TCGAN:使用单通道腹部心电图进行胎儿心电图提取的时间卷积生成对抗网络

科学领域:

• 生物医学工程 生物医学工程
• 信号处理 信号处理
• 医疗保健中的人工智能

背景情况:

• 非侵入性胎儿心电图 (FECG) 监测对于评估胎儿发育至关重要.
• 从腹部心电图 (AECG) 提取FECG是具有挑战性的,因为母体心电图 (MECG) 的干扰和噪音.
• 准确的FECG波形细节对于可靠的胎儿健康评估至关重要.

研究的目的:

• 开发一种先进的方法,从单通道AECG中提取FECG.
• 为了提高FECG信号的准确性和细节保存.
• 提高非侵入性胎儿监测的能力.

主要方法:

• 一个时间卷积生成对抗网络 (TCGAN) 为FECG提取而设计.
• 使用了一个编码器-解码器架构,具有时间卷积块,转换卷积和跳过连接.
• 该模型使用合成数据集 (FECGSYDB) 和现实数据集 (ADFECGDB) 进行了训练和验证.

主要成果:

• 在胎儿QRS复杂检测方面,TCGAN表现出色,在数据集上达到高正预测值 (PPV) 的99.54%和99.02%.
• 该方法成功地提取了具有保存良好的波形细节的FECG信号.
• 对比分析显示,TCGAN在FECG提取精度方面优于最先进的方法.

结论:

• TCGAN是一种高效的深度学习模型,用于从单通道AECG中提取FECG.
• 保存的波形细节有助于临床医生更准确地评估胎儿发育.
• 这项技术对推进非侵入性胎儿监测具有重大前景.