فایل ورد کامل یک روش جدید استخراج ECG جنین جدید با استفاده از مقدار چولگی آن که در دامنه خاص خاص قرار دارد

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل یک روش جدید استخراج ECG جنین جدید با استفاده از مقدار چولگی آن که در دامنه خاص خاص قرار دارد،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۰ صفحه

۱-            مقدمه

مطالعات نشان می دهد که مهم ترین منبع استرس مادر در دوران بارداری سالم بودن جنین است. هر سال حدود هشت نوزاد از بین هر هزار نوزاد با برخی نارسایی های قبلی مادرزادی متولد می شوند. نارسایی می تواند چنان ناچیز باشد که در عمل و بعد از سالیان زیادی بعد از تولد،  نوزاد سالم به نظر برسد یا چنان مهم و حاد باشد که زندگی نوزاد در خطر باشد.

یک راه آگاهی یافتن از سلامت جنین در دوران بارداری این است که سیگنال های الکتروکاردیاگرامی ثبت شده توسط روش  غیرتهاجمی در نظر گرفته شود. در این روش، الکتروکاردیاگرام ها از شکم مادر ثبت می شوند. سیگنال ثبت شده ترکیبی از الکتروکاردیاگرام های مادر عبوری از سینه تا شکم، الکتروکاردیاگرام جنین و نویز می باشد.

بیشتر نارسایی های قلبی دارای برخی علایم خود را در سیگنال های الکتریکی قلبی نشان می دهند که توسط الکتروکاردیاگرامی ثبت شده اند و در ارتباط با آنها این اعتقاد وجود دارد که اطلاعات زیادی در مقایسه با روش-های سونوگرافی متداول داشته باشند. با این وجود، به دلیل SNR کم الکتروکاردیاگرام جنین که از سطح بدن مادران ثبت می شود، ما به الگوریتمی نیاز داریم تا الکتروکاردیاگرام را از بین این سیگنال های ثبت شده اسخراج نماید.

اخیرا، محققین دریافتند که این مسئله می تواند به صورت جداسازی منبع کور (BSS) مدلسازی شود. جداسازی منبع کور (یا تحلیل مولفه مستقل، ICA) تمام سیگنال های منبع را از تعداد زیادی سیگنال سنسوری مشاهده شده که می توانست زمان زیادی طول بکشد، استخراج می نماید  و تنها تعداد خیلی کمی از سیگنال های منبع مورد نظر هستند. برای این کاربرد، تکنیک دیگر به نام استخراج سیگنال کور (BSE) کاندید قدرتمندی است، زیرا الگوریتم یادگیری BSE می تواند یک سیگنال منبع تکی را از یک ترکیب خطی سیگنال های منبع استخراج نماید. بنابراین ما در جست وجوی دست یابی به سه هدف زیر هستیم:

استخراج تنها مولفه سیگنال مورد نظر (FECG) به عنوان یک خروجی،
بهبود کیفیت سیگنال استخراج شده با افزایش SNRsvdو SNRcor،
کاهش زمان محاسباتی به منظور ایجاد یک الگوریتم آنی و بلادرنگ.

به منظور دست یابی به اهداف ذکر شده فوق، ما یک الگوریتم پیشنهاد می کنیم که از گستره مقادیر چولگی سیگنال مورد نظر (FECG) استفاده می نماید. اعتبار و درستی روش ما بر روی داده های ECG واقعی تست شده است. مابقی مطالب مقاله به صورت زیر سامان دهی شده است:

بعد از یک بازبینی مختصر مطالعات پیشین در بخش ۲، بخش ۳ جزئیات روش پیشنهادی ما را فراهم می کند. بخش ۴ نتایج تجربی را گزارش می کند و در نهایت بخش ۵ دربرگیرنده نتایج پایانی خواهد بود.

۱-            مرور منابع

مطالعات گسترده ای در ارتباط با استخراج نوار قلب جنین هدایت شده اند. مبحث اینجا قصد ارائه بازبینی جامع و کامل از این موضوع را ندارد، اما برخی از مهم ترین مطالعات این زمینه را معرفی می نماید. در [۱]، تکنیک فیلتر تطبیق پذیر برای حذف نوار قلب مادر و دست یابی به نوار قلب جنین استفاده گردید. مولفین دو مجموعه از الکترودها را مورد استفاده قرار داده اند، یک مجموعه بر روی شکم مادر (ورودی های اولیه) جای داده شد و مجموعه دیگر روی سینه مادر قرار گرفت (ورودی های مرجع). با داشتن این سیگنال ها به عنوان ورودی به فیلتر تطبیق پذیر، سیگنال خطا می تواند برای نمایش نوار قلب جنین استخراج شده ایجاد شوند. در [۲]، روشی با الگوریتم ژنتیک که دارای ساختار مشابهی با روش فوق بود، پیشنهاد گردید. این روش ها به اندازه کافی قدرتمند نبودند تا به منصه ظهور برسند. زیرا اگر دامنه نویز پس زمینه بزرگ تر از ضربان قلب جنین بود، سیگنال خطای منتجه دربرگیرنده نوار قلب جنین نخواهد بود و همچنین در حالتی که نوار قلب مادر و جنین دچار هم پوشانی بودند، هر دو روش برای استخراج نوار قلب جنین ناموفق عمل می کردند.

در [۳]، مفهوم بردارهای انرژی منفرد متعامد برای استخراج FECG از AECG مورد استفاده قرار گرفت. این روش به طور گسترده در محیط های کلینیکی استفاده نشد، زیرا سیگنال مورد نظر تنها زمانی می توانست به طور موفقیت آمیز استخراج شود که الکترودها در موقعیتی نصب شود که بردارهای انرژی منفرد MECG و FECG نسبت به هم متعامد باشند.

در [۴]، باروس و کیچوکی یک الگوریتم جداسازی منبع نیمه-کور برای حل مسئله استخراج نوار قلب جنین پیشنهاد کردند. این الگوریتم به اطلاعات پیشین در رابطه با تابع هم بستگی منابع اولیه نیاز دارد تا سیگنال مورد نظر (FECG) استخراج شود. آنها فرض نکردند که منابع به طور آماری مستقل باشد اما فرض کردند که منابع ساختار زمانی دارند و تابع هم بستگی مختلفی دارند. مسئله اصلی در این روش این است که اگر نرخ ضربان قلب جنین متغیر باشد، که بیان کننده این موضوع است که جنین سالم نیست، تخمین پیشین تابع هم بستگی نوار قلب جنین ممکن است مناسب نباشد.

همچنین در [۵] ژانگ و ژانگ یی یک الگوریتم استخراج منبع کور (BSE) برای استخراج یک سیگنال منبعی از سیگنال های مشاهده شده پیشنهاد کردند. الگوریتم آنها به یک آگاهی آماری قبلی از سیگنال مورد نظر نیاز داشت. این بدین معنی است که با دانستن رنجی که مقدار اوج نمودار سیگنال در آن دارا بود، روش قادر بود تا سیگنال مورد نظر را استخراج نماید.

در [۱۳]، مینگ و یو-لین یک الگوریتم را پیشنهاد کردند که ترکیبی از تناوب پذیری و مقدار اوج نموداری بود که به ترتیب توسط باروس [۴]، و ژانگ [۵] پیشنهاد شده بودند. همان طور که در بالا ذکر شد، در این حالت زمانی که جنین سالم نیست، تخمین پیشین تابع هم بستگی نوار قلب جنین ممکن است مناسب نباشد.

در این مقاله، ما مقدار کشیدگی نمودار را با مقدار چولگی جایگزین کرده ایم که ما را متقاعد می سازد تا بهبودهای دیگری نسبت به روش آنها اعمال نمائیم. این بهبودها در بخش های بعدی توضیح داده خواهد شد. با این جایگزینی، ما کیفیت سیگنال مورد نظر را بهبود بخشیدیم و مقدار SNRsvd و SNRcor افزایش یافت. همچنین بارمحاسباتی الگوریتم پیشنهادی کاهش یافته است.

عنوان انگلیسی:A New Fetal ECG Extraction Method Using its Skewness Value Which lies in Specific Range~~en~~

I. INTRODUCTION

Studies show that the most important source of mother’s stress in pregnancy is because of fetus’s health condition. Every year about eight out of one thousand babies are born with some form of congenital heart defects. The defect may be so slight that the baby appears healthy for many years after birth, or so important that his/her life is in immediate danger. One way of knowing about the fetus’s health condition in pregnancy is to consider the electrocardiographic signal recorded using non-invasive method. In this method, electrocardiograms are recorded from the mother’s abdomen. Recorded signal is a combination of mother’s electrocardiogram after travelling from the chest to abdomen, fetus’s electrocardiogram and noise. Most cardiac defects have some manifestation in morphology of cardiac electrical signals, which are recorded by electrocardiography and are believed to contain much more information as compared with conventional sonographic methods. However, due to the low SNR of fetal electrocardiogram (ECG) recorded from the maternal body surface, we need an algorithm to extract fetal electrocardiogram among these recorded signals. Recently, researchers found that the problem can be modelled as the blind source separation (BSS). Blind Source Separation (or, Independent Component Analysis, ICA), extracts all the source signals from a large number of observed sensor signals could take a long time and only a very few source signals are subjects of interest. For this application, another technique, blind (semi-blind) signal extraction (BSE) is a powerful candidate, since the BSE learning algorithms can extract a single source signal from a linear mixture of source signals. Therefore we are seeking three following targets: Extracting only desired signal (FECG) as an output Improving quality of extracted signal by increasing SNRsvd and SNRcor. Decreasing the computational time in order to making a real-time algorithm. For achieving targets mentioned above we proposed an algorithm that using the range of skewness value of desired signal (FECG). Validity of our approach has been tested on real-world ECG data. The remainder of paper is organised as follow: After a brief review of literatures in section 2, section 3 details the approach we proposed. Section 4 reports the experimental results and finally section 5 contains concluding remarks.

II. LITERATURE REVIEW

Extensive studies have been conducted related to fetal ECG extraction. The discussion here is not intended to be comprehensive, but highlights some the most important one of them. In [1], adaptive filter technique was used to cancel the mother ECG and obtain the fetal ECG. They used two set of electrodes, one set place on abdomen of mother (primary inputs), and the other placed on the chest of the mother (reference inputs). Having these signals as an input to adaptive filter, the error signal can be made to represent the extracted fetal ECG. In [2], the method proposed by genetic algorithm that has a similar structure as method mentioned above. These methods are not robust enough to be used, because if the amplitude of background noise is greater than the fetal heart beat, the resulting error signal will not contain fetal ECG and when both the mother and fetal ECG overlapped in each other both methods will fail to extract the fetal ECG. In [3], concept of singular energy vectors orthogonality was used to extract FECG form AECG. This method was not exploited widely in clinical environment, because the desired signal can be extracted successfully only if electrodes placed in a position that singular energy vectors of MECG and FECG are orthogonal to each other. In [4], Barros and Cichocki proposed a semi-blind source separation algorithm to solve the fetal ECG extraction problem. This algorithm requires a priori information about the autocorrelation function of primary sources, to extracts the desired signal (FECG). They do not assume the sources to be statistically independent but they assume that sources have temporal structure and have different autocorrelation function. The main problem with this method is that if there is fetal heart rate variability, as in the case when the fetus is not healthy, the priori estimate of the autocorrelation function of the fetal ECG may not be appropriate. Also in [5], Zhang and Zhang Yi proposed a blind source extraction (BSE) algorithm to extract a source signal from observed signals. Their algorithm needs a preknowledge about desired signal statistics. It means that by knowing the range in which the kurtosis value of the signals lies, the method can extract the desired signal. In [13], Ming and Yu-lin proposed an algorithm that is combining of periodicity and kurtosis that proposed by barros [4], and Zhang [5], respectively. As mentioned above, in the case when the fetus is not healthy , the priori estimate of the autocorrelation function of the fetal ECG may not be appropriate. In this paper we substituted kurtosis value with skewness value that persuaded us to applying some other modification to their method. These modifications will be explained in following section. By this substitution, we improved the quality of desired signal and increased SNRsvd and SNRcor. Also computational cost of proposed algorithm has been decreased.

$$en!!