Jul, 2022

DeScoD-ECG: ECG 基线漂移和噪声去除的深度得分扩散模型

PDF
TL;DR本研究提出一种新型心电图 (ECG) 基线漂移和噪声去除技术，以 Deep Score-Based Diffusion model 为基础，使用多次平均策略在 QT 数据库和 MIT-BIH 噪声应激测试数据库上进行实验验证，在距离相似性度量方面具有优秀的性能，对于心电信号中的干扰有很好的去除效果，具有很好的应用前景。
ecg signalsbaseline wandernoise removaldeep score-based diffusion modelbiomedical applications
发现论文，激发创造
  • DiffECG: 一种推广的基于概率的扩散模型用于合成心电图信号

    本文提出了一种基于去噪扩散概率模型的心电波形合成方法，此方法可以生成心跳、完成部分信号或进行心跳预测，且其效果较其他同类方法更佳，为心电信号合成提供了一个更为广义的条件方法。

    Jun, 2023

  • SDEMG：基于评分的表面肌电信号抑噪扩散模型

    本研究提出了一种名为 SDEMG 的面向 sEMG 信号去噪的基于评分扩散模型的新方法，实验证明 SDEMG 优于比较方法，并产生了高质量的 sEMG 样本。

    Feb, 2024

  • 基于去噪扩散生成模型的贝叶斯心电图重建

    提出了一种基于健康心电图数据训练的去噪扩散生成模型（DDGM），该模型注重心电图形态学和导联间的依赖关系。结果表明，这种创新型生成模型能够成功生成逼真的心电图信号。此外，还探索了使用 DDGM 解决线性逆贝叶斯问题的最新突破应用。这种方法能够开发出几种重要的临床工具，包括计算校正的 QT 间期（QTc）、有效抑制心电图信号的噪声、恢复缺失的心电图导联以及识别异常读数，从而实现心脏健康监测和诊断方面的重大进展。

    Dec, 2023

  • 基于深度学习的心电图分类的基线漂移容忍信号编码

    提出了一种非参数方法 ——Derived Peak (DP) encoding，用于改善机器学习自动心电图分析与解读中的基线漂移、缩放和噪声等常见伪迹问题。实验结果表明，DP encoding 通过对心电图数据进行编码，在存在基线漂移、缩放等伪迹的情况下，能够保持较高的准确率。因此，DP encoding 提供了一种简单的方法，可提高自动心电图分析与解读的抗干扰能力。

    Apr, 2024

  • 高保真 PPG 到 ECG 转换的区域解缠扩散模型

    心血管疾病的高发病率需要具备易获取和经济实用的连续性心脏监测工具。作者通过引入一种新的扩散模型 —— 区域分离扩散模型（RDDM），成功地将光电容积法（PPG）翻译为心电图（ECG）信号，该模型可从 PPG 中在少于 10 个扩散步骤中生成高保真度的 ECG 信号，并在包括心率、血压估计、应激分类以及房颤和糖尿病检测在内的心脏相关任务上取得了最新的研究成果。

    Aug, 2023

  • 利用地震心电图进行可靠心脏活动监测的端到端深度学习

    该研究提出了一种基于 SeismoNet 的深度卷积神经网络解决方案，旨在从地震心电图信号中稳健地观察心脏活动，并通过直接检测 R 峰而不需要提取手工特征，实现心脏监测以及 Atrial Fibrillation 的预防。

    Oct, 2020

  • 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

  • 基于循环生成对抗网络的盲源心电图恢复

    本文提出了一个新方法，使用 Cycle-GAN 来盲目去噪 ECG 信号，从而提高信号质量，无论信号受到何种类型和严重程度的干扰，使其恢复成临床水平的 ECG。该方法在 CPSC-2020 ECG 数据集上经过了量化和定性评估，并得到了心脏病专家的验证。

    Jan, 2022

  • 利用心电图信号的堆叠时频标图图像进行心律失常分类的深度学习模型

    本文提出了一种基于人工智能的自动化心电图分类系统，利用深度学习和卷积神经网络模型对心电图信号进行分析和识别以实现准确的心律失常分类。

    Dec, 2023

  • 应用深度学习对急诊心电图进行心脏和除心脏疾病辨别

    该研究展示了一种单一模型在急诊科收集到的心电图数据上具备预测多种心脏和非心脏病症的能力，并提出将该模型作为筛查工具并纳入综合临床决策支持系统来高效地对患者进行分诊。研究强调了全面的心电图分析算法和开放式 MIMIC-IV-ECG 数据集的卓越性能，推动了心电图分析领域的重大进展。

    Dec, 2023