近日，我院许金山副教授团队的一项研究成果“DIFF-FECG: A Conditional Diffusion-Based Method for Fetal ECG Extraction from Abdominal ECG”被人工智能领域新晋Trans期刊《IEEE Transactions on Artificial Intelligence》录用。论文第一作者为陈镇钦博士后，通讯作者为许金山副教授，共同作者为林怡炜博士生和浙江大学医学院附属妇产科医院的罗琼主任。
论文聚焦于非侵入式胎儿心电（FECG）信号提取中的关键难题——如何从腹部心电（AECG）中有效分离FECG信号。该任务面临信号叠加复杂、母体干扰强、噪声分布非高斯等挑战。为此，研究团队提出了一种基于条件扩散模型的新方法DIFF-FECG，通过引入观测噪声建模、条件驱动的扩散采样机制以及多轮信号反演重构策略，实现了对FECG信号的高质量恢复。与以往方法不同，DIFF-FECG不直接进行端到端映射，而是构建了一个条件生成过程：在建模信号先验分布的基础上，通过逐步去噪重构出清晰的FECG波形。同时，该方法在扩散过程中引入非高斯性建模机制，能够更真实地反映母体干扰信号的变化规律，从而提升了对多源噪声环境的适应能力。该研究展示了扩散模型在医学信号处理中的潜力，开拓了生成式模型在生命健康领域的应用场景。
论文题目：DIFF-FECG: A Conditional Diffusion-Based Method for Fetal ECG Extraction from Abdominal ECG (Digital Object Identifier or DOI: 10.1109/TAI.2025.3578007).
作者：Zhenqin Chen, Yiwei Lin, Qiong Luo*, Jinshan Xu*
