DeepFilter: مرشح لإزالة الت wondering القاعدية للكهرباء القلبية باستخدام تقنيات التعلم العميق 请注意，“wander”在ECG上下文中通常指的是基线漂移，更准确的翻译应该是： DeepFilter: مرشح لإزالة التشتت القاعدي للكهرباء القلبية باستخدام تقنيات التعلم العميق

وفقاً لمنظمة الصحة العالمية، ترتبط حوالي 36% من الوفيات السنوية بأمراض القلب والأوعية الدموية، و90% من النوبات القلبية قابلة للوقاية. تتيح تحليل إشارات الكهروضوئي القلبي في التخطيط الكهربائي القلبي المتنقل، أثناء اختبار الإجهاد الرياضي، وفي حالات الراحة تشخيص أمراض القلب والأوعية الدموية. ومع ذلك، خلال عملية التقاط الإشارات، هناك مجموعة متنوعة من الضوضاء التي قد تضر بجودة الإشارة وبالتالي تقوض إمكاناتها التشخيصية. يعتبر انحراف الخط الأساسي أحد أكثر أنواع الضوضاء غير المرغوب فيها. في هذا البحث، نقترح خوارزمية جديدة لتصفية ضوضاء انحراف الخط الأساسي (BLW) باستخدام تقنيات التعلم العميق. تم التحقق من أداء النموذج باستخدام قاعدة بيانات QT وقاعدة بيانات اختبار الضوضاء للإجهاد MIT-BIH من موقع Physionet. بالإضافة إلى ذلك، تم إجراء عدة تجارب مقارنة مع أفضل الأساليب الحالية باستخدام إجراءات التصفية التقليدية وكذلك تقنيات التعلم العميق. ينتج عن الأسلوب المقترح أفضل النتائج في أربع مقاييس للتشابه: مجموع المسافة المربعة (4.29 (6.35) وحدة)، الحد الأقصى للقيمة المطلقة المربعة (0.34 (0.25) وحدة)، نسبة المسافة الجذرية (45.35 (29.69) وحدة)، ومقياس التشابه الجيب تمام الزاوية (91.46 (8.61) وحدة). يتم توفير كود المصدر لهذا العمل، الذي يحتوي على طريقة المقترحة والتنفيذيات ذات الصلة، بشكل مجاني على موقع Github.