Zkoumání vlivu vzorkovací frekvence na kvalitu monitorování tepové frekvence plodu

Abstract

Tato diplomová práce se věnuje neinvazivnímu monitorování plodu prostřednictvím fetální elektro- kardiografie, přičemž hlavní pozornost je zaměřena na vliv změn vzorkovací frekvence na kvalitu přesnosti detekce R-kmitů. V rámci praktické části byla vytvořena softwarová aplikace v prostředí MATLAB App Designer, která umožňuje extrakci fetálního elektrokardiogramu (fEKG), detekci R-kmitů a vyhodnocení výsledků na základě porovnání s referenčními daty. Experimentální stu- die využívala metody šablonového odčítání (TS) a její modifikace (TSSVD, TSLP, TSSF, TSSA) v kombinaci se dvěma typy detektorů, založených na spojité vlnkové transformaci (CWT) a hlubo- kých neuronových sítích (DNN). Tento výzkum byl proveden na dvou veřejně dostupných datových sadách (labour, pregnancy) publikovaných Wrobelem a kol. [1], přičemž referenční anotace byly ověřeny klinickými odborníky. Výsledky experimentů prokázaly, že snižování vzorkovací frekvence vede ke zhoršení přesnosti detekce, přičemž jako limitní hodnoty byly určeny frekvence 320 Hz pro detektor CWT a 370–380 Hz pro detektor DNN. Práce ukazuje, že správná volba extrakční metody spolu s odpovídající vzorkovací frekvencí je zásadní pro spolehlivé monitorování fetálního EKG.

This thesis focuses on non-invasive fetal monitoring using fetal electrocardiography (fECG), with the main emphasis placed on the impact of changes in sampling frequency on the quality and accuracy of R-peak detection. As part of the practical work, a software application was developed in MATLAB App Designer to enable the extraction of fECG, detection of R-peaks, and evaluation of results based on comparison with reference data. The experimental study employed the template subtraction method (TS) and its modifications (TSSVD, TSLP, TSSF, TSSA) combined with two types of detectors based on continuous wavelet transform (CWT) and deep neural networks (DNN). The research was conducted using two publicly available datasets (labour, pregnancy) published by Wrobel et al. [1], with reference annotations verified by clinical experts. The results of the experiments demonstrated that decreasing the sampling frequency leads to a decline in detection accuracy, with limit frequencies identified at 320 Hz for the CWT detector and 370–380 Hz for the DNN detector. The thesis highlights that the appropriate selection of the extraction method together with a sufficient sampling frequency is crucial for reliable fetal ECG monitoring.