論文の概要: ECGDeDRDNet: A deep learning-based method for Electrocardiogram noise removal using a double recurrent dense network

• arxiv url: http://arxiv.org/abs/2505.05477v1
• Date: Wed, 23 Apr 2025 03:22:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-18 22:55:23.139808
• Title: ECGDeDRDNet: A deep learning-based method for Electrocardiogram noise removal using a double recurrent dense network
• Title（参考訳）: ECGDeDRDNet:ダブルリカレント高密度ネットワークを用いた心電図ノイズ除去法
• Authors: Sainan xiao, Wangdong Yang, Buwen Cao, Jintao Wu,
• Abstract要約: ECG信号は、ベースラインドウイング(BW)、筋肉アーチファクト(MA)、電極運動(EM)などのノイズによって頻繁に劣化する。 本稿では,Double Recurrent Dense Networkアーキテクチャを利用したディープラーニングベースのECG DenoisingフレームワークであるECGDeDRDNetを提案する。
• 参考スコア（独自算出の注目度）: 1.7799340858082906
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Electrocardiogram (ECG) signals are frequently corrupted by noise, such as baseline wander (BW), muscle artifacts (MA), and electrode motion (EM), which significantly degrade their diagnostic utility. To address this issue, we propose ECGDeDRDNet, a deep learning-based ECG Denoising framework leveraging a Double Recurrent Dense Network architecture. In contrast to traditional approaches, we introduce a double recurrent scheme to enhance information reuse from both ECG waveforms and the estimated clean image. For ECG waveform processing, our basic model employs LSTM layers cascaded with DenseNet blocks. The estimated clean ECG image, obtained by subtracting predicted noise components from the noisy input, is iteratively fed back into the model. This dual recurrent architecture enables comprehensive utilization of both temporal waveform features and spatial image details, leading to more effective noise suppression. Experimental results on the MIT-BIH dataset demonstrate that our method achieves superior performance compared to conventional image denoising methods in terms of PSNR and SSIM while also surpassing classical ECG denoising techniques in both SNR and RMSE.
• Abstract（参考訳）: 心電図(ECG)信号は、ベースラインドウイング(BW)、筋肉アーチファクト(MA)、電極運動(EM)などのノイズによってしばしば劣化する。 この問題に対処するために,Double Recurrent Dense Networkアーキテクチャを活用したディープラーニングベースのECG DenoisingフレームワークであるECGDeDRDNetを提案する。 従来の手法とは対照的に、ECG波形と推定されたクリーン画像の両方からの情報再利用を強化するための二重再帰方式を導入する。 ECG波形処理には,DenseNetブロックを付加したLSTM層を用いる。 ノイズ入力から予測された雑音成分を減算して得られたクリーン心電図画像は、反復的にモデルにフィードバックされる。 このデュアルリカレントアーキテクチャは、時間波形特徴と空間像の詳細の両方を包括的に利用し、より効果的なノイズ抑圧を実現する。 MIT-BIHデータセットを用いた実験結果から,PSNRおよびSSIMの従来の画像復号化手法に比べ,SNRおよびRMSEの従来のECG復号化手法を超越した性能が得られた。

関連論文リスト

• MSECG: Incorporating Mamba for Robust and Efficient ECG Super-Resolution [27.433941157026737]
  本稿では,ECG SR 用に設計されたコンパクトニューラルネットワークモデル MSECG を提案する。 MSECGは、再帰するMambaモデルの強度と畳み込み層を組み合わせることで、ECG波形の局所的および大域的依存関係をキャプチャする。 実験結果から,MSECGは2つの現代ECG SRモデルよりもクリーンでノイズの多い条件下で優れていた。
  論文  参考訳（メタデータ） (2024-12-06T08:53:31Z)
• MECG-E: Mamba-based ECG Enhancer for Baseline Wander Removal [23.040957989796155]
  我々は,マンバをベースとしたECGエンハンサー(MECG-E)という新しいECGデノベーションモデルを提案する。 MECG-Eは、様々なノイズ条件下で、複数のメトリクスにまたがる、よく知られた既存モデルを上回る。 最先端の拡散に基づくECGデノイザよりも推論時間が少ない。
  論文  参考訳（メタデータ） (2024-09-27T15:22:44Z)
• Bayesian ECG reconstruction using denoising diffusion generative models [11.603515105957461]
  健常心電図(ECG)データを用いて訓練したDDGM(denoising diffusion generative model)を提案する。 以上の結果から, この革新的な生成モデルにより, 現実的なECG信号を生成できることが示唆された。
  論文  参考訳（メタデータ） (2023-12-18T15:56:21Z)
• Denoising Simulated Low-Field MRI (70mT) using Denoising Autoencoders (DAE) and Cycle-Consistent Generative Adversarial Networks (Cycle-GAN) [68.8204255655161]
  高磁場, 高分解能, 高信号-雑音比 (SNR) 磁気共鳴イメージング (MRI) 画像を得るために, GAN (Cycle Consistent Generative Adversarial Network) が実装されている。 Denoising Autoencoder(DAE)とCycle-GANをペアとアンペアのケースで訓練するために画像が使用された。 この研究は、古典的DAEを上回り、低磁場MRI画像を改善することができ、画像ペアを必要としない生成的ディープラーニングモデルの使用を実証する。
  論文  参考訳（メタデータ） (2023-07-12T00:01:00Z)
• Multi-stage image denoising with the wavelet transform [125.2251438120701]
  深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、正確な構造情報を自動マイニングすることで、画像の復調に使用される。 動的畳み込みブロック(DCB)、2つのカスケードウェーブレット変換および拡張ブロック(WEB)、残留ブロック(RB)の3段階を経由した、MWDCNNによるCNNの多段階化を提案する。
  論文  参考訳（メタデータ） (2022-09-26T03:28:23Z)
• DeScoD-ECG: Deep Score-Based Diffusion Model for ECG Baseline Wander and Noise Removal [4.998493052085877]
  心電図(ECG)信号は、ベースラインダウトなど、一般的にノイズ干渉に悩まされる。 本稿では,新しいECGベースラインホアリングとノイズ除去技術を提案する。
  論文  参考訳（メタデータ） (2022-07-31T23:39:33Z)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)
• Dual Adversarial Network: Toward Real-world Noise Removal and Noise Generation [52.75909685172843]
  実世界の画像ノイズ除去は、コンピュータビジョンにおける長年の課題である。 本稿では,ノイズ除去およびノイズ発生タスクに対処する新しい統合フレームワークを提案する。 本手法はクリーンノイズ画像対の連成分布を学習する。
  論文  参考訳（メタデータ） (2020-07-12T09:16:06Z)
• ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
  ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。 実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-04T08:36:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。