آشكارسازي سيگنال فعاليت الكتريكي قلب جنين از ثبت هاي شكمي مادر با يادگيري عميق

Fetal heart electrical activity signal detection from maternal abdominal recordings with deep learning

يكي از شايع ترين دلايل مرگ و مير در هنگام تولد نوزاد، نقص قلبي است. تشخيص بيماري قلبي نيازمند مشاهده فعاليت قلب و استخراج فعاليت هاي الكتريكي قلب است كه الكتروكارديوگرام جنين (FECG) ، روشي استاندارد در اين حوزه است. اما با وجود پيشرفت هاي قابل توجه در الكتروكارديوگرافي باليني بزرگسالان، تكنيك هاي پردازش سيگنال و پردازشگرهاي ديجيتال سريع، آناليز الكتروكارديوگرام جنين هنوز در مراحل اوليه است و با چالش هايي همراه است. چرا كه علاوه بر قلب جنين، عوامل ديگر مانند قلب مادر، فعاليت ماهيچه اي مادر و جنين، فعاليت مغزي جنين و نويز هاي محيط نيز تاثير دارند و باعث مخدوش شدن سيگنال قلب جنين مي شود. در اين مقاله مروري با استفاده از ده ها منبع معتبر، مطالبي پيرامون بررسي انواع روش هاي آشكارسازي سيگنال فعاليت الكتريكي قلب جنين، مزايا و معايب آن ها و معرفي رويكرد يادگيري عميق براي آشكارسازي فعاليت الكتريكي قلب جنين و تشخيص نقص قلبي جنين از روي الكتروكارديوگرافي غيرتهاجمي مادر ارائه شده است. عملكرد اين رويكرد با استفاده از يك ابزار يادگيري عميق آموزش‌ديده در مجموع ۹۴۱ بخش R-peaks يك دقيقه‌اي مادر و جنين جمع‌آوري‌شده از ۱۷۲ زن باردار (هفته‌هاي ۲۰ تا ۴۰) تأييد شده. دقت بالاي بدست آمده توسط ابزار (۹۰%) در شناسايي سناريوهاي جفت، پتانسيل استفاده از هوش مصنوعي را به عنوان ابزار نظارتي براي ارزيابي مكرر رشد جنين نشان داد.

One of the most common causes of death during the birth of a baby is heart defects. Diagnosing heart disease requires observing heart activity and extracting heart electrical activity, which is the fetal electrocardiogram (FECG), a standard method in this field. However, despite significant advances in adult clinical electrocardiography, signal processing techniques, and fast digital processors, fetal electrocardiogram analysis is still in its infancy and is fraught with challenges. Because in addition to the heart of the fetus, other factors such as the heart of the mother, the muscle activity of the mother and the fetus, the brain activity of the fetus and environmental noises also have an effect and cause the signal of the heart of the fetus to be distorted.In this review article, using dozens of reliable sources, there are materials related to the examination of various methods of revealing the electrical activity signal of the fetal heart, their advantages and disadvantages, and the introduction of a deep learning approach to detect the electrical activity of the fetal heart and the diagnosis of fetal heart defects through non-invasive electrocardiography. Mother provided. The performance of this approach has been validated using a deep learning tool trained on a total of 941 one-minute maternal and fetal R-peaks segments collected from 172 pregnant women (weeks 20 to 40). The high accuracy obtained by the tool (90%) in identifying placental scenarios showed the potential of using artificial intelligence as a monitoring tool for frequent assessment of fetal growth.