3导联到12导联心电图重建：一种基于人工智能的时空新方法
信号处理
2023-08-15 v1
摘要
心血管疾病的诊断通常依赖于广泛使用的标准12导联（S12）心电图系统。然而，此类系统可能体积庞大、资源消耗过高且过于专业化，难以用于个性化家庭监测。相比之下，临床医生通常未接受过替代方案即精简导联（RL）系统的训练。这需要将 RL 映射到 S12。在此背景下，为改进传统线性变换（LT）技术，已有人提出捕获非线性时间依赖关系的人工智能（AI）方法，如长短期记忆（LSTM）网络。然而，LSTM 不能充分地进行空间（三维）插值。为填补这一空白，我们提出了一种结合 LSTM 与 UNet 的模型，其同时处理问题的空间方面，并展示了性能提升。在 PhysioNet PTBDB 数据库上评估，我们的 LSTM-UNet 取得了 94.37% 的平均 R^2 值，超越 LSTM 0.79%、超越 LT 2.73%。类似地，在 PhysioNet INCARTDB 数据库上，LSTM-UNet 取得了 93.91% 的平均 R^2 值，优于 LSTM 1.78%、优于 LT 12.17%。
引用
@article{arxiv.2308.06521,
title = {3-Lead to 12-Lead ECG Reconstruction: A Novel AI-based Spatio-Temporal Method},
author = {Rahul LR and Albert Shaiju and Soumya Jana},
journal= {arXiv preprint arXiv:2308.06521},
year = {2023}
}
备注
6 pages, 4 figures, 2 Tables