基于循环神经网络和逆高斯点过程的心跳动态建模
信号处理
2026-04-21 v2
摘要
心率变异性（HRV）分析是评估自主神经系统心血管调节的重要方法。逆高斯过程（IGP）在心搏间期 HRV 建模中广泛应用，因为其提供了心脏去极化过程的生理学相关解释。IGP 基于心跳建模的关键挑战在于准确估计时变参数。本研究探讨了循环神经网络（RNN）能否用于 IGP 参数识别，从而提高 R-R 动态的概率建模。具体而言，本文评估了四种代表性的 RNN 架构：GRU、LSTM、Structured State Space sequence model（S4）和 Mamba，并使用Kolmogorov-Smirnov 统计量进行比较。结果表明，神经序列模型与 IGP 框架结合用于心搏间期序列建模是可行的。这种方法为概率 HRV 建模提供了灵活的基础，并为未来纳入更复杂的生理机制和动态条件奠定了基础。
引用
@article{arxiv.2604.13815,
title = {Dynamic Heartbeat Modeling with Recurrent Neural Networks and Inverse Gaussian Point Process},
author = {Runwei Lin and Ying Wang},
journal= {arXiv preprint arXiv:2604.13815},
year = {2026}
}