一种基于 manipulated 时空逆检测的简易自监督 ECG 表示学习方法
机器学习
2022-09-22 v2 信号处理
摘要
从心电图（ECG）信号中学习表示可作为不同基于机器学习的 ECG 任务的基础步骤。为提取可适配各类下游任务的通用 ECG 表示，学习过程需基于可通过自监督学习（SSL）实现的通用 ECG 相关任务。然而，现有 SSL 方法或无法提供令人满意的 ECG 表示，或需耗费过多精力构建学习数据。本文中，我们提出 T-S 逆检测，一种简单而有效的自监督方法来学习 ECG 表示。受 ECG 信号时空特性启发，我们将原始信号水平翻转（时间逆）、垂直翻转（空间逆）以及同时水平垂直翻转（时空逆）。随后通过学习分类含原始信号在内的四类信号完成训练。为验证所提方法有效性，我们执行检测心房颤动（AF）的下游任务，其为最常见 ECG 任务之一。结果表明，以本方法学习的 ECG 表示取得了卓越性能。进一步，在探索表示特征空间并考察显著 ECG 位置后，我们得出结论：时间逆比空间逆对学习 ECG 表示更有效。
引用
@article{arxiv.2202.12458,
title = {A Simple Self-Supervised ECG Representation Learning Method via Manipulated Temporal-Spatial Reverse Detection},
author = {Wenrui Zhang and Shijia Geng and Shenda Hong},
journal= {arXiv preprint arXiv:2202.12458},
year = {2022}
}