（通讯员 问颖洁）近日，太阳成tyc122cc张伟涛教授课题组在生物医学信号处理领域取得突破性进展，最新研究成果 “Temporal Convolutional Generative Adversarial Networks for Single-Channel Fetal ECG Extraction” 被国际顶级期刊《IEEE Journal of Biomedical and Health Informatics》全文收录。《IEEE Journal of Biomedical and Health Informatics》是由国际著名出版社IEEE出版的生物医学工程领域权威期刊，长期致力于医学信号处理、健康信息学、智能医疗等方向的前沿研究工作。该期刊为中科院TOP期刊，其所收录的论文代表了相关领域的最前沿学术研究成果，在国际学术界具有广泛而深远的影响。

图1. TC Block网络结构

图2. TCGAN网络结构

本项研究聚焦于单通道胎儿心电信号（Fetal ECG, FECG）提取这一核心问题。胎儿心电信号是评估胎儿心脏功能和发育状况的重要指标，具有无创、实时等特性，在围产期监护、胎儿心脏病早期诊断等领域具有重要应用价值。胎儿心电信号提取是胎儿健康监测、异常诊断的重要前置性基础研究，具有重要的临床意义。然而，腹部采集的单通道心电信号中FECG常被母体心电活动（MECG）和噪声所掩盖，且FECG波形中临床关键成分（如P波和T波）幅值极低；同时，现有方法如盲源分离、模板减法等，多数依赖多通道数据输入，且在胎儿与母体QRS波重叠时难以保留完整波形结构，给FECG信号提取带来了巨大挑战。

图3. TCGAN在FECGSYDB数据库上提取的FECG波形对比

针对上述问题，张伟涛教授团队提出了一种新型的时间卷积生成对抗网络（Temporal Convolutional Generative Adversarial Networks, TCGAN）模型。该模型基于其自主设计的编码器-解码器结构和跳跃连接机制构建而成，支持单通道腹部心电信号直接输入，能够有效保留FECG波形中的细节特征。与传统方法需要多通道输入不同，TCGAN模型融合了时间卷积块与转置卷积操作，实现在单通道条件下对微弱FECG信号的精确提取，有效增强了模型对P波、T波等低幅值成分的捕捉能力。研究团队进一步地构建了由生成器和判别器组成的对抗训练框架，生成器通过跳跃连接机制将编码阶段的特征传递至解码器，显著提升了波形重建质量；判别器则通过比对真实与生成信号的差异，持续优化生成器输出。该网络以端到端方式自动完成信号分离与重建，避免了传统方法对波形结构的破坏，极大提升了模型性能。实验验证表明，所提出方法在公开数据集上取得了灵敏度98.8%、阳性预测率99.0%的优异性能，在波形保真度方面显著优于现有方法，展现了良好的临床应用前景。

该研究成果的提出不仅为单通道胎儿心电信号提取提供了全新的技术路线，同时也为其他类似的生物医学信号处理问题提供了参考方案。

论文链接：https://ieeexplore.ieee.org/document/10818591