[发明专利]一种无创胎儿心电R峰检测方法、系统、设备及介质

说明书

本发明公开一种无创胎儿心电R峰检测方法、系统、设备及介质，涉及生理信号检测技术领域。所述方法包括：获取目标心电信号；根据所述目标心电信号和胎儿心电R峰检测模型确定胎儿心电R峰信息；所述胎儿心电R峰检测模型是根据时序卷积神经网络和残差多头注意力模块构建的；所述时序卷积神经网络包括多个任务处理单元；所述任务处理单元包括主任务处理单元和辅助任务处理单元；每个所述任务处理单元均包括依次连接的编码模块、通道特征增强模块、时序卷积模块、掩码信息交互模块、掩码提取模块和解码模块；所述时序卷积模块包括依次连接的膨胀卷积层和残差链接层。本发明能够提高胎儿R峰检测的准确性。

技术领域

本发明涉及生理信号检测技术领域，特别是涉及一种无创胎儿心电R峰检测方法、系统、设备及介质。

背景技术

胎儿心电图(fetal electrocardiography,fECG)是监测未出生婴儿健康的关键一步。胎儿心电信号记载了胎儿心脏的所有活动，可以在不同的生理信号中最大程度地反映胎心活动的全景。当前通常是将电极贴附于孕妇腹部对胎儿心电信号进行采集，其中采集的信号需要通过羊水、母体的腹腔、皮肤等组织传导，期间容易受到呼吸、肌电、基线漂移等各种噪声干扰，使得采集的胎儿心电信号非常微弱，这些因素都增加了后期提取胎儿心电成分的难度。

但在当前的现有技术中，常采用的方法存在以下两个问题：第一，多通路以ICA为代表的多通道胎儿心电分离方法，基于对概率分布的先验假设，需要输入较长的fECG才能获得较低的参数估计偏差，对伪迹干扰和初值敏感，定位精度偏低；第二，以深度学习代表的单通路定位方法，忽略了胎儿的空间位置关系，单路采集在实际应用中难以实现对胎位的准确定位；当单通路信号中母亲和胎儿心电成分混叠较多时，胎儿成分会被抑制，降低模型的检测性能；并且有的方法需要人工挑选信号质量较好的通道信号，不利于后期胎儿心电信息提取系统的实际应用。

因此，现有技术对于检测胎儿的R峰存在孕妇运动容易引起电极触动，以及胎位的变动，造成电极信号信噪比不同等问题，从而导致胎儿R峰检测的准确性不高。

发明内容

本发明的目的是提供一种无创胎儿心电R峰检测方法、系统、设备及介质，能够提高胎儿R峰检测的准确性。

为实现上述目的，本发明提供了如下方案：

一种无创胎儿心电R峰检测方法，包括：

获取目标心电信号；

根据所述目标心电信号和胎儿心电R峰检测模型确定胎儿心电R峰信息；所述胎儿心电R峰检测模型是根据时序卷积神经网络和残差多头注意力模块构建的；

所述时序卷积神经网络包括多个任务处理单元；所述任务处理单元包括主任务处理单元和辅助任务处理单元；每个所述任务处理单元均包括依次连接的编码模块、通道特征增强模块、时序卷积模块、掩码信息交互模块、掩码提取模块和解码模块；所述时序卷积模块包括依次连接的膨胀卷积层和残差链接层。

可选地，所述胎儿心电R峰检测模型的训练方法，具体包括：

获取训练数据；所述训练数据包括心电R峰信号及对应的R峰信号位置信息；所述心电R峰信号包括胎儿心电R峰信号和母亲心电R峰信号；

将所述训练数据输入所述时序卷积神经网络，将所述时序卷积神经网络输出的初步检测结果作为所述残差多头注意力模块的输入，以所述残差多头注意力模块输出的胎儿心电R峰检测结果与所述R峰信号位置信息之间的损失最小为目标进行训练，得到所述胎儿心电R峰检测模型。

可选地，根据所述目标心电信号和胎儿心电R峰检测模型确定胎儿心电R峰信息，具体包括：

将所述目标心电信号输入各所述编码模块中进行向量转化，得到各信号向量；

将各所述信号向量输入对应连接的各所述通道特征增强模块中进行信息交互，得到各增强特征向量；