Oct, 2022

基于 GAN 的 ECG 合成中利用统计形状先验

PDF
TL;DR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。
ecg data generationgenerative adversarial networksstatistical ecg data modelingmit-bih arrhythmia databasearrhythmia classification
发现论文，激发创造
  • 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

  • 使用 GAN 进行数据增强提高非平衡数据集心律失常分类的性能

    通过生成对抗网络方法，利用 MIT-BIH 心律失常数据库产生新的 ECG 信号，以增加机器学习系统的性能表现。

    Feb, 2023

  • 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

  • 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

  • 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

  • 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

    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。

    Jul, 2022

  • 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

  • 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

  • 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