-
题名胎儿心电信号的无创提取:基于时间卷积编解码网络
- 1
-
-
作者
曹石
巩高
肖慧
方威扬
阙与清
陈超敏
-
机构
南方医科大学生物医学工程学院
南昌大学第一附属医院
-
出处
《南方医科大学学报》
CAS
CSCD
北大核心
2022年第11期1672-1680,共9页
-
基金
国家重点研发计划(2019YFC0118805)
人工智能医学信息系统软件临床试验技术规范。
-
文摘
目的实现从孕妇腹壁混合心电信号中提取微弱的胎儿心电信号,为准确估计胎儿心率、分析胎儿心电波形等提供基础。方法利用深度卷积网络(deep CNN)优越的非线性映射能力,本文提出了一种基于时间卷积编解码网络的非线性自适应噪声消除(nonlinear ANC)提取框架,以实现胎儿心电信号的有效提取。首先构建适用于处理胎儿心电信号的深度时间卷积网络(TCED-Net)模型作为非线性映射工具;然后以孕妇胸部心电信号为参考,利用该模型估计孕妇腹壁混合心电信号中的母体心电成分;最后从腹壁混合信号中减去所估计的母体心电成分,以得到完整的胎儿心电信号。实验利用合成心电数据(FECGSYNDB)和临床心电数据(NIFECGDB、PCDB)对方法性能进行测试与对比。结果本文方法在FECGSYNDB上的胎儿R峰检测精度([F1]值)、均方误差(MSE)和质量信噪比(qSNR)分别达到98.89%,0.20和7.84;在NIFECGDB上的[F1]值达到99.1%;在PCDB上的[F1]值达到98.61%。在不同数据集中较之EKF([F1=]93.84%)、ES-RNN([F1]=97.20%)和AECGDecompNet([F1]=95.43%)等现有性能最佳的算法,本文方法的R峰检测精度指标分别高出5.05%、1.9%和3.18%,均优于现有最佳方法。结论与现有算法相比,本文方法可以提取出更为清晰的胎儿心电信号,对孕期进行有效的胎儿健康监护具有一定的应用价值。
-
关键词
胎儿监护
自适应滤波
时间卷积神经网络
无创胎儿心电图
胎心率信号
-
Keywords
fetal monitoring
adaptive filtering
temporal convolutional neural networks
non-invasive fetal electrocardiogram
fetal heart rate
-
分类号
R714.5
[医药卫生—妇产科学]
-
