基于卷积网络的心电QRS检测中采样频率的选择
信号处理
2020-07-07 v1 机器学习
摘要
自动化QRS检测方法依赖于以特定频率采样的心电(ECG)数据，无论是基于滤波器的传统方法还是基于卷积网络(CNN)的深度学习方法皆如此。这些方法首先需要在其运行的采样频率上做出选择。当处理来自两个不同数据集（以不同频率采样）的数据时，通常可能需要将两者重采样至一个共同的目标频率，该频率可以是任一数据集的频率，也可以是其他频率。然而，选择以某一频率采样的数据可能会影响模型的泛化能力与复杂度。已有一些研究考察了ECG采样频率对传统基于滤波器方法的影响，但关于ECG采样频率对基于深度学习模型（卷积网络）的泛化性与复杂度的广泛研究尚待探索。本实验研究考察了六种不同采样频率（50、100、250、500、1000和2000Hz）对四种不同基于卷积网络的模型泛化性与复杂度的影响，以期为特定性能需求下的QRS检测任务确定合适采样频率提供依据。库内测试表明，对于所有基于CNN的模型，从100Hz到250Hz准确率提升不超过约0.6%，且这两个频率的四分位距更短。研究结果表明，基于卷积网络的深度学习模型能够在低至100Hz或250Hz采样频率的ECG信号上取得更高的检测准确率，同时保持较低的模型复杂度（可训练参数数量与训练时间）。
引用
@article{arxiv.2007.02052,
title = {Choosing a sampling frequency for ECG QRS detection using convolutional networks},
author = {Ahsan Habib and Chandan Karmakar and John Yearwood},
journal= {arXiv preprint arXiv:2007.02052},
year = {2020}
}