基于人工智能的生成式心电数据增强方法研究综述

来源：计算机工程与应用杂志2025年第16期北京时间：

作者：韩闯, 付瑞雪, 周钰森, 阙文戈

单位：1.郑州轻工业大学 计算机科学与技术学院，郑州 450001；2.清华大学 自动化系，北京 100084

摘要：基于心电图的心血管疾病智能诊断依赖于高质量数据，但患者隐私保护、高质量心电数据稀缺及类别不平衡是其面临的主要挑战，心电数据增强被广泛用于解决这些问题。介绍了常用的数据库和质量评价指标；回顾了生成对抗网络、数学拟合模型、心脏电生理模型、变分自编码器和扩散模型五种生成式心电数据增强方法；对比分析了不同方法对应的评估指标与实验结果、数据库、生成心电图导联数和模型输入，以及不同模型的优缺点和应用场景，结果表明生成对抗网络是最常用的心电数据增强模型，改进的扩散模型正成为心电数据增强的研究热点，心脏电生理模型适合用于提升可解释性；展望了未来研究方向，包括生成ECG生理真实性与临床相关性的加强，模型稳定性与多样性的协同提升，轻量化与边缘计算的定向适配，可解释生成和临床决策的结合。

关键词：心电图,数据增强,生成对抗网络,心脏电生理模型,扩散模型