南方医科大学学报

作者：曹 石, 巩 高, 肖 慧, 方威扬, 阙与清, 陈超敏

单位：南方医科大学生物医学工程学院，广东 广州 510515；南昌大学第一附属医院，江西 南昌 330006

关键词：胎儿监护；自适应滤波；时间卷积神经网络；无创胎儿心电图；胎心率信号,

目的 实现从孕妇腹壁混合心电信号中提取微弱的胎儿心电信号，为准确估计胎儿心率、分析胎儿心电波形等提供基础。方法 利用深度卷积网络（deep CNN）优越的非线性映射能力，本文提出了一种基于时间卷积编解码网络的非线性自适应噪声消除（nonlinear ANC）提取框架，以实现胎儿心电信号的有效提取。首先构建适用于处理胎儿心电信号的深度时间卷积网络（TCED-Net）模型作为非线性映射工具；然后以孕妇胸部心电信号为参考，利用该模型估计孕妇腹壁混合心电信号中的母体心电成分；最后从腹壁混合信号中减去所估计的母体心电成分，以得到完整的胎儿心电信号。实验利用合成心电数据（FECGSYNDB）和临床心电数据（NIFECGDB、PCDB）对方法性能进行测试与对比。结果 本文方法在FECGSYNDB上的胎儿R峰检测精度（[F1]值）、均方误差（MSE）和质量信噪比（qSNR）分别达到98.89 %，0.20和7.84；在NIFECGDB上的[F1]值达到99.1%；在 PCDB 上的[F1]值达到 98.61%。在不同数据集中较之 EKF（[F1=]93.84%）、ES-RNN([F1] =97.20% )和 AECG-DecompNet（[F1]=95.43%）等现有性能最佳的算法，本文方法的R峰检测精度指标分别高出5.05%、1.9%和3.18%，均优于现有最佳方法。结论 与现有算法相比，本文方法可以提取出更为清晰的胎儿心电信号，对孕期进行有效的胎儿健康监护具有一定的应用价值。

来源：2022年第11期

《南方医科大学学报》期刊编辑部

查看南方医科大学学报杂志2022年第11期