一种基于 YOLOv8 的新型实时心律失常检测模型
计算机视觉与模式识别
2024-01-09 v3 人工智能
摘要
在互联互通与移动性增强、心血管疾病激增的背景下，通过远程监测心血管健康以降低医疗支出的需求愈发迫切。准确检测与分类心律失常对诊断心脏异常个体至关重要。本研究证实了在家庭环境中使用心电图（ECG）测量进行实时心律失常检测的可行性。本文提出一种心律失常检测的新应用，利用前沿的 You-Only-Look-Once (YOLO)v8 算法对单导联 ECG 信号进行分类。我们引入一种在 MIT-BIH 心律失常数据集上微调的新型损失改进 YOLOv8 模型，可实现实时连续监测。所得结果验证了方法的有效性：模型在 NVIDIA Tesla V100 上达到 99.5% 平均准确率与 0.992 mAP@50，检测时间仅 0.002 秒。我们的研究展现了实时心律失常检测的潜力，使用户可在家中直观理解模型输出。此外，本研究为扩展为可部署于医疗领域的实时可解释 AI（XAI）模型奠定基础，从而显著推进医疗解决方案的发展。
引用
@article{arxiv.2305.16727,
title = {A Novel real-time arrhythmia detection model using YOLOv8},
author = {Guang Jun Nicholas Ang and Aritejh Kr Goil and Henryk Chan and Jieyi Jeric Lew and Xin Chun Lee and Raihan Bin Ahmad Mustaffa and Timotius Jason and Ze Ting Woon and Bingquan Shen},
journal= {arXiv preprint arXiv:2305.16727},
year = {2024}
}