基于MST-ECGNet深度学习模型的非接触ECG信号重构方法研究
郭天娇1
袁年曾1
安强1
吕昊1
王敬哲2
张志远2
龙语诺2
刘振华2
薛慧君1
1.空军军医大学军事生物医学工程学系,陕西西安 7100322.空军军医大学基础医学院,陕西西安 710032
摘要：目的 针对传统心电图(ECG)监测技术舒适性差、难以连续监测等问题,开展生物雷达与深度学习技术结合的非接触ECG信号精准重构研究.方法 采用94 GHz连续波生物雷达采集胸腔微动信号,通过变分模态分解算法从中分离出心脏机械运动信号;构建一种基于多尺度心脏特征提取网络和Transformer编解码架构的ECG重构模型(MST-ECGNet),采用双路特征提取架构,通过多尺度心跳特征提取网络捕获心脏机械运动信号的不同尺度局部特征,结合Transformer-Encoder捕获其全局时序特征,经特征融合后由Transformer-Decoder实现ECG波形重构.结果 所提方法重构的ECG信号与参考信号的皮尔森相关系数达0.956,表明重构的ECG信号与参考信号高度一致,与现有非接触式方法相比,所提方法在波形还原准确性上更具优势.结论 提出一种基于MST-ECGNet模型的非接触ECG信号重构方法,该模型兼顾多尺度局部特征与全局特征提取,实现了精准的ECG信号重构,为心血管疾病的诊断和监测提供了一种非接触、长期、动态的解决方案.
关键词：生物雷达非接触式神经网络多尺度特征编解码网络心电图心脏机械运动心血管疾病
分类号：R540.41(心脏、血管（循环系）疾病)TN911.7(通信)TP18(自动化基础理论)
资助基金：国家自然科学基金(62301568)空军军医大学科技发展基金(2024XB023)
论文发表日期：2025-10-31
在线出版日期：2026-08-26（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1353-1358,1363 )
英文信息