基于深度学习的光电容积脉搏波重建心电信号的方法

本发明公开了一种基于深度学习的光电容积脉搏波重建心电信号的方法，旨在解决传统ECG采集方式复杂、电极佩戴不舒适及现有信号映射方法精度较低的问题。通过便携设备采集PPG信号并进行去噪与归一化处理，构建生成对抗网络，生成器将PPG信号映射为ECG信号，判别器评估生成信号的真实性。生成器损失函数结合均方误差和对抗损失，判别器损失函数优化信号的辨识度；引入时间域与频域的多尺度损失函数，提高生成信号在动态特性和频谱特性上的一致性，最后将生成的ECG信号传回便携式设备显示。本发明可在智能手环、手表等便携式设备上实现实时信号生成，生成的ECG信号具有高保真度，能准确还原PQRST波形，适用于心率、心律变异性分析及异常心律检测。