本文關(guān)鍵詞：孕婦腹壁胎兒心電圖提取方法研究

  更多相關(guān)文章： 胎兒心電提取 自適應(yīng)干擾抵消 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)算法 獨(dú)立分量分析 基線漂移 工頻干擾 巴特沃斯低通濾波器 陷波濾波器

【摘要】：心臟缺陷是影響胎兒正常出生和造成胎死的最重要因素。據(jù)統(tǒng)計(jì)，大約每125個(gè)中就有一個(gè)嬰兒，在其出生時(shí)便患有某種形式的先天性心臟缺陷。因此，在母親懷孕期間對(duì)胎兒進(jìn)行健康監(jiān)測(cè)是極其重要的。目前，對(duì)于胎兒的健康監(jiān)測(cè)主要是基于心音和心率，而心電圖可以反應(yīng)心臟細(xì)微的電活動(dòng)信息，對(duì)于心臟疾病的診斷有極其重要的意義和作用，因此我們希望得到清晰的胎兒心電圖。 非侵入式的測(cè)量方法是將電極置于母親腹壁，可以在孕期的任何時(shí)期對(duì)胎兒心電信號(hào)進(jìn)行測(cè)量。但是從母親腹壁測(cè)得的信號(hào)信噪比低，包含有很多噪聲，比如基線漂移、工頻干擾、肌電干擾以及母親心電干擾等。這其中影響最大的是來(lái)自母親心電的干擾，因此胎兒心電信號(hào)提取中的主要工作就是去除母親心電干擾。 胎兒心電提取的方法大體上分為濾波器算法、機(jī)器學(xué)習(xí)類算法、線性分解法以及一些其他算法等。本論文從三類方法中分別選取一種具有實(shí)時(shí)性、有效性、穩(wěn)定性的方法，即基于最小均方誤差的自適應(yīng)干擾抵消、基于徑向基函數(shù)的神經(jīng)網(wǎng)絡(luò)算法、獨(dú)立分量分析三種方法對(duì)胎兒心電信號(hào)提取進(jìn)行研究。 首先使用DaISy數(shù)據(jù)庫(kù)的信號(hào)對(duì)三個(gè)算法進(jìn)行胎兒心電信號(hào)提取，，并從可視化波形觀察和信噪比兩個(gè)方面比較了三個(gè)算法的提取效果。從波形觀察比較得出前兩種算法提取的胎兒心電信號(hào)中均含有少量母親心電干擾和噪聲殘留。采用獨(dú)立分量分析的算法要明顯優(yōu)于前兩個(gè)算法，而且經(jīng)過(guò)信噪比的計(jì)算，也證明了這一結(jié)果。然后進(jìn)一步使用MIT數(shù)據(jù)庫(kù)信號(hào)對(duì)FastICA算法進(jìn)行驗(yàn)證，采用一階巴特沃斯低通濾波器和IIR陷波濾波器進(jìn)行基線漂移和工頻干擾的去除，得到了噪聲相對(duì)較小的四通道混合信號(hào)。將快速獨(dú)立分量分析應(yīng)用于這四通道信號(hào)中，最后成功分離得到信噪比較高的胎兒心電信號(hào)。
【關(guān)鍵詞】：胎兒心電提取 自適應(yīng)干擾抵消 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)算法 獨(dú)立分量分析 基線漂移 工頻干擾 巴特沃斯低通濾波器 陷波濾波器
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN911.7;R714.5
【目錄】：

• 摘要5-6
• Abstract6-8
• 目錄8-10
• 第1章 緒論10-18
• 1.1 胎兒心電信號(hào)的生理學(xué)理論10-13
• 1.1.1 胎兒心臟監(jiān)測(cè)10-12
• 1.1.2 胎兒心臟發(fā)育及胎兒心電信號(hào)12-13
• 1.2 胎兒心電提取的研究13-15
• 1.3 胎兒心電數(shù)據(jù)庫(kù)15-16
• 1.4 本課題研究的意義與結(jié)構(gòu)安排16-18
• 第2章 基于 LMS 自適應(yīng)相關(guān)抵消的方法提取胎兒心電18-28
• 2.1 自適應(yīng)濾波18-19
• 2.2 基于 LMS 自適應(yīng)相關(guān)抵消的方法提取胎兒心電19-23
• 2.2.1 自適應(yīng)相關(guān)抵消19-20
• 2.2.2 LMS 自適應(yīng)算法20-22
• 2.2.3 LMS 自適應(yīng)相關(guān)抵消提取 FECG 算法流程22-23
• 2.3 胎兒心電提取性能評(píng)估23-24
• 2.4 算法驗(yàn)證與結(jié)果分析24-27
• 2.5 本章小結(jié)27-28
• 第3章 基于 RBF 人工神經(jīng)網(wǎng)絡(luò)的胎兒心電提取28-38
• 3.1 人工神經(jīng)網(wǎng)絡(luò)算法28-31
• 3.1.1 人工神經(jīng)網(wǎng)絡(luò)算法簡(jiǎn)介28-29
• 3.1.2 RBF 人工神經(jīng)網(wǎng)絡(luò)原理29-31
• 3.2 基于 RBF 人工神經(jīng)網(wǎng)絡(luò)的方法提取胎兒心電31-33
• 3.3 算法驗(yàn)證與結(jié)果分析33-37
• 3.4 本章小結(jié)37-38
• 第4章 基于獨(dú)立分量分析方法提取胎兒心電38-63
• 4.1 盲信號(hào)處理的基本概念和工作原理38-40
• 4.2 獨(dú)立分量分析的基本原理40-42
• 4.3 FASTICA 應(yīng)用于 DAISY 數(shù)據(jù)分離 FECG42-53
• 4.3.1 ICA 的預(yù)處理42-45
• 4.3.2 信息論相關(guān)知識(shí)45-47
• 4.3.3 獨(dú)立性判據(jù)和對(duì)照函數(shù)47-48
• 4.3.4 FastICA 原理及提取 FECG 算法流程48-50
• 4.3.5 算法驗(yàn)證及結(jié)果分析50-53
• 4.4 FASTICA 應(yīng)用于 MIT 數(shù)據(jù)分離 FECG53-62
• 4.4.1 胎兒心電信號(hào)的噪聲預(yù)處理53-57
• 4.4.1.1 基線漂移54-55
• 4.4.1.2 工頻干擾55-57
• 4.4.2 MIT 數(shù)據(jù)噪聲預(yù)處理結(jié)果57-59
• 4.4.3 MIT 數(shù)據(jù)進(jìn)行 FastICA 分離提取59-62
• 4.5 本章小結(jié)62-63
• 總結(jié)與展望63-65
• 參考文獻(xiàn)65-69
• 致謝69

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 王林泓,楊浩;心電信號(hào)處理中濾波器設(shè)計(jì)的研究[J];北京生物醫(yī)學(xué)工程;2002年03期

2 丁世飛;齊丙娟;譚紅艷;;支持向量機(jī)理論與算法研究綜述[J];電子科技大學(xué)學(xué)報(bào);2011年01期

3 蒲秀娟;曾孝平;韓亮;程軍;;基于最小二乘支持向量機(jī)的胎兒心電信號(hào)提取[J];電子與信息學(xué)報(bào);2009年12期

4 許新征;;一種結(jié)構(gòu)自適應(yīng)的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)[J];計(jì)算機(jī)工程與應(yīng)用;2007年14期

5 黃寶晨;時(shí)高峰;安占軍;;心電圖學(xué)[J];現(xiàn)代電生理學(xué)雜志;2006年04期

6 楊豐,余英林;小波變換在心電信號(hào)濾波處理中的應(yīng)用研究[J];生物醫(yī)學(xué)工程學(xué)雜志;1997年04期

7 崔庚寅;;胎兒血液循環(huán)及出生后的變化[J];生物學(xué)通報(bào);1990年05期

本文編號(hào)：686649