CLARAE：用于去噪和心电图分类的保持清晰度重构自编码器
信号处理
2025-10-22 v1 机器学习
摘要
腔内心房电图（EGMs）提供了高分辨率的心脏电生理学视角，但常受噪声污染且维数偏高，限制了实时分析。我们引入了CLARAE（CLArity-preserving Reconstruction AutoEncoder），一个为心房EGMs设计的一维编码器-解码器，实现了高保真重构和紧凑的64维潜在表示。CLARAE通过三种原则保持波形形态、减轻重构伪影并产生可解释的嵌入：采用池化下采样、混合插值-卷积上采样路径以及受限潜在空间。我们在495,731段EGMs（单极和双极）上对CLARAE进行评估，这些EGMs来自29名患者，涉及三种心律类型（AF、SR300、SR600）。性能以六种最先进的自编码器为基准，评估包括重构指标、心律分类以及信噪比从-5 dB到15 dB范围内的鲁棒性。在下游心律分类中，CLARAE对所有心律类型均获得F1分数超过0.97，其潜在空间显示出按心律清晰的聚类。在去噪任务中，它始终在单极和双极信号中名列前茅。为促进可重复性和可访问性，我们提供了一个交互式基于Web的应用程序。该平台允许用户探索预训练的CLARAE模型、可视化重构结果，并实时计算指标。总体而言，CLARAE将稳健去噪与紧凑且判别性强的表示相结合，为临床工作流程（如心律判别、信号质量评估和实时成像）提供了实用基础。
引用
@article{arxiv.2510.17821,
title = {CLARAE: Clarity Preserving Reconstruction AutoEncoder for Denoising and Rhythm Classification of Intracardiac Electrograms},
author = {Long Lin and Pablo Peiro-Corbacho and Pablo Ávila and Alejandro Carta-Bergaz and Ángel Arenal and Gonzalo R. Ríos-Muñoz and Carlos Sevilla-Salcedo},
journal= {arXiv preprint arXiv:2510.17821},
year = {2025}
}