-
公开(公告)号：CN113598810B
公开(公告)日：2023-08-15
申请号：CN202110829622.5
申请日：2021-07-22
Applicant: 暨南大学
Abstract: 本发明公开了一种基于分割网络的胎心率基线自动计算方法，主要包括采集胎心率信号并进行预处理；利用分割网络获取胎心率信号中每一个采样点归属概率并划分基线采样点和非基线采样点；对基线采样点进行有效性校验得到有效基线采样点；对有效基线采样点进行插值拟合和滤波降噪，最终得到估算的胎心率基线。本发明提供的胎心率基线计算方法能够利用分割网络准确判决和定位基线采样点和非基线采样点，通过引入基线采样点有效性校验过程实现基线的可靠估算，解决了基于数值方法计算基线不稳定的问题，为临床上胎心率基线的求解提供了一种更加智能的方法，可以广泛适用于生物医学信号处理领域和计算机检测领域。
-
公开(公告)号：CN110432929A
公开(公告)日：2019-11-12
申请号：CN201910624587.6
申请日：2019-07-11
Applicant: 暨南大学
IPC: A61B8/08
Abstract: 本发明公开了一种基于超声图像的产时头盆关系自动测量方法和装置，方法包括步骤：获取用于训练的产妇经会阴超声图像数据集，作为训练集；将训练集中的数据输入到构建的神经网络模型中，训练端到端的分割模型，分割出耻骨联合和胎儿头部的感兴趣区域；反复训练，得到训练好的神经网络模型；在实际应用时，将实时采集的超声图像输入到训练好的神经网络模型中，得到耻骨联合和胎儿头部的感兴趣区域，对感兴趣区域进行增强和边界拟合，计算胎儿头部下降角AOD和耻骨联合-胎儿头部距离SFD。相对于现有的产时胎儿参数测量方法，本发明能准确、客观地对产时胎儿参数进行实时测量，不需要任何先验知识和人为干预，且能达到实时应用要求，具有临床使用前景。
-
Patent Agency Ranking
公开(公告)号：CN110432884A
公开(公告)日：2019-11-12
申请号：CN201910609517.3
申请日：2019-07-08
Applicant: 暨南大学
IPC: A61B5/024
Abstract: 本发明公开了一种基于胎心率减速区面积的胎儿状况测评方法及系统，该方法的步骤为：进行胎心率曲线预处理；识别提取胎心率基线：预处理后的胎心率曲线进行频数分析，选取基准线；去除胎心率曲线中非基线片段并进行插值修复；基于统计学置信区间，统计前后向滤波法的初始值B0；胎心率曲线平滑处理，拟合胎心率基线；查找胎心率曲线中的胎心率最小值，设置迭代阈值，识别胎心率曲线中的胎心率减速区；计算胎心率减速区的面积值；设置面积阈值，比较胎心率减速区的面积值与面积阈值，测评胎儿状况。本发明能准确定位胎心率减速区的边界，准确计算出胎心率减速区面积，形成衡量胎心率减速的量化标准，能有效运用于胎儿状况测评。
-
公开(公告)号：CN110448335A
公开(公告)日：2019-11-15
申请号：CN201910624322.6
申请日：2019-07-11
Applicant: 暨南大学
IPC: A61B8/08 , A61B8/00 , G06N3/04 , G06N3/08 , G06T7/00 , G06T7/11 , G06T7/12 , G06T7/181 , G06T7/187
Abstract: 本发明公开了一种基于超声图像的胎儿头围全自动测量方法和装置，方法包括步骤：S1、获取胎儿头部二维超声图像；S2、构建全卷积神经网络，根据全卷积神经网络对胎儿头部的二维超声图像进行语义分割，从中初步分割出ROI区域；S3、获取ROI区域的轮廓；S4、对上述胎儿头部的ROI区域的轮廓进行椭圆拟合；S5、根据椭圆计算胎儿头围长度。本发明基于深度学习方法和图像处理技术实现，可以快速准确的集合超声图像中的胎儿颅骨，根据像素之间与实际长度的对应关系可计算出胎儿的头围。
-
公开(公告)号：CN110432884B
公开(公告)日：2022-07-01
申请号：CN201910609517.3
申请日：2019-07-08
Applicant: 暨南大学
IPC: A61B5/024
Abstract: 本发明公开了一种基于胎心率减速区面积的胎儿状况测评方法及系统，该方法的步骤为：进行胎心率曲线预处理；识别提取胎心率基线：预处理后的胎心率曲线进行频数分析，选取基准线；去除胎心率曲线中非基线片段并进行插值修复；基于统计学置信区间，统计前后向滤波法的初始值B0；胎心率曲线平滑处理，拟合胎心率基线；查找胎心率曲线中的胎心率最小值，设置迭代阈值，识别胎心率曲线中的胎心率减速区；计算胎心率减速区的面积值；设置面积阈值，比较胎心率减速区的面积值与面积阈值，测评胎儿状况。本发明能准确定位胎心率减速区的边界，准确计算出胎心率减速区面积，形成衡量胎心率减速的量化标准，能有效运用于胎儿状况测评。
-
公开(公告)号：CN110448335B
公开(公告)日：2022-04-05
申请号：CN201910624322.6
申请日：2019-07-11
Applicant: 暨南大学
IPC: A61B8/08 , A61B8/00 , G06N3/04 , G06N3/08 , G06T7/00 , G06T7/11 , G06T7/12 , G06T7/181 , G06T7/187
Abstract: 本发明公开了一种基于超声图像的胎儿头围全自动测量方法和装置，方法包括步骤：S1、获取胎儿头部二维超声图像；S2、构建全卷积神经网络，根据全卷积神经网络对胎儿头部的二维超声图像进行语义分割，从中初步分割出ROI区域；S3、获取ROI区域的轮廓；S4、对上述胎儿头部的ROI区域的轮廓进行椭圆拟合；S5、根据椭圆计算胎儿头围长度。本发明基于深度学习方法和图像处理技术实现，可以快速准确的集合超声图像中的胎儿颅骨，根据像素之间与实际长度的对应关系可计算出胎儿的头围。
-
公开(公告)号：CN113598810A
公开(公告)日：2021-11-05
申请号：CN202110829622.5
申请日：2021-07-22
Applicant: 暨南大学
Abstract: 本发明公开了一种基于分割网络的胎心率基线自动计算方法，主要包括采集胎心率信号并进行预处理；利用分割网络获取胎心率信号中每一个采样点归属概率并划分基线采样点和非基线采样点；对基线采样点进行有效性校验得到有效基线采样点；对有效基线采样点进行插值拟合和滤波降噪，最终得到估算的胎心率基线。本发明提供的胎心率基线计算方法能够利用分割网络准确判决和定位基线采样点和非基线采样点，通过引入基线采样点有效性校验过程实现基线的可靠估算，解决了基于数值方法计算基线不稳定的问题，为临床上胎心率基线的求解提供了一种更加智能的方法，可以广泛适用于生物医学信号处理领域和计算机检测领域。
-
-
-
-
-
-
Search Results
7
records
(took 0.024 seconds)
