发表机构
Gdansk University of Technology; University of Alicante（格但斯克工业大学; 阿利坎特大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本文提出基于神经网络分析心电图信号以估计呼吸频率的方法，利用呼吸性窦性心律不齐现象，开发三种自动提取特征的架构，实现非侵入性呼吸监测。
AI 中文摘要
本文介绍了一种基于神经网络的方法，用于分析心电图信号，通过利用呼吸性窦性心律不齐（RSA）现象来估计呼吸频率。我们的方法采用深度学习模型，直接根据心电图输入数据预测呼吸波形。为实现这一目标，我们开发并评估了三种不同的神经网络架构，这些架构能够自动从心电图信号中提取相关特征，无需手动预处理。所提出的方法为非侵入性呼吸监测提供了一种稳健且可扩展的解决方案，在医疗保健和可穿戴技术领域具有潜在应用价值。
英文摘要
The paper introduces a neural network-based approach for analyzing ECG signals to estimate respiratory rate by leveraging the phe- nomenon of Respiratory Sinus Arrhythmia (RSA). Our method employs a deep learning model trained to predict respiratory waveforms directly from ECG input data. To achieve this, we developed and evaluated three different neural network architectures capable of automatically extract- ing relevant features from ECG signals without the need for manual preprocessing. The proposed approach offers a robust and scalable solu- tion for non-invasive respiratory monitoring, with potential applications in healthcare and wearable technology
