本發(fā)明涉及一種基于不對(duì)稱(chēng)卷積擴(kuò)散網(wǎng)絡(luò)的心電信號(hào)去噪方法、系統(tǒng)，屬于心電信號(hào)去噪。

背景技術(shù)：

1、心電信號(hào)(ecg)是一種記錄心臟電活動(dòng)的生理信號(hào)，廣泛用于診斷各種疾病，如心律失常、冠狀動(dòng)脈疾病和心肌梗死以及一些其他精神疾病。心電信號(hào)作為反映心臟健康狀況的關(guān)鍵指標(biāo)，其準(zhǔn)確性至關(guān)重要。然而，心電信號(hào)是非常微弱的生物電信號(hào)，采集過(guò)程容易受外界干擾，尤其對(duì)局部干擾十分敏感。如電源線干擾、電極接觸噪聲、肌電噪聲和基線漂移。這些噪聲不僅降低了信號(hào)的質(zhì)量，還可能導(dǎo)致誤診和漏診。高質(zhì)量的信號(hào)是研究的基礎(chǔ)，信號(hào)的質(zhì)量直接影響到后續(xù)分析的有效性。因此，通過(guò)有效的噪聲去除技術(shù)，提升信號(hào)的質(zhì)量，能為接下來(lái)的研究工作帶來(lái)極大的幫助。

2、在以往的研究中往往采用傳統(tǒng)方式進(jìn)行噪聲去除，沒(méi)有針對(duì)心電信號(hào)特點(diǎn)進(jìn)行深入研究，設(shè)計(jì)對(duì)應(yīng)的模型用于去噪；首先在噪聲方面，心電信號(hào)在采集過(guò)程中患者往往會(huì)有翻身，肢體運(yùn)動(dòng)等局部劇烈的干擾，對(duì)信號(hào)破壞嚴(yán)重；其次在特征提取方面，不同頻帶的信號(hào)受干擾不同，在低頻段會(huì)受基線漂移干擾，高頻段主要是肌電和工頻干擾，這些干擾表現(xiàn)形式不同，去除方式也不同，而現(xiàn)有方法沒(méi)有針對(duì)這一特點(diǎn)進(jìn)行分開(kāi)提取和保留重要特征；最后在信號(hào)方面，真實(shí)信號(hào)往往十分微弱導(dǎo)致難以識(shí)別。

3、針對(duì)上述問(wèn)題本發(fā)明提出了一種基于不對(duì)稱(chēng)卷積擴(kuò)散網(wǎng)絡(luò)的心電信號(hào)去噪方法、系統(tǒng)，且設(shè)計(jì)了一種不對(duì)稱(chēng)卷積網(wǎng)絡(luò)asy_unet。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種基于不對(duì)稱(chēng)卷積擴(kuò)散網(wǎng)絡(luò)的心電信號(hào)去噪方法、系統(tǒng)，以用于提高心電信號(hào)去噪的能力。

2、本發(fā)明的技術(shù)方案是：第一方面，本發(fā)明提供一種基于不對(duì)稱(chēng)卷積擴(kuò)散網(wǎng)絡(luò)的心電信號(hào)去噪方法，所述方法的具體步驟如下：

3、step1、ecg信號(hào)預(yù)處理，包括標(biāo)準(zhǔn)化和格式轉(zhuǎn)換；

4、step2、將預(yù)處理后的ecg信號(hào)中逐步添加不同級(jí)別的隨機(jī)高斯白噪聲，直到原始信號(hào)被噪聲覆蓋；

5、step3、反向傳播，以原始信號(hào)為目標(biāo)函數(shù)，模型對(duì)含噪聲ecg信號(hào)和對(duì)應(yīng)的干凈信號(hào)進(jìn)行訓(xùn)練；在這個(gè)過(guò)程中，提取心電信號(hào)的特征，根據(jù)提取的特征重建心電信號(hào)，最后再生成去噪后的心電信號(hào)。

6、作為本發(fā)明的進(jìn)一步方案，所述step2中的過(guò)程是一個(gè)擴(kuò)散過(guò)程，擴(kuò)散過(guò)程是通過(guò)逐步增加噪聲到數(shù)據(jù)中來(lái)模擬數(shù)據(jù)的退化過(guò)程，這一過(guò)程被描述為一系列離散的步驟，每一步都增加了一定量的噪聲，直到數(shù)據(jù)幾乎完全成為噪聲；假設(shè)有一個(gè)初始數(shù)據(jù)為x0，這個(gè)數(shù)據(jù)在擴(kuò)散過(guò)程的開(kāi)始是清晰的，在每一步t中，向數(shù)據(jù)xt-1添加噪聲，以創(chuàng)建新的數(shù)據(jù)xt，表示為：

7、

8、其中，∈是從標(biāo)準(zhǔn)正態(tài)分布中采樣的隨機(jī)噪聲，xt-1是前一步的數(shù)據(jù)狀態(tài)，αt是預(yù)定義的噪聲級(jí)別系數(shù)，它決定了在每一步中添加多少噪聲，αt被選擇以確保噪聲的逐漸增加，最終使得xt即最后一步的數(shù)據(jù)接近于純?cè)肼?；整個(gè)擴(kuò)散過(guò)程包含多個(gè)時(shí)間步驟，在初始步驟中，噪聲的添加相對(duì)少，但隨著步驟的進(jìn)行，噪聲逐漸增加。

9、作為本發(fā)明的進(jìn)一步方案，所述step3中，反向傳播開(kāi)始于step2得到的噪聲數(shù)據(jù)xt，這是正向擴(kuò)散過(guò)程的結(jié)果；在每個(gè)時(shí)間步驟t，模型的目標(biāo)是預(yù)測(cè)加入到xt的噪聲∈t，并使用這個(gè)預(yù)測(cè)來(lái)重構(gòu)xt-1，通過(guò)以下步驟實(shí)現(xiàn)：

10、噪聲預(yù)測(cè)：使用一個(gè)神經(jīng)網(wǎng)絡(luò)fθ(xt,t)來(lái)預(yù)測(cè)噪聲∈t，這個(gè)網(wǎng)絡(luò)在當(dāng)前步驟中加入到數(shù)據(jù)中的噪聲，表示為：∈t＝fθ(xt,t)；

11、數(shù)據(jù)重構(gòu)：使用預(yù)測(cè)的噪聲來(lái)重構(gòu)前一步的數(shù)據(jù)xt-1，σt是預(yù)定義的噪聲級(jí)別系；

12、

13、這個(gè)迭代過(guò)程從t＝t迭代到t＝0，在每一步中，模型使用預(yù)測(cè)的噪聲來(lái)去除當(dāng)前數(shù)據(jù)中的噪聲，并逐步重構(gòu)出更清晰的數(shù)據(jù)狀態(tài)，經(jīng)過(guò)多個(gè)步驟的迭代后，模型最終重構(gòu)出接近原始數(shù)據(jù)x0的清晰數(shù)據(jù)。

14、作為本發(fā)明的進(jìn)一步方案，所述step3中包括：

15、(1)、對(duì)心電信號(hào)使用一維卷積層在時(shí)間軸上滑動(dòng)卷積核，來(lái)捕捉心電信號(hào)的局部特征；

16、(2)、采用了不對(duì)稱(chēng)的卷積網(wǎng)絡(luò)架構(gòu)，跳躍連接將編碼器中的特征圖與解碼器中的特征圖結(jié)合起來(lái)；不對(duì)稱(chēng)結(jié)構(gòu)通過(guò)選擇性地融合特征來(lái)優(yōu)化這一過(guò)程；

17、(3)、使用上采樣代替轉(zhuǎn)置卷積以減少噪聲引入，上采樣通過(guò)對(duì)重復(fù)信號(hào)放大來(lái)維持去噪過(guò)程中原始信號(hào)的真實(shí)性；

18、(4)、在跳躍連接后增加濾波器，有助于恢復(fù)信號(hào)的原始形態(tài)和特征，來(lái)提高解碼器重建信號(hào)的質(zhì)量。

19、作為本發(fā)明的進(jìn)一步方案，所述(2)中包括：根據(jù)心電信號(hào)的特性和去噪需求，調(diào)整網(wǎng)絡(luò)的卷積核大小、濾波器形狀、通道數(shù)分配以及上采樣步長(zhǎng)；

20、在編碼器中，逐漸增加通道數(shù)用于捕獲深層次的特征，在解碼器中，逐漸減少的通道數(shù)用于合并特征并減少噪聲；不對(duì)稱(chēng)的卷積網(wǎng)絡(luò)架構(gòu)通過(guò)選擇性地融合編碼器和解碼器的特征來(lái)優(yōu)化特征融合過(guò)程，以及通過(guò)調(diào)整上采樣步長(zhǎng)來(lái)優(yōu)化信號(hào)的空間分辨率；

21、通過(guò)在不同層次上調(diào)整特征通道數(shù)，不對(duì)稱(chēng)的卷積網(wǎng)絡(luò)架構(gòu)能同時(shí)學(xué)習(xí)到多尺度的特征；在不對(duì)稱(chēng)的卷積網(wǎng)絡(luò)架構(gòu)的每個(gè)階段使用不同的通道數(shù)，引入深度監(jiān)督機(jī)制；這表明網(wǎng)絡(luò)的每個(gè)層次都能被訓(xùn)練，用來(lái)最小化不對(duì)稱(chēng)的卷積網(wǎng)絡(luò)架構(gòu)對(duì)應(yīng)層次的損失，從而提高整體的去噪性能。

22、作為本發(fā)明的進(jìn)一步方案，所述(3)中包括：

23、具體的采用最近鄰插值代替置換卷積，將原始中最近的特征值復(fù)制到新的地方，最近鄰插值提供了一種更直接的方法來(lái)恢復(fù)特征的尺寸，使特征與原始輸入匹配；上采樣通過(guò)卷積操作來(lái)完成，其中卷積核的權(quán)重被設(shè)置為插值模式，這種方法允許網(wǎng)絡(luò)在訓(xùn)練過(guò)程中學(xué)習(xí)最佳的插值權(quán)重。

24、作為本發(fā)明的進(jìn)一步方案，所述(4)中包括：訓(xùn)練過(guò)程中，濾波器的參數(shù)根據(jù)損失函數(shù)進(jìn)行調(diào)整，來(lái)縮小重建信號(hào)與原始信號(hào)之間的差異。

25、另一方面，本發(fā)明提供一種基于不對(duì)稱(chēng)卷積擴(kuò)散網(wǎng)絡(luò)的心電信號(hào)去噪系統(tǒng)，包括用于執(zhí)行上述第一方面所述方法的模塊。

26、本發(fā)明的有益效果是：本發(fā)明提高了心電信號(hào)去噪的能力，本發(fā)明所述方法對(duì)應(yīng)的模型中的每個(gè)卷積層使用一維卷積代替二維卷積，更適合處理一維心電數(shù)據(jù)；不同層次對(duì)應(yīng)不同通道數(shù)來(lái)去除不同頻帶噪聲；此外，模型在連接部分使用了濾波器，以?xún)?yōu)化信號(hào)處理；上采樣過(guò)程也經(jīng)過(guò)特別設(shè)計(jì)，以確保信號(hào)重建的精確性；

27、本發(fā)明針對(duì)心電信號(hào)在不同頻帶受到的干擾不同，提出的不對(duì)稱(chēng)卷積網(wǎng)絡(luò)，能夠去除特定的噪聲，避免了重構(gòu)過(guò)程產(chǎn)生誤差，實(shí)現(xiàn)了高效的心電信號(hào)去噪。

技術(shù)特征：

1.一種基于不對(duì)稱(chēng)卷積擴(kuò)散網(wǎng)絡(luò)的心電信號(hào)去噪方法，其特征在于：所述方法的具體步驟如下：

2.根據(jù)權(quán)利要求1所述的基于不對(duì)稱(chēng)卷積擴(kuò)散網(wǎng)絡(luò)的心電信號(hào)去噪方法，其特征在于：所述step2中的過(guò)程是一個(gè)擴(kuò)散過(guò)程，擴(kuò)散過(guò)程是通過(guò)逐步增加噪聲到數(shù)據(jù)中來(lái)模擬數(shù)據(jù)的退化過(guò)程，這一過(guò)程被描述為一系列離散的步驟，每一步都增加了一定量的噪聲，直到數(shù)據(jù)幾乎完全成為噪聲；假設(shè)有一個(gè)初始數(shù)據(jù)為x0，這個(gè)數(shù)據(jù)在擴(kuò)散過(guò)程的開(kāi)始是清晰的，在每一步t中，向數(shù)據(jù)xt-1添加噪聲，以創(chuàng)建新的數(shù)據(jù)xt，表示為：

3.根據(jù)權(quán)利要求1所述的基于不對(duì)稱(chēng)卷積擴(kuò)散網(wǎng)絡(luò)的心電信號(hào)去噪方法，其特征在于：所述step3中，反向傳播開(kāi)始于step2得到的噪聲數(shù)據(jù)xt，這是正向擴(kuò)散過(guò)程的結(jié)果；在每個(gè)時(shí)間步驟t，模型的目標(biāo)是預(yù)測(cè)加入到xt的噪聲∈t，并使用這個(gè)預(yù)測(cè)來(lái)重構(gòu)xt-1，通過(guò)以下步驟實(shí)現(xiàn)：

4.根據(jù)權(quán)利要求1所述的基于不對(duì)稱(chēng)卷積擴(kuò)散網(wǎng)絡(luò)的心電信號(hào)去噪方法，其特征在于：所述step3中包括：

5.根據(jù)權(quán)利要求4所述的基于不對(duì)稱(chēng)卷積擴(kuò)散網(wǎng)絡(luò)的心電信號(hào)去噪方法，其特征在于：所述(2)中包括：根據(jù)心電信號(hào)的特性和去噪需求，調(diào)整網(wǎng)絡(luò)的卷積核大小、濾波器形狀、通道數(shù)分配以及上采樣步長(zhǎng)；

6.根據(jù)權(quán)利要求4所述的基于不對(duì)稱(chēng)卷積擴(kuò)散網(wǎng)絡(luò)的心電信號(hào)去噪方法，其特征在于：所述(3)中包括：

7.根據(jù)權(quán)利要求4所述的基于不對(duì)稱(chēng)卷積擴(kuò)散網(wǎng)絡(luò)的心電信號(hào)去噪方法，其特征在于：所述(4)中包括：訓(xùn)練過(guò)程中，濾波器的參數(shù)根據(jù)損失函數(shù)進(jìn)行調(diào)整，來(lái)縮小重建信號(hào)與原始信號(hào)之間的差異。

8.一種基于不對(duì)稱(chēng)卷積擴(kuò)散網(wǎng)絡(luò)的心電信號(hào)去噪系統(tǒng)，其特征在于，包括用于執(zhí)行權(quán)利要求1-7任一項(xiàng)所述方法的模塊。

技術(shù)總結(jié)
本發(fā)明涉及一種基于不對(duì)稱(chēng)卷積擴(kuò)散網(wǎng)絡(luò)的心電信號(hào)去噪方法、系統(tǒng)，屬于心電信號(hào)去噪技術(shù)領(lǐng)域。首先，使用一維卷積層的局部感受野來(lái)適應(yīng)特點(diǎn)類(lèi)型的數(shù)據(jù)；其次，采用了不對(duì)稱(chēng)的卷積網(wǎng)絡(luò)架構(gòu)，跳躍連接將編碼器中的特征圖與解碼器中的特征圖結(jié)合起來(lái)。使用簡(jiǎn)單的上采樣代替轉(zhuǎn)置卷積以減少噪聲引入，上采樣通過(guò)對(duì)重復(fù)信號(hào)放大來(lái)維持去噪過(guò)程中原始信號(hào)的真實(shí)性。最后，在跳躍連接后增加濾波器，有助于恢復(fù)信號(hào)的原始形態(tài)和特征，來(lái)提高解碼器重建信號(hào)的質(zhì)量。本發(fā)明針對(duì)心電信號(hào)在不同頻帶受到的干擾不同，提出的不對(duì)稱(chēng)卷積網(wǎng)絡(luò)，能夠去除特定的噪聲，避免了重構(gòu)過(guò)程產(chǎn)生誤差，實(shí)現(xiàn)了高效的心電信號(hào)去噪。

技術(shù)研發(fā)人員：王愛(ài)坤,賀建峰,熊馨
受保護(hù)的技術(shù)使用者：昆明理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15