基于扩散模型的心电信号去噪方法  

Denoising Method of ECG Based on Diffusion Model

作　　者：罗成思 张凯旋 Abduljabbar Salem Ba-Mahel 饶妮妮[1] LUO Chengsi;ZHANG Kaixuan;BA-MAHEL Abduljabbar Salem;RAO Nini(School of Life Science and Technology,University of Electronic Science and Technology of China,Chengdu 610054,China)

机构地区：[1]电子科技大学生命科学与技术学院,成都610054

出　　处：《电子科技大学学报》2024年第6期940-951,共12页Journal of University of Electronic Science and Technology of China

基　　金：国家自然科学基金(62271127);四川省自然科学基金(2023NSFSC0627);电子科技大学与四川大学华西医院医工合作基金(ZYGX2022YGRH011,HXDZ22005)。

摘　　要：传统和深度学习的去噪技术在处理心电(Electrocardiogram,ECG)信号特定类型的噪声和数据泛化的验证方面存在不足。为此,提出一种基于扩散模型的生成式ECG去噪模型,该模型利用模拟数据学习干净ECG分布的得分函数,基于欧拉法求解常微分方程(ODE)生成和分离出ECG和噪声。该模型在模拟数据上进行了训练,并在独立的真实数据集上进行了验证。研究结果表明,与其他相关方法比较,该模型在去除多样性噪声以及保持ECG中不同振幅特征波形的一致性方面具有显著优势。Traditional and deep learning denoising techniques exhibit shortcomings in handling specific types of noise and data generalization validation in Electrocardiogram(ECG)signals.This paper proposes a generative ECG denoising model based on diffusion models,which leverages simulated data to learn the score function of clean ECG distribution and generates and separates ECG and noise based on the Euler method for solving Ordinary Differential Equations(ODE).The model is trained on simulated data and validated on an independent real dataset.Compared to other relevant methods,the obtained results demonstrate that this model has significant advantages in removing diverse noise and maintaining consistency in ECG waveforms of different amplitude features.

关 键 词：ECG 扩散模型 去噪 神经网络 信号分离 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] R318[自动化与计算机技术—控制科学与工程]