所提出的Wavelet-Transformer注意力网络（WTA-Net）在胎儿QRS检测中优于最先进的方法，在两个数据库上实现了99.82%和99.87%的正预测值。
其他
WTA-Net算法在从腹部记录中提取胎儿心电信号方面显示出高精度，可能提高产前监测的可靠性。
由于强母体心电图伪影和低信号质量，从腹部记录中准确提取胎儿心电图仍然具有挑战性。为了解决这些问题，提出了一种Wavelet-Transformer注意力网络（WTA-Net）用于提取胎儿心电图，其中交叉注意力变换器（CAT）模块被设计用于通过建模跨模态交互来抑制母体干扰，而残差收缩（RS）模块则通过自适应阈值来减弱噪声伪影。验证结果表明，所提出的WTA-Net优于最先进的方法，在ADFECGDB和B2LABOUR数据库上分别实现了99.82%和99.87%的胎儿QRS检测的正预测值，进一步增强了产前监测的可靠性。
Wang等（周）进行了胎儿心电图提取方面的其他研究。对Wavelet-Transformer注意力网络（WTA-Net）与最先进的方法在胎儿QRS检测（正预测值）上的效果进行了评估。所提出的Wavelet-Transformer注意力网络（WTA-Net）在胎儿QRS检测中优于最先进的方法，在两个数据库上实现了99.82%和99.87%的正预测值。