基于运算型循环生成对抗网络的盲 ECG 恢复
信号处理
2022-02-02 v1 人工智能
机器学习
摘要
心电描记（ECG）信号的连续长期监测对于心律失常等心脏异常的早起检测至关重要。由 Holter 与可穿戴 ECG 传感器获取的非临床 ECG 记录常受严重伪影干扰，如基线漂移、信号中断、运动伪影、QRS 幅度变化、噪声及其他干扰。通常，这样一组伪影会以不同严重度与持续时间出现在同一 ECG 信号上，这使得机器或医生进行准确诊断极为困难。尽管已有大量研究尝试 ECG 去噪，但由于其简单朴素的噪声模型，它们自然无法恢复被此类伪影损坏的真实 ECG 信号。在本研究中，我们提出一种使用循环一致生成对抗网络（Cycle-GANs）的盲 ECG 恢复新方法，无论损坏信号的伪影类型与严重度如何，均可将信号质量提升至临床级 ECG。为进一步提升恢复性能，我们提出具有生成神经元模型的一维运算型 Cycle-GANs。所提方法已使用来自中国生理信号挑战赛（CPSC-2020）的最大基准 ECG 数据集之一进行了广泛评估，该数据集包含超过一百万次心跳。除定量与定性评估外，一组心脏病专家进行了医学评估，以验证恢复后 ECG 的质量与可用性，特别是针对准确的心律失常诊断。
引用
@article{arxiv.2202.00589,
title = {Blind ECG Restoration by Operational Cycle-GANs},
author = {Serkan Kiranyaz and Ozer Can Devecioglu and Turker Ince and Junaid Malik and Muhammad Chowdhury and Tahir Hamid and Rashid Mazhar and Amith Khandakar and Anas Tahir and Tawsifur Rahman and Moncef Gabbouj},
journal= {arXiv preprint arXiv:2202.00589},
year = {2022}
}
备注
16 pages, 10 figures, journal article submission