关键字：探头 压力 信号 控制 处理器
胎儿监护是保障围产期产妇和胎儿安全，实现优生优育的重要手段。智能胎儿监护是根据监护指标分析胎儿健康状况，自动采取相应措施的监护方式。
介绍了采用自带24位A/D转换器的MSC1210微处理器为核心器件，小波分析算法处理数据为技术关键，并通过比较分析监护指标，利用报警、界面提示和启动声振器方式来提醒和自动采取相应措施的智能电脑胎儿监护系统。临床实验表明：该系统具有较高的检测精度、较好的实时性和精确、友好的智能控制。
1．引言
围产期和分娩过程中对胎儿进行监护，可以及时发现胎儿宫内缺氧、窘迫等危重症状，降低胎儿死亡率，提高分娩质量。传统胎儿监护系统较为复杂，功耗较高，人为干扰多，不便于家庭监护和自我监护。
智能胎儿监护系统选用TI公司生产的带24位A/D转换器并具有较强的模拟性能和数字处理能力的MSC1210微处理器，该微处理器把输入通道选择、缓冲、放大、增益调整、A/D转换和数字处理集成到单片电路上，仅用一片集成电路即可实现胎心率、宫缩压力和胎动次数等监护指标的数据采集和对语音器、声振器的控制。智能胎儿监护的控制依据是胎心率，如何精确及时得到胎心率是智能胎儿监护系统的控制前提。针对胎心多普勒信号具有信噪比低、非平稳的随机性特点，计算胎心率时出现1/2、2/3和2倍心率，导致控制失误，这里运用小波分析结合双重阈值算法，准确、实时得到胎心率，确保了智能控制的有效进行。
2．智能电脑胎儿监护系统硬件设计
2.1智能电脑胎儿监护系统结构
智能电脑胎儿监护系统框图如图1所示。主要由超声多普勒胎心探头、宫缩探头、胎动探头，胎心信号调理电路（低通滤波、绝对值运算和包络提取等）、宫缩压力信号调理电路、语音控制、声振器、MSC1210微处理器和计算机处理系统组成。以MSC1210和计算机处理系统为核心。
MSC1210控制监护指标的采集和通信，接收电脑命令控制语音器和声振器。计算机系统实现智能控制、通信控制、数据处理算法、监护显示等功能模块。
2.2信号调理电路
针对胎心率监护指标的重要性和胎心多普勒信号的复杂性，这里重点介绍胎心多普勒信号的条理电路。电路主要对多普勒胎心音信号进行低通滤波、绝对值运算和包络提取等预处理。低通滤波器采用截止频率为250Hz的二阶低通滤波器以滤除高频信号和干扰。绝对值运算电路如图2。信号的强度增强一倍，提高了检测灵敏度。包络提取电路如图3所示，采用截止频率为10HZ的П形滤波和T形滤波相结合的低通滤波器。并联的二极管和电容对电路中的负信号进行限制，并对一定频带的高频信号进行消振。
2.3 MSC1210微处理器
智能胎儿监护采集系统采用美国德州仪器公司推出的功能很强的单片微机MSC1210作为处理器，MSC1210芯片集成了8051微控制器和FLASH存储器的精密摸数转换器，该芯片采用增强型8051单片机内核，缩短了指令执行周期，使用低功耗设计，内部集成了一个24位分辨率的模数转换器（ADC），其转换速度可达1000HZ，8通道多路开关，模拟输入通道测试电流源，输入缓冲器，可编程增益放大器（PGA），内部基准电压源，8位微控制器，程序/ 数据Flash存储器和数据SRAM等。数字滤波器对输出的数据进行滤波。数字滤波器有快速、sin2和sin3三种。增强型8051内核有两个数据指针，其指令系统与标准8051的指令系统完全兼容，其执行速度却比8051快3倍，因此可工作在低频，以降低功耗和噪声。为了减小干扰，其模拟电源和数字电源分别供电。由于该芯片的集成度使智能胎儿监护系统硬件电路变得简单，电路设计更加简洁，芯片的外围元件非常少，从而使系统的可靠性得到了很大提高，而且大大缩短了开发周期，降低了开发成本。MSC1210接口电路原理如图4。多普勒胎心信号和宫缩压力信号经IN0和IN2输入，经多路转换器后送入缓冲器，可变增益放大器对输入信号进行放大。胎动信号由MSC1210中断处理。MSC1210经RS485总线接收电脑下达的控制命令，经P2口控制语音芯片完成语音提醒功能，通过P1.7控制声振器完成自动胎儿唤醒功能。采用MSC1210作为微处理器更能精确、实时得到胎儿监护指标，为智能控制提供保障。
3 智能胎儿监护计算机控制系统
计算机控制系统利用Visual C++6.0为程序的开发环境，在Win2000环境中运行。针对系统处理的数据量大且实时性要求高的特点，系统编程时充分运用了多线程的思想。整个系统设置为5个线程，其中管理用户界面，响应用户动作的线程为主线程，生存周期为整个程序的主存期，其它4个线程实现智能控制、通信控制、数据处理算法、监护显示功能，生命周期就是线程函数本身。多线程思想的运用，使系统各个功能模块并行运行，可以大大提高CPU的利用率，满足了系统实时性的要求。其中数据处理算法和智能控制是控制系统关键。
3.1基于coif5小波的胎心音数据处理算法
上式说明，小波变换是将离散信号在小波基函数上的投影，不同的m、n代表不同的分辨率（尺度）和不同的时频（平移），小波函数正是通过不同的m、n来调节不同的局部时频和不同的分辨率，即小波的多分辨分析特性能将信号在不同尺度下进行多分辨的分解，并将交织在一起的各种不同频率组成的混合信号分解成不同频段的子信号，因而对信号具有按频带处理的能力。运用小波分析进行信号噪声消除是小波分析的一个非常重要的应用之一。
一个含噪声的一维信号的模型可表示为：
其中：s(i)为真实信号；e(i)为噪声；x(i)为含噪信号。在实际工程中，有用信号通常表现为低频信号或较平稳的信号，噪声信号则表现为高频信号，所以消噪过程可按以下方法进行处理。首先对实际信号进行小波分解，选择小波并确定分解层数为N，则噪声部分通常包含在高频中。然后对小波分解的高频系数进行门限阈值量化处理。最后根据小波分解的第N层低频系数和经过量化后的1～N层高频系数进行小波重构，达到消除噪声的目的，即抑制信号的噪声，在实际信号中恢复真实信号。
超声多普勒胎心音信号经过信号预处理电路，信号频率范围为0—500Hz，其中包含了低于4 Hz的胎儿心跳频率，所以对信号进行波形分析和胎心率计算时应针对信号的低频信息，而不是高频信息；小波变换的多分辨分析特性是随着尺度由细变粗，逐步得到信号的高频到低频，从细节到平滑一系列结果。所以可以利用小波的多分辨分析特性，通过选用合适的小波基，优化分解层数，分离多普勒胎心信号的高频部分和低频部分，并将高频部分全部剔除，得到包含全部胎儿心跳信息的低频部分，通过低频信号频率，计算出胎儿心跳周期，得到胎心率。本系统通过大量实验和理论推导选用 小波函数。利用小波具有的正交性、近似对称性、较好的光滑度和正则性的优点，通过6层小波分解提取，得到8Hz以下的第6层低频信号。这时的低频信号基本上就是胎儿的心跳信号。
由于存在随机噪声干扰，必须对小波算法提取到的胎心音信号进行处理，本文采用双重阈值识别噪声。首先计算幅度阈值为，计算公式为：
3.2电脑胎儿监护的智能控制
针对以往胎儿监护只能医生通过研究监护曲线图形来告知胎儿健康状况，增加了医生工作量，不利于家庭监护。智能胎儿监护则重点考虑胎儿监护的智能化。智能监护的理论依据主要是根据实测胎心率和临床经验值。主要有界面颜色图形标识、语音提示和胎儿唤醒控制。为了增加智能控制的安全性和稳定性，这里的胎心率是监护一段时间内的平均值，段时间大小可通过界面自行设置。胎心率也受胎儿醒-睡状态的影响，声刺激能使胎儿从睡眠转清醒状态，引起胎动、胎心率改变，对了解产前胎儿安危有重要意义。因此本系统可根据胎心率检测情况自动启动声刺激唤醒胎儿，从而得到更有价值的胎儿监护曲线图。表1给出了智能胎儿监护系统胎心率监护值和智能控制对照表。
表1 胎儿监护智能控制措施表
|
胎儿心率（bpm）
|
临床分类
|
智能控制措施
|
|
>180
|
重度过速
|
红色标识、语音提示
|
|
160~180
|
轻度过速
|
黄色标识
|
|
120~160
|
正常心率
|
绿色标识
|
|
100~120
|
轻度缓慢
|
黄色标识
|
|
<100
|
重度缓慢
|
红色标识、语音提示、启动声振
|
|
相邻心率>25
|
脐带受压
|
蓝色标识、语音提示
|
以上胎儿心率是临床经验值，监护医生可根据孕妇实际情况现场设定，也可人为设定或取消以上智能控制。
4 结论
智能电脑胎儿监护系统采用MSC1210微处理器进行高速采样和通信，利用coif5小波结合双重阈值算法提取胎心音信号，并适时加入智能控制。根据上述原理和框架设计的智能胎儿监护系统具有高精度、高实时性、抗干扰能力强和适合家庭监护的特点，减轻了医生工作量，提高了围产期胎儿监护的临床价值。
参考文献
[1] 程志厚. 宋树良 . 胎儿电子监护学 . 北京: 人民卫生出版社, 2001.3
[2] 邓宏彬. 田纳新 .MSC121X系统级单片机原理与应用.北京: 机械工业出版社, 2004.2
[3] 何立民. 何立民．MCS－51系列单片机应用系统设计．北京: 北京航空航天大学出版社，1990
[4] 胡永建. 王晓梅. 基于MSC1210的多路高精度温度采集系统模块. 北京: 电子技术应用 , 2003.11(7):36-39.
[5] 何健辉. 董方鹏. 实用Visual C++ 6.0 教程 .北京: 清华大学出版社. 2000. 9
[6] 程正兴. 小波分析算法与应用 . 西安 : 西安交通大学出版社. 1998.5
[7] Mallat S, Hwang W. Sigularity Detection and Processing with Wavelets IEEE Tran on Information Theory,1992,38(2):617-643.
[8] Mallat S. A Theory of Multiresolution Signal Decomposition: The Wavelet Transform. IEEE Trans on PAMI,1989,11(7):674-693.
*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。
发布文章
