使用全卷积神经网络检测与解读心肌梗死
计算机与社会
2019-02-06 v2 机器学习
机器学习
摘要
目的：我们旨在提供一种直接作用于 ECG 数据且无需任何预处理的心肌梗死检测算法，并探究其决策依据。方法：我们在 PTB ECG 数据集上训练全卷积神经网络集成，并应用最先进的归因方法。主要结果：我们的分类器在基于患者的抽样与 10 折交叉验证下达到 93.3% 灵敏度与 89.7% 特异度。所提方法优于现有最优方法，并在心肌梗死检测上达到人类心脏病专家的水平。我们能够区分对神经网络决策贡献最显著的通道特定区域。有趣的是，网络的决策受到人类心脏病专家亦认定为心肌梗死指征的征象影响。意义：我们的结果展示了算法化 ECG 分析在未来临床应用中的高前景，既考虑其定量性能，也考虑基于逐样本评估决策依据的可能性，这增强了方法的可理解性。
引用
@article{arxiv.1806.07385,
title = {Detecting and interpreting myocardial infarction using fully convolutional neural networks},
author = {Nils Strodthoff and Claas Strodthoff},
journal= {arXiv preprint arXiv:1806.07385},
year = {2019}
}
备注
11 pages, 4 figures