心电图心律失常分类的系统综述：标准依从性、公平评估与嵌入式可行性
计算机视觉与模式识别
2025-03-11 v1 机器学习
摘要
心电图（ECG）信号分类对于心律失常和其他心脏疾病的早期检测至关重要。然而，尽管机器学习取得了进展，许多研究未能遵循标准化协议，导致性能评估和现实适用性存在不一致性。此外，对于实际部署至关重要的硬件约束（如起搏器、动态心电图监护仪和可穿戴ECG贴片）往往被忽视。由于现实世界的影响取决于在资源受限设备上的可行性，确保高效部署对于持续监测至关重要。本综述系统分析了2017年至2024年间发表的ECG分类研究，重点关注那些符合E3C（嵌入式、临床和比较标准）的研究，其中包括患者间范式实现、符合医疗器械促进协会（AAMI）建议以及模型在嵌入式系统上的可行性。虽然许多研究报告了高准确率，但很少有研究妥善考虑患者独立划分和硬件限制。我们确定了符合E3C标准的最先进方法，并对准确率、推理时间、能耗和内存使用进行了比较分析。最后，我们提出了标准化报告实践，以确保ECG分类模型的公平比较和实际适用性。通过解决这些差距，本研究旨在指导未来研究向更稳健和临床可行的ECG分类系统发展。
引用
@article{arxiv.2503.07276,
title = {A Systematic Review of ECG Arrhythmia Classification: Adherence to Standards, Fair Evaluation, and Embedded Feasibility},
author = {Guilherme Silva and Pedro Silva and Gladston Moreira and Vander Freitas and Jadson Gertrudes and Eduardo Luz},
journal= {arXiv preprint arXiv:2503.07276},
year = {2025}
}