基于一维生成对抗网络的框架：利用恢复的腕部光电容积描记信号检测房颤
信号处理
2023-12-27 v3
摘要
房颤（AF）增加中风风险。心电图（ECG）用于房颤检测，而光电容积描记法（PPG）简单易用，适合长期监测。我们开发了一种新颖的方法，从智能手表腕部PPG信号检测房颤。据我们所知，这是首次使用一维CycleGAN重建一维腕部PPG信号的研究，因为腕部PPG信号由于运动伪影和采集部位限制而质量很差。我们提出的方法在包含21,278个10秒长腕部PPG片段的数据集上进行了验证。数据集被分成两半，进行了两个实验。一半用于训练，另一半用于测试，反之亦然。我们的分类模型（Self-AFNet）结合一维CycleGAN进行恢复，在两个分割上分别达到了96.41%和97.09%的准确率。与未恢复的PPG相比，恢复后的信号在准确率上有显著提高（测试分割分别为2.94%和5.08%）。还使用与匹配PPG信号的ECG信号进行了房颤检测任务，以评估使用重建的基于PPG的房颤分类的有效性。Self-AFNet在使用两个ECG分割时分别达到了98.07%和98.97%的准确率，与使用重建PPG片段进行房颤检测的性能相当。这项研究表明，从可穿戴设备获取的重建腕部PPG信号可用于可靠检测房颤，从而显著有助于降低中风风险。
引用
@article{arxiv.2312.09459,
title = {A Novel 1D Generative Adversarial Network-based Framework for Atrial Fibrillation Detection using Restored Wrist Photoplethysmography Signals},
author = {Faizul Rakib Sayem and Mosabber Uddin Ahmed and Saadia Binte Alam and Sakib Mahmud and Md. Mamun Sheikh and Abdulrahman Alqahtani and Md Ahasan Atick Faisal and Muhammad E. H. Chowdhury},
journal= {arXiv preprint arXiv:2312.09459},
year = {2023}
}