《電子技術(shù)應用》
您所在的位置：首頁 > 人工智能 > 設計應用 > 一種基于改進的生成式對抗網(wǎng)絡的完整12導聯(lián)心電圖重構(gòu)方法
一種基于改進的生成式對抗網(wǎng)絡的完整12導聯(lián)心電圖重構(gòu)方法
電子技術(shù)應用
曾超權(quán)1，2，駱煒2，3，王森林2，3，戴玲鳳2，3，陳豪2，3
1.福州大學 先進制造學院；2.中國科學院福建物質(zhì)結(jié)構(gòu)研究所； 3.福建省復雜動力系統(tǒng)智能識別與控制重點實驗室
摘要： 心電圖（ECG）是評估心臟健康的重要工具。隨著科技的進步，越來越多的智能設備被開發(fā)用于監(jiān)測心電信號。然而，由于便攜性的要求，這些智能設備通常只能測量有限導聯(lián)數(shù)量的心電信號，這可能會影響心臟疾病診斷的準確性。為了解決這一問題，提出了一種基于生成對抗網(wǎng)絡（GAN）的模型。該模型融合了Transformer和U-Net結(jié)構(gòu)，能夠從單一導聯(lián)的心電信號重建完整的12導聯(lián)心電信號，從而提高便攜式智能設備的診斷性能。在PTB-XL和紹興人民醫(yī)院12導聯(lián)心電信號數(shù)據(jù)集上對提出的模型進行了評估，并將其與幾種先進的方法進行了比較。相關(guān)代碼全部上傳至https：//github.com/Chaoquan-123/12-lead-ECG-reconstruction。
中圖分類號：R540.41 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.245796
中文引用格式： 曾超權(quán)，駱煒，王森林，等. 一種基于改進的生成式對抗網(wǎng)絡的完整12導聯(lián)心電圖重構(gòu)方法[J]. 電子技術(shù)應用，2025，51(4)：16-22.
英文引用格式： Zeng Chaoquan，Luo Wei，Wang Senlin，et al. Reconstruct 12-lead ECG from II-lead: based on an improved generative adversarial network model[J]. Application of Electronic Technique，2025，51(4)：16-22.
Reconstruct 12-lead ECG from II-lead： based on an improved generative adversarial network model
Zeng Chaoquan1，2，Luo Wei2，3，Wang Senlin2，3，Dai Lingfeng2，3，Chen Hao2，3
1.School of Advanced Manufacturing， Fuzhou University； 2.Fujian Institute of Research on the Structure of Matter， Chinese Academy of Sciences； 3.Fujian Provincial Key Laboratory of Intelligent Identification and Control of Complex Dynamic System
Abstract： Electrocardiogram (ECG) provides essential clues for detecting heart diseases, and more and more smart devices are developed to monitor the ECG signals. However, due to the convenience of use, only limited leads of ECG signals are measured from such smart devices, which may significantly affect the validity of disease judgement. To enhance the diagnose performance of these smart devices, this study suggests a Generative Adversarial Network (GAN)-based approach that combines Transformer and U-Net structures to autonomously reconstruct the whole 12-lead ECG signals from a single lead ECG signals. This study evaluates the proposed model on the PTB-XL and the Shaoxing People's Hospital 12-lead ECG dataset, then compares it with several state of art approaches. The code for this study can be found in https://github.com/Chaoquan-123/12-lead-ECG-reconstruction.
Key words : electrocardiogram；generative adversarial network；Transformer；U-Net

引言

心血管疾?。–ardiovascular Disease，CVD）可能引發(fā)多種心臟問題，包括心臟病、心力衰竭、中風和動脈粥樣硬化。為了預防和監(jiān)測這些疾病，心電圖（Electrocardiogram，ECG）常被作為重要的臨床手段。通過在特定位置放置電極，ECG能夠測量心臟活動過程中產(chǎn)生的微弱電信號，從而評估心臟的健康狀況。這些微弱的電信號提供了關(guān)于心臟狀況和個人總體健康狀況的重要信息。心電圖也因為其操作便捷和無創(chuàng)性的優(yōu)點，成為了診斷和監(jiān)測心臟問題的重要工具[1-3]。

隨著人們對心臟健康意識的提高，越來越多的人使用便攜式心電監(jiān)測設備來監(jiān)測自己的心臟活動。許多日常心電圖監(jiān)測系統(tǒng)（如智能手表等）為了提高設備便攜性而減少電極數(shù)量。然而，與臨床設備使用的12導聯(lián)心電信號相比，這些設備因為電極數(shù)量的減少，無法提供心臟活動的完整視圖，而不完整的12導聯(lián)心電信號不足以作為臨床診斷或長期監(jiān)測的依據(jù)[4]。為了使電極數(shù)量有限的心電監(jiān)測設備也能夠捕獲完整的12導聯(lián)心電信號，就必須解決從少數(shù)導聯(lián)心電信號中重構(gòu)12導聯(lián)心電信號的問題。通過這種方法，即使設備電極有限，仍然可以通過這些設備獲取完整的12導聯(lián)心電信號并為長期監(jiān)測和臨床診斷提供完整的心臟信息。

通過文獻調(diào)研發(fā)現(xiàn)，心電信號重構(gòu)方法大致可以分為基于神經(jīng)網(wǎng)絡和基于非神經(jīng)網(wǎng)絡兩類。基于非神經(jīng)網(wǎng)絡的方法[5-8]在生成長度較短的12導聯(lián)心電信號時，有較高的重構(gòu)精度。然而，這類方法的重構(gòu)精度容易受到測量過程中噪聲的影響，并且隨著心電信號長度的增加，重構(gòu)精度也有下降的趨勢。此外，還有許多基于神經(jīng)網(wǎng)絡的12導聯(lián)心電信號重構(gòu)算法[9-16]。Garg等人使用了改進的U-Net從II導聯(lián)心電信號重構(gòu)出剩余的11導聯(lián)心電信號[16]。然而，心電信號是一種經(jīng)典的時間序列信號，信號前后部分具有一定的時間相關(guān)性，這些僅使用U-Net的方法在處理具有長期依賴關(guān)系的時間序列信號時可能會遇到梯度消失和爆炸問題，從而限制了重構(gòu)的12導聯(lián)心電信號的精度。最近的一篇論文利用生成對抗網(wǎng)絡（Generative Adversarial Network，GAN）模型來重構(gòu)12導聯(lián)心電信號[13]。因為GAN模型可以很好地擬合心電信號中的非線性關(guān)系，從而提高了不同類型心電信號的重構(gòu)精度，且無需單獨訓練每個導聯(lián)心電信號。在以往基于GAN模型的工作中，如Yoon等人的工作[13]，由于模型處理信號前后依賴關(guān)系的能力有限，因此將心電信號重構(gòu)過程分為了兩個步驟，在第一個步驟中重構(gòu)出小段的心電信號，然后在第二個步驟下將這些信號組合在一起，最后得到完整的12導聯(lián)心電信號。Kapfo等人則將長短期記憶網(wǎng)絡（Long Short-Term Memory，LSTM）用于心電信號重構(gòu)任務[14]。LSTM能夠捕獲心電信號的時間特征、模式和擴展關(guān)系。但由于LSTM對不同導聯(lián)間心電信號的空間相似性處理能力較弱，通常需要輸入多個導聯(lián)的心電信號才能獲得完整的12導聯(lián)心電圖輸出，因此Kapfo等人提出的模型使用導聯(lián)I、II和V2作為原始導聯(lián)。但許多用于遠程長期心電監(jiān)護設備大多只能提供一個導聯(lián)的信號作為模型的輸入[4]，所以Kapfo等人的模型難以應用于單一導聯(lián)的監(jiān)護設備。

為了在有限的資源下提高重構(gòu)完整的12導聯(lián)心電信號的精度，本文提出了一種以GAN網(wǎng)絡結(jié)構(gòu)為基礎，采用Transformer和U-Net的混合結(jié)構(gòu)作為生成器，通過判別器來區(qū)分生成器重構(gòu)的心電信號和真實的心電信號的模型。本研究主要的貢獻如下，本模型可以同時生成所有12導聯(lián)的完整信號，而不是先生成小段的心電信號再將其組合成完整的12導聯(lián)心電信號，提高了重構(gòu)效率，簡化了信號生成過程。與同類生成算法相比，本研究提出的模型具有較高的重構(gòu)精度，在12導聯(lián)心電信號重構(gòu)應用中表現(xiàn)出了優(yōu)異的性能和有效性。

本文首先介紹了本研究中使用的模型結(jié)構(gòu)和ECG數(shù)據(jù)集，并詳細描述了每個模塊的功能。此外，還提供了評估指標、訓練環(huán)境及訓練過程中使用的具體參數(shù)設置。然后通過PTB-XL數(shù)據(jù)集和紹興人民醫(yī)院數(shù)據(jù)集驗證了模型的準確性，并使用心電信號分類模型評估生成的心電信號的分類性能。


本文詳細內(nèi)容請下載：

http://theprogrammingfactory.com/resource/share/2000006388


作者信息：

曾超權(quán)1，2，駱煒2，3，王森林2，3，戴玲鳳2，3，陳豪2，3

（1.福州大學 先進制造學院，福建 泉州 362251；

2.中國科學院福建物質(zhì)結(jié)構(gòu)研究所，福建 福州 350108；

3.福建省復雜動力系統(tǒng)智能識別與控制重點實驗室，福建 泉州 362200）


Magazine.Subscription.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。