Heart Artifact Removal in Electrohysterography Measurements Using Algebraic Differentiators

📄 arXiv: 2603.18949v1 📥 PDF

作者: Amine Othmane, Maria Camila Bustos Vivas, Johannes Steuer, Jana Hutter

分类: eess.SY

发布日期: 2026-03-19

💡 一句话要点

提出基于代数微分器的EHG心电伪影去除方法，无需额外ECG参考

🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)

关键词: 子宫电图 心电伪影去除 代数微分器 无创监测 信号处理

📋 核心要点

  1. EHG信号易受ECG伪影干扰，传统方法依赖额外的ECG参考信号，增加了应用复杂性。
  2. 利用代数微分器进行ECG伪影去除，无需额外ECG参考，并能保留信号形状，提高信号质量。
  3. 实验表明，该方法在多通道EHG记录上有效去除ECG伪影，性能优于模板减法方法。

📝 摘要（中文）

子宫电图(EHG)能够无创监测子宫收缩，但易受心电图(ECG)伪影污染。本文提出一种基于代数微分器的ECG去除方法，该方法是一种用于无模型导数估计的控制理论工具，可在检测到的心搏位置之外保留信号形状。微分器参数被设计为同时抑制缓慢的生理伪影和电源线干扰，同时最大化输出信噪比。交叉通道聚类区分心搏和局部伪影，从而实现精确的脉冲减法，而无需辅助ECG参考。该方法实现为因果FIR滤波器，并在来自女性和男性受试者的多通道EHG记录上进行了验证，并与模板减法方法进行了比较。

🔬 方法详解

问题定义：子宫电图(EHG)信号在监测子宫活动时，容易受到心电图(ECG)伪影的污染。传统的ECG伪影去除方法通常需要额外的ECG参考信号，这增加了数据采集的复杂性和成本。此外，简单地减去ECG模板可能会扭曲原始EHG信号，影响后续的分析和诊断。

核心思路：本文的核心思路是利用代数微分器，从EHG信号中估计并去除ECG伪影，而无需依赖额外的ECG参考信号。代数微分器是一种控制理论工具，能够进行无模型导数估计，从而可以精确地定位和去除ECG脉冲，同时尽可能地保留EHG信号的原始形状。

技术框架：该方法主要包含以下几个阶段：1) 使用代数微分器估计EHG信号的导数，用于检测ECG脉冲的位置。2) 利用交叉通道聚类区分心搏和局部伪影，提高脉冲检测的准确性。3) 在检测到的ECG脉冲位置，使用代数微分器估计的ECG信号进行减法操作，去除ECG伪影。4) 将该方法实现为因果FIR滤波器，保证实时性和易于实现。

关键创新：该方法最重要的创新点在于使用代数微分器进行ECG伪影去除，无需额外的ECG参考信号。与传统的模板减法方法相比，该方法能够更精确地定位和去除ECG脉冲，同时最大限度地保留EHG信号的原始形状。此外，交叉通道聚类进一步提高了脉冲检测的准确性。

关键设计：微分器参数的设计至关重要，需要同时抑制缓慢的生理伪影和电源线干扰，并最大化输出信噪比。交叉通道聚类算法的选择和参数设置也会影响脉冲检测的准确性。此外，FIR滤波器的阶数和系数需要根据具体的EHG信号特点进行优化，以保证滤波效果和实时性。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

该方法在多通道EHG记录上进行了验证，实验结果表明，该方法能够有效地去除ECG伪影，提高EHG信号的信噪比。与传统的模板减法方法相比，该方法能够更精确地定位和去除ECG脉冲，同时最大限度地保留EHG信号的原始形状。具体的性能数据（如信噪比提升幅度）在原文中未明确给出，属于未知信息。

🎯 应用场景

该研究成果可应用于无创产科监护领域，例如早产预测、分娩过程监测等。通过提高EHG信号的质量，可以更准确地分析子宫活动，为临床医生提供更可靠的诊断依据，从而改善孕产妇的健康状况。该方法无需额外的ECG传感器，降低了设备成本和使用复杂度，具有广泛的应用前景。

📄 摘要（原文）

Electrohysterography (EHG) enables non-invasive monitoring of uterine contractions but can be contaminated by electrocardiogram (ECG) artifacts. This work presents an ECG removal method using algebraic differentiators, a control-theoretic tool for model-free derivative estimation, that preserves signal shape outside the detected cardiac pulse locations. The differentiator parameters are designed to simultaneously suppress slow physiological artifacts and powerline interference while maximizing output signal-to-noise ratio. Cross-channel clustering distinguishes cardiac pulses from localized artifacts, enabling accurate pulse subtraction without auxiliary ECG references. Implemented as a causal FIR filter, the method is validated on multichannel EHG recordings from female and male subjects and compared to the template subtraction method.