北京生物医学工程

基于自适应线性神经网络的胎儿心电信号提取

Fetal ECG Signals Extraction Based on Adaptive Linear Neural Network

作者：贾文娟杨春兰钟果程周梦颖吴水才

单位：北京工业大学生命学院生物医学工程中心（北京100124）

分类号：

出版年·卷·期（页码）：2010·29·6（575-580）

摘要：

胎儿心电信号提取对胎儿监护具有重要意义。本文介绍了一种基于自适应线性神经网络的胎儿心电信号提取方法。该方法根据母体心电信号与母体腹部信号的相关性原理，以母体心电信号为网络输入，母体腹部信号为网络目标，采用W-H学习方法获取的训练误差即为提取出的胎儿心电信号。此外，通过增加网络隐含层，对神经网络的结构进行改进，增加网络训练精度，从而得到更好的训练结果，提取出更易识别的胎儿心电信号。最后分别使用仿真数据和临床数据对上述方法进行测试，实验结果表明，利用自适应线性神经网络可以提取出胎儿心电信号，通过改进神经网络结构，可以提取出更为清晰的胎儿心电信号。

Fetal ECG signals extraction has the vital significance for fetal monitoring. This paper introduces a method of extracting fetal ECG based on adaptive linear neural network. The method was due to the correlation between maternal ECG and the abdominal signals of pregnant woman, adopted the W-H learning rule, with maternal ECG as input signals and the abdominal ECG as target signals of network, so that the training error was obtained as the fetal ECG extracted. In addition, a better result was achieved by increasing the hidden layer for the network to improve neural network structure and enhance the network training accuracy. Thus, more easily identified fetal ECG would be extracted. Using simulated data and clinical data to test this method, experimental results showed that the adaptive linear neural network could be used to extract fetal ECG signals from maternal abdominal signals effectively. Furthermore, clearer fetal ECG signals could be extracted by improving neural network structure.

参考文献：

［1］李红波,方少元. 基于Internet的家庭远程胎儿监护系统的研制［J］. 医疗卫生装备, 2006, 27(2): 17- 19.
［2］Khaled A. Adaptive neuro-fuzzy inference systems for extracting fetal electrocardiogram［J］. IEEE International Symposium on Signal Processing and Information Technology, 2006: 122-126.
［3］徐进. 胎儿心电的提取方法分析［J］.电子技术应用, 2006, 32(6): 77-80.
［4］付荣申. 基于自适应滤波的胎儿心电信号提取［D］. 郑州：郑州大学, 2007.
［5］王家达,刘祖望. 基于S3C2410的无线胎儿心电监护仪的设计［J］. 中国医疗器械杂志, 2007, 31(1): 30 -33.
［6］Edmond Zahedi. Applicability of adaptive noise cancellation to fetal heart rate detection using photoplethysmography［J］. Computers in Biology and Medicine, 2008, 38(1): 31-41.
［7］刘世金,徐文，刘大利，等. 基于RLS-ANC自适应滤波的FECG信号提取方法［J］. 北京生物医学工程, 2005, 24 (6): 414-417.
［8］李智,沈汉聪，莫玮. 基于DSP的自适应胎儿心电图仪研究［J］. 生物医学工程学杂志, 2008, 25(2): 309-312.
［9］石岩岩,苟正品，张榆峰，等. 基于经验模态分解自适应滤波的胎儿心电信号提取［J］. 生物医学工程与临床, 2010, 14(1): 5-9.
［10］刘清欣. 胎儿心电信号提取的算法研究［D］. 郑州：郑州大学， 2007.
［11］Najafabadi FS, Zahedi E, Mohd Ali MA, et al. Fetal heart rate monitoring based on independent component analysis［J］. Computers in Biology and Medicine, 2006, 36(3): 241-252.
［12］李君. 基于独立分量分析方法的胎儿心电提取的研究［D］. 重庆:重庆大学, 2009.
［13］Yalan Ye, et al. A Non-invasive Fetal Electrocardiogram Extraction Algorithm Based on ICA Neural Network［C］. Proceedings of 2007 1st International Conference on Bioinformatics and Biomedical Engineering, 2007: 806-809.
［14］刘清欣,万红. 基于独立分量分析的胎儿心电信号提取［J］. 华北水利水电学院学报, 2007, 28(3): 45-47.
［15］谢杨梅,吴小培. 独立分量分析在胎儿心电提取中的应用［J］. 池州学院学报, 2009, 23(3): 14-17.
［16］蔡坤宝,冀志华. 应用独立分量分析的胎儿心电信号提取［J］. 重庆大学学报, 2009, 32(3): 332- 336.
［17］段红博. 基于模糊神经网络的胎儿心电提取［D］. 重庆：重庆大学， 2009.
［18］Tompkins WJ. 生物医学数字信号处理［M］. 林家瑞，徐邦荃，等译. 武汉: 华中科技大学出版社, 2001: 204-214.
［19］Lathauwer L. DaIsy: Database for the identification of systems: Biomedical Systems ［EB/OL］.http://homes.esat.kuleuven.be/~smc/daisy/, 2000-10-10/2010-4-27.

服务与反馈：

【文章下载】【加入收藏】

提示：您还未登录，请登录！点此登录