一种基于对抗性深度学习网络的胎儿心电信号提取系统

本发明公开了一种基于对抗性深度学习网络的胎儿心电信号提取系统，方法包括：对产妇原始腹部电信号AECG进行预处理降噪，预处理后的信号作为二元分类信号质量评估网络的输入，筛选出优质腹部电信号，随后将筛选后的AECG与产妇对应新生儿ECG数据作为输入，使用循环生成对抗网络，AECG映射到ECG，ECG映射到AECG，网络学习映射后鉴别器进行判定，输出重建后的FECG，随后基于生成对抗网络进行后处理降噪，最终输出纯净、准确的FECG波形。本发明通过使用多尺度卷积核，对抗性学习产妇腹部电信号与胎儿心电信号，准确地从母体腹部电信号中恢复胎儿心电信号并降噪。本发明提出的集成融合模型，解决目前重建FECG信号准确率低的问题，可以广泛适用于生物医学信号处理领域和计算机检测领域。