DeepFilter：一种利用深度学习技术去除心电图基线漂移的滤波器
信号处理
2021-01-13 v2
摘要
根据世界卫生组织的数据，每年约 36% 的死亡与心血管疾病相关，且 90% 的心脏病发作可预防。在动态心电图、运动负荷试验及静息状态下的心电图信号分析可用于心血管疾病诊断。然而，在采集过程中存在多种噪声可能损害信号质量，从而危及诊断价值。基线漂移是最不受欢迎的噪声之一。本工作中，我们提出一种利用深度学习技术进行基线漂移（BLW）噪声滤波的新算法。模型性能使用来自 Physionet 的 QT Database 与 MIT-BIH Noise Stress Test Database 进行验证。此外，针对传统滤波流程及深度学习技术的现有最优方法开展了若干对比实验。所提方法在四项相似性指标上取得最佳结果：平方距离和、最大绝对平方、根距离百分比及余弦相似度，分别为 4.29 (6.35) au、0.34 (0.25) au、45.35 (29.69) au 和 91.46 (8.61) au。本工作的源代码包含我们的方法及相关实现，已在 Github 上免费提供。
引用
@article{arxiv.2101.03423,
title = {DeepFilter: an ECG baseline wander removal filter using deep learning techniques},
author = {Francisco Perdigon Romero and David Castro Piñol and Carlos Román Vázquez Seisdedos},
journal= {arXiv preprint arXiv:2101.03423},
year = {2021}
}
备注
12 pages, 5 figures, 3 tables