NEF-NET+：野外环境下心电全景的自适应技术
信号处理
2025-11-07 v1 人工智能
计算机视觉与模式识别
图像与视频处理
摘要
传统的多导联心电图（ECG）系统从固定的解剖视点（由电极布局决定）捕获心脏信号。然而，某些心脏疾病（如布鹊综合征）需要额外的非标准视点才能揭示标准导联中可能缺失的诊断性关键模式。为系统性地克服这一限制，最近提出了 Nef-Net，通过重建连续的心电场，实现对任意视点的ECG信号进行虚拟观察（称为心电全景）。尽管其前景广阔，但Nef-Net在理想化假设下运行，面临实际应用中的诸多挑战，如长时序ECG建模、对设备相关信号伪影的鲁棒性，以及次优的电极布局标定。本文提出了NEF-NET+，一种用于实现现实环境下全景心电合成的增强框架，支持任意长度的信号合成、跨设备泛化，并补偿电极布局操作误差。这些能力得益于新设计的模型架构，实现直接视点转换，包含离线预训练、设备标定调优步骤，以及针对患者个体化适应的即时标定步骤。为严格评估全景心电合成，我们构建了一个新的心电全景基准数据集（Panobench），包含5367例记录，每例48个视点，完整捕捉心脏电活动的空间变异性。实验结果表明，NEF-NET+在实际场景下相较于Nef-Net提升了约6 dB的PSNR。该代码和Panobench将在后续论文中发布。
引用
@article{arxiv.2511.02880,
title = {NEF-NET+: Adapting Electrocardio panorama in the wild},
author = {Zehui Zhan and Yaojun Hu and Jiajing Zhan and Wanchen Lian and Wanqing Wu and Jintai Chen},
journal= {arXiv preprint arXiv:2511.02880},
year = {2025}
}