准周期心血管信号语义分割的因果干预方案
信号处理
2022-09-20 v1 机器学习
应用统计
摘要
精确分割是分析心动周期语义信息并捕获心血管信号异常的重要第一步。然而，在深度语义分割领域，推断常单方面受数据个体属性的混淆。对于心血管信号，准周期性是需学习的基本特性，被视为形态属性（Am）与节律属性（Ar）的综合。我们的核心见解是在深度表征的生成过程中抑制对Am或Ar的过度依赖。为解决此问题，我们建立结构因果模型作为基础，分别定制针对Am和Ar的干预方法。本文提出对比因果干预（CCI），在帧级对比框架下形成新颖训练范式。该干预可消除单一属性带来的隐式统计偏差，从而得到更客观的表征。我们在受控条件下针对QRS定位和心音分割进行了全面实验。最终结果表示，我们的方法可使QRS定位性能提升达0.41%，心音分割提升达2.73%。所提方法的效率可泛化至多个数据库和含噪信号。
引用
@article{arxiv.2209.09018,
title = {A Causal Intervention Scheme for Semantic Segmentation of Quasi-periodic Cardiovascular Signals},
author = {Xingyao Wang and Yuwen Li and Hongxiang Gao and Xianghong Cheng and Jianqing Li and Chengyu Liu},
journal= {arXiv preprint arXiv:2209.09018},
year = {2022}
}
备注
submitted to IEEE Journal of Biomedical and Health Informatics (J-BHI)