[论文评析]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。