【技术实现步骤摘要】
本申请涉及信号处理领域，尤其涉及一种胎心率检测方法、装置、计算机设备及存储介质。
技术介绍
1、胎心率(fetal heart rate，fhr)是在围产期评估胎儿健康程度的一项重要的基础参数。应用多普勒频移效应的超声多普勒胎心信号计算胎心周期，因为其具有高效性、无创性和安全性，所以在临床监测胎心率被广泛应用。在时域信号处理领域中使用超声多普勒胎心信号计算瞬时胎心率的技术主要是自相关技术，运用了自相关函数的周期与信号周期保持一致的性质，计算自相关函数的周期便可以获得瞬时胎心率。
2、通过超声多普勒方式获取的胎心信号是一种包含了大量噪声的时序信号，其中胎动、胎心探头的移位、母体的运动等都会产生相应的噪声，但是采用自相关技术之前只通过普通的低通滤波是无法消除这些噪声对自相关计算的影响的，所以当遇到噪声时使用自相关方法计算胎心率可能会出现计算结果加倍或减半的现象。然而，当前传统的信号降噪方法，很难多维度消除超声多普勒胎心信号中的噪声，从而难以降低噪声对计算胎心率的影响程度。
技术实现思路
1、基于此，有必要针对上述问题，提出一种胎心率检测方法、装置、计算机设备及存储介质，能够降低噪声对计算胎心率的影响程度，得到相对准确的胎心率。
2、第一方面，本申请提供一种胎心率检测方法，所述方法包括：
3、构建生成对抗网络，并对所述生成对抗网络进行训练，直至所述生成对抗网络的学习权重值达到最优；
4、向训练好的生成对抗网络输入含有噪声的胎心信号，所述生成
5、获取降噪后的胎心信号，对降噪后的胎心信号进行处理，得到包络信号，利用所述包络信号计算胎心率。
6、在一些实施例中，所述生成对抗网络包括生成网络和判别网络；
7、所述对所述生成对抗网络进行训练，直至所述生成对抗网络的学习权重值达到最优，包括：
8、向所述生成网络输入无噪声的第一胎心信号，所述第一胎心信号具有第一标记，所述第一标记表示所述第一胎心信号不是所述生成网络生成的信号，所述生成网络将所述第一胎心信号输出给所述判别网络；
9、向所述生成网络输入含有噪声的第二胎心信号，所述生成网络对所述第二胎心信号进行学习，得到第三胎心信号，将所述第三胎心信号输出给所述判别网络；所述第三胎心信号具有第二标记，所述第二标记表示所述第三胎心信号是所述生成网络生成的信号；
10、所述判别网络根据所述第一标记和所述第二标记对所述第一胎心信号和所述第三胎心信号进行判别，将判别结果反馈给所述生成网络，以指导所述生成网络继续进行学习，直至所述判别网络的输出为0，则所述生成对抗网络的学习权重值达到最优，停止训练；其中，所述判别网络的输出为0表示所述判别网络无法区分所述第一胎心信号和所述第三胎心信号。
11、在一些实施例中，所述生成网络对所述第二胎心信号进行学习，得到第三胎心信号，包括：
12、所述生成网络通过卷积层和池化层对所述第二胎心信号进行特征提取，在特征提取的过程中通过权重系数抑制噪声信号；
13、将提取到的特征信号逐步还原成滤波后的一维信号，得到所述第三胎心信号；
14、所述将判别结果反馈给所述生成网络，以指导所述生成网络继续进行学习，包括：
15、将判别结果反馈给所述生成网络，所述生成网络调整所述权重系数，重新进行特征提取和信号还原。
16、在一些实施例中，所述对降噪后的胎心信号进行处理，得到包络信号，包括：
17、对降噪后的胎心信号进行低通滤波，得到所述包络信号。
18、在一些实施例中，所述利用所述包络信号计算胎心率，包括：
19、对所述包络信号进行自相关运算，获取包络信号中的真正心跳时刻的峰值；
20、根据峰值位置和对应胎心率的偏移量计算胎心率。
21、在一些实施例中，所述对所述包络信号进行自相关运算，获取包络信号中的真正心跳时刻的峰值，包括：
22、对所述包络信号进行自相关运算，获取每次自相关运算得到的自相关曲线，检测自相关曲线的峰值，作为包络信号中的真正心跳时刻的峰值。
23、在一些实施例中，所述根据峰值位置和对应胎心率的偏移量计算胎心率，采用以下公式：
24、
25、其中，fhr为胎心率，fs为信号的采样频率，dev为对应胎心率的偏移量，pos为峰值位置。
26、第二方面，本申请还提供一种胎心率检测装置，所述装置包括：
27、构建模块，用于构建生成对抗网络，并对所述生成对抗网络进行训练，直至所述生成对抗网络的权重值达到最优；
28、输入模块，用于向训练好的生成对抗网络输入含有噪声的胎心信号，所述生产对抗网络对所述胎心信号进行降噪；
29、处理模块，用于获取降噪后的胎心信号，对降噪后的胎心信号进行处理，得到包络信号，利用所述包络信号计算胎心率。
30、第三方面，本申请实施例还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如第一方面任一项所述的胎心率检测方法的步骤。
31、第四方面，本申请实施例还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如第一方面任一项所述的胎心率检测方法的步骤。
32、采用本申请实施例，至少具有如下有益效果：
33、本申请实施例通过构建生成对抗网络，并对所述生成对抗网络进行训练，直至所述生成对抗网络的权重值达到最优；向训练好的生成对抗网络输入含有噪声的胎心信号，所述生产对抗网络对所述胎心信号进行降噪；获取降噪后的胎心信号，对降噪后的胎心信号进行处理，得到包络信号，利用所述包络信号计算胎心率。本申请实施例利用深度学习中的生成对抗网络对胎心信号进行降噪处理，能够有效消除胎心信号中的噪声，从而降低噪声对计算胎心率的影响程度，可以有效降低计算瞬时胎心率加倍或减半的发生率，得到相对准确的胎心率。
本文档来自技高网...【技术保护点】
1.一种胎心率检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的胎心率检测方法，其特征在于，所述生成对抗网络包括生成网络和判别网络；
3.根据权利要求2所述的胎心率检测方法，其特征在于，所述生成网络对所述第二胎心信号进行学习，得到第三胎心信号，包括：
4.根据权利要求1所述的胎心率检测方法，其特征在于，所述对降噪后的胎心信号进行处理，得到包络信号，包括：
5.根据权利要求1所述的胎心率检测方法，其特征在于，所述利用所述包络信号计算胎心率，包括：
6.根据权利要求5所述的胎心率检测方法，其特征在于，所述对所述包络信号进行自相关运算，获取包络信号中的真正心跳时刻的峰值，包括：
7.根据权利要求5所述的胎心率检测方法，其特征在于，所述根据峰值位置和对应胎心率的偏移量计算胎心率，采用以下公式：
8.一种胎心率检测装置，其特征在于，所述装置包括：
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利
10.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述的胎心率检测方法的步骤。
...【技术特征摘要】
1.一种胎心率检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的胎心率检测方法，其特征在于，所述生成对抗网络包括生成网络和判别网络；
3.根据权利要求2所述的胎心率检测方法，其特征在于，所述生成网络对所述第二胎心信号进行学习，得到第三胎心信号，包括：
4.根据权利要求1所述的胎心率检测方法，其特征在于，所述对降噪后的胎心信号进行处理，得到包络信号，包括：
5.根据权利要求1所述的胎心率检测方法，其特征在于，所述利用所述包络信号计算胎心率，包括：
6.根据权利要求5所述的胎心率检测方法，其特征在于，所述对所述包络信号进行自相关运算，...
【专利技术属性】
技术研发人员：贾先圆，赵锡达，毛达，谢超成，卜祥南，尹鹏，
申请(专利权)人：深圳市科曼医疗设备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。