结合快速独立成分分析算法和卷积神经网络的胎儿心电信号提取与分析方法
Fetal electrocardiogram signal extraction and analysis method combining fast independent component analysis algorithm and convolutional neural network作者机构:北京工业大学生物医学工程系北京100124
出 版 物:《生物医学工程学杂志》 (Journal of Biomedical Engineering)
年 卷 期:2023年第40卷第1期
页 面:51-59页
核心收录:
学科分类:0710[理学-生物学] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 100211[医学-妇产科学] 0812[工学-计算机科学与技术(可授工学、理学学位)] 10[医学]
主 题:胎儿心电信号 QRS复合波 快速独立成分分析 奇异值分解 卷积神经网络
摘 要:胎儿心电信号为胎儿异常情况的早期诊断和干预提供了重要的临床信息,本文提出一种胎儿心电信号提取与分析的新方法。首先,将改进的快速独立成分分析(FastICA)法和奇异值分解(SVD)算法结合,来提取高质量胎儿心电信号并解决波形缺失问题。其次,运用一种新的卷积神经网络(CNN)模型识别胎儿心电信号QRS复合波,并有效解决波形重叠问题。最终,实现胎儿心电信号的高质量提取与胎儿QRS复合波的智能识别。以复杂生理信号研究资源网2013年心脏病学计算挑战赛(PhysioNet2013)数据库资料对本文所提方法进行验证,结果表明该提取算法平均灵敏度与阳性预测值为98.21%和99.52%;QRS复合波识别算法平均灵敏度与阳性预测值为94.14%和95.80%,相较于其他研究成果均有较好的提升。综上,本文提出的算法与模型具有一定的实践意义,今后或可为临床医学决策提供理论依据。