基于抗混叠小波变换的胎儿心电信号分离方法

目的胎儿心电图能够较好地反映胎儿在子宫内的发育状况,但是由于采集的胎儿心电信号中混有噪声干扰,给医学诊断带来极大干扰。抗混叠小波变换算法能够从混有噪声干扰的源信号中提取胎儿心电信号,且当胎儿心电信号与母体心电信号混叠时,该方法仍能够提取胎儿心电信号。基于此,本文提出一种基于抗混叠小波变换的胎儿心电信号分离方法。方法首先对原始心电信号进行滤波预处理,再利用小波变换分离母体心电信号和胎儿心电信号,最后根据抗混叠分离算法获取混合心电信号中的胎儿心电信号,得到满周期的胎儿心电信号。结果该方法能够较好地获取胎儿心电波形,胎儿心电波形识别准确率可达100%,在信噪比较低的情况下,识别准确率仍可达到77.78%。应用此算法在国外MIT-BIT心电信号数据和国内医院临床心电信号数据中进行实验仿真,并与先前学者的胎儿心电信号提取方法进行对比。结论此方法具有较高的识别准确率以及在临床应用中的可靠性和可行性。     

基于平稳小波变换的胎儿心电提取方法

胎儿心电信号的提取对孕期胎儿健康状况的检测具有重要意义。本文提出一种基于平稳小波变换的单/多通道胎儿心电提取方法。多通道环境下输入信号包括腹部混合信号和母体心电信号,单通道环境下母体心电信号采用对腹部混合信号进行窗口平均法获得,然后对信号进行平稳小波变换与阈值去噪,继而提取胎儿心电信号。Physio Net数据测试实验表明,该方法在单/多通道的环境下均能成功提取到清晰的胎儿心电信号,并且能有效地消除噪声。     

应用自相关和独立分量分析的胎儿心电信号提取

目的:胎儿心电信号在监护胎儿健康状况过程中有着重要的作用。通常从孕妇腹部采集到的混合心电信号中提取出胎儿心电信号,孕妇腹部信号是准周期性的时间信号,其采样点存在着先后关系,传统的独立分量分析(ICA)算法在分离过程中没有考虑信号的时间相关性,针对这一问题提出了一种新的方法提取胎儿心电信号。方法:首先采用自相关分析可以得到混合信号具体的周期长度,根据周期长度进行片段截取信号后可以去除其时间相关性,再利用传统的FastICA分离截取信号得到ICA模型的模型参数,最后利用此模型参数从完整的混合信号中提取出胎儿心电信号。结果:使用临床数据进行了实验验证,分别使用传统的FastICA和新的方法提取胎儿心电信号,结果表明采用新方法提取出的胎儿心电信号中母体成分干扰得到了很好的抑制,胎儿心电信号比较清晰,分离效果优于传统的FastICA。结论:该方法可以清晰地提取出胎儿心电信号,在胎儿心电信号提取中具有很高的实用价值。     

基于自适应线性神经网络的胎儿心电信号提取

胎儿心电信号提取对胎儿监护具有重要意义。本文介绍了一种基于自适应线性神经网络的胎儿心电信号提取方法。该方法根据母体心电信号与母体腹部信号的相关性原理,以母体心电信号为网络输入,母体腹部信号为网络目标,采用W-H学习方法获取的训练误差即为提取出的胎儿心电信号。此外,通过增加网络隐含层,对神经网络的结构进行改进,增加网络训练精度,从而得到更好的训练结果,提取出更易识别的胎儿心电信号。最后分别使用仿真数据和临床数据对上述方法进行测试,实验结果表明,利用自适应线性神经网络可以提取出胎儿心电信号,通过改进神经网络结构,可以提取出更为清晰的胎儿心电信号。     

基于移动智能终端的单通道胎儿心电监护系统

目的 设计基于移动智能终端的单通道胎儿心电监护系统,以实现扩展卡尔曼滤波(extended Kalman filtering,EKF)和奇异值分解(singular value decomposition,SVD)相结合的单通道胎儿心电提取算法,实时获取高信噪比的胎儿心电信号,完成胎心监护的远程移动医疗.方法 利用STM32单片机控制24位采样芯片ADS1298,对单通道的孕妇腹部信号进行采集,并将采集后的数据经蓝牙传送给移动智能终端,在基于Android的移动智能终端上实现EKF和SVD相结合的单通道胎儿心电提取算法,完成对胎儿心电的实时提取、显示、存储与分析,计算心律变异率,实现对整个监护系统进行控制等功能.结果 测试结果表明,该系统可从单通道孕妇腹部信号中准确提取出胎儿心电信号,准确度为95.60％,阳性预测率为98.71％,系统工作稳定,连续处理5个胎心周期的数据用时约为70μs,小于一个母体心动周期(约0.8 s)的时间,适于临床对胎儿心电的实时监护.结论 该系统实时性强、准确率高、工作稳定、操作简单、便于携带,实现了对胎心监护的可穿戴式远程移动医疗,适合社区医院和家庭使用.     

基于BP神经网络的胎儿心电提取算法研究

目的针对胎儿心电不易提取的问题,提出一种从孕妇腹部混合心电信号和胸部心电信号中提取胎儿心电的方法。方法采用反向传播(BP)神经网络预测孕妇腹部混合心电信号中母体心电的真实形态,从腹部混合信号中减去预测的母体心电信号便得到胎儿心电信号。与小波阈值去燥算法和自适应滤波算法比较,评价BP神经网络算法可行性。结果相比小波阈值去燥算法和自适应滤波算法,该算法准确度为94.12%,灵敏度为96.97%。这两项指标均优于小波阈值去燥算法的80.52%、93.94%和自适应滤波算法的87.88%、87.88%。结论基于BP神经网络的方法可以提取到纯净的胎儿心电信号,对于胎儿心电监护有一定的应用价值。     

基于RLS-ANC自适应滤波的FECG信号提取方法

本文应用RLS-ANC(recursive least squares adaptive noise canceⅡation)自适应滤波方法提取胎儿心电(FECG)信号.该方法采用RLS-ANC自适应滤波消除母亲心电,提取胎儿心电信号.实验结果表明,本方法适应非平稳信号的能力强,收敛速度快,提取效果好于NLMS(normalized least mean squares)算法.     

基于经验模态分解自适应滤波的胎儿心电信号提取

目的提出了一种基于经验模态分解自适应滤波的胎儿心电信号提取法。方法首先利用经验模态分解算法对孕妇腹部信号进行分解得到一组内模函数(IMF),然后将这组IMF作为自适应滤波器的主输入信号,并将孕妇胸部信号作为参考输入信号。通过学习算法自适应组合IMF,滤除母体心电信号成分,从而提取胎儿心电信号。结果与结论基于仿真和临床的实验结果表明,该方法提取的胎儿心电信号误差小,性能优于传统的最小均方和归一化最小均方自适应滤波算法。     

基于非负盲分离的胎儿心率检测方法

胎儿心率监测是一种有效评估胎儿当前健康状况的重要参考依据。为了可以快速准确地获取胎儿心率,该文提出一种基于非负盲分离的胎儿心率检测方法。该方法首先对采集得到的腹壁信号进行预处理,平稳小波变换后重构出母亲心电信号;接着,采用相减法去除母亲心电信号,再把剩下含有噪声的胎儿心电信号通过时频变换得到Born-Jordan分布;最后,利用非负矩阵分解得到胎儿心电的特征信号,检测其R波位置求得胎儿瞬时心率。实验结果表明,该方法可以快速、准确有效地获得胎儿地瞬时心率数据。     

围产期母亲和胎儿心动周期信号分析

同时分析围产期胎儿和孕妇心动周期信号的数字特征(混沌和谱特征)以评价自主神经系统功能。用可视化程序设计的方法实现提取和分析围产期母亲和胎儿心动周期信号。受试者取仰卧位，心电信号从置于腹壁下部耻骨联合导联获得。胎儿心电信号用小波分解进行信号预处理。采用本实验室已经完成开发的技术实现心动周期信号数字特征的分析。该系统可以评价胎儿和孕妇的自主神经系统功能，特别是分别定量评价交感和副交感神经系统功能；该系统还可用以预测胎儿窘迫。胎儿和其它年龄段的心动周期信号数字特征随年龄的变化提示了自主神经系统的发育、成熟和衰老的生理过程，基于这一点我们可以寻找抗衰老的方法；胎儿的心动周期信号数字特征介于新生儿和成人之间，提示胎儿的自主神经系统的调节可能受母体神经内分泌系统的影响。