(For USM Staff/Student Only)

EngLib USM > Ω School of Electrical & Electronic Engineering >

Fetal heart rate extraction using normalized least mean square (nlms) algorithm

Fetal heart rate extraction using normalized least mean square (nlms) algorithm / Ricky Kiing Jiu Yuan
Tujuan projek ini adalah untuk membangunkan aplikasi pengekstrakan denyutan janin (FHR) untuk menganalisis aktiviti janin dalam rahim ibu. Terdapat beberapa kaedah yang boleh digunakan untuk mengesan FHR. Satu contoh ialah menggunakan elektrokardiogram janin (FECG) yang dihasilkan oleh janin. Mengeluarkan isyarat FECG sementara janin di rahim ibu mempertimbangkan cabaran utama. Sebelum menafsirkan keadaan FHR, isyarat input diperlukan untuk mengira denyutan jantung janin seminit (bpm). Apabila pangkalan data dimasukkan, ia akan melalui penapis penyesuaian untuk mendapatkan FECG. Algoritma Least Mean Square (NLMS) adalah salah satu penapis adaptif dan dipilih untuk tesis ini. Selepas itu, gunakan teknik algoritma Pan Tompkins untuk mengesan R-puncak (nadi denyut jantung) dalam isyarat FECG. Apabila selang RR dikesan, formula digunakan untuk mengira bpm FECG. Pangkalan data FECG perut dan langsung (ADFECG) akan digunakan untuk menilai teknik yang dilaksanakan kerana ia mempunyai isyarat rujukan. Pada akhir penyelidikan, FHR dikira adalah berbeza dari 126 bpm hingga 130 bpm. Apabila perbandingan dilakukan antara ECG perut (AECG) dan FECG langsung (DFECG), ralat peratusan FHR adalah 0.1%. Ketepatan R-puncak ekstraksi adalah 100% di mana semua R-puncak dikesan dengan teknik yang dilaksanakan. Semua teknik yang dilaksanakan digunakan dalam antara muka pengguna grafik (GUI) dalam MATLAB. Sistem ini akan mempunyai keupayaan untuk mentafsir pangkalan data FECG yang tidak invasif (NIFECG) dan mengira FHRnya. _______________________________________________________________________________________________________ The purpose of this project is to develop a fetal heart rate (FHR) extraction application to analyze the fetus activity in the mother uterus. There are several methods that can use to detect FHR. One example is using the fetal electrocardiogram (FECG) that generated by fetus’ heart. Extracting FECG signals while the fetus in the mother uterus is consider a major challenge. Before interpreting the condition of FHR, the input signal is required to compute the fetal heartbeat per minute bpm. At the beginning of the process, the input signal will pass through adaptive filter to get FECG. Normalized Least Mean Square (NLMS) algorithm is one of adaptive filters and is chosen for this thesis. After that, use Pan Tompkins algorithm technique to track R-peaks (heartbeat pulse) in FECG signal. Whenever the RR interval is detected, a formula is used to calculate the bpm of FECG. Abdominal and direct FECG (ADFECG) database will be used to evaluate the implemented techniques as it has reference signal. At the end of research, the FHR calculated is varied from 126 bpm to 130 bpm. When comparison is done between abdominal ECG (AECG) and direct FECG (DFECG), the percentage error of FHR is 0.1%. The accuracy of R-peaks extraction is 100% where all R-peaks are detected by implemented techniques. All implemented techniques are used in a graphical user interface (GUI) in MATLAB. This system will have ability to interpret the non-invasive FECG (NIFECG) database and compute its FHR.
Contributor(s):
Ricky Kiing Jiu Yuan - Author
Primary Item Type:
Final Year Project
Identifiers:
Accession Number : 875008613
Language:
English
Subject Keywords:
(FHR); fetus; (FECG)
First presented to the public:
6/1/2019
Original Publication Date:
2/26/2020
Previously Published By:
Universiti Sains Malaysia
Place Of Publication:
School of Electrical & Electronic Engineering
Citation:
Extents:
Number of Pages - 84
License Grantor / Date Granted:
  / ( View License )
Date Deposited
2020-02-26 17:01:23.201
Date Last Updated
2020-12-02 15:41:56.101
Submitter:
Mohd Jasnizam Mohd Salleh

All Versions

Thumbnail Name Version Created Date
Fetal heart rate extraction using normalized least mean square (nlms) algorithm1 2020-02-26 17:01:23.201