利用基于注意力的 CycleGAN 从母体 ECG 提取胎儿 ECG
信号处理
2021-02-11 v2 机器学习
摘要
无创胎儿心电图（FECG）用于监测胎儿心脏的电脉冲。从母体心电图（MECG）中分解 FECG 信号是一个盲源分离问题，由于 FECG 幅度低、R 波重叠以及可能受到来自不同来源的噪声干扰而十分困难。传统的分解技术，如自适应滤波器，需要调参、对齐或预配置，例如对噪声或期望信号建模，以高效地将 MECG 映射至 FECG。母体和胎儿 ECG 部分之间的高相关性降低了卷积层的性能。因此，利用注意力机制掩蔽感兴趣区域以提升信号生成器的精度。同时使用了正弦激活函数，因其在转换两个信号域时可保留更多细节。使用来自 Physionet 的三个可用数据集（包括 A&D FECG、NI-FECG 和 NI-FECG challenge）以及一个使用 FECGSYN 工具箱生成的合成数据集来评估性能。所提方法在 A&D FECG 数据集上可将腹部 MECG 映射为头皮 FECG，平均 R 平方为 98% [95% CI: 97%, 99%] 作为拟合优度。此外，其在 A&D FECG、NI-FECG 和 NI-FECG challenge 数据集上胎儿 QRS 检测的 F1 分数分别达到 99.7% [95% CI: 97.8-99.9]、99.6% [95% CI: 98.2%, 99.9%] 和 99.3% [95% CI: 95.3%, 99.9%]。这些结果可与最先进水平（SOTA）相媲美；因此，所提算法有潜力用于高性能的信号到信号转换。
引用
@article{arxiv.2011.12138,
title = {Fetal ECG Extraction from Maternal ECG using Attention-based CycleGAN},
author = {Mohammad Reza Mohebbian and Seyed Shahim Vedaei and Khan A. Wahid and Anh Dinh and Hamid Reza Marateb and Kouhyar Tavakolian},
journal= {arXiv preprint arXiv:2011.12138},
year = {2021}
}