基于再生核Hilbert空间的腹壁胎心电提取方法研究

Abdominal fetal ECG detection has the advantages of simple operation and noninvasive, containing rich information. However, fetal ECG information extraction problems have not been solved very well. This project intends to use the reproducing kernel Hilbert space analysis into the abdominal fetal ECG extraction. Not only the nonlinear problem in input sample space can be transformed to be a linear problem in high dimensional feature space analysis; but also the use of reproducing kernel Hilbert function space to improve the solution accuracy of unmixing model. The main research contents are as follows: (1) Research on reproducing kernel Hilbert space mapping and the construction method for the standard orthogonal basis of feature subspace, in order to get the effective parametric representation for the input samples in high dimensional feature space; on the basis of (1), the following studies were carried out: (2) research on independent component analysis in reproducing kernel Hilbert spaces, construct the optimal contrast function for independence, in order to improve the robustness of the source signals extraction method in the different probability distribution; (3) research on periodic components analysis in reproducing kernel Hilbert space, effective use of periodic signal source prior information in order to reduce the complexity and uncertainty of the nonlinear unmixing model. The expected research results would provide the new idea and method for the abdominal fetal ECG extraction.

腹壁胎心电检测具有操作简单无创，蕴含信息丰富的特点，但胎心电信息提取问题尚未得到很好解决。本项目拟将再生核Hilbert空间分析融入到胎心电提取研究中，不仅能将体表心电信号的非线性解混问题转化为高维特征空间的线性解混问题来分析，同时还能利用再生核Hilbert函数空间的可再生性来提高线性解混模型的准确性。主要研究内容有：(1) 再生核Hilbert特征空间映射及其子空间标准正交基构建方法研究，以得到体表心电信号在高维特征空间的有效参数化表示，在(1)的基础上，分别开展以下研究：(2) 再生核Hilbert空间中的独立分量分析方法研究，构造最优的独立性对照函数，以提高源信号在不同概率分布情况下胎心电提取的鲁棒性；(3) 再生核Hilbert空间中周期分量分析方法研究，有效利用源信号周期性的先验信息，以降低非线性解混模型的复杂度和不确定性。预期研究成果将为腹壁胎心电提取研究提供新的思路和方法。

目前国内外尚没有被医院认可的临床实用的胎儿心电图机，主要原因在于从孕妇腹壁拾取的电信号是一个信噪比极低的非平稳及非线性复杂信号，从中分离提取出胎儿心电图是一件十分困难的事。实际情况下，心电信号从体内通过不同介质和路径传输到孕妇体表后，信号波形往往会发生非线性的变化，由此采用非线性模型来表征它们之间的关系则更为准确。本项目研究内容如下：(1) 提出了一种基于核独立分量分析（kernel independent component analysis, KICA）的胎儿心电信号估计新算法。KICA采用核独立准则，利用变量映射到高维特征空间（特别是再生核hilbert空间）之间协方差算子的谱。它可以适应不同的源分布，从而使算法对不同的应用场合更具鲁棒性。与经典的ICA算法相比，该算法在利用MIT-BIH生理库的真实胎儿心电数据库进行测试时，对胎儿心电信号的恢复具有更好的鲁棒性和保真度。（2）提出了一种利用核主成分分析（kernel principal component analysis, KPCA）估计产前胎儿心电信号的新方法。对于从孕妇体表采集的心电信号，与胎儿心电等噪声相比，强大的母体心电信号是最大的主成分。利用不同导联心电信号中母体成分之间的相关性，从腹部信号中去除母体成分，得到胎儿心电图估计值。核PCA可以看作是PCA的一种非线性形式，它可以从多维数据中提取非线性主成分。因此，它可以应用于多导联心电信号，消除母体心电成分，准确估计胎儿心电信号。(3) 引入经验模态分解（Empirical mode decomposition, EMD）和多信号分类（Multiple signal classification, MUSIC）来解决这一问题。利用EMD将胎儿心电信号分解成一组固有模函数，用于胎儿QRS波的检测。最后，将MUSIC应用于胎儿QRS波指示序列，在频域内以高分辨率估计胎儿心率，使检测过程具有鲁棒性和自适应性。本项目的主要研究结论及成果均为在非线性分析，非平稳性方法方面对如何从孕妇腹壁电信号中分离提取胎儿心电图的方法进行的深入研究，为腹壁胎心电提取研究提供新的思路和方法。