一种用于ECG合成与去噪的生成对抗方法
机器学习
2020-09-08 v1 信号处理
摘要
生成对抗网络（GAN）以能产生难以被人眼与真实数据区分的合成数据而著称。本文提出一种使用GAN生成外观真实的ECG信号的方法。我们利用它们训练并评估一个去噪自编码器，该编码器在ECG信号上达到了最先进的滤波质量。结果表明，与仅用真实数据训练的模型相比，生成数据提升了模型性能。我们还研究了通过复用训练好的判别网络用于去噪模型的迁移学习效应。
引用
@article{arxiv.2009.02700,
title = {A Generative Adversarial Approach To ECG Synthesis And Denoising},
author = {Karol Antczak},
journal= {arXiv preprint arXiv:2009.02700},
year = {2020}
}
备注
7 pages + 2 pages of appendices