胎兒心電圖的應用與進展

［摘要］" 對胎兒心電圖（fetal electrocardiogram，FECG）進行簡單介紹，闡述近年來FECG技術在檢測胎兒心律失常、監測妊娠高血壓綜合征患者宮內胎兒缺氧狀況等方面的臨床應用，并梳理了FECG本身存在的局限性。本文還總結了FECG信號處理技術的進展，并展望FECG未來的發展前景。

［關鍵詞］" 胎兒心電圖;心律失常;宮內缺氧;信號處理

［中圖分類號］" R541.75;R540.4

［文獻標志碼］" A

［文章編號］" 2095-9354（2024）04-0430-03

DOI： 10.13308/j.issn.2095-9354.2024.04.025

［引用格式］" 張強，李博，翟勝男，等. 胎兒心電圖的應用與進展［J］. 實用心電學雜志， 2024， 33（4）： 430-432.

作者單位： 067000 河北 承德，承德醫學院附屬醫院心臟電生理科

作者簡介： 張強，碩士研究生在讀，主要從事心血管疾病相關研究。

通信作者： 侯瑞田，E-mail： 525915174@qq.com

Application and progress of fetal electrocardiogram" ZHANG Qiang， LI Bo， ZHAI Shengnan， HOU Ruitian" （Department of Cardiac Electrophysiology， Affiliated Hospital of Chengde Medical College， Chengde Hebei 067000， China）

［Abstract］" Based on a brief introduction to fetal electrocardiogram （FECG）， this paper illustrates the clinical application of FECG technology in recent years in aspects such as detecting fetal arrhythmias and monitoring fetal intrauterine hypoxia in patients with pregnancy-induced hypertension syndrome. It sorts out the limitations of FECG itself. This paper also summarizes the progress of FECG signal processing techniques， and looks forward to the development prospect of FECG in the future.

［Key words］" fetal electrocardiogram; arrhythmia; intrauterine hypoxia;signal processing

胎兒心電圖（fetal electrocardiogram，FECG）檢查是一種無創監測胎兒健康狀況的重要方法。該檢查方法簡便且敏感，成為胎兒監護的重要項目之一。FECG的基本原理與普通心電圖類似，是通過接收胎兒心臟電生理活動的電波，并在心電圖紙上描繪心臟電生理活動的綜合向量波形來實現的；根據異常電生理活動的波形特征，臨床上可以推測引起這種異常的原因。FECG能夠區分胎兒每一心臟搏動的微小變化，借此判斷胎兒心臟是否處于缺氧或缺血狀態，是早期診斷胎兒窘迫的敏感指標［1］。現對FECG在臨床中的應用及進展進行闡述和展望，以加深臨床醫師對該技術的了解，以便在臨床實踐中更好、更準確地使用該技術。

1" FECG的起源

1906年，Gremer首次應用Einthoven弦線電流計從孕婦腹部記錄FECG。1921年，Norr報告了馬胎兒在子宮內的心電圖。1936年，Strassman應用成人真空管心電圖儀記錄了FECG。1957年，Southern利用向量系統和示波儀檢測到了能顯示P-QRS-T波群的FECG。我國在20世紀60年代已有FECG相關研究成果的報道，到80年代中期，國內已經成功開發了FECG機并將其應用于臨床［2］。

2" FECG檢查的操作方法

2.1" 直接法

真正意義上的FECG，是將檢查電極經陰道直接接觸胎體描記出FECG。盡管這樣記錄的心電圖波形清晰，但因其屬于侵入性檢查，不易重復多次進行，因此臨床不常使用［2］。

2.2" 間接法

母胎混合心電圖是指將檢查電極放置于孕婦腹壁而描記出的FECG［2］。具體操作步驟：孕婦先排空膀胱，平臥于檢查床，用75％酒精棉球擦拭孕婦腹壁子宮底部、恥骨聯合上方和左右大腿內側面皮膚至微紅；采用縱軸導聯描記，正電極置于宮底，負電極置于恥骨聯合上方，黑色（接地）電極置于大腿內側，并用膠布固定。定好標準電壓后，連續描記至少1.5 min，描記出清晰波形，測量、分析FECG［3］。此種檢查須在孕期12周以后進行，屬于非侵入性檢查，可以反復多次進行，是臨床常用的FECG檢查方法。

3" FECG的臨床應用

3.1" 異常FECG的檢出

我國異常FECG的定性、定量分析標準［3］如下：① 早搏≥6次/min為頻發，≤5次/min為偶發；② ST段改變，上移或下移5 μV；③ 胎兒心率gt;160次/min為心動過速，lt;120次/min為心動過緩，lt;100次/min為顯著心動過緩；休息10 min后再次測定，如兩次結果相同則可診斷；④ 心律不齊，在胎心率正常范圍內，胎心率變化gt;30次/min為心律不齊；超出正常胎心率范圍時，胎心率變化gt;25次/min為心律不齊伴心動過速或過緩，需注明變動范圍；⑤ QRS波時限增寬＞0.05 s；⑥ QRS波振幅＞30 μV，應寫明其數值。常見的異常FECG主要為前4種。FECG能準確診斷多種心律失常，為臨床診治提供重要依據［4］。但由于FECG波形較小，P波及T波不能明確顯示，因此很難辨認早搏的來源，而經驗豐富的醫生可以根據早搏QRS波形態、代償間期完全與否及聯律間期的長短，區分出室性或室上性早搏。由于FECG基線不太穩定，容易受母體心電波及肌顫波的干擾，因此診斷ST段改變應慎重［3］。

3.2" 預測妊娠高血壓綜合征患者宮內是否缺氧

妊娠高血壓綜合征患者易在妊娠晚期及分娩時并發胎兒宮內缺氧，嚴重時會使胎兒產生缺血缺氧性腦部疾病，甚至直接造成死胎［5-6］。由于胎心對缺氧敏感度較高，因此，FECG能較好地反映出胎盤功能與宮內供氧情況［7］。若FECG顯示胎兒心率≥160次/min或≤120次/min，且持續至少10 min無改善，則可判定胎兒存在宮內缺氧［8］。故FECG可用于準確評估胎兒缺氧狀況，以利于臨床及時采取針對性干預，改善胎兒缺氧狀況，預防不良妊娠結局的發生。

4" FECG臨床應用的局限性

FECG的檢測成功率有時會受到下列諸多因素的影響，進而導致檢測失敗。

4.1" 母體因素

① 心理因素：恐懼、緊張的情緒易導致肌電干擾。② 心動過速時，快速高大的MQRS波群易掩蓋FECG波形。③ 呼吸急促或幅度過大時，易導致基線上下漂移，影響對FECG的辨認及測量。④ 膀胱過度充盈時，會導致腹壁肌肉緊張，易出現肌電干擾。⑤ 腹壁脂肪層過厚、羊水過多，可能會使胎兒心電波在傳導中衰減而導致FECG波幅減小或顯示不清［9］。

4.2" 外在因素

① 檢查時室內溫度過低、寒冷刺激易使孕婦肌肉顫抖而導致肌電干擾。② 儀器周圍有大型機電設備造成交流電干擾。③ 導連線接觸不良或折斷，不能測出FECG。④ 電極粘貼過緊或過松、地線設備不完善，均易形成毛刺狀干擾，掩蓋FECG波形。⑤ 皮膚處理不徹底時也會出現肌電干擾，從而影響對FECG的判定［9］。

5" FECG信號處理技術的進展

由于各種噪聲（如母體心電圖、母體的呼吸噪聲、電子儀器的熱噪聲及工頻干擾）帶來的影響，采用常規方法從孕婦腹部體表無損測量的FECG往往既不清晰也難以識別［10］。為了解決FECG的信號處理問題，醫學界先后進行了多種技術革新。1991年JUTTEN等［11］首次提出了一種基于神經網絡的學習算法（H-J算法），成功實現了語音信號的分離，這就是獨立分量分析技術（independent component analysis，ICA），自此開啟了一個嶄新的領域；隨后，還涌現出了自適應濾波技術［12］、基于奇異值分解的技術［13］。BARROS等［14］提出了基于相關函數最大化的源信號提取算法，雖然該算法簡單高效、運算量小，但所提取的FECG信號常混有低頻噪聲。此后，在ZHANG等［15］研究結果的基礎上，孟海濤等［10］提出了改進的基于峭度和自相關函數聯合最大化的算法（joint maximization of autocorrelation and kurtosis，JMAK）。該算法充分利用FECG與其他源信號互相獨立且具有特殊自相關結構等性質，能快速提取FECG信號，同時在極大程度上屏蔽多種噪聲的干擾，從而使提取的FECG更為清晰。盡管該算法需要事先估計FECG的周期，但允許有較大的估計誤差，人工干預少，并且各種參數允許的取值范圍比較大，還可以改成在線處理模式［10］。目前FECG信號處理技術的進展仍未止步，最近的相關研究將深度學習與SVD-ICA-NMF算法相結合，高效地優化了真實信號，并能夠實時檢測FECG信號［16］。

隨著FECG信號處理技術的不斷進步，信號處理過程中的噪聲干擾問題也得到了妥善解決。例如，利用基于最小均方自適應的噪聲消除技術，不僅在很大程度上消除了信號處理中的噪聲干擾，并且還確定了胎兒QRS波檢測的準確性、靈敏度和陽性預測值［17］，而基于該技術進行合理改進的并行子濾波器自適應噪聲消除器，更進一步提高了胎兒QRS波檢測的準確性、靈敏度和陽性預測值［18］。2022年SOURIAU等［19］使用動態時間規整（dynamic time warping，DTW）算法來計算母體心電圖的平均周期及其與所有周期之間的對齊情況，更好地消除了母體心電圖對信號處理的影響，從而改善了從腹部心電信號中提取FECG的效果。

6" 對FECG技術的展望

FECG的誕生已逾百年，雖然在各方面都取得了一些進展，但仍存在諸多不足。對于完善FECG的提取算法、提高異常FECG的檢出率、消除噪聲干擾等諸多問題，仍需要進一步研究。隨著臨床研究的不斷深入和相關技術的加速迭代，相信FECG技術在未來能更加成熟，并更廣泛地應用于臨床。

參考文獻

［1］李中健. 胎兒心電圖——為優生優育保駕護航［J］. 家庭醫學（下半月）， 2017（2）： 26.

［2］李中健. 胎兒心電圖［J］. 江蘇實用心電學雜志， 2012， 21（5）： 334-339.

［3］馮義靜， 白萍萍， 王亞青. 胎兒心電圖的操作分析及臨床價值［J］. 中國實用醫藥， 2014 （31）： 243-244.

［4］張寧. 胎兒心電圖的臨床應用價值探討［J］. 中國優生與遺傳雜志， 2008（4）： 71.

［5］陳典玲， 尤克莎， 代恒蘋. 鹽酸拉貝洛爾片聯合硝酸甘油對妊娠期高血壓患者氧化應激反應和炎癥因子的影響［J］. 海南醫學， 2022， 33（22）： 2881-2885.

［6］袁德麗， 周清， 傅曉冬. 經典瞬時受體電位通道1在重度子癇前期孕婦臍動脈平滑肌中的表達及意義［J］. 成都醫學院學報， 2022， 17（1）： 12-15.

［7］耿慧珍， 王子蓮. 胎心監護與胎兒超聲多普勒血流參數在胎兒監護方面的應用［J］. 中國實用婦科與產科雜志， 2022， 38（4）： 415-419.

［8］邵明容， 鄭穎， 言述， 等. 妊娠高血壓綜合征患者及胎兒心電圖預測胎兒宮內缺氧價值［J］. 中國計劃生育學雜志， 2023， 31（7）： 1675-1678，1683.

［9］周翠娥， 范曉華， 孫建霞. 提高胎兒心電圖檢出率的探討［J］. 中國實用醫藥， 2013， 8（22）： 67-68.

［10］孟海濤， 張智林. 一種新的胎兒心電圖提取算法［J］. 電子科技大學學報， 2007， 36（3）： 640-641，645.

［11］JUTTEN C， HERAULT J. Blind separation of sources， part Ⅰ： an adaptive algorithm based on neuromimetic architecture［J］. Signal Process， 1991， 24（1）： 1-10.

［12］LAKSHMAN TV， MADHOW U， SUTER B. Window-based error recovery and flow control with a slow acknowledgement channel： a study of TCP/IP performance［C］//IEEE Infocom 97 Sixteenth Joint Conference of the IEEE Computer amp; Communications Societies Driving the Information Revolution. IEEE， 1997. DOI： 10.1109/INFCOM.1997.631144.

［13］CASETTI C， GERLA M， MASCOLO S， et al. TCP Westwood： end-to-end congestion control for wired/wireless networks［J］. Wireless Networks， 2002， 8： 467-479.

［14］BARROS AK， CICHOCKI A. Extraction of specific signals with temporal structure［J］. Neural Comput， 2001， 13（9）： 1995-2003.

［15］ZHANG ZL， YI Z. Extraction of temporally correlated sources with its application to non-invasive fetal electrocardiogram extraction［J］. Neurocomput， 2006， 69（7-9）： 900-904.

［16］ZIANI S， FARHAOUI Y， MOUTAIB M. Extraction of fetal electrocardiogram by combining deep learning and SVD-ICA-NMF methods［J］. Big Data Mining Anal， 2023， 6（3）： 301-310.

［17］SUTHA P， JAYANTHI V. Fetal electrocardiogram extraction and analysis using adaptive noise cancellation and wavelet transformation techniques［J］. J Med Syst， 2018， 42（1）： 21. DOI： 10.1007/s10916-017-0868-3.

［18］JABA DEVA KRUPA A， DHANALAKSHMI S， R K. An improved parallel sub-filter adaptive noise canceler for the extraction of fetal ECG［J］. Biomed Tech （Berl）， 2021， 66（5）： 503-514.

［19］SOURIAU R， FONTECAVE-JALLON J， RIVET B. Fetal ECG denoising using dynamic time warping template subtraction［J］. Annu Int Conf IEEE Eng Med Biol Soc， 2022， 2022： 4978-4981.

（收稿日期： 2024-03-11）

（本文編輯： 顧艷）