基于自适应MODWT和CNN-BiLSTM-CA的毫米波心电图重构系统及方法

本发明公开了一种基于自适应MODWT和CNN‑BiLSTM‑CA的毫米波心电图重构系统及方法，通过采集目标胸腔区域的微小相位位移信号，结合多尺度平稳小波分解算法对原始信号进行多频段分解和关键分量自适应筛选，并引入通道注意力机制增强关键信息表示，将重构信号输入结合卷积神经网络与双向长短时记忆网络的深度学习模型中，完成时序建模和非线性映射，输出与标准心电图高度一致的重建波形。本方法显著提升了在复杂干扰条件下的信号还原能力，能够在不依赖导联电极的条件下实现高精度、隐私友好的远程生理信号监测，本方法在波形还原精度、信号时序一致性、模型泛化能力等方面均优于传统基线模型，适用于智能医疗等多种应用场景。