基于经验模式分解和最小二乘支持向量机的胎儿心电信号提取

针对心电信号的非平稳特性,将非平稳信号处理方法与非线性估计方法相结合,提出一种从母体腹壁混合信号中提取胎儿心电信号的新方法。采用经验模式分解(EMD)方法将非平稳的母体心电信号分解为有限个本征模函数(IMF)和一个残差信号;母体腹壁混合信号中的母体心电成分为母体心电信号的非线性变换,采用最小二乘支持向量机(LSSVM)拟合这一非线性变换;将EMD分解所得的本征模函数和残差信号经由所拟合的非线性变换得到母体腹壁混合信号中母体心电成分的最优估计,从母体腹壁混合信号中减去该最优估计得到胎儿心电信号。引入基于特征值分析和基于互相关系数计算信噪比的方法,评估胎儿心电信号提取方法的性能。实验结果表明,在胎儿心电信号和母体心电信号QRS波分离或者重叠的情况下,通过提出的方法均可得到清晰的胎儿心电信号,且信噪比相对于传统方法有明显提高。实验结果验证了该方法的有效性。

基于多尺度残差收缩U-Net的胎儿心电信号提取

针对在胎儿心电信号提取中,U-Net同级卷积编码器尺度的单一性忽略了母亲和胎儿心电特征波的大小和形态差异,且当残差收缩模块作为编码器的阈值学习过程中缺少对心电信号时间信息利用的问题,本文提出一种基于多尺度残差收缩U-Net模型的胎儿心电信号提取方法。首先在残差收缩模块中引入Inception和时间域注意力,增强同级卷积编码器的胎儿心电信号多尺度特征提取能力和时间域信息的利用;为了保持更多的心电波形局部细节特征,将U-Net中的最大池化替换为Softpool;最后,由残差模块和上采样构成的解码器逐步生成胎儿心电信号。本文应用临床心电信号进行实验,最终结果表明:与其他胎儿心电提取算法相比,本文方法可以提取更为清晰的胎儿心电信号,在2013年竞赛数据集上灵敏度、阳性预测值和F1分数分别达到93.33%、99.36%、96.09%。因此本文方法可以有效提取胎儿心电信号,为围产期胎儿健康监护提供了一种具有应用价值的方法。

小波域变步长ICA算法提取胎儿心电信号

胎儿心电信号是反映胎儿宫内生理活动的一种最主要的客观指标,从母体体表混合信号中分离出胎儿心电信号是近年来信号处理领域研究的热点问题。该文利用小波变换将采集到的各导联混合信号变换到小波域;在小波域结合模拟退火法变步长进行独立分量的提取;将提取到的各独立分量进行小波逆变换,从中选择胎儿心电信号成分。通过对临床实际数据进行实验,实验结果提取出了清晰的胎儿心电信号。