DeepFilter: an ECG baseline wander removal filter using deep learning techniques
动机
心电信号包含各种噪声干扰,其中一种噪声就是基线漂移Baseline wandering (BLW), 目前绝大多数都是采用传统的方法进行去噪。这篇文章提出了一个卷积模型用来去除心电信号中的BLW噪声。
方法
首先介绍模型的基本模块MKLANL
MKLANL模块
Multi Kernel Linear And Non-Linear Filter Module(MKLANL)模块的示意图如下:
可以看到MKLNANL就是把输入经过不同尺度,不同激活方式的的卷积核,然后再把输出进行聚合。其中尺度大小分别为3,5,9,15, 越大的尺度更容易用来分析低频信号。激活方式有线性激活和非线性激活共两种方式。
DeepFilter模型
可以看到DeepFilter实际上就是把MKLANL模块进行级联,
损失函数
损失函数为MSE和MAE的加权和,MAE主要关注逐点的预测结果(对异常值不敏感),而MSE更加关注全局的预测结果(对异常值更加敏感),
实验数据的准备
那么如何来构造训练模型所用的数据集呢?这篇文章基于两个数据集来构造实验数据:QT database和NSTDB。
其中QT database为标准的心电信号数据集, NSTDB为噪声数据集,原始的QT database中干净的segments作为模型输出y, 那么输入为受污染的信号:segments与NSTDB中的噪声进行叠加。
下图展示了噪声输入segments的构造过程:
总结
这块没有i相关的类似研究,所以方式上感觉比较新。