基于同伪等价框架的 Cech 复合生成用于心肌梗死诊断——基于心电图信号
信号处理
2025-07-08 v1
摘要
及时和最佳识别心脏异常，尤其是心肌梗死（MCI），有助于个体获得及时的医疗注意以减轻其严重程度。心电图（ECG）是一种简单非侵入性的生理信号模式，可用于检查心脏组织的电活动。现有方法大多依赖于 ECG 信号的时域、频域和空间域分析，这些传统技术在诊断时缺乏有效识别心脏周期间依赖性的能力。因此，有必要引入内生心脏周期连接性，以提高异常检测效果。这篇文章提出了一个 novel 框架，用于通过 Cech Complex 生成持久同调特征并进行心电图信号分析和分类，充分考虑上述需求。通过将持久特征（如持久出生-死亡率、betti 曲线和持久熵）与机器学习模型结合，提供了区域和心脏周期连接性的透明度。该框架使用公开数据集（MIT-BIH 和 PTB）进行评估，机器学习模型的性能指标表明其在分类正常脉搏（NSR）、MCI 和非MCI 受试者方面具有效能，相较于现有方法实现了 2.8% 的 AUC（受试者工作曲线下面积）提升。
引用
@article{arxiv.2412.17370,
title = {Cech Complex Generation with Homotopy Equivalence Framework for Myocardial Infarction Diagnosis using Electrocardiogram Signals},
author = {Srikireddy Dhanunjay Reddy and Pujayita Deb and Tharun Kumar Reddy Bollu},
journal= {arXiv preprint arXiv:2412.17370},
year = {2025}
}