用于医学数据病理检测的 CNN、LSTM 与注意力网络
机器学习
2019-12-03 v1 机器学习
摘要
对于心电图（ECG）节律分类这一弱监督任务，卷积神经网络（CNNs）与长短期记忆（LSTM）网络是两种日益流行的分类模型。本工作研究将这两种架构结合为所谓的卷积长短期记忆（ConvLSTM）网络，能否通过显式捕获原始 ECG 记录的形态学与时序特征来提升分类性能。此外，研究了多种注意力机制以定位并可视化异常形态与不规则节律的记录片段。所得显著性图不仅应有助于更好地理解网络，也应提高临床医生对自动诊断的接受度，从而避免该技术被贴上黑箱的标签。在进一步实验中，通过在 CNN 模型中学习少量额外的注意力门控参数，将注意力机制主动引入训练过程。最终在 PhysioNet Computing in Cardiology (CinC) 2017 挑战赛上进行了 8 折交叉验证，以比较标准 CNN 模型、ConvLSTM 与注意力门控 CNN 的性能。
引用
@article{arxiv.1912.00852,
title = {CNNs, LSTMs, and Attention Networks for Pathology Detection in Medical Data},
author = {Nora Vogt},
journal= {arXiv preprint arXiv:1912.00852},
year = {2019}
}
备注
Master thesis