孕妇腹壁胎儿心电图提取方法研究.doc

孕妇腹壁胎儿心电图提取方法研究.doc 孕妇腹壁胎儿心电图提取方法研究 第 1 章 绪论 1.1 胎儿心电信号的生理学理论 对胎儿健康的监测可以分为产前监测和产时监测，这两个都非常重要，产前监测可以让我们提前了解到胎儿的健康状况，对一些异常情况可以及早采取措施，临床上有很多设备可以对胎儿心脏的健康活动进行检测。超声心动图又被称为回声心动图。它是一组无创性检查方法，其原理是应用超声波回声探查心脏和大血管以获取有关信息。常用的检测包括 M 型超声、二维超声 、脉冲多普勒、连续多普勒、彩色多普勒血流显像等。心动周期中，心脏的各种生命活动如:心肌收缩、瓣膜启闭、血液加速度和减速度等)会引起的机械振动，由此产生的声音为心音。心脏活动过程中产生的声振动心音及杂音)可以通过换能器、放大电路、检波等方法，以振动波的形式记录下来，这就是心音图PCG)。心音图可作为心脏听诊的补充，对心脏病的诊断有一定价值。心磁图是无创性记录和心动周期中由电活动所产生的电磁场成份和电磁场变化的方法，记录动态心脏的磁图谱，检测非常灵敏，现在主要的产品设备是基于超导量子干涉仪 SQUIDSuperconducting Quantum Interference Device)。除了上述临床检测设备以外，随着智能设备应用的不断发展和家庭监护理念的不断提升，2013 年一款可以用于家庭监护的智能胎语仪在国内上市[5]。如图 1.1 所示是智能胎语仪的探头和手机应用端。 ...... 1.2 胎儿心电提取的研究 1791 年意大利科学家 Galvani 通过青蛙实验发现了心电现象。自此之后经过近百年的研究发展，直到 1887 年，英国生理学家 Waller 首次记录到人类的心电活动图，但由于当时仪器技术的限制还不能用于临床。随后心电技术开始蓬勃发展，被誉为“心电之父”的荷兰生理学家 Einthoven 在 1895 年将心电活动图各波段命名为 P、Q、R、S、T 波，这一命名具有重要意义，在医学界一直沿用至今，1910 年他改进并发明弦线电流计制成心电图机，由此获得 1924 年的诺贝尔医学生理学奖[9]。自此之后经过一百多年的发展，时至今日的广泛用于临床的成人心电图机功能比较完善，记录的心电信号很清晰，而且已经成为帮助医生诊断心律失 常、心肌梗死、心房和心室肥大、心肌缺血、心脏早搏等疾病的重要信息[10]。心电信号之所以重要的原因是它其中涵盖心脏这一维系人类生命动力的重要器官的很多活动信息，在成人的心电图技术日益成熟之后，人们便开始期待将这一技术用于胎儿心电的检测上，希望从中得到关于胎儿健康的重要信息，但相比之下测量胎儿心电信号要困难很多。在FECG的发展史上迈出第一步的是Cremer，他在1906年首次测得胎儿心电图，当时采用的测量仪器是检流计，这使得记录到的胎儿心电信号幅值非常低。之后随着放大器技术的不断发展和改进，使得记录胎儿心电图越来越成为可能并且日益受到关注。目前主要通过侵入式宫内探测)和非侵入式腹壁探测)两种方法采集胎儿心电信号。侵入式Invasive)方法即宫内探测，直接将电极放置在胎儿的皮肤或头皮主要)上进行信号采集，因此也称为直接法，一般是在母亲分娩时使用宫内电极进行胎儿心电的采集。这种方法的优势是可以获得较为清晰的、信噪比相对较高的 FECG，胎儿心电的 R 波峰和 RR 间期检测可能会相对比较简单，而且不存在母亲心电的干扰。但是，这种方法的适用范围受到限制，它受母亲孕龄和胎儿头部位置的影响，而且将电极置入子宫内容易引起感染，这种风险是不被接受和容忍的。 ...... 第 2 章 基于 LMS 自适应相关抵消的方法提取胎儿心电 在本论文 1.2 节关于胎儿心电信号的分类中，第一类滤波器算法中主要包括匹配滤波和自适应干扰抵消等算法。Farvet 提出了匹配滤波法[19]，利用阈值检测的方法将检测出的母亲心电信号制作成一个模板，然后利用此模板将腹壁混合信号中的母亲心电成分减去掉，从而提取出胎儿心电信号。虽然匹配滤波算法的结构简单，实现起来比较容易，但是要求模板有很高的精确度，否则无法准确的计算胎儿心电周期，胎儿心电信号提取率会比较低。由于胎儿心电频率和母亲心电频率的交叠影响，其他一般的滤波器并不适用于胎儿心电信号提取。因此本章选取自适应滤波算法，将自适应干扰抵消原理应用于 FECG 提取。该种算法将母亲胸部测得的心电信号作为参考信号，基于某种准则，通过对参数的不断调节，使输出信号逐渐逼近于腹部混合信号中的母亲心电成分，最终将母亲心电干扰成分去除。自适应干扰抵消算法适用于非平稳信号，而且具有计算简单，计算量小，易于收敛等优点。 2.1 自适应滤波 滤波器的作用就是从含有各种噪声的观测信号中提取出我们所需的信号，一般可以实现滤波、预测、平滑等信号处理的基本任务。实际中，滤波器在处理信号时，往往处于一个动态变化的环境或系统之中，因此就希望滤波器的参数可以进行一些相应的调整和更新。自适应滤波器的特性变化是由自适应算法通过调整滤波器系数来实现的。自适应滤波器通常由数字滤波器结构和调整滤波器系数的自适应算法两部分组成。数字滤波器可以采用 FIR 或 IIR 结构，而 IIR 滤波器会存在稳定性问，因此一般采用 FIR 滤波器作为自适应滤波器的结构。图 2.1 所示的是自适应滤波器的基本结构。 ...... 2.2 基于 LMS 自适应相关抵消的方法提取胎儿心电 将自适应相关抵消器用于提取胎儿心电，那么输入信号是母亲腹壁观测的混合信号，参考信号是母亲胸部的心电信号，图 2.2 所示的是基于 LMS 自适应相关抵消的胎儿心电提取原理图[20]。关于评估每一个算法对胎儿心电提取的性能指标，本课题一方面采取可主观上的观察初步做出判断，另一面选择 Outram[21]在 1997 年提出的基于特征值分析的性噪比指标在客观上对算法提取效果进行。用 fecg 代表提取出的胎儿心电信号，认为 fecg 中含有的噪声和胎儿心电信号是相互独立的。对 LMS 自适应相关抵消算法的验证数据，本课题选取本论文 1.3 节中介绍的DaISy(Database for the Identification of Systems)数据库。DaISy 包含有八通道数据，第1-5 通道是母亲腹壁混合信号，6-8 通道是母亲胸部采集的母亲心电信号，它的采样频率是 250Hz，采样时间为 10s。图 2.4 为 DaISy 中母亲腹壁采集到的混合信号 AECG，即第1-5通道的原始数据，图2.5为DaISy中母亲胸部采集到的母亲心电信号MECG，即 6-8 通道的原始数据。 ....... 第 3 章 基于 RBF 人工神经络的胎儿心电提取........19 3.1 人工神经络算法 ..... 19 3.2 基于 RBF 人工神经络的方法提取胎儿心电........ 22 3.3 算法验证与结果分析 ....... 24 3.4 本章小结 ......... 28 第 4 章 基于独立分量分析方法提取胎儿心电.........29 4.1 盲信号处理的基本概念和工作原理 ........ 29 4.2 独立分量分析的基本原理 ..... 31 4.3 FASTICA 应用于 DAISY 数据分离 FECG ...... 33 4.4 FASTICA 应用于 MIT 数据分离 FECG.... 44 4.5 本章小结 ......... 53 第 4 章 基于独立分量分析方法提取胎儿心电 在线性分解这一类方法中，主要有小波分析、奇异值分解法、盲源分离等方法。其中，小波分析Wavelet)是在小波域利用模极大值，检测腹壁混合信号中的奇异值，然后在腹壁混合信号中抵消与母亲心电信号相同的奇异值，最后通过小波重构将mECG 和 fECG 进行分离。奇异值分解法Singular Value Decomposition ,SVD)用于胎儿心电信号提取是Oosterom 基于空间滤波提出的[34]，该方法根据电极安放位置等信息设置空间传递矩阵，将母亲腹壁混合信号看成是源信号经过此传递矩阵的变换结果，采用奇异值分解法对混合信号进行空间滤波，对母亲心电干扰信号进行抑制，从而提取胎儿心电信号。小波分析中经过小波变换后可以检测到准确性比较强、效果相对理想的 FECG，但小波变换中需要选择某些合适的重要参数，这使得其广泛适用性较弱，而且在分解与重构过程中需要很大的计算量。奇异值分解方法的实时性较差，而且提取效果的好坏与导联系统的设计有很大关系[35]。因为腹壁混合信号中的基线漂移、工频干扰、母亲心电、胎儿心电，它们产生的机理不同，因此可以认为是相互独立的，所以，本章选取独立分量分析中的 FastICA算法，不但保证胎儿心电信号的提取质量，而且采用 FastICA 方法调整分解矩阵，避免了复杂的计算量，提高了提取效率。独立分量分析Independent ComponentAnalysis, ICA)是 20 世纪 90 年代后期在信号处理领域发展起来的一种新处理方法。而 ICA 的发展与盲源分离Blind SourceSeparation, BSS)密不可分，盲源分离又是盲信号处理Blind Signal Processing, BSP)众多研究内容中极其重要的分支。 结论 每一个新生儿的出生都代表一个新希望，胎儿健康监测在围产学中是极其重要的。心脏是人体最重要、最复杂的器官之一，因此在胎儿健康监测中，心脏的健康监测是不容忽视的。本论文介绍了目前胎儿监测的一些常用医疗设备，但它们都是基于胎儿形态学、心音、心动等进行监测。心电图包含有更多关于心脏电活动的细节信息，成人的心电图在诊断各种疾病中已经发展成熟，广泛应用于临床，人们一直期望像成人心电图一样，可以得到用于监测诊断的清晰的胎儿心电图。但是，针对母亲腹壁测量的信号提取胎儿心电由于含有基线漂移、工频干扰等噪声以及母亲心电为主要干扰，而一直是研究的难点。关于 FECG 的提取方法研究由来已久，本课题的研究内容和成果包括: 1、胎儿心电信号提取的方法大概的分为三类:自适应滤波法、机器学习类算法、线性分解法，以及一些其他算法。本课题分别从这三类算法中各选取一种，即基于LMS 的自适应干扰抵消、RBF 神经络、独立分量分析对胎儿心电信号的提取算法进行学习研究。 2、设计基于 LMS 自适应干扰抵消的算法流程，选取 DaISy 数据库中的 channel-01的腹壁混合数据作输入信号，channel-08 的母亲心电数据作参考信号进行 FECG 提取。对腹壁混合信号中胎儿心电成分和母亲心电成分存在的三种方式不重叠、部分重叠、完全重叠)进行局部放大，观察分析 FECG 波形。提取出 QRS 可清晰辨识的胎儿心电信号，但存在少量的母亲心电信号干扰和噪声残留，最后计算胎儿心电信号的信噪比作为提取性能的量化评估。 ............