基于经验模式分解的措施,用于从子宫EMG调查怀孕进展

科学领域:

• 生物医学工程 生物医学工程
• 生理学 生理学 生理学
• 信号处理 信号处理

背景情况:

• 子宫电肌图 (uEMG) 信号提供了关于子宫活动的见解.
• 监测妊娠进展和预测分娩开始是临床的关键挑战.

研究的目的:

• 使用基于经验模式分解 (EMD) 的时间频率特征分析子宫肌电图 (uEMG) 信号.
• 为了研究在满期条件下怀孕的进展 (妊娠年龄>36周).
• 评估基于EMD的特征能够区分怀孕早期和晚期的能力.

主要方法:

• 在两个条件下从公共数据集获取uEMG信号:T1 (<26周) 和T2 (≥26周).
• 对uEMG信号进行预处理.
• 应用经验模式分解 (EMD) 来分解信号.
• 从内在模式函数中提取和统计分析时间频率特征 (MDF,MNF,峰值频率,峰值大小).

主要成果:

• 基于EMD的时间频率特征有效地区分了早期 (T1) 和晚期 (T2) 怀孕阶段.
• 平均频率 (MNF) 和中位频率 (MDF) 从T1到T2显示下降趋势.
• 这些特征表现出显著的效果大小,证实了两种妊娠条件之间的强大差异化.

结论:

• 对uEMG信号的基于EMD的时间频率分析是研究怀孕进展的有希望的方法.
• 观察到的MNF和MDF的减少与妊娠年龄的增长相关.
• 这些发现表明,在监测导致分娩的子宫变化时,有可能利用EMD功能.