جدا سازی سیگنال قلبی جنین از مادر با استفاده از یادگیری عمیق کانولوشنی مبتنی بر پردازش تصویر

الکتروکاردیوگرام جنین روشی استاندارد برای شناسایی و تشخیص بیماریهای جنینی است .بنابراین تکنیکهای مانیتورینگ موثر برای مانیتور کردن شرایط جنینی در طی بارداری و در زمان وضع حمل لازم هستند. در این میان دستیابی به سیگنال الکتروکاردیوگرام جنینی (fecg) که حاوی فعالیت الکتریکی قلب جنین بوده از اهمیت بالایی برخوردار است. البته این سیگنال به نویز ها و اغتشاشات زیادی آلوده است که مهم ترینشان سیگنال الکتروکاردیوگرام مادر است. به صورت ذاتی سیگنال ni-ecg حاوی سیگنال ecg مادر است که دامنه ی بیشتری نسبت به سیگنال ecg جنین دارد. از اینرو آشکارسازی کمپلکس qrs جنینی به منظور کنترل شرایط جنین و پیشگیری از نقایص مادرزادی آسان نیست. با توجه به توضیحات فوق در این مقاله یک رویکرد یادگیری عمیق مبتنی بر شبکه عصبی کانولوشنی برای جداسازی سیگنال‌های الکتروکاردیوگرام مادر از جنین بدون جدا کردن سیگنال ecg مادر پیشنهاد شده است. الگوریتم پیشنهادی قادر است به طور قابل اعتمادی کمپلکس qrs جنین را تشخیص داده همچنین علاوه بر عدم نیاز به مراحل استخراج ویژگی، توانسته نسبت به بهترین روشهای پیشنهاد شده در تحقیقات قبلی از نظر دقت تشخیص کارایی مناسب تری از خود نشان دهد.