利用一维卷积神经网络从数字化 ECG 打印图中检测 COVID-19
图像与视频处理
2023-01-11 v2 计算机视觉与模式识别
摘要
COVID-19 大流行暴露了全球医疗服务的脆弱性，亟需开发新工具以提供快速且低成本的筛查与诊断。临床报告指出 COVID-19 感染可能导致心脏损伤，且心电图（ECG）可作为 COVID-19 的诊断生物标志物。本研究旨在利用 ECG 信号自动检测 COVID-19。我们提出一种从 ECG 纸质记录中提取 ECG 信号的新方法，随后将其输入一维卷积神经网络（1D-CNN）以学习并诊断该疾病。为评估数字化信号的质量，对纸质 ECG 图像中的 R 峰进行标注。之后，将每幅图像计算得到的 RR 间期与对应数字化信号的 RR 间期进行比较。在 COVID-19 ECG 图像数据集上的实验表明，所提出的数字化方法能够正确捕获原始信号，平均绝对误差为 28.11 ms。我们提出的在数字化 ECG 信号上训练的 1D-CNN 模型能够准确识别 COVID-19 个体与其他受试者，在 COVID-19 与正常、COVID-19 与异常心跳、COVID-19 与其他类的分类准确率分别为 98.42%、95.63% 和 98.50%。此外，该方法在多分类任务上也取得了高性能。我们的发现表明，在数字化 ECG 信号上训练的深度学习系统可作为诊断 COVID-19 的潜在工具。
引用
@article{arxiv.2208.05433,
title = {Detecting COVID-19 from digitized ECG printouts using 1D convolutional neural networks},
author = {Thao Nguyen and Hieu H. Pham and Huy Khiem Le and Anh Tu Nguyen and Ngoc Tien Thanh and Cuong Do},
journal= {arXiv preprint arXiv:2208.05433},
year = {2023}
}
备注
Accepted with minor revision by Plos One