[发明专利]一种单通道腹部记录胎儿心电图提取方法

说明书

本发明公开了一种单通道腹部记录胎儿心电图提取方法，包括以下步骤：1)在母体腹部采集一路信号，对信号进行预处理，去除基线漂移，将去噪后的信号作为网络目标信号；2)使用奇异值分解(SVD)和平滑窗口(SW)估计母体心电成分，将估计出的母体胸部心电成分作为网络输入信号；3)然后构建反向传播(BP)神经网络，隐层设置为15个神经元，迭代次数为500次，学习速率设为0.1，目标误差为0.000001。4)采用BP神经网络方法训练网络，得到网络模板，然后提取胎儿心电信号。该发明只需要采集一导联腹部混合信号就可以提取出清晰的胎儿心电信号，避免了采集胸部心电给孕妇造成的不便，在实际应用中存在一定价值。

技术领域

本发明属于胎儿心电信号检测技术领域，特别涉及一种单通道腹部记录的胎儿心电提取方法，是传统神经网络提取胎儿心电信号的改造技术。

背景技术

胎儿监护是目前保障围产期孕妇和胎儿安全、实现优生优育的重要手段。在围产期，胎儿由于脐带压迫或其他原因造成暂时性缺氧，会引起窒息、智力迟钝、痴呆甚至死亡。据统计，我国弱智儿童中很大部分是由于胎儿生长过程中处于缺氧的窘迫状态而导致发育不良或早产造成，而胎儿死亡中25％也是可以避免的。随着社会对母婴健康的重视，围产期对孕妇和胎儿进行监护日益成为国内外的关注重点。

胎儿心电图(Fetal Electrocardiogram，FECG)记录的是胎儿心脏动作电位及其在心脏传导过程中的图形变化，反映胎心率的瞬间变化、心肌情况、心律紊乱等。通过对其波形变化的分析，可及早发现许多妊娠期或分娩期的胎儿病理情况，以便及早采取措施，保证围产期胎儿的健康。胎儿心电图不仅能显示胎儿心率和心脏健康信息，且当胎儿状况出现异常或病变时，与心音或心动等相比，心电图形态变化发生的更快也更敏感。因此，获取清晰的胎儿心电在胎儿心电监护中具有重要意义。

胎儿心电信号是一种低频、微弱的信号，易受到各种外界信号的干扰，如母体心电(Maternal Electrocardiogram，MECG)、工频干扰、基线漂移以及母体肌电(EMG)等。其他干扰可以通过普通滤波消除，但作为强噪声的母体心电幅度比胎儿心电大10-20倍，且在时域中胎儿心电约有10％-30％和母体心电重合，频域中也有大部分频谱重叠，整个信号的非平稳随机性又十分强烈，因此胎儿心电常被淹没。另外，如何确定胎儿位置和电极放置，这些因素都会对胎儿心电信息的准确测量带来很大的影响。所以，如何准确提取胎儿心电信号是胎儿心电监护的关键问题。

近几十年来，国内外在胎儿心电提取上已经提出许多方法和算法，传统经典算法包括相干平均法、匹配滤波法、自适应滤波法、奇异值分解(SVD)和小波分析，近年发展起来的方法有独立量分析(ICA)和神经网络等。但是这些方法都存在着一定的局限性，如何从母体腹部信号中准确提取胎儿心电信号，目前仍处于研究阶段。

由于神经网络算法特别是深度学习的兴起，其处理大数据的能力越来越明显，神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂关系进行建模，应用在图像处理，模式识别，信号处理等领域。BP神经网络是一种按误差反向传播的多层前馈网络。它的基本思想是梯度下降法，利用梯度搜索技术，使网络的实际输出值与期望输出值的误差均方差最小。在胎儿心电信号提取应用中，BP神经网络可以提取出清晰的胎儿心电信号，但是该网络不仅需要采集母体腹部心电，还需要采集母体胸部心电，多电极的采集会给孕妇带来不舒适感和行动不便。为了解决这一问题，本发明提出一种单通道腹部记录胎儿心电图提取方法，使用SVD和SW构建母体胸部心电，克服了传统BP神经网络算法的缺点，是传统BP神经网络算法用于胎儿心电提取的改进技术。

发明内容