使用变分自编码器从 3 导联 ECG 重建 12 导联 ECG 以提高可穿戴设备的心脏疾病检测
机器学习
2025-10-14 v1 人工智能
摘要
十二导联心电图（ECG）是心脏诊断的临床金标准，能够提供足够的心脏空间覆盖以检测如心肌梗死（MI）等疾病。然而其缺乏便携性限制了持续和大规模使用。三导联 ECG 系统因其简单性和移动性广泛应用于可穿戴设备，但往往无法捕获未测量区域的病变。为此，我们提出 WearECG 方法，该方法利用变分自编码器（VAE）从三根导联（II、V1 和 V5）重建十二导联 ECG。我们的模型包含对时空依赖性的改进。我们使用 MSE、MAE 和 FID 评估生成质量，并通过专家心脏科医生的图灵测试评估临床有效性。为进一步验证诊断效用，我们在包含超过 40 种心脏疾病（包括六种不同心肌梗死部位）的多标签分类任务上微调 ECGFounder 大规模预训练 ECG 模型。MIMIC 数据集上的实验表明，我们的方法产生了生理上真实且具有诊断信息的信号，在下游任务中表现稳健。本工作证明了生成模型在 ECG 重建中的潜力及其对可扩展低成本心脏筛查的意义。
引用
@article{arxiv.2510.11442,
title = {Reconstructing 12-Lead ECG from 3-Lead ECG using Variational Autoencoder to Improve Cardiac Disease Detection of Wearable ECG Devices},
author = {Xinyan Guan and Yongfan Lai and Jiarui Jin and Jun Li and Haoyu Wang and Qinghao Zhao and Deyun Zhang and Shijia Geng and Shenda Hong},
journal= {arXiv preprint arXiv:2510.11442},
year = {2025}
}
备注
24 pages, 5 figures, submitted to Nature Communications