目的:为实现从母体腹壁混合信号中提取高信噪比和波形清晰的胎儿心电信号,提出一种融合核主成分分析(kernel principal component analysis,KPCA)、快速独立成分分析(fast independent component analysis,FastICA)及奇异值分解(singular value decomposition,SVD)的胎儿心电信号提取算法.方法:首先,采用KPCA对母体心电信号进行降维,再利用改进的基于负熵的FastICA处理降维后的数据,得到独立成分.随后,引入样本熵进行信号通道选择,挑选出包含最多母体信息的信号通道.在选中的母体通道上进行SVD,得到母体心电信号的近似估计,再用腹壁源信号减去该信号得到胎儿心电的初步估计.最后,采用改进的基于负熵的FastICA成功分离出纯净的胎儿心电信号.在腹部和直接胎儿心电图数据库(Abdominal and Direct Fetal Electrocardiogram Database,ADFECGDB)和 PhysioNet 2013挑战赛数据库中对提出的算法进行验证.结果:提出的算法在主观视觉效果和客观评价指标上都表现出优越的性能.在ADFECGDB数据库中,胎儿QRS复合波检测的敏感度、阳性预测值和F1值分别为99.74％、98.85％和99.30％;在PhysioNet 2013挑战赛数据库中,胎儿QRS复合波检测的敏感度、阳性预测值和F1值分别为99.10％、97.87％和98.48％.结论:融合KPCA、FastICA及SVD的胎儿心电信号提取算法在提取胎儿心电信号的同时有效处理了附加噪声,为胎儿疾病的早期诊断提供了有力支持.

胎儿心电监护是一种能实时反应宫内胎儿心脏变化情况的常规临床检测手段,目前临床胎儿心率检测大多采用的是超声多普勒,这种方式技术难度大,操作专业性强,且价格昂贵.介绍了一种基于母体腹部电极法的胎儿心电检测系统,通过母体腹部电极感知微弱胎儿心电变化,并通过相应的放大滤波电路得到混合心电信号,最后将所得到的信号通过WiFi传输至上位机.上位机利用自适应滤波算法得到胎儿心电信号估计.该系统可行性强、操作专业性低、成本低且较为便利.

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.PhysioNet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.

介绍了无创采集的胎儿心电信号的主要特点,总结归纳了自适应滤波法、独立成分分析、人工神经网络、小波变换法、贝叶斯滤波法等5种无创胎儿心电信号提取算法及其相关改进算法的基本原理及研究现状,分析了5种算法各自的导联方式及其优缺点.指出了未来胎儿心电信号提取应考虑到多胞胎的问题,在提高算法实时性和精确性的前提下,研究便携式胎心监护设备,从而使胎儿心电监护走向个人化和家庭化.

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.

目的 为了改进传统FastICA算法对初始权值较敏感的问题,本文提出一种基于超松弛因子改进的FastICA算法来提取胎儿心电.方法 首先对DaISy数据库中的母体腹部混合信号进行中心化和白化处理,去除信号间的相关性;然后在牛顿迭代算法中引入超松弛因子对随机产生的初始权值进行处理,再用改进FastICA算法提取胎儿心电;最后对胎儿心电信号的提取结果 通过可视化的波形和量化指标进行评估.结果实验结果显示该算法平均迭代次数由改进前的55次降到15次,信噪比也得到提高,并且改进后算法提取出来的胎儿心电几乎不掺杂母体心电.结论 基于超松弛因子改进的FastICA算法,在保持收敛速度的同时,放宽了对初始权值的要求,避免了收敛不平衡,减少了迭代次数,可以提取出比较清晰的胎儿心电.

本文提出一种基于云平台的胎儿心电远程监护系统,该系统由心电采集器、智能手机APP和云端服务器软件3部分组成.创可贴式心电采集器实时采集孕妇和胎儿的混合心电信号,通过蓝牙无线传送给智能手机.智能手机APP软件对接收到的混合心电信号进行分离,从母体中提取出胎儿心电信号,并把胎儿心电信号通过移动通讯网远程传输到云端服务器.云端服务器对接收到的胎儿心电进行存储和智能分析,同时将胎儿心电信号和服务器智能分析结果推送给在线医生进行监护诊断,服务器智能分析结果能给医生诊断提供参考.云端服务器软件自动将医生的诊断结果和建议返回到孕妇智能手机中.实验结果表明,所研制的基于云平台胎儿心电远程监护系统运行可靠,适合对孕妇进行长期的胎儿心电远程监护.

目的 该文以临床心电信号和合成心电信号为数据样本,应用心电信号预处理方法 在Matlab中进行数据仿真分析,以提高心电信号的信噪比.方法 首先设计梳状滤波器消除工频干扰和基线漂移,再应用低通滤波器滤除频率大于200 Hz的高斯白噪声,最后进行合成心电信号和临床心电信号仿真测试.结果 在合成心电信号仿真测试中,位于0 Hz和50 Hz的幅度得到较大的抑制;在临床心电信号仿真测试中,工频干扰和基线漂移的幅度由10×105变为2×105;经过低通滤波,高斯白噪声进一步被抑制.结论 心电信号预处理方法 能够较好地滤除心电信号中的干扰信号,提高了心电信号的信噪比,进而提高识别胎儿心电信号的准确率.

目的:针对母体心电信号和胎儿心电信号重叠度太高,导致胎儿心电分离精度低、受母体心电信号干扰的问题,提出一种峰值最大化的小波分析与快速独立成分分析(fast independent component analysis,fastICA)结合的胎儿心电提取算法.方法:首先对母体腹部混合信号(包含母体心电信号和胎儿心电信号)进行白化和去均值处理,再利用峰值确定小波包分解点,以降低混合信号重叠程度;然后利用基于负熵的fastICA分离混合心电信号,得到含有噪声的胎儿心电信号;最后使用小波去噪去除信号中的噪声和基线漂移.结果:该算法提取的胎儿心电信号比基于峭度的fastICA算法提取的胎儿心电信号更清晰,收敛性更好.结论:该算法能在母体心电信号和胎儿心电信号重叠度太高的时候,对胎儿心电信号进行有效分离,满足目前医疗市场上对提取胎儿心电信号的需求.

提出一种将扩展卡尔曼滤波(EKF)算法和奇异值分解(SVD)算法相结合的单通道胎儿心电提取方法.首先,建立母体心电的动态模型,利用该模型通过扩展卡尔曼滤波或扩展卡尔曼平滑(EKS),从孕妇的单通道腹部信号中估计出母体心电成分,然后与单通道腹部信号相减得到胎儿心电信号的初步估计,随后再利用奇异值分解算法,对初步估计出的胎儿心电信号进行去噪处理,以期得到高信噪比的胎儿心电信号.另外,针对胎儿心律不齐的情况,在奇异值分解算法中提出一种改进的心电信号重构矩阵构造方法.对合成腹部信号和实际腹部信号(源于DaISy数据库和PhysioNet中的非侵入式胎儿心电数据库,共计49个腹部通道的数据),进行胎儿心电提取实验.结果 表明,使用EKF+SVD或EKS+SVD的算法比单独使用EKF或EKS的算法,提取出的胎儿心电信号的信噪比提高约5 dB,胎儿心电提取的准确性分别达95.60％和95.94％.结合EKF和SVD算法的单通道胎儿心电提取方法,可以有效地提高胎儿心电信号的信噪比和提取的准确性,并且适用于母体或胎儿心律不齐的情况.