收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于循环神经网络的胎儿心电提取方法研究

仇悦  
【摘要】:胎儿心电信号对胎儿健康状况的早期诊断有重要作用。与常规心电信号相同,胎儿心电信号的波形形态中包含了大量信息,可用于胎儿缺氧和先天性心脏缺陷等病症的医学诊断。然而,从非侵入式测量方法测得的孕妇腹壁心电信号中,提取清晰的胎儿心电信号波形,目前仍较为困难。胎儿心电信号常受工频干扰、母体心电成分和其他噪声成分的污染,而以往的大部分工作只能分离出包含大量噪声的胎儿心电信号,用于提取胎心心率,并不能提取出胎儿心电信号的清晰波形。这导致了基于胎儿心电波形形态的医学诊断难以实施,极大限制了胎儿心电信号的临床应用价值。本文开展了一系列研究工作,通过改善工频消噪,母体成分抵消和胎心信号降噪三个关键环节的信号处理效果,大幅提升了提取出的胎儿心电信号波形的清晰度和准确度。本文的主要研究内容与贡献如下:1.基于循环神经网络的心电信号工频消噪方法工频干扰是现代传感器技术采集得到的生物医学电信号中,含有的主要噪声之一,对传感信号的信号质量有极大影响,因而工频消噪往往是传感信号预处理过程中的重要环节。工频干扰与心电信号在频域分布上的重叠,使传统滤波方法在进行工频消噪时,常会引起显著的信号失真。本文提出基于循环神经网络的工频消噪方法,经合成样本训练后的循环神经网络模型,可无需先验知识和预处理过程,直接从心电信号中提取出工频干扰成分。构建了一种训练样本的生成策略,将心电信号纯净波形与随机模拟工频信号混合,得到合成样本。实验结果表明,该方法可显著缓解工频消噪过程引入的信号失真,具有较强的泛化能力,为论文后续的创新工作提供了理论基础。2.基于循环神经网络的分段重建工频消噪方法采用非侵入式测量法测得的孕妇腹壁心电信号中,胎儿心电信号成分通常十分微弱。工频消噪过程引入的信号失真会严重破坏胎儿心电信号的波形信息。因而胎儿心电的提取过程,对工频消噪的低失真度要求更为严苛。本文提出了基于双向循环神经网络的分段重建工频消噪方法,通过分段估计,借助双向循环神经网络扩充的拟合能力,提取心电信号中工频干扰成分的特性系数,计算出工频干扰成分的幅度、相位与实际频率,而后通过逐段局部重建,对心电信号中的工频干扰成分进行重建恢复。实验结果表明,相较以往性能最优方法,该方法将滤得心电信号的信噪比平均提高了7 dB,将工频干扰幅值变化的瞬态响应时间减少到了 0.09秒,且具有较强的鲁棒性,可适应工频干扰的幅值和频率在较大范围内的变化,满足了胎儿心电信号预处理的性能要求。此外,经实验验证,该方法还具有一定的泛化能力,可无需重新训练循环神经网络模型,直接应用于实际生物电信号的工频消噪任务,具有良好的普适性和实用价值。3.基于循环神经网络的胎儿心电提取方法孕妇腹壁心电信号中含有母体心电、各类噪声和微弱的胎儿心电信号,为提取出清晰的胎心信号波形,本文提出了一种基于循环神经网络的两阶段噪声消除胎儿心电提取方法,以循环神经网络数字信号处理为基础,通过母体成分抵消和胎心信号降噪两阶段的处理过程,实现低失真度的胎儿心电提取。分别设计了两阶段处理过程的算法框架。改进了模型自适应更新的损失函数和参数调节策略实现循环神经网络的自动迭代收敛。根据母体内心电信号传导变换的系统特性,修改了长短时记忆单元遗忘门和输出门的门控机制,大幅降低了循环神经网络的运算量。实验结果表明,相较以往性能最优方法,该方法在母体成分抵消和胎心信号降噪两阶段的处理过程中,分别将提取出的胎儿心电信号的信噪比,平均提高了 1.26dB和4.33dB。这共计约5.6dB的性能提升,显著提高了胎儿心电的信号质量,将有助于胎儿心电波形的医学诊断,促进胎儿健康监测技术的发展。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期
3 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期
4 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
5 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
6 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期
7 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期
8 苏秀婷;;耦合神经网络的同步[J];绍兴文理学院学报(自然科学);2016年03期
9 朱溦;;神经网络结合平均影响值方法筛选变量[J];产业与科技论坛;2017年01期
10 ;硅光子神经网络亮相[J];石油工业计算机应用;2016年04期
11 任刚红;杜坤;周明;刘年东;张晋;;基于级联神经网络的年降雨量预测[J];土木建筑与环境工程;2016年S2期
12 金鑫;李龙威;季佳男;李祉歧;胡宇;赵永彬;;基于大数据和优化神经网络短期电力负荷预测[J];通信学报;2016年S1期
13 陈明;张凤荣;肖茜文;;基于灰色系统神经网络的中国低碳能源供需形势分析[J];生态经济;2017年02期
14 张国玲;;基于情感神经网络的风电功率预测[J];电信科学;2017年03期
15 梁燕华;张传斌;;基于神经网络数据融合实现火灾预警[J];科技传播;2017年04期
16 曾维亮;林志贤;陈永洒;;基于卷积神经网络的智能冰箱果蔬图像识别的研究[J];微型机与应用;2017年08期
中国重要会议论文全文数据库 前10条
1 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
2 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
4 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
6 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
8 林家骏;王赞基;;求解不可微优化问题的连续极大熵神经网络[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 姜德宏;徐德民;任章;;基于神经网络的自校正控制器[A];1993中国控制与决策学术年会论文集[C];1993年
10 窦永丰;贝超;;模糊与神经网络结合方式及在控制中的应用[A];1997年中国控制会议论文集[C];1997年
中国博士学位论文全文数据库 前10条
1 石葆光;基于深度学习的自然场景文字检测与识别方法研究[D];华中科技大学;2018年
2 李天;含风电场的电力系统功率预测与优化调度研究[D];华北电力大学(北京);2018年
3 卢超;多模块自组织神经网络设计及其在污水检测中的应用研究[D];北京工业大学;2018年
4 仇悦;基于循环神经网络的胎儿心电提取方法研究[D];浙江大学;2018年
5 林志涛;脉冲神经网络相对顺序学习与转化算法研究[D];浙江大学;2018年
6 刘梅;网络系统的稳定和同步行为研究[D];新疆大学;2017年
7 靳然;基于神经网络和支持向量机的麦蚜发生动态预测研究[D];山西农业大学;2017年
8 李骁;基于深度卷积神经网络MSCT对小肾肿瘤病理分型的预测研究[D];中国人民解放军海军军医大学;2018年
9 李若霞;基于忆阻的神经网络的动力学分析及应用[D];东南大学;2017年
10 项延德;基于卷积神经网络的心电信号检测和分类研究[D];浙江大学;2018年
中国硕士学位论文全文数据库 前10条
1 李亚飞;基于卷积神经网络的遥感图像分类算法研究[D];哈尔滨工程大学;2018年
2 吴贻淮;基于神经网络的车载CAN网络入侵检测系统的研究[D];成都信息工程大学;2018年
3 周冠豪;利用神经网络对加掩算法的高阶攻击研究[D];成都信息工程大学;2018年
4 崔洪振;基于GPU的卷积神经网络并行算法研究[D];哈尔滨工程大学;2018年
5 王强;基于卷积神经网络的自然图像分类研究[D];成都信息工程大学;2018年
6 马文娟;基于卷积神经网络的人脸年龄估计算法研究[D];哈尔滨工程大学;2018年
7 唐明轩;基于DenseNet的医学图像分割研究与应用[D];成都信息工程大学;2018年
8 赵新杰;深度神经网络的可视化理解方法研究[D];哈尔滨工程大学;2018年
9 齐鹤勋;基于降噪自编码神经网络的个人信用评估方法研究[D];哈尔滨工程大学;2018年
10 梁楷;面向FPGA深度学习应用的OpenCL优化研究[D];哈尔滨工程大学;2018年
中国重要报纸全文数据库 前10条
1 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
2 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
3 ;神经网络小史[N];电子报;2018年
4 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
5 ;人工智能将取得大面积突破[N];中国企业报;2017年
6 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
7 ;人类正迎来云端机器人时代[N];中国企业报;2017年
8 张斌;谁还需要“同传”[N];文汇报;2017年
9 科大讯飞董事长 刘庆峰;高考机器人考入一流大学不再是梦[N];中国教育报;2017年
10 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978