DCAE-SR：用于超分辨率重建心电图信号的降噪卷积自编码器设计
信号处理
2024-04-25 v1 人工智能
摘要
心电图（ECG）信号在心血管诊断中起着关键作用，提供了关于心脏电活动的重要信息。然而，ECG 记录中固有的噪声和有限的分辨率会阻碍准确的解释和诊断。在本文中，我们提出了一种用于 ECG 超分辨率（SR）的新模型，该模型使用 DNAE 来增强 ECG 信号内部的时间和频率信息。我们的方法解决了传统 ECG 信号处理技术的局限性。我们的模型输入为采样率 50 Hz（极低分辨率）的 5 秒长度 ECG 窗口，能够以 x10 的上采样率（采样率 500 Hz）重建降噪的超分辨率信号。我们在公开可用的心肌梗死 ECG 信号上训练了所提出的 DCAE-SR。我们的方法在从采样率为 50 Hz 的极低分辨率信号重建高分辨率 ECG 信号方面表现出优越的性能。我们将我们的结果与当前深度学习文献中的 ECG 超分辨率方法以及一些可执行超分辨率和降噪的非深度学习可复现方法进行了比较。我们在经常被 ECG 伪影破坏的极低分辨率 ECG 信号的超分辨率方面获得了当前 SOTA 性能。我们获得了 12.20 dB 的信噪比（优于之前的 4.68 dB），0.0044 的均方误差（优于之前的 0.0154）和 4.86% 的均方根误差（优于之前的 12.40%）。总之，我们的 DCAE-SR 模型提供了一个鲁棒（针对伪影存在）、多功能且可解释的解决方案来提高 ECG 信号的质量。这一进展有望推动心血管诊断领域的发展，为改善患者护理和高质量临床决策铺平道路。
引用
@article{arxiv.2404.15307,
title = {DCAE-SR: Design of a Denoising Convolutional Autoencoder for reconstructing Electrocardiograms signals at Super Resolution},
author = {Ugo Lomoio and Pierangelo Veltri and Pietro Hiram Guzzi and Pietro Lio'},
journal= {arXiv preprint arXiv:2404.15307},
year = {2024}
}