基于U-net架构的深度学习模型用于ECG重建揭示ECG导联的信息含量
信号处理
2025-06-04 v2 机器学习
摘要
本研究引入一种基于U-net架构的深度学习模型，用于重建心电图（ECG）中缺失的导联。该模型被训练用于从减少的导联配置中重建12导联ECG数据。结果突出了该模型量化每个ECG导联信息含量及其导联间相关性的能力。这在优化诊断情景中的导联选择方面具有重大意义，特别是在完整12导联ECG不切实际的情景下。在此基础上，本研究提供了关于ECG信号及其传播的生理学依据的见解。这些发现为在远程医疗、便携式ECG设备和个性化心脏诊断中实现进步铺平了道路，通过减少冗余并提高信号解释。
引用
@article{arxiv.2502.00559,
title = {Deep learning model for ECG reconstruction reveals the information content of ECG leads},
author = {Tomasz Gradowski and Teodor Buchner},
journal= {arXiv preprint arXiv:2502.00559},
year = {2025}
}
备注
20 pages, 8 figures