ConvexECG：面向个性化连续心脏监测的轻量级可解释神经网络
机器学习
2024-09-20 v1 信号处理
最优化与控制
摘要
我们提出了ConvexECG，这是一种可解释且资源高效的方法，用于从单导联数据重建六导联心电图（ECG），旨在推动个性化和持续的心脏监测。ConvexECG利用二维ReLU神经网络的凸重构，实现了在资源受限环境中的高效训练和部署，同时具有确定性和可解释性。使用来自25名患者的数据，我们展示了ConvexECG在保持相当于更大神经网络的准确性方面，显著降低了计算开销，凸显了其在实时低资源监测应用中的潜力。
引用
@article{arxiv.2409.12493,
title = {ConvexECG: Lightweight and Explainable Neural Networks for Personalized, Continuous Cardiac Monitoring},
author = {Rayan Ansari and John Cao and Sabyasachi Bandyopadhyay and Sanjiv M. Narayan and Albert J. Rogers and Mert Pilanci},
journal= {arXiv preprint arXiv:2409.12493},
year = {2024}
}