Robust J-Peak Detection From Ballistocardiogram Using Diffusion-Based Model

Xinyu Yao

doi:10.1109/TIM.2026.3659645

Robust J-Peak Detection From Ballistocardiogram Using Diffusion-Based Model

2026-01-30

0

PRE

AI

DOI：10.1109/TIM.2026.3659645

原文链接

原文求助

摘要

En 中文

心血管疾病（CVDs）长期以来一直是全球健康领域最具挑战性的问题之一。由于具有非接触和非侵入性的特点，心冲击图（BCG）在多种应用中展现出巨大潜力，尤其是在心率变异性（HRV）监测方面。精确的J波峰检测是有效进行基于BCG分析的关键前提。然而，BCG信号质量受到多种因素的影响，包括传感器类型、测量姿势和个体差异等，这对可靠的J波峰检测构成了挑战。本文提出了一种基于扩散的J波峰检测方法，命名为J-Diff模型。为了捕捉潜在的数据分布并解决特征变化的模糊性，采用了一种称为条件检测器（conditional detector）的判别模型来生成初始分割结果。随后，这些结果通过基于条件扩散概率模型（CDDPM）的扩散细化器（diffusion refiner）进行优化，该细化器对跨不同噪声水平的数据分布进行建模，从而产生更精确且鲁棒的分割结果。具体而言，引入了条件交叉变换器（CCT）来整合条件检测器和扩散细化器的特征，从而减少领域差异并引导网络注意力集中于J波峰。实验评估在两个不同姿势和不同传感器类型采集的BCG数据集上进行，分别实现了平均精度为88.02%和97.32%、召回率为86.79%和97.10%、F1分数为0.874和0.972的结果。相关性分析显示，从BCG中提取的所有HRV指标与从心电图（ECG）中获得的指标之间呈现显著高度相关性。这些结果表明，所提出的J-Diff模型在提高BCG测量系统的可靠性和泛化能力方面具有显著效果。

Keyword:

Ballistocardiogram (BCG)

conditional cross transformer (CCT)

diffusion model

J-peak detection

Robust J-Peak Detection From Ballistocardiogram Using Diffusion-Based Model

摘要

期刊

机构

引用论文