前沿技术借鉴研讨-2025.10.21（数据缺失填补/提取信号/分类）
Filling of Fetal Heart Rate Signal: Diffusion Model Based on Dimension Construction and Period Segmentation (IEEE TRANSACTIONS ON CONSUMER ELECTRONICS 2024) (二区)
【核心目标】
本文解决了胎儿心率信号中的缺失数据填补问题，并提出一种更准确的填充算法DMDI-FHR。
双维样本构建（DDSC）
动态时间规整找到与当前信号差异最大的一个信号，构建双维样本，增强模型鲁棒性。
多周期分解（MPD）
捕捉信号内隐含周期，通过相对熵最大化不同段的差异性，将信号分解成多个周期段。
TCGAN: Temporal Convolutional Generative Adversarial Network for Fetal ECG Extraction Using Single-Channel Abdominal ECG (IEEE JOURNAL OF BIOMEDICAL AND HEALTH INFORMATICS 2025) (二区)
【核心目标】
提出了一种基于时序卷积生成对抗网络的新方法，用于从单通道母体腹部心电信号中提取胎儿心电信号。
TC Block 是整个网络的基础模块，它使用膨胀因果卷积来替代传统的RNN/LSTM，处理时序信号。
因果卷积：确保在时刻 t 的输出只依赖于 t 时刻及之前的输入，防止未来信息泄漏，符合信号处理的因果律。
膨胀卷积：通过引入膨胀因子，在不增加参数和计算量的情况下，指数级地扩大感受野，从而捕获长程依赖关系。
Fetal Heart Sounds Classification Using Time-Cyclic Frequency Spectrogram and Hybrid Attention Network (BIBM 2024) (B会)
【核心目标】
使用胎心音（FHS）进行胎儿健康状态分类。
【创新点】
- 提出一种新的声学特征：时间-循环频率谱图（Time-Cyclic Frequency Spectrogram, TCFS），以更好地捕捉胎心率的周期性变化。
- 设计一种混合注意力网络（Hybrid Attention Network, HAN），结合局部和全局注意力机制，提升模型对关键特征的关注能力。