基于去噪卷积自编码器的入耳ECG信号增强
信号处理
2024-09-11 v1 机器学习
摘要
心脏偶极子已被证实可向耳部传播，此处是消费级可穿戴电子设备的常见部位，可实现电心动图（ECG）信号的记录。然而，入耳ECG记录常因信号幅度较小以及其他生理信号（如脑电图，EEG）的存在而受到显著噪声的干扰， complicating心血管特征的提取。本研究通过开发一种去噪卷积自编码器（DCAE）来增强来自入耳记录的ECG信息，以产生更干净的ECG输出。该模型使用来自45名健康受试者的入耳ECG数据集和相应的清洁Lead I ECG进行评估。结果显示，信噪比（SNR）显著提升，中位数增加5.9 dB。此外，模型显著改善了心率估计准确性，将平均绝对误差降低近70%，并将R峰检测精度提高到中位数值为90%。我们还使用合成数据集进行训练和验证，该数据集包括来自真实ECG信号的异常心脏形态，受粉红噪声污染。所得结果表明，有效去除噪声源，同时具备临床可信的波形重建能力。
引用
@article{arxiv.2409.05891,
title = {In-ear ECG Signal Enhancement with Denoising Convolutional Autoencoders},
author = {Edoardo Occhipinti and Marek Zylinski and Harry J. Davies and Amir Nassibi and Matteo Bermond and Patrik Bachtiger and Nicholas S. Peters and Danilo P. Mandic},
journal= {arXiv preprint arXiv:2409.05891},
year = {2024}
}
备注
7 pages, 9 figures