EGM 信号的盲分析：稀疏感知公式
机器学习
2013-01-01 v1
摘要
本技术说明探讨了心房颤动 (AF) 条件下心电图 (EGM) 信号的盲稀疏学习与推断问题。首先，我们引入了一个观测信号的数学模型，该模型考虑了 AF 期间心脏内通常出现的多个焦点。然后，我们提出了一种基于固定字典的重建模型，并讨论了选择字典的几种替代方案。为了获得考虑该问题生物学限制的稀疏解，第一种替代方案是使用 LASSO 正则化，随后进行后处理阶段，去除违反心肌细胞不应期特性的低幅值系数。作为替代方案，我们提出了一种称为叉积 LASSO (CP-LASSO) 的新型正则化项，它能够将生物学约束直接纳入优化问题中。不幸的是，由此产生的问题是非凸的，但我们展示了如何利用连续凸近似 (SCA) 以近似方式有效地解决它。最后，对从稀疏学习阶段获得的干净激活序列进行频谱分析，以估计潜在焦点的数量及其频率。提供了合成数据和真实数据的仿真以验证所提出的方法。
引用
@article{arxiv.1212.6936,
title = {Blind Analysis of EGM Signals: Sparsity-Aware Formulation},
author = {David Luengo and Javier Via and Sandra Monzon and Tom Trigano and Antonio Artes-Rodriguez},
journal= {arXiv preprint arXiv:1212.6936},
year = {2013}
}
备注
29 pages, 1 figure