Separation of Fetal-ECG From Single-Channel Abdominal ECG Using Activation Scaled Non-Negative Matrix Factorization
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Performing a fetal electrocardiogram (ECG) analysis, which contains important information about the status of a fetal, can help to detect fetus health even before birth. Since the fetal ECG extracted from the ECG signal recorded from the mother's abdomen, this extraction problem can be seen as a source separation problem, of recovering source signals from signal mixtures. In this paper, a method for separation of fetal ECG from abdominal ECG using activation scaled non-negative matrix factorization (NMF) is proposed. The performance of the proposed method is also compared with independent component analysis. The proposed method is tested under three different scenarios. First, the original abdominal ECG signal is used for fetal separation. Second, the recovered abdominal ECG after compression is used for separation. Third, the fetal ECG is extracted from the compressed domain of the abdominal ECG. We applied scaling on the activation matrix obtained using NMF for emphasizing the fetal ECG present in abdominal ECG. The improved-regularized least-squares [Formula: see text] algorithm is used for signal reconstruction, which provides better reconstruction quality and less processing time in comparison with other existing methods. The proposed algorithm is evaluated and tested on real abdominal recordings obtained from two different datasets from Physionet. The first dataset used for this paper is Silesia dataset for abdominal and direct f-ECG, and the second dataset we considered is Set-A of the Physionet challenge. The obtained outcomes reveal that it is possible to separate fetal ECG from single-channel abdominal ECG signal, which can help us to achieve energy-efficient transmission, and cost-effective fetal ECG remote monitoring for Internet-of-Things applications, where device battery and computational capacity are limited.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle