止向量选择流程。与PCA-样，具有去除的母体 贡献的矩阵M被去堆叠W给出胎儿ECG。
[0086] 与PCA-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）），运产生图4中所 示的650样本，如上文所讨论的。
[0087] 然后，该数据经历基于格拉姆-施密特正交化的正交投影W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m X 1的U矩阵。所构建的数据被称为 具有维度m X n的Avg。通过如W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扣V。其他阔值是可能的， 例如1、2或low。
[0089]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0P。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屯、率。W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〇P(能够填充缺失的胎儿QRS位置W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。
[0090] 图11示出了由所提出的方法所提取的腹部ECG 122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屯、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屯、 率。PCA或OP方法可W被用于提取干净的巧CG和实现步骤或模块S108中的鲁棒的胎儿屯、率 提取。
[0091] 识别胎儿QRS的PCA聚类(图2的步骤或模块S108)
[0092] 在图13中示出了图2的步骤或模块S108的PCA方法的子步骤。
[0093] 在S300处，方法开始。
[0094] 在S302处，接收关于从步骤或模块S106所衰减的母体QRS的数据。
[00M]在S304处，应用基线漂移去除技术。运可W是要么中值滤波器要么带通滤波器(例 如从IHz到IOOHz)，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中描绘了运样的滤波器的输出。
[0096] 在步骤或模块S306处，经过滤的信号被传递到自动阔值模块。经优化的阔值例程 选择最小化阔值交点之间的间隔的方差，同时约束阔值交点的数量W保持在胎儿屯、跳的生 理上合理的范围内。阔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 阔值处，记录阔值交点的数量，连同阔值交点之间的时间和阔值交点之间的时间的标准偏 差。该方法后面的假定在于，期望的屯、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。在运种情况中，在阔值交点的数量处于生理上合理的范围（例如，表示30 与200次屯、跳每分钟的屯、率）内的约束的情况下，最佳阔值是最小化阔值交点间隔的标准偏 差的一个(主要来自噪声的阔值交点间隔将比来自有规律的屯、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阔值的情况下，选择具有最 小绝对值的阔值，因为运将往往保存低幅度真实屯、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阔值84和 若干超阔值屯、跳82。
[0097] 在S308处，取得经过滤的ECG的片段和阔值交点82时刻的列表。对于每个阔值交点 而言，紧接地在交点之前和之后的信号的一部分(在运些绘图中，该持续时间是阔值交点之 前的50ms到阔值交点之后的50ms)被附加到矩阵，其中，每个矩阵行表示潜在的PQRS屯、脏波 并且与阔值交点对齐。在图17中图示了运一点，其中，随时间绘制阔值交点周围的每个信号 片段。在该绘图中，人们可W看到许多片段具有类似的形状一一运些是算法被设计为隔离 的期望的屯、脏波。在实施例中，运些交点82被用于采集looms信号片段。预期片段的其他长 度（例如，50ms、200ms、500ms和1秒）。
[0098] 运些f信号片段(其中，f是片段的数量)用作PCA应用到的f X g矩阵中的行。前n个 成分被用于将屯、脏波与噪声分离(在该实施例中，n = 3,但是预期其他值）。运找到最大变化 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 似的真实的巧RS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，屯、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。在运 种情况中，当投射到"PCA空间"中时，屯、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。
[0099] 在S310处，方法WK均值聚类继续进行W找到表示巧RS波的聚类。该聚类的中屯、被 用于通过测量从片段到聚类的中屯、的距离将置信度值分配给每个片段。具有更靠近该聚类 86的中屯、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W下 所描述的融合算法。
[0100] 在一个实施例中，使用K均值聚类，但是可W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 于运是概率技术，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 真实的屯、跳，则每个所找到的聚类是基于最后的屯、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之间的屯、率，或者如果受检者年龄是已知的，贝U 更窄地定义的范围）。图18显示被确定为表示屯、脏波的聚类，其中，圆86指示表示真实屯、脏 波的点的最高密度。
[0101] 在步骤或模块S312处，聚类被用于识别哪些阔值交点可能由屯、跳造成并且将置信 度指示分配给每个屯、跳。该步骤W W下方式利用PCA聚类结果。具有在"真实屯、跳"聚类86的 中屯、附近的PCA表示的阔值交点被假定为是真实屯、跳，并且离该聚类的中屯、的距离用作可 靠性的指示器。使用基于K均值的屯、跳分配，分配给"真实屯、跳"聚类的所有屯、跳被包括为潜 在的屯、跳。计算运些点离聚类的中屯、的距离的标准偏差，并且该数量被用于计算每个点的Z 得分一一每个点到离聚类中屯、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(表示更靠近聚类中屯、并且因此更常规的屯、跳)指示高可信屯、跳。 图19的顶部迹线90示出现在具有所识别的潜在的屯、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。
[0102] 基于自适应规则的胎儿QRS识别（图2的步骤或模块S108)
[0103] 通道或者通道的极性（R峰的方向）的最佳组合可W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屯、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屯、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：
[0104] a*chl+b*ch化c*ch3+d*ch4
[01化]其中，a、b、C和d可W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[曰，6，(3，(1] = [0,0,0,0]，因为必须使用至少一个通道。首项系数可^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W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屯、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，则所得的峰数和屯、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屯、率变异性的峰。运 些约束针对母体和胎儿屯、跳可W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(化1+化2+化3-化4)，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。
[0106] 计算针对每个通道所要求的度量可W是计算密集的。预期了较少计算密集的实施 例。人们可W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W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。在运种情况下，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屯、率变异性的一个。
[0107] 由于巧CG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W有益的是，通过估计缺失屯、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W下两个规则W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：
[0108] 1)当RR间隔大于整个记录的中值RR间隔的1.3倍时，识别缺失屯、跳。然后，相等地 使一个或多个新屯、跳散布在相邻峰之内。
[0109] 2)当一对RR间隔(RRk，RRk+1)示出W下图案之一时，峰是错位的：（a)RRk含0.9x中 值RR跟随有RRk+1 M . Ix中值RR，或者(b)RRk M . Ix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。
[0110] 运两个规则W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W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提供了运些规则可W如何改进峰值检测的范例。
[0111] 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示出了在缺失屯、跳是可能的时的RR间隔（上图）并且下图示出了填入的屯、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。
[0112] 在有或没有来自PCA算法的峰的情况下，峰时间的列表可W基于方法的过往性能 而分配标准置信度并且然后传递给W下所描述的融合算法。
[011引融合胎儿QRS
[0114]融合巧RS被设计为考虑W下事实:没有单个通道或方法在