用于长时程心血管疾病检测的紧凑型 LSTM-SVM 融合模型

Siyang Wu

用于长时程心血管疾病检测的紧凑型 LSTM-SVM 融合模型

信号处理 2024-01-25 v2 人工智能机器学习

作者: Siyang Wu

摘要

在全球范围内，心血管疾病 (CVDs) 是导致死亡的主要原因，每年估计造成 1790 万人死亡。一个关键的临床目标是利用心电图 (ECG) 数据早期检测 CVDs，该领域一直受到研究界的广泛关注。基于机器学习和深度学习的最新进展在该领域取得了巨大进步。然而，现有方法存在固有的局限性，包括不恰当的模型评估和数据泄露的情况。在本研究中，我们提出了一种精简的工作流范式，将 ECG 信号预处理为一致的 10 秒时长，消除了手动特征提取/心拍检测的需要。我们还提出了一种长短期记忆网络 (LSTM) 与支持向量机 (SVM) 的混合模型用于欺诈检测。该架构由两个 LSTM 层和一个 SVM 分类器组成，在 MIT-BIH 心律失常数据集上实现了 0.9402 的平均精度分数，在 MIT-BIH 心房颤动数据集上实现了 0.9563 的 SOTA 结果。基于这些结果，我们相信我们的方法可以显著有益于 CVDs 的早期检测和管理。

关键词

心血管疾病心电图 LSTM SVM 融合模型早期检测

引用

@article{arxiv.2312.09442,
  title  = {A Compact LSTM-SVM Fusion Model for Long-Duration Cardiovascular Diseases Detection},
  author = {Siyang Wu},
  journal= {arXiv preprint arXiv:2312.09442},
  year   = {2024}
}

用于长时程心血管疾病检测的紧凑型 LSTM-SVM 融合模型

摘要

关键词

引用

相关论文