通过深度学习去噪技术提升AI基于ECG的心电图描绘能力
机器学习
2026-05-19 v2 信号处理
摘要
评估犬类心电图 (ECG) 具有挑战性，由于噪声可能遮蔽临床相关的心脏电活动。常见的干扰来源包括呼吸、肌肉活动、劣质电极接触以及外部电工件。经典信号去噪技术，如滤波和小波方法，难以抑制多样化的噪声模式，同时又能保留对准确心电图描绘至关重要的形态特征。我们提出一种基于自编码器的神经网络模型和训练策略，用于心电图去噪作为犬类心电图分析的预处理步骤。该模型被训练从噪声输入中重构干净的心脏信号，从而实现有效的噪声抑制，而不损害诊断性重要的波形。我们的做法在不同噪声和干净的心电图记录上表现出色，表明其对各种信号条件都具有鲁棒性，且适用于后续描绘任务。
引用
@article{arxiv.2605.03183,
title = {Enhancing AI-Based ECG Delineation with Deep Learning Denoising Techniques},
author = {Jeff Breeding-Allison and Emil Walleser},
journal= {arXiv preprint arXiv:2605.03183},
year = {2026}
}
备注
26 pages, 8 figures