基于深度神经网络的多标签 ECG 诊断比较：从扫描 ECG 开始
计算机视觉与模式识别
2025-03-07 v2 人工智能
摘要
自动化 ECG 诊断通过深度学习技术取得了显著进展，但在处理扫描纸质 ECG 时，实际应用仍面临挑战。本研究探索了从扫描图像中提取的 ECG 的多标签分类，超越传统的二元分类（正常/异常）。我们评估了多个深度神经网络架构的性能，包括 AlexNet、VGG、ResNet 和 Vision Transformer，应用于扫描 ECG 数据集。我们的比较分析检验模型的准确性、对图像伪影的鲁棒性以及在不同 ECG 条件下的可泛化性。此外，我们还考察了从扫描图像中提取的 ECG 信号是否保留足够的诊断信息，以实现可靠的自动分类。研究结果突显了每种架构的优势与局限，为图像基于的 ECG 诊断可行性及其潜在整合到临床工作流程中提供了见解。
引用
@article{arxiv.2502.14909,
title = {Comparing Deep Neural Network for Multi-Label ECG Diagnosis From Scanned ECG},
author = {Cuong V. Nguyen and Hieu X. Nguyen and Dung D. Pham Minh and Cuong D. Do},
journal= {arXiv preprint arXiv:2502.14909},
year = {2025}
}