用于 ECG 信号去噪的深度循环神经网络

心电图信号受多种由不同因素引起的噪声干扰。因此在进一步分析前对这类信号去噪是标准做法。随着称为深度学习的新机器学习分支的发展，可用于该任务且有望达到最优性能的新方法得以出现。我们提出一种利用深度循环去噪神经网络对心电信号去噪的新方法。我们通过使用动态 ECG 模型生成的合成数据预训练网络，并以真实数据微调，来利用迁移学习技术。我们还研究了合成训练数据对网络在真实信号上性能的影响。所提方法在具有不同噪声量的真实数据集上进行了测试。结果表明，四层深度循环神经网络在强噪声信号上优于参考方法。此外，用合成数据预训练的网络似乎比仅用真实数据训练的网络结果更好。我们展示了创建一种最先进去噪神经网络的可能性：该网络在人工数据上预训练后，经适当微调可在真实 ECG 信号上表现极佳。