CN104027105B - 一种新型母胎心电分离方法 - Google Patents

Abstract

一种新型母胎心电分离方法，利用心电电极拾取孕妇腹部电信号，并经过放大、滤波后，经AD转换成数字信号，首先采集多路的心电信息,然后利用SVD 分解算法确定多路信息中有效成分，利用概率独立分量分析技术提取出胎儿心电、母体心电以及其干扰，然后显示胎儿心电和母体心电。该项发明根据提取的胎儿心电信息可有效地、精确地反映胎儿的发育的状况，具有重要的临床意义并获得可观的社会效益和经济效益。

Description

一种新型母胎心电分离方法

技术领域

本发明提出了从孕妇腹部信号中有效提取胎儿心电信号的新技术，其具体说的是一种利用概率独立分量分析技术分离胎儿心电的全新技术。

背景技术

围产儿死亡率，综合反映着一个国家和地区经济发展及卫生状况。随着现代科学的发展，特别是电子医学的进步，产科学也在随之发生着巨大变化。虽然随着围产医学保健工作的深入进展，以及围产监护水平的提高，中国围产儿死亡率较建国初期，已大幅降低，但与西方发达国家相比，还是有着差距。

自2002年以来，浙江省以整群抽样的方式在全省30个区（县）建立死亡监测点，详细了解孕妇和围产儿的发病率及死亡情况，以此来评估浙江省围产保健工作的开展情况。在30个监测点中共有围产儿出生444212例，占全省围产儿总数的58.25%，死亡5215例。且由于中国社会经济发展不平衡因素，据研究资料显示，围产儿死亡率与经济及医疗卫生状况密切相关，经济发达区围产儿死亡率明显低于经济落后区。另据相关数据显示，产前检测次数与围产儿死亡率有极大相关性，浙江省产前检查≤3次的孕妇围产儿死亡比例占了51.77%，而产前检查达到系统保护要求的孕妇围产儿死亡率为28.28%。与其他省市相比，浙江省围产儿死亡率虽然高于上海等经济发达城市，但在全国来讲，仍处于一个较低水平，低于国家平均值，由此说明我国围产医学仍亟待发展，以进一步降低围产儿死亡率、致残率及剖宫产率。而改善这一状况，离不开围产医学保健工作的普及，以及用于胎儿监护、胎心检测方面的医疗设备不断改进与完善。

胎儿心电信号(Fetal Electrocardiogram,FECG)记录胎儿心脏动作电位及其在心脏传导过程中的图形变化，是反映胎儿宫内生理活动的客观指标之一，其中含有反映胎儿健康状况，如发育程度、位置、是否酸中毒或者心律失常等重要信息，在整个妊娠期内，特别是存在妊娠风险时，FECG可作为诊断胎儿健康状况，确定是否中断妊娠的重要手段和工具。提取胎FECG主要有浸入式和无创式两种方法。入侵式提取方法，即在孕妇分娩时，将电极放入孕妇子宫内的胎儿头皮上，这种方法得到信号比较准确，但是只能在分娩时使用且可能对胎儿和孕妇造成伤害；无创式提取方式将电极放在孕妇腹部尽可能地靠近胎儿位置测得信号，此方法可在整个妊娠期内使用，它可以早期发现胎儿宫内缺氧、窘迫、对许多胎儿本身的疾病，如先天性心脏病，新生儿心律失常，胎儿宫内发育迟缓等，能够提供重要的诊断依据。由于FECG比较微弱，无创式提取的胎儿心电信号一般从母亲的腹部采集获得的，在采集的过程中不可避免的会含有许多噪声（如工频干扰，母体自身的心电(MaternalElec-trocardiogram,MECG)，从复合母体信号中分离出胎儿心电信号，准确提取FECG成为生物医学工程中一个有趣而富有挑战性的问题。

发明内容

本发明的主旨是针对目前胎儿心电图提取技术尚未成熟，提出的一种可有效分离母胎信号的新方法，其技术流程是：利用心电电极拾取孕妇腹部电信号，并经过放大、滤波后，经AD转换成数字信号，首先采集多路的心电信息,然后利用SVD 分解算法确定多路信息中有效成分，利用概率独立分量分析技术提取出胎儿心电、母体心电以及其干扰，然后显示胎儿心电和母体心电。

为实现上述技术目的，本发明所采用的技术方案是：一种新型母胎心电分离方法，

首先，利用电极拾取孕妇腹部信号，并对拾取信号进行放大、数模转换、滤波等预处理；

然后，再利用概率性独立分量分析盲源分离技术对预处理后多导联的心电信号进行盲源分离处理，可得到胎儿心电信号，母体心电信号以及其他信号和干扰；

最后，根据需求显示纯净的胎儿心电信号，或将胎儿心电信号和母体心电信号同时显示，以便作对比。

所述的概率性独立分量分析技术为：

利用概率性独立向量分析算法对采集到母胎信号混合信号为7维进行分离，首先利用奇异分解矩阵对母胎混合信号进行白化处理，确定分解有效空间K维，其公式如下：

， （1）

其中，且，

然后进行白化，白化后的信号，且，

将白化后的母胎混合信号7维分解为一个k维的PCs分量Y和一个加性高斯噪声n即

（2）

其中，即独立信号源的个数不能超过采集信号的通道数，在此I表示单位矩阵，其基于最大相似密度估计，可以得到：

(3)

(4)

(5)

（6）

正交矩阵为为源信号S的K维特征向量，为源信号S的特征向量的对角矩阵，为 的(j,j)th 特征值,R为正交旋转矩阵，此处，定义R为单位向量，

其次，k维的PCs分量利用独立分量分析技术进行分离，将母体心电信号与胎儿心电信号从腹部信号中提取出来，分离后的母体心电信号与胎儿心电信号S1可表示为

（7）

其中是非高斯分量信号，利用负熵来度量信号的非高斯性，用负熵作为ICA的判别依据，负熵可定义为：

（8）

其中表示信息源的信息熵，表示与具有相同协方差的高斯分布的信息熵，经典的估计负熵的方法是：

（9）

其中（）为非线性高阶函数：

（10）

（11）

（12）

利用负熵的ICA固定算法可知，最大就是最大，

利用求极值，其中，，

（13）

其中，是的导数，在约束条件下，得到

（14）

为了有号的收敛性，使用牛顿迭代算法，得到提取独立分量ICA快速算法，

（15）

（16）

利用式16对进行归一化更新，

其具体步骤为：

1）选择一个具有单位范数的初始化（可随机选取）向量，

2）利用式15更新，

3）利用式16对进行标准化，

4）如果尚未收敛，则返回步骤2），直到收敛位置，

5）则胎儿母体分离后的集合。

本发明的有益效果是：本发明的主旨是提出一种有效地、准确地将孕妇腹部的信号实时分离为胎儿心电信号和母体心电信号，继而提取胎儿心电信号的新技术。此技术能够胎儿心电从母体心电，呼吸，肌电等强干扰中有效的提取出来。该项发明根据提取的胎儿心电信息可有效地、精确地反映胎儿的发育的状况，具有重要的临床意义并获得可观的社会效益和经济效益。

附图说明

图1基于概率性独立分量分析技术提取胎儿心电信号原理框图；

图2六导孕妇腹部混合仿真信号；

图3基于概率性独立分量分析技术提取胎儿心电信号与仿真胎儿信号；

图4基于概率性独立分量技术提取胎儿心电信号与仿真胎儿信号绝对误差。

具体实施方式

首先利用电极在相关部分采集到含有胎儿心电信息的心电信号，再利用PICA盲源分离技术，对采集的多导联的心电信号进行盲源分离处理，可得到胎儿心电信号，母体心电信号以及其他信号和干扰，继而可以显示纯净的胎儿心电信号，也可以将胎儿心电信号和母体心电信号同时显示，以便作对比。。

利用电极拾取孕妇腹部信号，然后对信号进行放大，利用数模转换器对其进行数模转换再利用截止频率为0.05Hz高通滤波及2K的低通滤波及50Hz陷波器进行预处理。

概率独立分量分解：概率独立向量分析通过设置合理的概率模型控制和平衡有用信号与噪声的空间分布，解决典型独立分量分析而出现超分解现象。在此，概率独立分量可视为概率主成分分析与独立分量分解有机的结合，首先将包含胎而心电的心电信号分解成固定空间和时域独立的非高斯信号源和加性高斯噪声。理论上视为：首先概率主成分分析将心电信号分解到一定成分和高斯噪声。再利用独立分量将含有胎儿心电信息的信号分解得到时域独立的独立分量。

利用概率性独立向量分析算法对采集到母胎信号混合信号为7维进行分离。首先利用奇异分解矩阵对母胎混合信号进行白化处理，确定分解有效空间K维，其公式如下：

， （1）

其中，且。

然后进行白化，白化后的信号，且。

将白化后的母胎混合信号7维分解为一个k维的PCs分量Y和一个加性高斯噪声n即

（2）

其中.即独立信号源的个数不能超过采集信号的通道数，在此I表示单位矩阵。其基于最大相似密度估计，可以得到：

(3)

(4)

(5)

（6）

正交矩阵为为源信号S的K维特征向量，为源信号S的特征向量的对角矩阵。为 的(j,j)th 特征值,R为正交旋转矩阵。此处，定义R为单位向量.

其次，k维的PCs分量利用独立分量分析技术进行分离，将母体心电信号与胎儿心电信号从腹部信号中提取出来。分离后的母体心电信号与胎儿心电信号S1可表示为

（7）

由于是非高斯分量信号，各分量间独立性越强，而负熵可用来度量信号的非高斯性，所以可用负熵作为ICA的判别依据，负熵可定义为：

（8）

其中表示信息源的信息熵，表示与具有相同协方差的高斯分布的信息熵。经典的估计负熵的方法是：

（9）

其中（）为非线性高阶函数：

（10）

（11）

（12）

利用负熵的ICA固定算法可知，最大就是最大。

利用求极值，其中，。

（3）

其中，是的导数，在约束条件下，得到

（14）

为了有号的收敛性，使用牛顿迭代算法，得到提取独立分量ICA快速算法，

（15）

（16）

利用式16对进行归一化更新。

其具体步骤为：

1）选择一个具有单位范数的初始化（可随机选取）向量。

2）利用式15更新。

3）利用式16对进行标准化。

4）如果尚未收敛，则返回步骤2），直到收敛位置。

5）则胎儿母体分离后的集合。

利用概率性独立分量分离技术提取母体心电信号、胎儿心电信号的具体步骤可归纳如下：

（1）利用电极拾取孕妇腹部信号，并对拾取信号进行放大、滤波、数模转换；

（2）利用最大相似密度估计法通过概率主成分分析将转换成的数字信号分为低维的信号子空间和噪声空间；

（3）再对低维的信号进行白化；

（4）利用负熵法ICA分离胎儿心电信号与母体心电信号；

针对分离后的信号选择显示方式。

方案中分离提取方法的实施例为：

（1）读取多路（至少7路）从母体腹部体表拾取的母胎混合心电信号。该数据为仿真信号，共六通道，数据长度为个8000样本，采样率为2000Hz，如附图1所示

（2）信号预处理，利用高通滤波器和低通滤波器及50Hz带阻滤波器滤除噪声，本例中高通滤波器去基线干扰，低通滤波器除高频干扰，其中高通滤波器截止频率为0.05Hz，低通滤波器截止频率为2000Hz，带阻滤波器截止频率为48-52Hz。

（3）利用概率独立分量分析法对含有噪声的母胎心电信号进行分离。首先利用公式（1）、（2）、（3）、（4）、（5）、（6）提取出公式1中Y分量，然后再利用公式（15）、（16）求出公式（7）中的S1即为含有母胎信号分离的信号组。

（4）根据不同显示需求则将胎儿心电信号及母胎混合信号分别显示。

利用概率性独立分量分离技术提取母体心电信号、胎儿心电信号的具体步骤可归纳如下：

（1）利用电极拾取孕妇腹部信号，并对拾取信号进行放大、滤波、数模转换；

（2）利用最大相似密度估计法通过概率主成分分析将转换成的数字信号分为低维的信号子空间和噪声空间；

（3）再对低维的信号进行白化；

（4）利用负熵法ICA分离胎儿心电信号与母体心电信号；

（5）针对分离后的信号选择显示方式。

Claims (1)

1.一种新型母胎心电分离方法，其特征在于：

首先，利用电极拾取孕妇腹部信号，并对拾取信号进行放大、数模转换、滤波等预处理；

然后，再利用概率性独立分量分析盲源分离技术对预处理后多导联的心电信号进行盲源分离处理，可得到胎儿心电信号，母体心电信号以及其他信号和干扰；

最后，根据需求显示纯净的胎儿心电信号，或将胎儿心电信号和母体心电信号同时显示，以便作对比；

所述的概率性独立分量分析技术为：利用概率性独立向量分析算法对采集到母胎信号混合信号为7维Z进行分离，首先利用奇异分解矩阵对母胎混合信号进行白化处理，确定分解有效空间K维，其公式如下：

$Z=U\left[\begin{array}{cc}\mathrm{\Σ}& 0\\ 0& 0\end{array}\right]V^H,---\left(1\right)$

其中Σ＝diag(σ₁,σ₂...σ_k)，且σ₁≥σ₂≥...≥σ_k＞0，

然后进行白化ZZ'＝VDV'，白化后的信号X＝VD^-1/2V'Z，且X～N(μ,AA^T+δ²I_d)，将白化后的母胎混合信号7维分解为一个k维的PCs分量Y和一个加性高斯噪声n即

X＝AY+μ+n (2)

其中Y∈N(0,δ²I_d)，k＜d即独立信号源的个数不能超过采集信号的通道数，在此I表示单位矩阵，其基于最大相似密度估计，可以得到：

$\mathrm{\μ}=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{X}_i---\left(3\right)$

$S=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}(X_i-\mathrm{\μ}){(X_i-\mathrm{\μ})}^T---\left(4\right)$

A＝U_k(Λ_k-δ²I_k)^1/2R (5)

${\mathrm{\δ}}^2=\frac{1}{d-k}\underset{j=k+1}{\overset{d}{\Σ}}{\mathrm{\λ}}_j---\left(6\right)$

正交矩阵为U_k为源信号S的K维特征向量，Λ_k为源信号S的特征向量的对角矩阵，λ_j为Λ_k的(j,j)th特征值,R为正交旋转矩阵，此处，定义R为单位向量，

其次，k维的PCs分量Y利用独立分量分析技术进行分离，将母体心电信号与胎儿心电信号从腹部信号中提取出来，分离后的母体心电信号与胎儿心电信号S1可表示为

S1＝WY (7)

其中Y是非高斯分量信号，利用负熵来度量信号的非高斯性，用负熵作为ICA的判别依据，负熵J(Y)可定义为：

J(Y)＝H_gauss(Y)-H(Y) (8)

其中H(Y)表示信息源Y的信息熵，H_gauss(Y)表示与Y具有相同协方差的高斯分布的信息熵，经典的估计负熵的方法是：

J(Y)∝[E(G(Y))-E(G_gauss(Y))]² (9)

其中G⁽ⁱ⁾(Y)(i＝1,2,3)为非线性高阶函数：

G⁽¹⁾(Y)＝logcoshY (10)

G⁽²⁾(Y)＝-exp(-Y²/2) (11)

G⁽³⁾(Y)＝Y⁴ (12)

利用负熵的ICA固定算法可知，J(Y)最大就是E{G(Y)}最大，

利用E{G(Y)}＝E{G(W^TZ)}求极值，其中Z＝ED^-1/2E^TY，EDE^T＝E{Y'Y'^T}，

E{G(W^TZ)}＝E{Zg(W^TZ)}＝0 (13)

其中，g(W^TZ)是G(W^TZ)的导数，在约束条件E{(W^TZ)²}＝||W||²＝1下，得到

E{Zg(W^TZ)}-BW＝0 (14)

为了有号的收敛性，使用牛顿迭代算法，得到提取独立分量ICA快速算法，

W(k+1)＝E{Zg(W^TZ)}-E{g'(W^TZ)}W (15)

W(k+1)＝W(k+1)/||W(k+1)||₂ (16)

利用式16对W(k+1)进行归一化更新，

其具体步骤为：

1)选择一个具有单位范数的初始化(可随机选取)向量W，

2)利用式15更新W，

3)利用式16对W进行标准化，

4)如果尚未收敛，则返回步骤2)，直到收敛位置，

5)则胎儿母体分离后的集合S1＝WY。