从腹部记录中获取胎儿心电图,使用盲源分离技术和强大的集合成员关系投影算法来提高信号质量

科学领域:

• 生物医学工程 生物医学工程
• 信号处理 信号处理
• 孕产妇和胎儿医学 孕产妇和胎儿医学

背景情况:

• 非侵入性的胎儿心脏健康监测对于监测胎儿健康至关重要.
• 清洁和可解释的胎儿心电图 (fECG) 信号对于准确的评估至关重要.
• 目前的方法在从母体记录中获得高质量的fECG信号方面面临挑战.

研究的目的:

• 开发和验证一种新的框架,用于从腹部心电图 (aECG) 记录中提取和增强胎儿心电图 (fECG) 信号.
• 提高fECG信号的质量和可解释性,以进行非侵入性的胎儿健康监测.
• 建立一个可靠的方法,从母亲的腹部记录中提取可靠的fECG数据.

主要方法:

• 一个全面的框架,包括信号预处理,盲源分离 (BSS) 和经验模式分解 (EMD) 变体 (EEMD,CEEMDAN).
• 使用了强大的集合成员关系投影 (RSMAP) 算法来增强信号.
• 使用了PhysioNet的腹部和直接胎儿心电图数据库 (ABDFECGDB) 来进行分析.

主要成果:

• 观察到引起的fECG信号质量的显著改善.
• 实现了最大的信号噪声比 (SNR) 31.72dB,相关系数为0.899.
• 成功获得胎儿心率在每分钟108-142的范围内,统计分析支持这些发现 (p值=0.21).

结论:

• 拟议的框架提供了一种强大而有效的方法来引起和增强fECG信号.
• 该技术为非侵入性胎儿心脏健康监测提供了有价值的工具.
• 该研究表明先进的信号处理技术在改善fECG分析方面的潜力.