文献类型：期刊文章

作　　者：陈健[1] 刘明[1] 熊鹏[1] 孟宪辉[1] 杨林[1]

CHEN Jian;LIU Ming;XIONG Peng;MENG Xianhui;YANG Lin(Key Laboratory of Digital Medical Engineering of Hebei Province,College of Electronic Information Engineering,Hebei University,Baoding,Hebei 071002,China)

机构地区：[1]河北大学电子信息工程学院,河北省数字医疗工程重点实验室,河北保定071002

出　　处：《计算机工程与应用》

基　　金：国家重点研发计划(No.2017YFB1401200);国家自然科学基金(No.61673158,No.61703133);河北省自然科学基金(No.F2017201222,No.F2018201070);河北省百名优秀创新人才支持计划(No.SLRC2017022);“三三三人才工程”人才培养项目(No.A2016002012);河北省研究生创新项目(No.CXZZSS2019006)。

年　　份：2020

卷　　号：56

期　　号：16

起止页码：148-155

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：心电信号由于在采集过程中会受到外界环境的干扰导致其形态特征被严重淹没,从而对医生的诊断和远程智能分析造成干扰。基于此,提出了一种基于卷积自编码神经网络的心电信号降噪算法。该方法利用自编码器的编码、解码特性,通过卷积的方法构建深层神经网络来学习从含噪心电信号到干净心电信号的端对端映射。卷积层捕获心电信号的细节特征,同时消除噪声;解码部分能够对特征图进行上采样并恢复心电信号细节,从而得到干净的心电信号。实验中采用信噪比和均方根误差为指标,将该方法与小波阈值法、S变换法、BP神经网络法和指导滤波法进行比较。实验结果表明,该降噪方法整体降噪精度更优,同时信号的低频成分也得到了很好的保持。该方法可做到在消除心电信号中复杂噪声的同时完整保留心电信号的形态,为心血管疾病的智能诊断和心电图的特征检测奠定了基础。

关 键 词：心电信号 降噪 自编码器  卷积神经网络  

分 类 号：TN911.7] TP391]