CN113662557B - 一种基于因子同步性分析的多导联胎儿心电提取装置 - Google Patents
一种基于因子同步性分析的多导联胎儿心电提取装置 Download PDFInfo
- Publication number
- CN113662557B CN113662557B CN202111084711.8A CN202111084711A CN113662557B CN 113662557 B CN113662557 B CN 113662557B CN 202111084711 A CN202111084711 A CN 202111084711A CN 113662557 B CN113662557 B CN 113662557B
- Authority
- CN
- China
- Prior art keywords
- electrocardio
- fetal
- factor
- lead
- electrocardiosignals
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000001605 fetal effect Effects 0.000 title claims abstract description 92
- 238000004458 analytical method Methods 0.000 title claims abstract description 38
- 238000000605 extraction Methods 0.000 title claims abstract description 22
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 33
- 210000001015 abdomen Anatomy 0.000 claims abstract description 27
- 230000003187 abdominal effect Effects 0.000 claims abstract description 19
- 230000008774 maternal effect Effects 0.000 claims abstract description 18
- 238000000556 factor analysis Methods 0.000 claims abstract description 15
- 238000012216 screening Methods 0.000 claims abstract description 13
- 238000000513 principal component analysis Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims abstract description 7
- 210000003754 fetus Anatomy 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 15
- 238000000746 purification Methods 0.000 claims description 7
- 238000003672 processing method Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 3
- 230000000747 cardiac effect Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 23
- 230000009984 peri-natal effect Effects 0.000 abstract description 5
- 238000011160 research Methods 0.000 abstract description 3
- 238000012163 sequencing technique Methods 0.000 abstract description 2
- 238000012880 independent component analysis Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000002458 fetal heart Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/344—Foetal cardiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/271—Arrangements of electrodes with cords, cables or leads, e.g. single leads or patient cord assemblies
- A61B5/273—Connection of cords, cables or leads to electrodes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
- A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
- A61B5/4343—Pregnancy and labour monitoring, e.g. for labour onset detection
- A61B5/4362—Assessing foetal parameters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Mathematical Physics (AREA)
- Cardiology (AREA)
- Fuzzy Systems (AREA)
- Pediatric Medicine (AREA)
- Pregnancy & Childbirth (AREA)
- Gynecology & Obstetrics (AREA)
- Reproductive Health (AREA)
- Evolutionary Computation (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
该发明公开了一种基于因子同步性分析的多导联胎儿心电提取装置，属于心电信号识别领域。该发明首先通过心电测试系统同步记录孕妇腹部和胸部多导联心电混合信号并完成预处理；将胸部多导联心电混合信号输入主成分分析模块完成主成分分解；随后将胸导分解的主成分作为参考信号，分别计算腹部分解的各因子与参考信号间的相位同步值并排序，再结合母亲和胎儿心电频率及波形特征进行分类筛选并排除母亲心电因子；利用经验模态分解排除非胎儿心电分量来完善胎儿心电的局部特征并重构出胎儿心电因子；最后利用因子分析的逆运算重构出清晰的胎儿心电信号。本发明相对现有技术所提取的胎儿心电信号具有更多胎儿心电局部特征，信号也更平滑，对胎儿心电信号及围产医学研究都具有重要意义。
Description
技术领域
本发明属于心电信号识别领域，特别涉及基于因子相位同步性分析胎儿心电提取的装置。
背景技术
胎儿心电(Fetal Electrocardiogram:FECG))是胎儿心脏活动所产生的一种生理信号，它能够反映围产期胎儿在孕妇中真实的生长健康情况，也是孕妇产检时一项重要指标。但由于围产期胎儿位于母亲体内，这就给FECG的检测和带研究来很大困难。目前主要有两种方式检测胎儿心电：一种是侵入式有创的胎儿头皮电极法，该方法虽然能获得比较干净的FECG，但对母亲和胎儿都会造成一定损伤；另一种就是非侵入式无创的腹部电极法，即在母亲腹部的不同位置布置电极来检测其体表信号，再结合后期数据分析来提取FECG。该方法虽然更容易获得心电信号，但胎儿心电信号常被母亲心电及呼吸等生理信号所覆盖，这就给提取的具体方法和装置提出很高要求。因此寻找一种胎儿心电有效的提取方法不仅具有重要的理论价值，而且还有一定的临床应用价值。
目前国内外已有许多关于FECG提取方法的研究，如相干平均、自相关和互相关、自适应滤波、小波变换法、基于奇异值分解、独立量分析和神经网络等。这些方法虽然都能一定程度地提取出胎儿心电信号，但所得信号要么对数据采集过于严格、准确率低，要么提取或计算过程过于复杂难以实现，或需要更多人工干预等，进而导致各类方法的适用性都有所限制，所以目前仍没有一种特别合适的无创胎儿心电提取方法。本发明是一项基于因子同步性分析的多导联胎儿心电提取方法及装置，将因子分析、主成分分析与相位同步分析有机融合地应用于胎儿心电的提取。对于其他传统方法，本发明装置提取质量有明显提高，尤其对母体与胎儿心电重合部分有很大改善，具有较好的稳定性、鲁棒性和实用性。
发明内容
为克服现有胎儿心电提取存在的一些缺陷，提高胎儿心电的提取质量和实用性。本发明提出一项基于因子同步性分析的多导联胎儿心电提取装置，该发明首先通过心电测试系统同步记录孕妇腹部和胸部多导联心电混合信号并完成去工频干扰、带通滤波等预处理。再将腹部多导联心电混合信号输入因子分析模块完成因子分解，同时将胸部多导联心电混合信号输入主成分分析模块完成主成分分解；随后将胸导分解的所有主成分和腹部分解的各因子进行同步性分析并筛选排除母亲心电因子，保留包含胎儿心电信息的因子；再利用经验模态分解(empirical mode decomposition，EMD)将胎儿心电因子分解为不同尺度的若干固有模态函数(Intrinsic Mode Function，IMFs)进一步修正完善胎儿心电因子的局部特征，最后利用因子分析的逆运算重构出清晰的胎儿心电信号。
本发明通过下述技术方案实现：一种基于因子同步性分析的多导联胎儿心电提取装置，该装置包括：心电信号采集及预处理模块、分解分析模块、相位同步性分析模块、胎儿心电因子分量筛选模块、胎儿心电因子纯化模块、重构胎儿心电信号模块；
所述心电信号采集及预处理模块包括心电测试系统和预处理模块，心电测试系统采集孕妇腹部多导联心电信号和胸部多导联心电信号，然后将腹部多导联心电信号和胸部多导联心电信号传输给预处理模块，预处理模块对腹部多导联心电信号和胸部多导联心电信号分别进行去工频干扰、带通滤波、去均值预处理，然后将预处理后的腹部多导联心电信号和胸部多导联心电信号传输给分解分析模块；
所述分解分析模块包括：主成分分析模块和因子分析模块，主成分分析模块接收胸部多导联心电信号，对胸部多导联心电信号进行主成分分析，得到母亲心电主成分信号；因子分析模块接收腹部多导联心电信号，对腹部多导联心电信号进行因子分析分解，分解为三个的因子，其中包括：胎儿心电因子、母亲心电因子、其它因子；然后将母亲心电主成分信号和分解后的腹部多导联心电信号传输给相位同步性分析模块；
所述相位同步性分析模块以母亲心电主成分信号为参考信号，分别计算将腹部多导联心电信号分解后的每一因子与该参考信号之间的相位同步值，同步值最高的因子认定为母亲心电因子；将腹部多导联心电信号和母亲心电因子传输给胎儿心电因子分量筛选模块；
所述胎儿心电因子分量筛选模块从腹部多导联心电信号中排出母亲心电因子和其它因子，然后剩下的信号传输给胎儿心电因子纯化模块；
所述胎儿心电因子纯化模块中将获取的信号分解为若干组本征模函数(IMFs)，并结合不同尺度下每个IMF分量的局部特征排除非胎儿心电IMF分量；筛选后重构出干净的胎儿心电主因子和包含胎儿心电信息的其他因子，将干净的胎儿心电主因子传输给重构胎儿心电信号模块；
所述重构胎儿心电信号模块根据干净的胎儿心电主因子逆运算得到清晰地胎儿心电信号。
进一步的，所述分解分析模块中主成分分析模块的信号处理方法为：
步骤a1：对胸部多导联心电信号求均值去中心化，即每一联信号减去各自的平均值获得去均值信号；
步骤a2：计算步骤1得到的去中心化后各联心电信号的协方差矩阵；
步骤a3：通过SVD分解或特征值分解计算出各协方差矩阵的特征与特征向量；
步骤a4：对特征值从大到小排序，选择其中最大的k个；然后将其对应的k个特征向量分别作为列向量组成特征向量矩阵；
步骤a5：将数据转换到k个特征向量构建的新空间，获得对应的k个主成分；
所述因子分析模块中的信号处理方法为：
步骤b1：计算腹部多导联心电信号的相关系数矩阵；
步骤b2：计算步骤b1得到的相关系数矩阵的特征值λ和特征向量U，得到对应因子的载荷矩阵
步骤b3：根据F＝A-1XECG分解获得多个分解的因子，XECG表示腹部多导联心电信号。
进一步的，所述相位同步性分析模块中的信号处理方法为：
步骤1：利用傅里叶变换提取一个胸部多导联心电信号的主成分的相位值φ1[f]，和一个腹部多导联心电信号的因子的相位值φ2[pc])；
步骤2：采样如下公式计算相位同步值；
其中，N表示单通道心电信号的长度，i()表示两个心电信号相位差的复变换；
步骤3：重复步骤1和步骤2得各主成分和各因子之间的相位同步值。
本发明提出了一项基于因子同步性分析的多导联胎儿心电提取方法及装置，该发明充分结合了主成分分析和因子分析的优势来获取母亲胸部心电主成分(参考信号)和腹部混合心电因子(分离目标信号)，再结合母亲和胎儿心电信号的相位信息及波形特征筛选排除母亲心电因子，保留包含胎儿心电信息的因子；其后再利用EMD自适应分解胎儿心电因子进一步修正完善胎儿心电因子的局部特征，最后利用因子分析的逆运算精确快速地重构出清晰的胎儿心电信号。本发明是基于因子同步性分析来快速有效地提取胎儿心电的方法及装置，相对常规ICA所提胎儿心电信号，本发明提取的胎儿心电信号具有更多胎儿心电波形特征，提取信号的准确度及鲁棒性都有较大提升，信号也相对更平滑，这将对预防胎儿心脏疾病及围产医学研究都具有重要意义。
附图说明
图1是本发明方法及装置的具体操作流程和结构框图。
图2是实施例中孕妇腹部和胸部原始的多导联心电混合信号。
图3是实施例中从心电混合信号提取的各因子和主成分。
图4是实施例中分解的各因子与各主成分间的相位同步值。
图5是实施例中利用EMD分解胎儿心电主因子所得的IMFs分量。
图6是实施例中本发明与独立成分分析提取胎儿心电的对比图。
具体实施方式
为了便于本领域的普通技术人员更好地对本发明进行理解和实施，下面结合具体实施例和附图对本发明的具体实施方式、结构、特征及其功效进行阐述，但本发明的实施方式不限于此。本发明所包含的实施步骤如下：
1、心电混合信号记录及预处理模块
A、通过心电测试系统记录孕妇腹部和胸部多导联的心电混合信号，同时对心电混合信号去工频干扰、带通滤波、去均值等预处理，获得预处理后的腹部和胸部多导联心电混合信号CECG和SECG；
首先通过心电测试系统同步记录孕妇腹部4导联的心电混合信号和胸部2导联的心电混合信号(采样率为250Hz)，记录时长为10s；同时将记录的心电数据去工频干扰(50Hz)、带通滤波、去均值等预处理，进而获得腹部和胸部预处理后的多导联心电混合信号(导联数*时间点)；
2、心电混合信号的分解分析模块
B、利用主成分分析将预处理后的胸部心电混合信号SECG分解为若干主成分作为参考信号(即母亲心电主成分PC)；同时利用因子分析将预处理后的腹部心电混合信号CECG分解为若干因子F(即目标分析信号)，包含胎儿心电因子、母亲心电因子和其他因子；
对胸部心电混合信号SECG＝{S1,S2,S3,…..Sn}进行主成分分析的提取k个主成分的步骤如下：1)、求均值去中心化，即每一个特征减去各自的平均值获得去均值信号M_S＝{m_S1,m_S2,m_S3,…..m_Sn}；
2)、计算协方差矩阵
3)通过SVD分解或特征值分解计算出协方差矩阵的特征值λ与特征向量U。
4)对特征值λ从大到小排序，选择其中最大的k个。然后将其对应的k个特征向量分别作为列向量组成特征向量矩阵。
5)将数据转换到k个特征向量构建的新空间中即获得对应的k个主成分PC＝{pc1,pc2,…..pck}。对腹部心电混合信号XECG＝{X1,X2,X3,…..Xn}进行因子分解步骤如下：
1)、求心电混合信号XECG的相关系数矩阵RECG；
2)、求解该相关系数矩阵的特征值λ和特征向量U，得到对应因子的载荷矩阵
3)、再根据F＝A-1XECG即可获得多个分解的因子F＝{f1,f2,f3,….fn}。
利用因子分析将预处理后腹部的4导联心电混合信号分解为4个因子分量(F)，同时通过主成分分析将预处理后胸部心电混合信号分解为2个主成分(PC)。
3、相位同步性分析模块
C、计算腹部导联分解的各因子与胸部导联分解的各主成分间的相位同步值，并对所得相位同步值按从高到低进行排序并存储；
对心电混合信号的各因子和各主成分相同同步计算方法如下：
1)、利用傅里叶变换S(n)＝|S(n)|*eΦ(n)提取一个胸部心电主成分pc和一个腹部心电因子f的相位值φ1(f)和φ1(pc)；
2)再利用相位与相位的耦合值计算方法
得到上述主成分pc和心电因子f相位同步值；
3)、重复上述过程即可获得各因子和各主成分两两间的相位同步值。
利用相位同步性分析计算腹部导联分解4个因子分量与胸部导联分解的2个主成分间的相位同步值，从高到低排序并存储(本实施例的相位同步值请见附图4)。
4、胎儿心电因子分量筛选模块：
D、基于母亲和胎儿心电频率及波形等特征，结合相位同步值将各因子分类筛选为母亲心电因子、胎儿心电因子及其他因子三类，并排除母亲心电因子和其他因子，保留包含胎儿心电信息的因子；
结合胎儿心电的频率和波形幅值等特征建立分类器，结合相位同步值筛选排除母亲心电因子和其他因子；本实施例筛选出因子3是胎儿心电的主因子，以及因子4是包含少量胎儿心电信息的因子；
5、胎儿心电因子的纯化模块
E、利用经验模态分解法(EMD)将包含胎儿心电信息的因子分解为若干组本征模函数(IMFs)，并结合不同尺度下每个IMF分量的局部特征排除非胎儿心电IMF分量；筛选后重构出干净的胎儿心电主因子和其他包含胎儿心电信息的其他因子。
利用EMD方法将筛选的胎儿心电主因子分解为IMF分量(本实施例有13个IMF分量，见附图5，再结合不同尺度IMF分量的局部特征去除非胎儿心电分量，并重构出包含胎儿心电的干净因子分量；对包含少量胎儿心电信息的因子4重复上述操作；
6、清晰胎儿心电信号的重构模块
F、最后通过因子分析的逆运算将筛选纯化的胎儿因子重构出胎儿心电信号，即本发明提取的清晰胎儿心电信号(见附图6)。此外本发明可通过重复测量并循环上述分析过程来多次叠加平均获得更稳定的胎儿心电信号。
为了进一步说明本发明的有益效果，我们将本发明方法与常规ICA方法提取胎儿心电进行了对比。首先对照附图2和附图6可知本发明方法及装置的确能够从心电混合信号中提取出清晰胎儿心电信号。其次从附图4可知相位同步分析筛选的母亲心电因子与胸部信号主成分均具有较高同步值(因子1*主成分1约为0.84)，而筛选的胎儿心电因子与胸部信号主成分相位同步值均很小(因子3*主成分1约为0.03)，故重构胎儿心电排除同步值高的母亲心电因子，保留同步值低的胎儿心电因子是有效的；最后通过附图6可知本发明相对ICA方法提取信号具有更多的胎儿心电特征(如QRS波)，信号相对更平滑，同时本发明具有更高的提取效率和准确率，这将会为围产期胎儿的健康成长起到重要的监护作用。
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，均属于本发明保护的范围。
Claims (3)
1.一种基于因子同步性分析的多导联胎儿心电提取装置，该装置包括：心电信号采集及预处理模块、分解分析模块、相位同步性分析模块、胎儿心电因子分量筛选模块、胎儿心电因子纯化模块、重构胎儿心电信号模块；
所述心电信号采集及预处理模块包括心电测试系统和预处理模块，心电测试系统采集孕妇腹部多导联心电信号和胸部多导联心电信号，然后将腹部多导联心电信号和胸部多导联心电信号传输给预处理模块，预处理模块对腹部多导联心电信号和胸部多导联心电信号分别进行去工频干扰、带通滤波、去均值预处理，然后将预处理后的腹部多导联心电信号和胸部多导联心电信号传输给分解分析模块；
所述分解分析模块包括：主成分分析模块和因子分析模块，主成分分析模块接收胸部多导联心电信号，对胸部多导联心电信号进行主成分分析，得到母亲心电主成分信号；因子分析模块接收腹部多导联心电信号，对腹部多导联心电信号进行因子分析分解，分解为三个的因子，其中包括：胎儿心电因子、母亲心电因子、其它因子；然后将母亲心电主成分信号和分解后的腹部多导联心电信号传输给相位同步性分析模块；
所述相位同步性分析模块以母亲心电主成分信号为参考信号，分别计算将腹部多导联心电信号分解后的每一因子与该参考信号之间的相位同步值，同步值最高的因子认定为母亲心电因子；将腹部多导联心电信号和母亲心电因子传输给胎儿心电因子分量筛选模块；
所述胎儿心电因子分量筛选模块从腹部多导联心电信号中排出母亲心电因子和其它因子，然后剩下的信号传输给胎儿心电因子纯化模块；
所述胎儿心电因子纯化模块中将获取的信号分解为若干组本征模函数(IMFs)，并结合不同尺度下每个IMF分量的局部特征排除非胎儿心电IMF分量；筛选后重构出干净的胎儿心电主因子和包含胎儿心电信息的其他因子，将干净的胎儿心电主因子传输给重构胎儿心电信号模块；
所述重构胎儿心电信号模块根据干净的胎儿心电主因子逆运算得到清晰地胎儿心电信号。
2.如权利要求1所述的一种基于因子同步性分析的多导联胎儿心电提取装置，其特征在于，所述分解分析模块中主成分分析模块的信号处理方法为：
步骤a1：对胸部多导联心电信号求均值去中心化，即每一联信号减去各自的平均值获得去均值信号；
步骤a2：计算步骤1得到的去中心化后各联心电信号的协方差矩阵；
步骤a3：通过SVD分解或特征值分解计算出各协方差矩阵的特征与特征向量；
步骤a4：对特征值从大到小排序，选择其中最大的k个；然后将其对应的k个特征向量分别作为列向量组成特征向量矩阵；
步骤a5：将数据转换到k个特征向量构建的新空间，获得对应的k个主成分；
所述因子分析模块中的信号处理方法为：
步骤b1：计算腹部多导联心电信号的相关系数矩阵；
步骤b2：计算步骤b1得到的相关系数矩阵的特征值λ和特征向量U，得到对应因子的载荷矩阵
步骤b3：根据F＝A-1XECG分解获得多个分解的因子，XECG表示腹部多导联心电信号。
3.如权利要求1所述的一种基于因子同步性分析的多导联胎儿心电提取装置，其特征在于，所述相位同步性分析模块中的信号处理方法为：
步骤1：利用傅里叶变换提取一个胸部多导联心电信号的主成分的相位值φ1[f]，和一个腹部多导联心电信号的因子的相位值φ2[pc])；
步骤2：采样如下公式计算相位同步值；
其中，N表示单通道心电信号的长度，i(·)表示两个心电信号相位差的复变换；
步骤3：重复步骤1和步骤2得各主成分和各因子之间的相位同步值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111084711.8A CN113662557B (zh) | 2021-09-16 | 2021-09-16 | 一种基于因子同步性分析的多导联胎儿心电提取装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111084711.8A CN113662557B (zh) | 2021-09-16 | 2021-09-16 | 一种基于因子同步性分析的多导联胎儿心电提取装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113662557A CN113662557A (zh) | 2021-11-19 |
| CN113662557B true CN113662557B (zh) | 2022-05-03 |
Family
ID=78549461
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111084711.8A Expired - Fee Related CN113662557B (zh) | 2021-09-16 | 2021-09-16 | 一种基于因子同步性分析的多导联胎儿心电提取装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113662557B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118058752B (zh) * | 2024-04-17 | 2024-06-25 | 遂宁市中心医院 | 一种待产产妇自动化监护方法、装置、存储介质和终端设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102670188A (zh) * | 2012-04-25 | 2012-09-19 | 重庆大学 | 一种用于单导胎儿心率检测的鲁棒自适应估计方法 |
| CN103876731A (zh) * | 2014-03-25 | 2014-06-25 | 电子科技大学 | 一种胎儿心电信号提取装置及方法 |
| CN109199375A (zh) * | 2018-11-30 | 2019-01-15 | 东南大学 | 一种无创胎儿心电检测装置及心电信号数据处理方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7747316B2 (en) * | 2005-01-27 | 2010-06-29 | The Board Of Trustees Of The University Of Illinois | Blind adaptive filter extraction of fetal electrocardiogram signal estimate |
| US11419530B2 (en) * | 2017-12-29 | 2022-08-23 | Raydiant Oximetry, Inc. | Systems, devices, and methods for performing trans-abdominal fetal oximetry and/or transabdominal fetal pulse oximetry using independent component analysis |
| JP6649982B2 (ja) * | 2018-05-10 | 2020-02-19 | アトムメディカル株式会社 | 胎児心電信号処理方法及び胎児心電信号処理装置 |
-
2021
- 2021-09-16 CN CN202111084711.8A patent/CN113662557B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102670188A (zh) * | 2012-04-25 | 2012-09-19 | 重庆大学 | 一种用于单导胎儿心率检测的鲁棒自适应估计方法 |
| CN103876731A (zh) * | 2014-03-25 | 2014-06-25 | 电子科技大学 | 一种胎儿心电信号提取装置及方法 |
| CN109199375A (zh) * | 2018-11-30 | 2019-01-15 | 东南大学 | 一种无创胎儿心电检测装置及心电信号数据处理方法 |
Non-Patent Citations (2)
| Title |
|---|
| Dimension reduction and classification in ECG signal interpretation using FA & PCA: A comparison;GUPTA, VARUN and MITTAL, MONIKA;《Proceedings of the Jangjeon Mathematical Society (Proceedings of the Jangjeon Mathematical Society》;20181231;第21卷(第4期);全文 * |
| 无创胎儿心电信号提取方法的研究;田文龙;《中国优秀硕士学位论文全文数据库 (医药卫生科技辑)》;20151215;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113662557A (zh) | 2021-11-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11234629B2 (en) | Method and device for self-learning dynamic electrocardiography analysis employing artificial intelligence | |
| US11344243B2 (en) | Artificial intelligence self-learning-based static electrocardiography analysis method and apparatus | |
| Cox et al. | Digital analysis of the electroencephalogram, the blood pressure wave, and the electrocardiogram | |
| US8249698B2 (en) | General diagnostic and real-time applications of discrete hermite functions to digital data | |
| US5792065A (en) | Method and apparatus for determining T-wave marker points during QT dispersion analysis | |
| US20090264782A1 (en) | Method of and system for signal separation during multivariate physiological monitoring | |
| Zeng et al. | Classification of myocardial infarction based on hybrid feature extraction and artificial intelligence tools by adopting tunable-Q wavelet transform (TQWT), variational mode decomposition (VMD) and neural networks | |
| CN106236080B (zh) | 基于多通道的脑电信号中肌电噪声的消除方法 | |
| JP2006523112A (ja) | 電気的筋肉活動の監視 | |
| CN102160787A (zh) | 一种基于时频变换的胎儿心电盲提取方法 | |
| CN107411736A (zh) | 胎儿心电信号检测系统 | |
| CN112237431A (zh) | 一种基于深度学习的心电参数计算方法 | |
| Vijaya et al. | Arrhythmia detection through ECG feature extraction using wavelet analysis | |
| Comani et al. | Independent component analysis: fetal signal reconstruction from magnetocardiographic recordings | |
| Ghodsi et al. | Extracting fetal heart signal from noisy maternal ECG by multivariate singular spectrum analysis | |
| van Oosterom | Spatial filtering of the fetal electrocardiogram | |
| Ghaffari et al. | Robust fetal QRS detection from noninvasive abdominal electrocardiogram based on channel selection and simultaneous multichannel processing | |
| CN113662557B (zh) | 一种基于因子同步性分析的多导联胎儿心电提取装置 | |
| Melillo et al. | Detection and compensation of interchannel time offsets in indirect fetal ECG sensing | |
| CN109758143B (zh) | 一种同步记录的多通道心电信号的增强方法 | |
| Sulas et al. | A novel tool for non-invasive fetal electrocardiography research: The NInFEA dataset | |
| Suganthy | Analysis of R-peaks in fetal electrocardiogram to detect heart disorder using fuzzy clustering | |
| Brablik et al. | Influence of system configuration on the quality of non-invasive fetal electrocardiography measurement | |
| Liu et al. | Automatic arrhythmia detection based on convolutional neural networks | |
| Desai et al. | A comparison and quantification of fetal heart rate variability using Doppler ultrasound and direct electrocardiography acquisition techniques |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230110 Address after: Floor 1, No. 337, Xishu Street, Jinjiang District, Chengdu, Sichuan 610066 Patentee after: Sichuan Qiangmin Technology Co.,Ltd. Address before: 611731, No. 2006, West Avenue, Chengdu hi tech Zone (West District, Sichuan) Patentee before: University of Electronic Science and Technology of China |
|
| TR01 | Transfer of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220503 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |