Fetal ECG Extraction Using Input-Mode and Output-Mode Adaptive Filters With Blind Source Separation
Notice bibliographique
Résumé
This article presents two new approaches of fetal electrocardiogram (ECG) signal (FECG) separation using the input-mode adaptive filter (IMAF) and the output-mode adaptive filter (OMAF). Both approaches use the recursive least-squares (RLS) and the least-mean-squares (LMS) algorithms and a single-reference-generation block. In the IMAF, the filter’s primary input is connected directly to the abdominal signal. The reference signal is generated by windowing the abdominal signal according to the locations of the QRS MECG pulses. In the OMAF, the filter’s primary input is connected to the output stage of a blind source separation block. The reference signal is generated by windowing the raw FECG signal, from the BSS output, according to the locations of the QRS pulses of the extracted MECG signal. We selected the null space idempotent transformation matrix (NSITM) as the BSS algorithm used in this work. Results from real Daisy and Physionet databases show the successful extraction of the FECG signal. Results from synthesized data from Physionet databases, using OMAF, show considerable improvement in extraction performances over NSITM and IMAF when the fetal-to-maternal signal-to-noise ratio (fmSNR) increases from −30 to 0 dB. This study demonstrated that the OMAF is a feasible algorithm for FECG extraction.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».