• 武汉科技大学 理学院 数学与统计系(武汉 430065);
导出 下载 收藏 扫码 引用

胎儿心电信号提取对围产期胎儿监护具备重要意义。为提高胎儿心电信号的预测精度,本文提出一种基于遗传算法(GA)优化的长短时记忆(LSTM)网络胎儿心电信号提取方法(GA-LSTM)。首先根据母体腹壁混合心电信号的特征,利用 GA 的全局搜索能力对 LSTM 网络中隐层神经元个数、学习率和训练次数进行寻优,计算参数的最优组合,使网络拓扑结构与母体腹壁混合信号的特征相匹配;然后,使用 GA 求出的最优网络参数构建 LSTM 网络模型,并利用 GA-LSTM 网络模型估计母体胸部心电信号传输到母体腹壁时的非线性变换;最后,利用母体胸部心电信号和 GA-LSTM 网络模型求得的非线性变换,估计腹壁信号中所含的母体心电信号,从腹壁混合信号中减去估计出的母体心电信号,得到纯净的胎儿心电信号。本文实验应用两个数据库的临床心电信号进行实验分析,最终结果表明:与传统归一化最小均方误差(NLMS)方法、支持向量机(SVM)方法、遗传算法支持向量机(GA-SVM)方法和 LSTM 网络方法相比,本文所提出的方法可以提取出更为清晰的胎儿心电信号,其准确率、灵敏度、精确性和总体概率均有较好的提高,表明本文方法可以提取出较为纯净的胎儿心电信号,对围产期胎儿健康监护具有一定的应用价值。