用于高保真PPG到ECG转换的区域解耦扩散模型
信号处理
2023-12-29 v2 机器学习
摘要
心血管疾病（CVDs）的高患病率呼唤可及且低成本的连续心脏监测工具。尽管心电图（ECG）为金标准，连续监测仍具挑战，这促使人们探索光电容积描记法（PPG）——一种见于消费级可穿戴设备、有前景但更基础的替代方案。该思路近期激发了PPG转ECG信号的研究兴趣。本文提出区域解耦扩散模型（RDDM），一种旨在捕捉ECG复杂时间动态的新型扩散模型。去噪扩散概率模型（DDPM）等传统扩散模型因对整段信号无差别加噪，难以捕捉此类细微特征。我们提出的RDDM通过引入新颖前向过程克服该局限：其选择性地向ECG信号中的特定感兴趣区域（ROI，如QRS波群）加噪，并采用将ROI与非ROI区域去噪解耦的反向过程。定量实验表明，RDDM仅需10步扩散即可从PPG生成高保真ECG，高效且计算省耗。此外，为严格验证生成ECG信号的效用，我们引入CardioBench——一套涵盖心率与血压估计、压力分类及房颤与糖尿病检测等多种心脏相关任务的综合性评测基准。充分实验显示RDDM在CardioBench上取得最先进性能。据我们所知，RDDM是生物信号域首个用于跨模态信号到信号转换的扩散模型。
引用
@article{arxiv.2308.13568,
title = {Region-Disentangled Diffusion Model for High-Fidelity PPG-to-ECG Translation},
author = {Debaditya Shome and Pritam Sarkar and Ali Etemad},
journal= {arXiv preprint arXiv:2308.13568},
year = {2023}
}
备注
Accepted at AAAI 2024