Jul, 2023

生理信号的深度生成模型：系统文献综述

PDF
TL;DR本文系统性地综述了深度生成模型在生理信号方面的研究，特别是心电图、脑电图、光电容抗图和肌电图等，总结了最新的技术、应用和挑战，同时强调了评估协议和生理数据库。
deep generative modelsphysiological signalselectrocardiogramelectroencephalogramphotoplethysmogram
发现论文，激发创造
  • 使用生成模型综述情感神经生理信号合成

    本文综述了如何利用生成模型解决神经生理信号情感识别问题的挑战，进而提高情感识别系统的效率和可靠性。

    Jun, 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

  • 深度学习方法在心电图数据中的机遇与挑战：一项系统综述

    本文针对 2010 年至 2020 年间应用深度学习模型于心电图 (ECG) 数据的文献进行系统性总结，发现各种深度学习体系结构已被用于心电图分析任务，包括疾病检测 / 分类、标注 / 定位、睡眠分期、生物度量人类识别和去噪等，其中融合卷积神经网络和循环神经网络专家特征的混合体系结构表现最佳。同时，也指出了存在的挑战和问题，诸如可解释性、可扩展性和效率等方面，提出了未来可能的研究方向。

    Dec, 2019

  • CardiacGen: 一种用于心脏信号的分层深度生成模型

    CardiacGen 提供了一个基于深度学习的框架用于产生合成但生理上可信的心脏信号，该框架包括 HRV 模块和 Morphology 模块，并具有数据增强的性质。

    Nov, 2022

  • 生理信号的深层潜变量建模

    本文探索运用深层潜变量模型解决与生理监测相关的高维问题，包括利用心电波形生成模型进行心脏疾病诊断、结合概率图模型和深度对抗学习的大脑信号建模方案以及生理测量和行为联合建模的框架。这些创新性计算方法的成功应用能够在生物学研究、临床诊断和新兴消费应用中实现生物标记发现的跨物种翻译，并为神经认知分析提供洞察力。

    May, 2024

  • 光电容积脉搏波数据的深度学习方法综述

    近年来，深度学习模型在处理光电容积脉搏图数据方面取得了显著进展，其中医疗相关和非医疗相关任务是主要研究领域。

    Jan, 2024

  • 基于条件扩散模型合成事件相关电位范式的脑电图信号

    通过使用生成模型，特别是扩散模型，可以缓解脑机接口领域中的数据稀缺问题。我们通过引入一种新颖的有条件扩散模型，利用无分类器的指导来直接生成主题、会话和类别特定的脑电图数据。结果表明，该模型能够生成类似于真实数据的脑电图数据。

    Mar, 2024

  • 基于深度学习的脑电图分析：系统综述

    通过对 156 篇 DL 和 EEG 论文的回顾和分析，发现 DL 在 EEG 信号识别方面取得了 5.4% 的精度提升，但大多数论文难以复现，因此提出了建议以支持该领域的进一步发展。

    Jan, 2019

  • 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

  • 基于生成模型的视觉信号编码与处理调查：技术、标准与优化

    本研究提供了一份关于可视信号编码和处理的生成模型的最新进展的调查报告，并重点介绍了生成模型的发展以及其对可视信号编码和处理领域的影响。

    May, 2024