آشکارسازی سیگنال فعالیت الکتریکی قلب جنین از ثبت های شکمی مادر با یادگیری عمیق

یکی از شایع ترین دلایل مرگ و میر در هنگام تولد نوزاد، نقص قلبی است . تشخیص بیماری قلبی نیازمند مشاهده فعالیت قلب و استخراج فعالیت های الکتریکی قلب است که الکتروکاردیوگرام جنین (FECG)۱، روشی استاندارد در این حوزه است . اما با وجود پیشرفت های قابل توجه در الکتروکاردیوگرافی بالینی بزرگسالان، تکنیک های پردازش سیگنال و پردازشگرهای دیجیتال سریع ، آنالیز الکتروکاردیوگرام جنین هنوز در مراحل اولیه است و با چالش هایی همراه است . چرا که علاوه بر قلب جنین ، عوامل دیگر مانند قلب مادر، فعالیت ماهیچه ای مادر و جنین ، فعالیت مغزی جنین و نویز های محیط نیز تاثیر دارند و باعث مخدوش شدن سیگنال قلب جنین می شود. در این مقاله مروری با استفاده از ده ها منبع معتبر، مطالبی پیرامون بررسی انواع روش های آشکارسازی سیگنال فعالیت الکتریکی قلب جنین ، مزایا و معایب آن ها و معرفی رویکرد یادگیری عمیق برای آشکارسازی فعالیت الکتریکی قلب جنین و تشخیص نقص قلبی جنین از روی الکتروکاردیوگرافی غیرتهاجمی مادر ارائه شده است . عملکرد این رویکرد با استفاده از یک ابزار یادگیری عمیق آموزشدیده در مجموع ۹۴۱ بخش R-peaks یک دقیقه ای مادر و جنین جمع آوری شده از ۱۷۲ زن باردار (هفته های ۲۰ تا ۴۰) تایید شده. دقت بالای بدست آمده توسط ابزار (۹۰%) در شناسایی سناریوهای جفت ، پتانسیل استفاده از هوش مصنوعی را به عنوان ابزار نظارتی برای ارزیابی مکرر رشد جنین نشان داد.

Keywords:

الکتروکاردیوگرام جنین , یادگیری عمیق , R-Peaks