相关实验视频
Updated: Jul 14, 2026
09:53
2D and 3D Echocardiography in the Axolotl Ambystoma Mexicanum
Published on: November 29, 2018
14.8K
pyPCG:一个专门用于声心图分析的Python工具箱
Kristof Müller1, Janka Hatvani1, Miklos Koller1
1Pázmány Péter Catholic University Faculty of Information Technology and Bionics, Práter utca 50/a., Budapest, Budapest, 1083, HUNGARY.
Physiological measurement
|December 5, 2024
概括
一个新的工具箱标准化了用于胎儿心脏监测的声心图 (PCG) 分析. 这种工具提供了准确的心声细分,优于胎儿现有方法和一般PCG数据的可比结果.
科学领域:
- 生物医学工程 生物医学工程
- 信号处理 信号处理
- 心脏病学 心脏病学
背景情况:
- 声心图 (PCG) 越来越多地用于远程和低成本的监测,特别是胎儿心率.
- 现有的PCG分析方法缺乏标准化,需要广泛的定制实施.
- 对于PCG数据集和标签的标准化,特别是对于胎儿记录,是非常必要的.
研究的目的:
- 引入用于心声分析的标准化工具箱,作为未来框架的基础.
- 为创建复杂的分析管道提供一组模块化广泛使用的处理步骤.
- 为了使特定数据集的功能能够进行个别测试和微调.
主要方法:
- 开发一个Python工具箱 (pyPCG) 用于声心图分析.
- 使用胎儿PCG数据集 (50条记录) 和PhysioNet挑战数据集 (413条记录) 验证细分阶段.
- 将工具箱的细分性能与Neurokit2和隐藏的半马尔科夫模型等既有方法进行比较.
主要成果:
- 最好的模型获得了96.1%的F1得分和11.7ms的胎儿S1检测的平均绝对误差.
- 对于PhysioNet数据集,该模型获得了81.3%的F1得分和S1检测的平均绝对误差为50.5ms.
- 开发的方法超过了胎儿数据集上的其他测试方法,并在PhysioNet数据集上显示了最先进的性能.
结论:
- 准确的信号细分对于PCG分析中可靠的统计测量和分类模型至关重要.
- pyPCG工具箱为特征提取和统计计算提供了兼容的功能.
- 该工具箱可为各种数据集进行微调,并可供公众使用.
