基于最优传输增强的不平衡心电图数据心脏病诊断
信号处理
2023-02-20 v2 人工智能
机器学习
摘要
在本文中，我们关注一种新的数据增强方法，以解决不平衡 ECG 数据集内的数据不平衡问题，从而提高心脏病检测的鲁棒性与准确性。通过使用最优传输（Optimal Transport），我们将 ECG 疾病数据从正常 ECG 心拍进行增强，以平衡不同类别间的数据。我们构建了一个多特征 Transformer（MF-Transformer）作为分类模型，从时域和频域提取不同特征以诊断多种心脏状况。我们的模型从 12 导联 ECG 信号中学习，能够区分五类心脏状况。我们的结果表明：1）分类模型在五类 ECG 上做出有竞争力预测的能力；2）准确率和鲁棒性的提升反映了我们数据增强方法的有效性。
引用
@article{arxiv.2202.00567,
title = {Cardiac Disease Diagnosis on Imbalanced Electrocardiography Data Through Optimal Transport Augmentation},
author = {Jielin Qiu and Jiacheng Zhu and Mengdi Xu and Peide Huang and Michael Rosenberg and Douglas Weber and Emerson Liu and Ding Zhao},
journal= {arXiv preprint arXiv:2202.00567},
year = {2023}
}
备注
In ICASSP 2023