CLEP-GAN：从 PPG 信号重建跨被试 ECG 的创新方法
信号处理
2025-02-26 v1 机器学习
摘要
本研究探讨了从 PPG 信号重建未见过的 ECG 信号的挑战，这是非侵入式心脏监测的关键任务。尽管存在大量公开的 ECG-PPG 数据集，但它们缺乏图像数据集中那样的多样性，且数据采集过程常引入噪声，使得即使采用先进的机器学习模型，也难以从 PPG 重建 ECG。为应对这些挑战，我们首先引入了一种利用 ODE 模型的新型合成 ECG-PPG 数据生成技术，以增强训练的多样性。接着，我们开发了一种新型的跨被试 PPG 到 ECG 重建模型，该模型集成了对比学习、对抗学习和注意力门控，在未见过的 ECG 重建上取得了与现有方法相当甚至更优的结果。最后，我们考察了性别和年龄等影响重建准确率的因素，强调了在模型训练和数据集增强过程中考虑人口统计学多样性的重要性。
关键词
引用
@article{arxiv.2502.17536,
title = {CLEP-GAN: An Innovative Approach to Subject-Independent ECG Reconstruction from PPG Signals},
author = {Xiaoyan Li and Shixin Xu and Faisal Habib and Neda Aminnejad and Arvind Gupta and Huaxiong Huang},
journal= {arXiv preprint arXiv:2502.17536},
year = {2025}
}