Karol Antczak

摘要

心电图信号受到多种噪声的影响，这些噪声由各种因素引起。因此，在进一步分析之前对这种信号进行去噪已成为标准做法。随着机器学习的一个新分支——深度学习的发展，出现了新的方法，有望为这一任务提供最先进的性能。本文提出了一种利用深度递归去噪神经网络去除心电图信号噪声的新方法。我们采用了迁移学习技术，首先使用动态心电图模型生成的合成数据对网络进行预训练，然后使用真实数据进行微调。此外，我们还研究了合成训练数据对网络在真实信号上的性能影响。所提出的 方法在含有不同程度噪声的真实数据集上进行了测试。结果表明，四层深度递归神经网络在处理严重噪声信号时可以超越参考方法。此外，使用合成数据预训练的网络似乎比仅使用真实数据训练的网络具有更好的效果。我们证明了通过适当微调，可以在人工数据上预训练出一种最先进的去噪神经网络，该网络在真实心电图信号上去噪表现优异。