ecg signals | BriefGPT - AI 论文速递

关键词ecg signals

搜索结果 - 21

ICLR通过同时对齐和重建的方式进行多导联心电信号的模态降维表示学习
通过减少模态表示学习，我们提出了一种能够为心电图信号生成与通道无关的统一表示的方法，在重构和对齐的联合优化中，我们确保不同信道的嵌入包含跨信道的整体信息的融合，同时保留其特定信息。在独立的测试数据集上，我们从不同的心电图信道生成高度相关的信
PDFa month ago
NERULA：一种用于心电图信号分析的双通路自监督学习框架
NERULA 是一个双通道框架，结合心电图重构和非对抗学习，用于提取详细的心脏特征，通过在训练过程中结合生成和判别路径，NERULA 在心电图分析中表现出比现有自监督学习基准更好的结果，同时适用于心律失常分类、性别分类、年龄回归和人类活动识
PDFa month ago
利用可见性图和图卷积网络增强心律失常分类
利用可见性图（VG）和矢量可见性图（VVG）辅以图卷积网络（GCNs），本研究探索了将心电图信号表示为图的方法，并在心律失常分类方面取得了良好的结果。
PDF2 months ago
优化特征提取的高级神经网络架构用于增强多导联心电图心律失常检测
本研究提出一种创新的方法，利用深度学习技术，特别是卷积神经网络（CNN），来解决心律失常分类的复杂性。通过利用多导联心电图（ECG）数据，我们的 CNN 模型在识别左束支传导阻滞（LBBB）、右束支传导阻滞（RBBB）、房性早搏（APC）、
PDF3 months ago
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
PDF7 months ago
利用 FPGA 技术增强生物医学计算
本研究详细探讨了使用卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）和深度置信网络（DBN）通过可编程门阵列（FPGA）改进对心电图（ECG）信号的分析的复杂神经网络框架，使用 MIT-BIH 心律失常数据库作为模
PDF7 months ago
机器学习中心电信号处理的最佳实践探索
应用下采样、归一化和滤波等方法，对不同的多标签心电图数据集进行处理，评估其对不同高性能时间序列分类器的影响，并发现低至 50Hz 的采样率可以产生可比较的结果。此外，除了样本率降低可以可靠地减少计算资源，但不会增加准确性以外，我们还发现最小
PDF8 months ago
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
PDF10 months ago
心脏谱的相空间分析
研究了应用辅助相空间方法和心电信号诊断心脏疾病的两种不同 ECG 系统，通过分析时间序列图和相空间轨迹来计算分形维度 D，并发现较高的 D 值表明更多的随机性和信息，从而提供了有关心脏活动的有价值的信息。
PDFa year ago
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。
PDFa year ago
基于超轻量级二值神经网络的心律失常分类器
本研究提出了一种超轻量的二进制神经网络（BNN），该网络基于心电图信号能够实现 5 类和 17 类心律失常的分类，其实现了最小的已知存储空间，并在 17 类分类中实现了最优的准确性，证明了深度学习在医疗保健行业，特别是在可穿戴医疗设备中的潜
PDFa year ago
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。
PDFa year ago
软自适应阈值谱增强的光谱跨域神经网络
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
PDFa year ago
DeScoD-ECG: ECG 基线漂移和噪声去除的深度得分扩散模型
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
PDF2 years ago
对比学习心电图表示增强方法分析
本文系统地研究了对心电图信号进行对比自监督学习的各种增强方法的有效性并确定了最佳参数。通过实验得出，选择特定复杂度范围内的增强方法对于自监督对比学习效果更佳，而增强方法太简单或太复杂都会妨碍模型高效学习泛化表征，本研究可为未来自监督对比学习
PDF2 years ago
基于心电数据的可解释机器学习模型用于心律失常检测的开发
研究拟建立基于卷积神经网络（CNN）和长短期记忆（LSTM）分类器的解释性模型，探讨机器学习算法做出决策的模式，提高对心电图信号（ECG）节律分类的准确度。
PDF2 years ago
ICML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。
PDF3 years ago
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 Standi
PDF3 years ago
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
PDF5 years ago
诱因推理作为重塑心电图房颤专家标准的基础
本研究提出了一种基于 Construe 推理框架的心电信号自动检测房颤，其他心律失常和噪音的新方法，并探讨了一致的分类标准在训练数据集中的重要性，研究结果表明，使用该方法可以对包含较大噪声水平的数据进行有价值的描述。
PDF6 years ago