MECG-E: Mamba-based ECG Enhancer for Baseline Wander Removal

要約

心電図 (ECG) は、心血管疾患を診断するための重要な非侵襲的方法です。
ただし、ECG 信号は電気的干渉や信号のワンダリングなどのノイズ汚染の影響を受けやすく、診断精度が低下します。
さまざまな ECG ノイズ除去方法が提案されていますが、既存の方法のほとんどは、非常にノイズの多い条件下では最適なパフォーマンスが得られなかったり、推論中に複数のステップが必要になったりして、オンライン処理中に遅延が発生します。
この論文では、高速推論と優れた非線形マッピング機能で知られる Mamba アーキテクチャを活用した、新しい ECG ノイズ除去モデル、つまり Mamba ベース ECG Enhancer (MECG-E) を提案します。
実験結果は、MECG-E が、さまざまなノイズ条件下で複数のメトリックにわたって、いくつかのよく知られた既存のモデルを上回ることを示しています。
さらに、MECG-E は最先端の拡散ベースの ECG デノイザーよりも必要な推論時間が短く、モデルの機能性と効率性が実証されています。

要約(オリジナル)

Electrocardiogram (ECG) is an important non-invasive method for diagnosing cardiovascular disease. However, ECG signals are susceptible to noise contamination, such as electrical interference or signal wandering, which reduces diagnostic accuracy. Various ECG denoising methods have been proposed, but most existing methods yield suboptimal performance under very noisy conditions or require several steps during inference, leading to latency during online processing. In this paper, we propose a novel ECG denoising model, namely Mamba-based ECG Enhancer (MECG-E), which leverages the Mamba architecture known for its fast inference and outstanding nonlinear mapping capabilities. Experimental results indicate that MECG-E surpasses several well-known existing models across multiple metrics under different noise conditions. Additionally, MECG-E requires less inference time than state-of-the-art diffusion-based ECG denoisers, demonstrating the model’s functionality and efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google