×
贾燕飞;杨晓东

参考文献提出了一种基于快速一元独立分量分析的胎儿心电图信号提取算法。 （英语） Zbl 1367.92061号

计算。数学。方法医学。 2016年，文章ID 5127978，10 p.（2016）.
摘要：胎儿心电图（FECG）提取是胎儿健康评估的重要步骤。在本文中，我们提出了一种适用于提取FECG的快速单单位独立参考成分分析（ICA-R）。以往的ICA-R算法大多只关注如何优化ICA-R的代价函数，而很少关注代价函数的改进。他们没有充分利用有关期望信号的先验信息来改进ICA-R。在本文中，我们首先利用期望FECG信号的峰度信息来简化非高斯测量函数，然后直接使用提取信号的非二次函数来测量其非高斯性，从而构造一个新的代价函数。新的代价函数不涉及计算高斯随机向量函数与提取信号函数之间的差异，这是一个耗时的过程。定心和增白也用于预处理观测信号进一步降低了计算复杂度。虽然该方法与其他改进的单单元ICA-R方法具有相同的错误性能，但实际上其计算复杂度低于其他方法。分别对人工和真实心电图信号进行仿真。

引用于1文件

MSC公司：

92 C55 生物医学成像和信号处理
92-08 生物学问题的计算方法

关键词：

胎儿心电图提取;单单元独立成分分析;高斯随机向量

软件：

黛西
PDF格式BibTeX公司 XML格式引用
\textit{Y.Jia}和\textit{X.Yang}，计算。数学。方法医学2016，文章ID 5127978，10 p.（2016；Zbl 1367.92061）
全文： 内政部

参考文献：

[1] E.R.费拉拉。；Widrow，B.，通过时间序列自适应滤波增强胎儿心电图，IEEE生物医学工程学报，29，6，458-460（1982）·doi:10.1109/tbme.1982.324973
[2] Kanjilal，P.P。；Palit，S。；Saha，G.，使用奇异值分解从单通道母亲心电图提取胎儿心电图，IEEE生物医学工程学报，44，1，51-59（1997）·数字对象标识代码：10.1109/10.553712
[3] Khamene，A.H。；Negahdaripoure，S.，从复合腹部信号中提取胎儿心电图的新方法，IEEE生物医学工程汇刊，47，45007-516（2000）·doi:10.1109/10.828150
[4] de Lathauwer，L。；德摩尔，B。；Vandewalle，J.，通过盲源子空间分离提取胎儿心电图，IEEE生物医学工程学报，47，5，567-572（2000）·doi:10.1109/10.841326
[5] Hasan，医学硕士。；M.I.易卜拉欣。；Reaz，M.B.I.，FECG信号分析技术：胎儿监测的检测和处理，《WIT生物医学与健康学报》，12，295-305（2007）
[6] Sargolzaei，S。；Faez，K。；Sargolzaei，A.，基于胎儿心电图提取的信号处理，国际生物医学工程和信息学会议论文集·doi:10.1109/BMEI.2008.304
[7] 塞维姆，Y。；Atasoy，A.，胎儿心电图提取非参数ICA算法的性能评估，土耳其电气工程与计算机科学杂志，19，4，657-666（2011）·doi:10.3906/elk-0912-311
[8] 刘，G。；Luan，Y.，基于ICA-EEMD-WS的无创胎儿心电图分离和降噪自适应集成算法，医学与生物工程与计算，53，11，1113-1127（2015）·doi:10.1007/s11517-015-1389-1
[9] 李毅。；聂，W。；Ye，F。；Li，A.，基于时间结构和非高斯性的胎儿心电图信号提取算法，医学计算和数学方法，2016（2016）·Zbl 1343.92264号 ·doi:10.1155/2016/9658410
[10] Lee，J。；帕克，K.L。；Lee，K.J.，基于时间约束ICA的胎儿ECG分离，《电子快报》，41，21，1158-1160（2005）·doi:10.1049/el:20052235
[11] 林庆华。；郑义荣。；尹，F.-L。；Liang，H。；Calhoun，V.D.，《单单元ICA-R的快速算法》，《信息科学》，177，5，1265-1275（2007）·doi:10.1016/j.ins.2006.09.011
[12] Zhang，Z.-L.，用于提取弱时间相关信号的形态学约束ICA，神经计算，71，7-9，1669-1679（2008）·doi:10.1016/j.neucom.2007.04.004
[13] Z.Yongjian，《约束元件提取技术》，第三届机电、机器人和自动化国际会议论文集
[14] 李，C。；廖，G。；Shen，Y.，一种改进的参考独立分量分析方法，数字信号处理，20，2，575-580（2010）·doi:10.1016/j.dsp.2009.08.009
[15] 卢·W。；Rajapakse，J.C.，ICA参考，第三届独立成分分析和盲源分离国际会议论文集（ICA’01）
[16] 卢·W。；Rajapakse，J.C.，约束ICA的方法和应用，IEEE神经网络汇刊，16，1203-212（2005）·doi:10.1109/TNN.2004.836795
[17] 卢·W。；Rajapakse，J.C.，ICA及参考，神经计算，69，16-18，2244-2257（2006）·doi:10.1016/j.neucom.2005.06.021
[18] Hyvärinen，A.，独立元件分析的快速稳健定点算法，IEEE神经网络汇刊，10，3，626-634（1999）·数字对象标识代码：10.1109/72.761722
[19] 黄，D.-S。；Mi，J.-X.，一种新的约束独立分量分析方法，IEEE神经网络汇刊，18，5，1532-1535（2007）·doi:10.1109/TNN.2007.895910
[20] 孙，Z.-L。；Shang，L.，一种改进的基于参考的分解矩阵初始化约束ICA，神经计算，73，4-6，1013-1017（2010）·doi:10.1016/j.neucom.2009.12.016
[21] 卡武里，S.S。；Zurada，J.M。；Rajapakse，J.C.，ICA-R的进化方法，国际神经网络联合会议论文集（IJCNN’10）·doi:10.1109/IJCNN.2010.5596328
[22] 张杰。；张振生。；Cheng，W。；李，X。；陈碧琴。；杨振斌。；He，Z.J.，基于峭度的约束独立分量分析及其在源贡献定量估算中的应用，IEEE仪器与测量学报，63，7，1842-1854（2014）·doi:10.1109/tim.2013.2293236
[23] Wang，Z.，约束ICA的定点算法及其在fMRI数据分析中的应用，磁共振成像，29，9，1288-1303（2011）·doi:10.1016/j.mri.2011.07.017
[24] 罗德里格斯，P.A。；安德森，M。；李，X.-L。；Adali，T.，通用非正交约束ICA，IEEE信号处理汇刊，62，11，2778-2786（2014）·Zbl 1394.94486号 ·doi:10.1109/tsp.2014.2318136
[25] Mi，J.-X.，《独立成分分析的新算法及其应用参考和方法》，PLoS ONE，9，5（2014）·doi:10.1371/journal.pone.0093984
[26] Chen，G.H。；Qie，L.F。；张安杰。；Han，J.，用于滚动轴承单通道复合故障诊断的改进CICA算法，中国机械工程杂志，29，1，204-211（2016）·doi:10.3901/cjme.2015.1026.127
[27] De Moor，D.，Daisy：系统识别数据库
[28] R·萨梅尼。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。