基于 cGAN 的 ECG 纸质记录自动导联提取与数字化
计算机视觉与模式识别
2022-11-15 v1
摘要
目的：心电图（ECG）是用于检测任何心脏相关疾病的最简单且最快的生物医学检测。ECG 信号通常以纸质形式存储，这使得数据的存储与分析较为困难。从纸质 ECG 记录中采集导联时，也会捕获大量背景信息，从而导致数据解读错误。方法：我们提出一种基于深度学习的模型，用于从使用相机拍摄的 12 导联 ECG 图像中 individually 提取全部 12 个导联。为简化 ECG 分析与复杂参数计算，我们还提出一种将纸质 ECG 格式转换为可存储数字格式的方法。已使用 You Only Look Once, Version 3（YOLOv3）算法提取图像中存在的导联。这些导联随后被传入另一深度学习模型，该模型从单导联图像中分离 ECG 信号与背景。之后，对 ECG 信号执行垂直扫描以将其转换为一维（1D）数字形式。为完成数字化任务，我们使用 pix-2-pix 深度学习模型并对 ECG 信号进行二值化。结果：我们提出的方法达到了 97.4% 的准确率。结论：纸质 ECG 上的信息会随时间消退。因此，数字化 ECG 信号使得存储记录并随时访问成为可能。这对需要频繁 ECG 报告的心脏病患者极为有益。所存数据亦可用于研究目的，因为这些数据可用于开发能够分析数据的计算机算法。
引用
@article{arxiv.2211.06720,
title = {Auto Lead Extraction and Digitization of ECG Paper Records using cGAN},
author = {Rupali Patil and Bhairav Narkhede and Shubham Varma and Shreyans Suraliya and Ninad Mehendale},
journal= {arXiv preprint arXiv:2211.06720},
year = {2022}
}