基于卷积循环神经网络从单导联心电图分类心律失常
信号处理
2020-07-07 v1 机器学习
摘要
虽然大多数心律失常不会立即造成危害，但它们可能导致严重并发症。尤其是最常见的心律失常——心房颤动，以快速且不规律的心跳为特征，并增加中风风险。为检测此类异常心脏状况，我们提出一个由两部分组成的系统：带有两枚协同传感器的智能背心用于采集心电图数据，以及用于分类心律的神经网络架构。该智能背心使用两枚干式双电极记录单导联心电图信号。随后生物电位信号经网关流式传输至云端，由神经网络检测并分类心律失常。我们选用了结合卷积层与循环层的架构。卷积层从心电图滑动窗口中提取相关特征，循环层将其聚合送入最终的 softmax 层完成分类。我们的神经网络在 2017 年 Cardiology 计算挑战赛数据集上达到了 87.50% 的准确率。
引用
@article{arxiv.1907.01513,
title = {Classification of Cardiac Arrhythmias from Single Lead ECG with a Convolutional Recurrent Neural Network},
author = {Jérôme Van Zaen and Olivier Chételat and Mathieu Lemay and Enric M. Calvo and Ricard Delgado-Gonzalo},
journal= {arXiv preprint arXiv:1907.01513},
year = {2020}
}
备注
Nominated to best paper award