利用强化学习分析P波与PR间期相关的全局波形变异以推进ECG诊断
信号处理
2024-01-11 v1 计算工程、金融与科学
机器学习
摘要
通过心电图（ECG）分析可靠诊断心脏疾病，关键取决于准确检测P波和测量PR间期。然而，由于ECG信号中观察到的固有全局变异，在不同人群中实现一致且可推广的诊断面临挑战。本文聚焦于将Q学习强化算法应用于PhysioNet/Computing in Cardiology Challenge（CinC）中可用的各种ECG数据集。纳入了五种ECG心搏，包括正常窦性心律、心房扑动、心房颤动、一度房室传导阻滞和左心房扩大，以研究P波和PR间期在II导联和V1导联上的变异。Q-Agent对8,867名患者的71,672个心搏样本进行了分类，平均准确率为90.4%，误分类的平均汉明损失仅为9.6%。在第100个回合（包含约40,000个样本）时，平均分类时间为0.04秒。在alpha、gamma和SoftMax温度参数分别为0.001、0.9和0.1时，达到了344.05的平均训练奖励。
引用
@article{arxiv.2401.04938,
title = {Advancing ECG Diagnosis Using Reinforcement Learning on Global Waveform Variations Related to P Wave and PR Interval},
author = {Rumsha Fatima and Shahzad Younis and Faraz Shaikh and Hamna Imran and Haseeb Sultan and Shahzad Rasool and Mehak Rafiq},
journal= {arXiv preprint arXiv:2401.04938},
year = {2024}
}