جدا سازی سیگنال قلبی جنین از مادر با استفاده از یادگیری عمیق کانولوشنی مبتنی بر پردازش تصویر

الکتروکاردیوگرام جنین روشی استاندارد براي شناسایی و تشخیص بیماری هاي جنینی است .بنابراین تکنیک هاي مانیتورینگ موثر برايمانیتور کردن شرایط جنینی در طی بارداري و در زمان وضع حمل لازم هستند. در این میان دستیابی به سیگنال الکتروکاردیوگرام جنینی (FECG)که حاوي فعالیت الکتریکی قلب جنین بوده از اهمیت بالایی برخوردار است. البته این سیگنال به نویز ها و اغتشاشات زیادي آلوده است که مهمترینشان سیگنال الکتروکاردیوگرام مادر است. به صورت ذاتی سیگنال NI-ECG حاوی سیگنال ECG مادر است که دامنه ي بیشتري نسبت به سیگنال ECG جنین دارد. از اینرو آشکارسازي کمپلکس QRS جنینی به منظور کنترل شرایط جنین و پیشگیري از نقایص مادرزادي آسان نیست. با توجه به توضیحات فوق در این مقاله یک رویکرد یاد گیري عمیق مبتنی بر شبکه عصبی کانولوشنی براي جداسازي سیگنال هاي الکتروکاردیوگرام مادر از جنین بدون جدا کردن سیگنال ECG مادر پیشنهاد شده است. الگوریتم پیشنهادي قادر است به طور قابل اعتمادي کمپلکس QRS جنینرا تشخیص داده همچنین علاوه بر عدم نیاز به مراحل استخراج ویژ گی، توانسته نسبت به بهترین روش هاي پیشنهاد شده در تحقیقات قبلی از نظردقت تشخیص کارایی مناسب تري از خود نشان دهد.

Keywords:

الکتروکاردی وگرام , سیگنال قلب جنین , یادگیری عمیق , شبکه عصبی کانولوشنی , کمپلکس ORS