Fosterövervakning kommer att inleda stora förändringar

Fosterövervakning kommer att inleda stora förändringar

Forskare i Iran har använt ett djupt neuralt nätverk (DNN) för att extrahera ett fetalt elektrokardiogram (EKG) från en enda abdominal EKG-kanal. Deras metod, som beskrivs i Fysiologiska mätningar, kan förbättra fosterövervakningen i framtiden.

Hur isolerar man foster-EKG?

För närvarande mäts den elektriska aktiviteten hos fostrets hjärta med ett elektrokardiogram som erhålls från elektroder med EKG-ledningar placerade på den blivande mammans buk. Läkare kan använda fostrets EKG för att bedöma fostrets hälsa och diagnostisera avvikelser.

Utmaningen? Det är svårt att separera foster-EKG-signaler från buk-EKG, som innehåller signaler från fostret ("foster-EKG") och mamma ("maternal EKG"), samt signaler från störningskällor såsom muskelsammandragningar. Denna uppgift blir mer krävande mot slutet av graviditeten, när amplituden på foster-EKG-signalen är jämförbar med den hos moderns EKG.

Studiens huvudförfattare, Arash Rasti-Meymandi, doktorand vid Iran University of Science and Technology, och hans kollegor kom på ett tillvägagångssätt som förlitar sig på DNN för att lösa problemet.

Rasti-Meymandi inspirerades av Unets, konvolutionella nätverk som vanligtvis används för medicinska bildsegmenteringsuppgifter. Han och hans medarbetare Aboozar Ghaffari använde en modifierad version av Unet för att först extrahera EKG från den gravida kvinnan och sedan EKG-signalen från fostret.

"Unet överträffar andra tekniker inom bildsegmentering," sa Rasti-Meymandi. "För att extrahera olika komponenter i bukens EKG upptäckte vi bukens EKG-signaler vid olika upplösningar (liknande processen som används i Unet-modellen) )."

Forskarnas DNN, kallat AECG-DecompNet, använder två delnätverk i serie för att extrahera foster-EKG från ett enkanaligt buk-EKG. Det första undernätverket extraherar moderns EKG; den andra är fostrets EKG. Forskarna tränade var för sig de två undernätverken med hjälp av simulerade EKG-signaler och utvärderade sedan undernätverken med hjälp av simulerade och verkliga abdominala EKG-inspelningar.

Med hjälp av en grafikprocessor kan forskarnas DNN bearbeta fyra sekunders buk-EKG-inspelningar på ungefär en sekund.

Framtiden för DNN och foster-EKG

Till skillnad från andra signalbrusreduceringsmetoder som kräver en referens-EKG-modalitet (P-, Q-, R-, S- och T-vågformer som indikerar hjärtats elektriska aktivitet), flerkanals-EKG, eller båda, kräver forskarnas metod endast en kanal, dvs. Burk. Detta förbättrar inte bara moderns komfort under EKG-insamling, utan kräver också färre resurser och mindre tid att implementera jämfört med traditionella EKG-inspelningar och signalextraktionsmetoder.

Forskarna fann också att deras metod bättre bevarade formen och strukturen hos foster-EKG-signaler jämfört med andra metoder -- alla fem vågformer var välbevarade, vilket möjliggjorde upptäckt och diagnos av fosteravvikelser.

"Huvudresultatet av denna studie är effektiviteten av att använda DNN för att effektivt extrahera foster-EKG-signaler från enkanaliga bukinspelningar," sa Rasti-Meymandi till Physical World. "Vi arbetar för närvarande på mer sofistikerade algoritmer ... för att ytterligare förbättra noggrannheten i pulsextraktionen."

Teamet arbetar också på sätt att implementera DNN i realtid på smartphones.

Begränsningar för deras tillvägagångssätt inkluderar ett potentiellt övertroende av träningsdatauppsättningen, särskilt med svaga foster-EKG-signaler, och felutbredning från det första undernätverket till det andra.