Jul, 2022

ME-GAN：在心脏病情况下学习全景心电表示以进行多视角心电图像合成

PDF
TL;DR本文提出了一种新型的面向疾病的生成对抗网络 ME-GAN 用于多视角心电图合成，实现了以疾病为条件的泛光心电表征，并将它们投影到多种标准视图上，同时还提出了一种新的度量标准 rFID 来评估合成心电图信号的质量。
ecggenerative modelsme-ganheart diseasesmulti-view data
发现论文，激发创造
  • ECGNet: 从单导联输入合成 12 导联心电图信号的生成对抗网络（GAN）方法

    使用生成对抗网络 (GAN) 的 ECGNet 程序能够从任何单导联输入生成完整的 12 导联心电图 (ECG) 信号，并且通过交叉和自相关分析识别能够表征心血管疾病的特征。经过与肺心病功能结果数据，并使用具有 CVD - 指示特征的 ECG 信号作为输入进行 CVD 发作预测的 CNN 模型训练后，我们的模型可以实现对多个 CVD 目标的准确预测。该研究是首次利用单导联输入预测剩余的 11 个导联。

    Sep, 2023

  • 基于 GAN 的 ECG 合成中利用统计形状先验

    本文提出一种基于生成式对抗网络（GANs）和统计的心电图（ECG）数据建模的新方法，以在 ECG 信号生成任务中利用先前对 ECG 信号动态特性的理解，在 MIT-BIH 心律失常数据库中进行实验验证，结果表明以 2-D 格式建模 ECG 信号的时间和幅度变化可以生成更真实的信号并提高最新的心律失常分类基线的性能。

    Oct, 2022

  • f-GAN: 频域受限生成对抗网络用于心电图合成

    使用生成对抗网络 (GANs) 从配对的 PPG 信号中合成 ECG 信号成功，其中心率可通过标准信号处理流程进行提取，通过在模型训练中加入频域约束可以提高模型性能的稳定性和心率估计的性能。

    May, 2024

  • 使用生成对抗网络合成逼真的心电图

    本文研究应用生成对抗网络（GANs）生成真实且无隐私顾虑的电信号数据，用于医疗培训和数据分析，并就 GANs 产生的合成数据的隐私问题进行讨论。研究结果表明 GANs 的架构成功地生成了与训练集相似且不同样本的时间序列信号，并且能够经受住简单的成员推断攻击，保证了训练集的隐私。

    Sep, 2019

  • 基于条件生成对抗网络的心电图对抗样本检测

    本研究采用条件生成对抗网络，同时生成不同类别的 ECG 信号和检测心脏异常情况，且基于类别特定的 ECG 信号合成逼真的对抗例子，相比其他分类模型，在检测正常 / 异常 ECG 信号方面表现出更好的性能。

    Jul, 2021

  • CardioGAN: 带有双鉴别器的关注式生成对抗网络，用于从 PPG 合成 ECG

    该研究提出了一种名为 CardioGAN 的对抗生成网络，通过接收 PPG 信号为输入，生成 ECG 信号为输出，旨在解决智能手表等可穿戴设备中连续和可靠心脏监测方案的问题。该模型通过利用注意力机制生成器来学习局部显著特征，并采用双重判别器来保持所生成数据在时间和频域内的完整性，实验结果表明，由 CardioGAN 生成的 ECG 提供了比输入 PPG 更可靠的心率测量数据。

    Sep, 2020

  • 电生理全景：自我监督合成新的心电图视角

    提出了新概念 Electrocardio Panorama，使用 Neural electrocardio field Network 对 ECG 信号进行可视化，在处理视角方面引入了 Angular Encoding 并使用 Standin Learning 进行自监督学习，实验证明 Nef-Net 在 Electrocardio Panorama 合成方面表现良好。

    May, 2021

  • 进化 SimGAN 来提高异常心电图分类

    该研究通过扩展 SimGAN 方法来调整一维数据，并修改基因编程框架 ezCGP 以进化 SimGAN，以评估新的定量指标，并使用该框架来增强心电图数据集，以提高异常心电分类器的准确性。

    May, 2022

  • 心血管疾病多标签预测的半监督学习：多数据集研究

    提出一种多标记半监督学习模型 (ECGMatch) 来同时识别多种心血管疾病，包括心肌缺血、心室肥厚和心房颤动等，该方法通过神经网络模型结合众多技巧和模块，缓解了标签稀缺性、样本不均衡、未知数据上的性能问题，具有较高的鲁棒性和准确性。

    Jun, 2023

  • 一种合成心电图（ECG）图像生成工具箱，以促进基于深度学习的扫描 ECG 数字化

    该论文提出一种产生锐实的心电图图像的新方法，用于训练深度学习算法，在保护个人身份信息的同时使用这些图像来进行数字化，得到的结果表明，产生的合成心电图像数据集对于训练深度学习模型具有重要意义。

    Jul, 2023