软自适应阈值谱增强的光谱跨域神经网络

Jan, 2023

软自适应阈值谱增强的光谱跨域神经网络

Spectral Cross-Domain Neural Network with Soft-adaptive Threshold Spectral Enhancement

Che Liu, Sibo Cheng, Weiping Ding, Rossella Arcucci

TL;DR本文提出了一种名为 SCDNN 的深度学习模型，其中包含一种新型的 Soft-adaptive threshold spectral enhancement (SATSE) 块，可同时显示神经网络中嵌入的频谱和时间域关键信息，有效地解决了识别复杂 ECG 形式的难点。SCDNN 在公共 ECG 数据库 PTB-XL 和 MIT-BIH 上取得了比现有方法更好的分类结果。

Abstract

Electrocardiography (ECG) signals can be considered as multi-variable time-series. The state-of-the-art ECG data classification approaches, based on either feature engineering or deep learning techniques, treat separately spectral and time domains in machine learning systems. No spectr

ecg signals deep learning spectral-time domain communication scdnn soft-adaptive threshold spectral enhancement

发现论文，激发创造

基于无监督领域适应的跨数据库和跨通道的心电信号心律失常分类

本研究提出了一种基于交叉领域特征差异优化的领域自适应深度网络解决心电图分类的方法，在交叉域和交叉通道的模式下，有效地检测室性早搏、窦性早搏和融合早搏，与非领域自适应基准方法相比，整体准确率平均提高了 11.78％。

Jun, 2023

使用自监督学习的多模态多导联心电图心律失常分类

本论文提出了基于自监督学习技术的多模态心电图分类方法，利用单模态 ECG 的时间序列和频谱信息，以及 SSL-pre-stream 任务和 down-stream 任务结合的方式实现。在评估这种方法的有效性时，使用 12 导联 PhysioNet 2020 数据集进行了十折交叉验证。

Sep, 2022

TSRNet: 实时心电图异常检测的简洁框架，多模态时间与频谱恢复网络

通过利用正常心电图数据进行训练，从而利用异常检测来识别不健康的条件；提出了一种名为 TSRNet 的专用网络，该网络能够通过从时间序列和时频领域提取的特征有效地捕捉心电图信号的综合特征，并通过引入基于峰值错误的推理方法来增强心电图异常检测的效果。

Dec, 2023

DDLNet：用双域学习增强遥感变化检测

提出基于双域学习（频域和空域）的 RSCD 网络 DDLNet，利用离散余弦变换（DCT）捕捉时频信息以增强感兴趣的变化，并通过空间域恢复模块（SRM）融合时空特征来重建空域变化表示，实验证明该方法在三个基准 RSCD 数据集上实现了最先进的性能，并达到了更为满意的准确率和效率平衡。

Jun, 2024

使用卷积神经网络实现基于域泛化的 12 导联心电图分类

本研究阐明不同医院数据库之间存在的领域泛化问题，并提出一种在深度神经网络架构中利用提取的信息和捕捉信号基础结构的方法，用于对 12 导联心电图进行异常分类。我们采用 ResNet-18 作为骨干模型，并从网络的多个中间卷积层中提取特征。通过在四个来源的公开可用心电图数据集上进行训练和评估，我们的方法在大多数情况下超过了基线。

Aug, 2022

基于增强卷积神经网络的物联网心电图信号有效分类

本文提出了一种基于物联网技术的新型心电监测方法，使用基于 DSR 和 REL 的路由系统，并测试了基于 ANN、SVM 和 CNN 的 ECG 信号分类方法。Deep-ECG 将采用深度 CNN 来提取重要特征，并使用简单且快速的距离函数进行分类，从而高效识别心脏问题。研究结果表明，所提出的策略在分类准确性方面优于其他方法。

Feb, 2022

基于脑电谱时特征的卷积神经网络心算任务分类

该研究提出了一个浅层卷积神经网络模型，用于评估脑电信号的特征提取和分类，并在有运动障碍的患者中表现出了更好的分类准确性和鲁棒性。

Sep, 2022

开放混合域适应语义分割的振幅谱变换

本文提出了基于振幅谱变换的特征空间 AST 的 OCDA 简化自适应技术，隐式地完成跨域特征风格化和域内容规范化，同时在场景分割基准测试中领先于之前的技术。

Feb, 2022

HDNet：用于光谱压缩成像的高分辨率双域学习

本文提出了一个高分辨率双域学习网络（HDNet）用于高光谱图像的重建，该网络采用像素级精细特征和频率级细化来提高感知质量，在模拟和真实数据集中取得了最优结果。

Mar, 2022

基于变压器的双域网络用于少视角专用心脏 SPECT 图像重建

本研究提出了一种基于 3D 变换器的双域网络（TIP-Net），用于高质量的 3D 心脏 SPECT 图像重建，该方法使用深度学习方法直接从投影数据中重建 3D 心脏 SPECT 图像，然后通过图像域重建网络进一步改进重建结果。经由心脏导管术图像、核心科技医师的诊断解读和 FDA 510 (k) 认证的临床软件量化的缺陷大小的验证，与基线方法相比，我们的方法在人体研究中产生了具有更高心脏缺陷对比度的图像，从而在使用固定少角度的专用心脏 SPECT 扫描仪上实现了高质量的缺陷可视化。

Jul, 2023