Інтелектуальна система вейвлет-виявлення ЕКГ-сигналів плоду на тлі завад

Abstract

The article considers one of the urgent problems of modern perinatal diagnostics – the detection of the fetal ECG signal against the background of the dominant maternal ECG signal and numerous interferences. The complexity of the problem is due to the significant difference in amplitude levels between the signals (the ratio is more than 3:1 in favor of the mother), their quasi-periodic nature, as well as the presence of various artifacts: myogenic noise, motion interference, and electromagnetic interference. For an adequate description of the processes, a mathematical model of the abdominal ECG recording is proposed, which takes into account the multicomponent nature of the signal mixture, the periodicity of cardiac activity, and the additivity of noise. Based on the model, intelligent detection system was created, in which the wavelet processing algorithm in the Morlet basis is implemented. This approach allows for multilevel time-frequency analysis, effectively suppressing low-frequency components of the maternal signal, amplifying high-frequency QRS complexes of the fetus, and ensuring noise immunity. The algorithmic support of the system includes a sequence of stages: input of a mixed signal, parameterization of scales and shifts, calculation of wavelet coefficients, construction of 3D and 2D projections of the spectral space, and statistical decision-making regarding the presence of fetal components. Particular attention is paid to the detection of QRS complexes by amplitude-temporal features, which enables to detect regular rhythmic structures even in difficult conditions. Experimental studies conducted in the MATLAB environment confirmed the effectiveness of the method: the system can reliably distinguish the fetal ECG signal in the frequency range of 2…3 Hz (120…180 beats/min) against the background of the maternal signal with a frequency of 0.8…1.5 Hz (50…90 beats/min). The proposed approach creates the prerequisites for increasing the reliability of non-invasive fetal cardiac monitoring, reduces the risks of diagnostic errors, and can become the basis for intelligent support systems for clinical decisions in real time.

Розглянуто одну з актуальних проблем сучасної пренатальної діагностики — виявлення ЕКГ-сигналу плоду на фоні домінуючого ЕКГ-сигналу матері та численних завад. Складність задачі зумовлена суттєвою різницею амплітудних рівнів між сигналами (співвідношення понад 3:1 на користь матері), їхньою квазіперіодичною природою, а також присутністю різноманітних артефактів: міогенних шумів, рухових перешкод, електромагнітних завад. Для адекватного опису процесів запропоновано математичну модель абдомінального ЕКГ-запису, яка враховує багатокомпонентність суміші сигналів, періодичність серцевої активності та адитивність шумів. На основі моделі створено інтелектуальну систему виявлення, у якій реалізовано алгоритм вейвлет-обробки в базисі Морле. Такий підхід дозволяє здійснювати багаторівневий часово-частотний аналіз, ефективно пригнічувати низькочастотні складові материнського сигналу, підсилювати високочастотні QRS-комплекси плоду та забезпечувати стійкість до шумів. Алгоритмічне забезпечення системи включає послідовність етапів: введення змішаного сигналу, параметризацію масштабів і зсувів, обчислення вейвлет-коефіцієнтів, побудову 3D- та 2D-проєкцій спектрального простору, а також статистичне прийняття рішення щодо наявності плодових компонент. Особливу увагу приділено детекції QRS-комплексів за амплітудно-часовими ознаками, що дозволяє виявляти регулярні ритмічні структури навіть у складних умовах. Експериментальні дослідження, проведені у середовищі MATLAB, підтвердили ефективність методики: система здатна надійно виокремлювати ЕКГ-сигнал плоду в діапазоні частот 2—3 Гц (120—180 уд./хв) на фоні материнського сигналу із частотою 0,8—1,5 Гц (50—90 уд./хв). Запропонований підхід створює передумови для підвищення достовірності неінвазивного моніторингу серцевої діяльності плоду, зменшує ризики діагностичних помилок і може стати основою для систем інтелектуальної підтримки клінічних рішень у режимі реального часу.