如果感兴趣参数低于阈值，则胎儿窘迫的概率更高。例如，对于一定量的羊水，可以将阈值设置为第50个百分位数，这取决于怀孕周数(例如，根据系统中准妈妈的简况得出)。在一些实施例中，如果概率表明胎儿可能窘迫，则所述方法可以包含：通知准妈妈的医疗保健提供者；向准妈妈推荐动作过程(例如，放松、与医疗保健提供者联系、多喝水等)；向准妈妈提供反馈(例如，放松、散步等)；和/或自动将准妈妈与医疗保健提供者或专家连接。此外，所述方法可以包含：确定与所确定的概率一致的确定度。
[0143] 在一些实施例中，所述方法包含：使用一个或多个回归模型来分析感兴趣参数和/或确定胎儿健康或窘迫的概率。回归模型用于根据一个或多个其它变量预测一个变量。例如，所述一个或多个其它变量可以根据个人化胎儿健康趋势、群体级别胎儿健康趋势或任何其它先前或同时获取或测量的信号得出和/或形成其一部分。
[0144] 在一些实施例中，所述方法包含：使用机器学习来分析感兴趣参数和/或确定胎儿健康或窘迫的概率。机器学习基于一个或多个测量和/或分析的信号使用算法(例如，广义线性模型、随机森林、支持向量机等)进行预测，例如进行关于胎儿健康的预测。
[0145] 如图11所示，一个实施例的用于在怀孕期间纵向地监测胎儿健康的计算机实施方法300包含：从传感器获取信号S310；处理信号以从信号中识别并提取感兴趣参数S320；任选地，在群体级别随时间推移跟踪多个感兴趣参数S330；任选地，基于跟踪的感兴趣参数形成胎儿健康指数S340；任选地，将提取的感兴趣参数与胎儿健康指数进行比较以确定胎儿健康程度S350。所述方法用于通过将一个或多个感兴趣参数与群体级别数据、社区数据、历史数据、预测数据、经验数据或任何其它可用数据进行比较来确定胎儿健康程度。例如，如框S330所示，随时间推移在群体、社区、妈妈群和/或任何其它环境中跟踪一个或多个感兴趣参数以形成、产生或以其它方式建立胎儿健康指数。
[0146] 如图11所示，一个实施例的用于在怀孕期间纵向地监测胎儿健康的计算机实施方法300任选地包含框S340，所述框叙述了基于跟踪的感兴趣参数形成胎儿健康指数。例如，胎儿健康指数可以包含一个或多个参数的数值范围，例如，1-10，其中所述数值范围中的每个整数、分数或小数均与百分位数、胎儿健康程度的历史观察结果(例如，与胎儿健康有关的踢动计数、与胎儿健康有关的胎动等)、胎儿特征或特性的所测量程度(例如，与胎儿健康有关的心率变异性、胎儿呼吸等)、所测量参数的量(例如，与胎儿健康相关的羊水量、与胎儿健康相关的胎盘氧合等)或任何其它参数相关联。
[0147] 如图11所示，一个实施例的用于在怀孕期间纵向地监测胎儿健康的计算机实施方法300任选地包含框S350，所述框叙述了将提取的感兴趣参数与胎儿健康指数进行比较以确定胎儿健康程度。框S350用于通过将一个或多个感兴趣参数与胎儿健康指数进行比较来评估胎儿健康。
[0148] 在一个非限制性实例中，传感器测量两个小时内的胎儿踢动次数，并将测得的踢动计数与胎儿健康指数进行比较。在胎儿健康指数的一个实施例中，每个整数相当于使用本文所述的系统和方法进行的踢动计数评估中的一次踢动。两小时内出现零到四次踢动可能指示胎儿窘迫，两小时内出现五到九次踢动可能指示胎儿健康的概率较高，并且两小时内出现十次或更多次踢动可能指示胎儿健康。在一些实施例中，所述方法包含：如果两个小时内的踢动计数介于五次到九次之间，则推荐准妈妈采取特定动作(例如，喝冷水、短暂地仰卧或侧卧、吃甜食、听音乐、按压腹部的一侧等)以唤醒婴儿。在一些实施例中，所述方法包含：如果例如两个小时内的踢动计数低于九次，则建议准妈妈与医疗保健提供者联系。
[0149] 在另一个非限制性实例中，每个整数相当于使用本文描述的系统和方法测量的fHRV程度。例如，可以在胎儿健康指数中使用0到3的数值范围，其中：0表示未检测到振幅，并且不存在fHRV；1表示振幅为五次搏动每分钟(bpm)，并且fHRV最小；2表示振幅介于6bpm到25bpm之间，并且fHRV适中；3表示振幅大于25bpm，并且fHRV显著。
[0150] 在一些实施例中，胎儿健康指数可以包含例如胎儿健康的二进制量表或指示。在一个非限制性实例中，处于正确的分娩朝向的胎儿接收1，而未处于正确的分娩朝向的胎儿接收0(例如，臀位)。
[0151] 在一些实施例中，将两个或更多个感兴趣参数组合以产生胎儿健康指数。例如，可以组合胎动、羊水量和平均fHRV(例如，在怀孕的每周期间)以产生胎儿健康指数。
[0152] 在一些实施例中，所述方法包含：在群体级别随时间推移跟踪多个感兴趣参数；以及基于跟踪的感兴趣参数形成胎儿健康指数。可以随时间推移获取来自系统的多个用户的数据，和/或可以分析历史数据集以形成群体级别胎儿健康趋势。群体级别胎儿健康趋势可以根据数据库中的社区数据得出，所述社区数据例如通过跟踪、汇总和分析来自多个用户的一个或多个生理、生物或活动参数产生的所记录趋势、规则、相关性和/或观察结果。在一些此类实施例中，所述方法包含：随时间推移跟踪感兴趣参数，识别与群体级别胎儿健康趋势的偏差；以及分析所述偏差以确定所述偏差是否指示胎儿窘迫和/或胎儿健康的变化。
[0153] 在一些变体中，通过机器学习算法来分析所述偏差。机器学习算法识别模式，采用计算学习(例如，在未进行显式编程的情况下进行学习)并根据数据(例如，个人化数据、社区数据和/或群体级别数据)进行预测。机器学习算法的非限制性实例包含广义线性模型、支持向量机和随机森林。
[0154] 如在说明书和权利要求书中所使用的，除非上下文另有明确说明，否则单数形式“一个/一种(a/an)”和“所述(the)”包含单数指示物和复数指示物两者。例如，术语“传感器”可以包含并且预期包含多个传感器。有时，权利要求和公开内容可以包含如“多个”、“一个或多个”或“至少一个”等术语，然而，不存在此类术语并非旨在意味着，也不应该被解释为意味着没有设想多个。
[0155] 当在数字标识或范围之前使用术语“约(about或approximately)”(例如，以限定长度或压力)时，所述术语指示可以变化±5％、±1％或±0.1％的近似值。本文提供的所有数值范围包含所叙述的开始数字和结束数字。术语“基本上”指示装置、物质或组合物的大多数(即，大于50％)或基本上所有部分。
[0156] 在框图中，所展示的组件被描绘为离散的功能块，但是实施例不限于本文所描述的功能按所展示那样组织的系统。由所述组件中的每个组件提供的功能可以由以与当前所描绘的方式不同的方式组织的软件或硬件模块提供，例如，可以混合、联合、复制、分解、分布(例如，在数据中心内或地理上)或以其它不同方式组织此类软件或硬件。本文描述的功能可以由执行存储在有形非暂时性机器可读介质上的代码的一个或多个计算机的一个或多个处理器提供。在一些情况下，尽管使用了单数术语“介质”，但是指令可以分布在与不同计算装置相关联的不同存储装置上，例如，每个计算装置具有指令的不同子集，这是与本文中使用单数术语“介质”一致的实施方案。在某些情况下，第三方内容递送网络可以托管通过网络传送的信息中的一些或全部，在这种情况下，在信息(例如，内容)被叙述为被供应或以其它方式提供的程度上，所述信息可以通过发送用于从内容递送网络中检索该信息的指令来提供。
[0157] 读者应理解，本申请描述了几种独立有用的技术。申请人未将那些技术分成多个单独的专利申请，而是将这些技术分组到单个文档中，因为其相关主题有助于在申请过程中实现经济性。但是，不应合并这种技术的独特优势和方面。在一些情况下，实施例解决了本文指出的所有缺陷，但是应当理解，所述技术是独立有用的，并且一些实施例仅解决了这种问题的子集，或者提供了其它未提及的对于阅读本公开的本领域的技术人员而言是显而易见的益处。由于成本限制，当前可能未要求保护本文中公开的某些技术，并且可能在如继续申请等以后的提交文档中或通过修改本发明的权利要求来要求保护所述技术。同样，由于篇幅所限，本文档的摘要部分和发明内容部分均不应视为包含所有这种技术或这种技术的所有方面的全面列表。
[0158] 应当理解，说明书和附图并非旨在将本发明的技术限制于所公开的特定形式，而相反，意图是涵盖落入如所附权利要求限定的本发明技术的精神和范围内的所有修改、等效形式和替代形式。对于本领域的技术人员来说，鉴于本说明书，所述技术的各个方面的进一步修改和替代实施例将变得显而易见。因此，本说明书和附图应被解释为仅仅是说明性的，并且目的是向本领域的技术人员教导实施本发明的技术的一般方式。应当理解，本文示出和描述的本发明技术的形式应被视为实施例的实例。本文中示出和描述的要素和材料可以代替要素和材料，可以颠倒或省略部件和过程，并且可以独立地利用本发明技术的某些特征，对于本领域的技术人员来说，在受益于对本发明技术的这种描述之后，所有这些将变得显而易见。在不脱离如随后的权利要求中所描述的本发明技术的精神和范围的情况下，可以对本文所述的要素进行改变。本文所使用的标题仅出于组织目的，而不意图用于限制本说明书的范围。
[0159] 如在整个本申请中使用的，词语“可以(may)”以允许的意义(即，意指“有可能”)，而不是强制意义(即，意指“必须”)使用。词语“包含(include/including/includes)”等意指包含但不限于。如整个本申请中所使用的，单数形式“一个/一种(a/an)”和“所述(the)”包含复数指示物，除非内容另外明确指出。因此，例如，对“一个/一种要素”的引用包含两个或更多个要素的组合，尽管对一个或多个要素使用如“一个或多个”等其它术语和短语也是如此。除非另外指出，否则术语“或”是非排他性的，即涵盖“和”和“或”两者。描述条件关系的术语，例如，“响应于X，而Y”、“在X时，Y”、“如果X，则Y”，“当X时，Y”等涵盖了前件是必要的偶然条件，前件是充分的偶然条件或者前件是后件的造成结果的偶然条件，例如，“状态X在条件Y获得时发生”对于“X仅在Y时发生”和“X在Y和Z时发生”来说是通用的。此类条件关系不限于前件获得后立即发生的结果，因为某些结果可能延迟，并且在条件陈述中，前件与其后件相关，例如，前件与后件发生的可能性相关。多个属性或功能映射到多个对象(例如，一个或多个处理器执行步骤A、B、C和D)的陈述涵盖所有此类属性或功能映射到所有此类对象和属性或功能的子集映射到的属性或功能的子集(例如，所有处理器各自执行步骤A-D，以及处理器1执行步骤A，处理器2执行步骤B和步骤C的一部分，并且处理器3执行步骤C的一部分和步骤D)两者，除非另有说明。此外，除非另外指出，否则一个值或动作“基于”另一条件或值的陈述既涵盖条件或值是唯一因素的情况，又涵盖条件或值是多个因素中的一个因素的情况。除非另有说明，否则某个集合的“每个”实例具有某一属性的陈述不应解读为排除更大集合的某些在其它方面相同或相似的成员不具有所述属性的情况，即，每个不一定意味着每一个。除非例如使用如“在执行X之后，执行Y”之类的明确语言明确指出，否则与所列举步骤的顺序有关的限制不应对权利要求加入不存在的含义，这与如“对项目执行X，对经过X的项目执行Y”之类的用于使权利要求更具可读性，而不是指定顺序的可能不恰当地被指暗示顺序限制的陈述相反。提及“A、B和C中的至少Z个”等(例如“A、B或C中的至少Z个”)的陈述是指所列类别A、B和C中的至少Z个而不要求每个类别中有至少Z个单元。除非另有明确说明，否则如根据所述讨论显而易见的，应了解，贯穿本说明书，利用如“处理”、“计算”、“算出”、“确定”等术语的讨论是指如专用计算机或类似的专用电子处理/计算装置等特定设备的动作或过程。
[0160] 如本文所用，术语“包括(comprising或comprises)”旨在意指系统和方法包含所叙述的要素，并且可以另外包含任何其它要素。“基本上由……组成”应意味着系统和方法包含所叙述的要素并且排除对实现所陈述目的而进行的组合具有重要意义的其它要素。因此，基本上由如本文所定义的要素组成的系统或方法将不排除对所要求保护的发明的一个或多个基本和新颖特性不具有实质影响的其它材料、特征或步骤。“由……组成”应意味着系统和方法包含所叙述的要素并且排除不只是微不足道或无关紧要的要素或步骤的东西。由这些过渡术语中的每一个限定的实施例处于本公开的范围内。
[0161] 本文包含的实例和说明通过说明而非限制的方式示出了可以实践主题的具体实施例。可以利用其它实施例并且可以从中得出其它实施例，使得可以在不脱离本公开的范围的情况下进行结构和逻辑替换和改变。本文中可以单独地或共同地通过术语“发明”引用本发明主题的此类实施例，这仅仅是为了方便起见，而不意图将本申请的范围自愿地限制于任何单个发明或发明概念，如果实际上公开了多于一个的话。因此，尽管本文已经对具体实施例进行了说明和描述，但是所示出的具体实施例可以替代经计算以实现相同目的的任何布置。本公开旨在涵盖各个实施例的任何和所有改编或变体。在阅读以上描述后，上述实施例的组合以及本文未具体描述的其它实施例对于本领域的技术人员而言将是显而易见的。
[0162] 参考以下列举的实施例将更好地理解本发明技术：
[0163] 1.一种用于在怀孕期间随时间推移监测胎儿健康的系统，所述系统包括：与孕妇耦合的传感器；与所述传感器通信耦合的处理器；以及其上存储有非暂时性处理器可执行指令的计算机可读介质，其中所述指令的执行使所述处理器执行包括以下的方法：从所述传感器获取信号；处理所述信号以从所述信号中识别并提取感兴趣参数；以及分析所述感兴趣参数以确定胎儿健康程度。
[0164] 2.根据实施例1所述的系统，其中由所述处理器执行的所述方法进一步包括将所述感兴趣参数与胎儿健康指数进行比较。
[0165] 3.根据实施例1到2中任一项所述的系统，其中由所述处理器执行的所述方法进一步包括随时间推移跟踪所述感兴趣参数以形成个人化胎儿健康趋势。
[0166] 4.根据实施例1到3中任一项所述的系统，其中由所述处理器执行的所述方法进一步包括：识别与所述个人化胎儿健康趋势的偏差；以及分析所述偏差以确定所述偏差是否指示胎儿健康的改变和/或胎儿窘迫。
[0167] 5.根据实施例1到4中任一项所述的系统，其中由所述处理器执行的所述方法进一步包括：随时间推移跟踪所述感兴趣参数；识别与群体级别胎儿健康趋势的偏差；以及分析所述偏差以确定所述偏差是否指示胎儿健康的改变和/或胎儿窘迫。
[0168] 6.根据实施例1到5中任一项所述的系统，其中分析所述偏差是通过阈值化、机器学习算法和回归建模中的一种执行的。
[0169] 7.根据实施例1到6中任一项所述的系统，其中所述机器学习算法包括广义线性模型、支持向量机和随机森林中的一个或多个。
[0170] 8.根据实施例1到7中任一项所述的系统，其中所述群体级别胎儿健康趋势源自数据库中的社区数据。
[0171] 9.根据实施例1到8中任一项所述的系统，其中所述社区数据包括记录的趋势、规则、关联关系和观察结果，所述记录的趋势、规则、关联关系和观察结果是通过跟踪、汇总和分析来自多个用户的一个或多个生理、生物或活动参数生成的。
[0172] 10.根据实施例1到9中任一项所述的系统，其中所述系统包括多个传感器。
[0173] 11.根据实施例1到10中任一项所述的系统，其中获取信号包括获取多个信号。
[0174] 12.根据权利要求1所述的系统，其中提取多个参数。
[0175] 13.根据实施例1到11中任一项所述的系统，其中所述多个参数包括生理、活动和行为参数。
[0176] 14.根据实施例1到12中任一项所述的系统，其中所述传感器包括被配置成测量以下中的一个或多个的一个或多个传感器：胎动、胎儿心脏电活动、胎儿心音、fHR、fHRV、羊水量、胎盘氧合、胎盘温度、胎盘pH、胎儿呼吸、胎儿位置、胎儿朝向和胎儿窘迫。
[0177] 15.根据实施例1到14中任一项所述的系统，其中所述传感器感测生物电势信号、惯性信号、声学信号、生物阻抗信号、光学信号、近红外光谱信号、电化学信号和温度信号中的一个或多个。
[0178] 16.根据实施例1到15中任一项所述的系统，其中所述感兴趣参数包括以下中的一个或多个：平均fHR、平均fHR、平均胎儿心跳、胎儿踢动计数、胎动计数、平均胎盘氧合水平、平均胎盘温度、平均胎盘pH、平均羊水量、fHR曲线、fHR曲线和胎动曲线。
[0179] 17.根据实施例1到16中任一项所述的系统，其进一步包括便携式可穿戴传感器贴片，所述传感器贴片包括所述传感器、所述处理器和所述计算机可读介质。
[0180] 18.根据实施例1到17中任一项所述的系统，其中所述可穿戴传感器贴片进一步包括用于与移动计算装置通信的无线天线。
[0181] 19.根据实施例1到18中任一项所述的系统，其中所述传感器位于便携式可穿戴传感器贴片上或中，所述传感器贴片进一步包括电子电路和无线天线，并且其中所述传感器贴片与包括所述处理器和所述计算机可读介质的移动计算装置进行无线通信。
[0182] 20.根据实施例1到19中任一项所述的系统，其中由所述处理器执行的所述方法进一步包括以下中的一个或多个：生成警报、向所述孕妇提供反馈、向所述孕妇推荐动作以及自动将所述孕妇与医疗保健提供者连接。
[0183] 21.根据实施例1到20中任一项所述的系统，其中由所述处理器执行的所述方法进一步包括将所述胎儿健康程度通知给医疗保健提供者。
[0184] 22.根据实施例1到21中任一项所述的系统，其中由所述处理器执行的所述方法进一步包括确定胎儿窘迫的概率。
[0185] 23.根据实施例1到22中任一项所述的系统，其中由所述处理器执行的所述方法进一步包括确定与确定的概率一致的确定度。
[0186] 24.根据实施例1到23中任一项所述的系统，其中由所述处理器执行的所述方法进一步包括确定胎儿健康的概率。
[0187] 25.根据实施例1到24中任一项所述的系统，其中由所述处理器执行的所述方法进一步包括确定与确定的概率一致的确定度。
[0188] 26.根据实施例1到25中任一项所述的系统，其中分析所述感兴趣参数的步骤进一步包括：将所述感兴趣参数与阈值进行比较。
[0189] 27.根据实施例1到26中任一项所述的系统，其中如果所述感兴趣参数高于所述阈值，则胎儿健康的概率更高。
[0190] 28.根据实施例1到27中任一项所述的系统，其中如果所述感兴趣参数低于所述阈值，则胎儿窘迫的概率更高。
[0191] 29.根据实施例28所述的系统，其中所述分析所述感兴趣参数的步骤进一步包括：使用回归模型或机器学习算法分析所述感兴趣参数，以确定胎儿健康或窘迫的概率。
[0192] 30.一种用于在医院环境外在怀孕期间纵向地监测胎儿健康的计算机实施方法，所述方法包括：从传感器获取信号；处理所述信号以从所述信号中识别并提取感兴趣参数；以及分析所述感兴趣参数以确定胎儿健康程度。
[0193] 31.根据实施例30所述的方法，其进一步包括将提取的感兴趣参数与胎儿健康指数进行比较。
[0194] 32.根据实施例30到31中任一项所述的方法，其进一步包括随时间推移跟踪所述感兴趣参数以形成个人化胎儿健康趋势。
[0195] 33.根据实施例30到32任一项所述的方法，其进一步包括：识别与所述个人化胎儿健康趋势的偏差；以及分析所述偏差以确定所述偏差是否指示胎儿健康的改变和/或胎儿窘迫。
[0196] 34.根据实施例30到33中任一项所述的方法，其进一步包括：随时间推移跟踪所述感兴趣参数；识别与群体级别胎儿健康趋势的偏差；以及分析所述偏差以确定所述偏差是否指示胎儿健康的改变和/或胎儿窘迫。
[0197] 35.根据实施例30到34中任一项所述的方法，其中分析所述偏差是通过机器学习算法执行的。
[0198] 36.根据实施例30到35中任一项所述的方法，其中所述机器学习算法包括广义线性模型、支持向量机和随机森林中的一个或多个。
[0199] 37.根据实施例30到36中任一项所述的方法，其中所述群体级别胎儿健康趋势源自数据库中的社区数据。
[0200] 38.根据实施例30到37中任一项所述的方法，其中所述社区数据包括记录的趋势、规则、关联关系和观察结果，所述记录的趋势、规则、关联关系和观察结果是通过跟踪、汇总和分析来自多个用户的一个或多个生理、生物或活动参数生成的。
[0201] 39.根据实施例30到38中任一项所述的方法，其进一步包括获取多个信号。
[0202] 40.根据实施例30到39中任一项所述的方法，其进一步包括提取多个感兴趣参数。
[0203] 41.根据实施例30到40中任一项所述的方法，其中所述传感器感测生物电势信号、惯性信号、声学信号、生物阻抗信号、光学信号、近红外光谱信号、电化学信号和温度信号中的一个或多个。
[0204] 42.根据实施例30到41中任一项所述的方法，其中所述感兴趣参数包括以下中的一个或多个：平均fHR、平均fHR、平均胎儿心跳、胎儿踢动计数、胎动计数、平均胎盘氧合水平、平均胎盘温度、平均胎盘pH、平均羊水量、fHR曲线、fHR曲线和胎动曲线。
[0205] 43.根据实施例30到42中任一项所述的方法，其进一步包括以下中的一个或多个：生成警报、向孕妇提供反馈、向所述孕妇推荐动作以及自动将所述孕妇与医疗保健提供者连接。
[0206] 44.根据实施例30到43中任一项所述的方法，其进一步包括将所述胎儿健康程度通知给医疗保健提供者。
[0207] 45.根据实施例30到44中任一项所述的方法，其进一步包括确定胎儿窘迫的概率。
[0208] 46.根据实施例30到45中任一项所述的方法，其进一步包括确定与确定的概率一致的确定度。
[0209] 47.根据实施例30到46中任一项所述的方法，其进一步包括确定胎儿健康的概率。
[0210] 48.根据实施例30到47中任一项所述的方法，其进一步包括：确定与确定的概率一致的确定度。
[0211] 49.根据实施例30到48中任一项所述的方法，其中分析所述感兴趣参数的步骤进一步包括：将所述感兴趣参数与阈值进行比较。
[0212] 50.根据实施例30到49中任一项所述的方法，其中如果所述感兴趣参数高于所述阈值，则胎儿健康的概率更高。
[0213] 51.根据实施例1到50中任一项所述的方法，其中如果所述感兴趣参数低于所述阈值，则胎儿窘迫的概率更高。
[0214] 52.根据实施例30到51中任一项所述的方法，其进一步包括使用回归模型或机器学习算法分析所述感兴趣参数，以确定胎儿健康或窘迫的概率。
[0215] 53.根据实施例30到52中任一项所述的方法，其进一步包括：在群体级别随时间推移跟踪多个所述感兴趣参数；以及基于跟踪的感兴趣参数形成胎儿健康指数。
[0216] 54.根据实施例53所述的方法，其进一步包括：将提取的感兴趣参数与所述胎儿健康指数进行比较，以确定胎儿健康程度。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种大数据和BMS结合的电动汽车优化充电方法 | 2020-05-08 | 808 |
| 围术期风险评估和临床决策智能辅助系统 | 2020-05-08 | 627 |
| 一种老年人热舒适预测方法 | 2020-05-13 | 496 |
| 基于深度随机森林算法的大型飞机航空大数据故障检测与因果推理系统及方法 | 2020-05-16 | 221 |
| 一种基于肠道菌群的溃疡性结肠炎生物标志物及其应用 | 2020-05-11 | 468 |
| 一种基于航空遥感的林业健康评价系统 | 2020-05-18 | 963 |
| 疲劳裂纹增长预测 | 2020-05-16 | 148 |
| 预测方法、装置、电子设备及存储介质 | 2020-05-11 | 226 |
| 一种冰箱健康生态化智能管理系统 | 2020-05-12 | 670 |
| 一种基于染色质区域覆盖深度的癌症组织定位方法及系统 | 2020-05-13 | 821 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈