胎児モニタリングが大きな変化をもたらす

胎児モニタリングは大きな変化をもたらす

イランの研究者は、ディープ ニューラル ネットワーク (DNN) を使用して、単一の腹部心電図チャネルから胎児心電図 (ECG) を抽出しました。 生理学的測定で説明されている彼らの方法は、将来的に胎児のモニタリングを改善する可能性があります。

胎児心電図を分離する方法は?

現在、胎児の心臓の電気的活動は、妊娠中の母親の腹部に配置された ECG リードを備えた電極から得られる心電図によって測定されます。 臨床医は、胎児の ECG を使用して、胎児の健康状態を評価し、異常を診断できます。

チャレンジ？ 胎児 (「胎児心電図」) と母親 (「母体心電図」) からの信号、および筋肉収縮などの干渉源からの信号を含む腹部心電図から胎児心電図信号を分離することは困難です。 このタスクは、胎児の ECG 信号の振幅が母体の ECG の振幅に匹敵する妊娠の終わりに向かってより厳しくなります。

この研究の筆頭著者であるイラン科学技術大学の大学院生である Arash Rasti-Meymandi と彼の同僚は、問題を解決するために DNN に依存するアプローチを思いつきました。

Rasti-Meymandi は、医用画像セグメンテーション タスクに一般的に使用される畳み込みネットワークである Unets に触発されました。 彼と彼の共同研究者である Aboozar Ghaffari は、修正版の Unet を適用して、最初に妊婦の心電図を抽出し、次に胎児の心電図信号を抽出しました。

Rasti-Meymandi 氏は、次のように述べています。 「腹部心電図のさまざまなコンポーネントを抽出するために、さまざまな解像度で腹部心電図信号を検出しました (Unet モデルで使用されるプロセスと同様)。」

AECG-DecompNet と呼ばれる研究者の DNN は、直列の 2 つのサブネットワークを使用して、単一チャンネルの腹部 ECG から胎児 ECG を抽出します。 最初のサブネットワークは母体の心電図を抽出します。 2 つ目は胎児心電図です。 研究者は、シミュレートされた ECG 信号を使用して 2 つのサブネットワークを個別にトレーニングし、シミュレートされた腹部 ECG 記録と実際の腹部 ECG 記録を使用してサブネットワークを評価しました。

グラフィック プロセッサを使用して、研究者の DNN は約 1 秒で 4 秒間の腹部 ECG 記録を処理できます。

DNN と胎児心電図の未来

参照 ECG モダリティ (心臓の電気的活動を示す P、Q、R、S、および T 波形)、マルチチャネル ECG、またはその両方を必要とする他の信号ノイズ低減方法とは異なり、研究者の方法は 1 つのチャネルのみを必要とします。できる。 これにより、ECG 取得中の母親の快適さが向上するだけでなく、従来の ECG 記録および信号抽出方法と比較して、実装に必要なリソースと時間が少なくて済みます。

研究者らはまた、彼らの方法が他の方法に比べて胎児の ECG 信号の形状と構造をよりよく保存していることも発見しました -- 5 つの波形すべてが十分に保存され、胎児の異常の検出と診断が可能になりました。

「この研究の主な結果は、DNN を使用して、単一チャネルの腹部記録から胎児の ECG 信号を効率的に抽出することの有効性です」と Rasti-Meymandi 氏は Physical World に語っています。 「私たちは現在、より洗練されたアルゴリズムに取り組んでいます...心拍数抽出の精度をさらに向上させます。」

チームはまた、DNN をスマートフォンにリアルタイムで実装する方法にも取り組んでいます。

彼らのアプローチの限界には、トレーニング データセットへの過度の依存の可能性、特に胎児の心電図信号が弱い場合、および最初のサブネットワークから 2 番目のサブネットワークへのエラーの伝播が含まれます。