使用浅层卷积神经网络检测下壁心肌梗死
计算机视觉与模式识别
2018-08-21 v4
摘要
心肌梗死是全球主要死因之一。本文提出了一种卷积神经网络（CNN）架构，该架构接收来自 II、III 和 AVF 导联的原始心电图（ECG）信号，并区分下壁心肌梗死（IMI）和健康信号。该模型的性能在从 Physikalisch-Technische Bundesanstalt（PTB）数据库获取的 IMI 和健康信号上进行了评估。采用面向受试者的方法来理解模型的泛化能力，并与当前 SOTA 进行了比较。在面向受试者的方法中，网络在一个患者上进行测试，并在其余患者上进行训练。与基准相比，我们的模型取得了更优的指标得分（准确率 = 84.54%，灵敏度 = 85.33%，特异度 = 84.09%）。我们还通过几何可分性指数和欧氏距离分析了卷积层提取特征的判别强度，并将其与基准模型进行了比较。
引用
@article{arxiv.1710.01115,
title = {Detection of Inferior Myocardial Infarction using Shallow Convolutional Neural Networks},
author = {Tahsin Reasat and Celia Shahnaz},
journal= {arXiv preprint arXiv:1710.01115},
year = {2018}
}