使用带空间金字塔池化层的密集连接深度卷积神经网络检测室性早搏
计算机视觉与模式识别
2019-10-11 v7
摘要
室性早搏(PVC)是一种起源于心室的过早异位搏动。临床上高度需要准确且鲁棒的 PVC 自动检测方法。目前，大多数此类方法使用同一数据库划分为训练集和测试集进行开发与测试，其跨数据库泛化性能尚未得到充分验证。本文提出一种基于密集连接卷积神经网络(densely connected convolutional neural network)与空间金字塔池化(spatial pyramid pooling)的 PVC 检测方法，该方法在训练和测试中均可接受任意尺寸的 QRS 波群作为输入。所提网络架构更简单直接，在以 MIT-BIH 心律失常数据库为基准进行训练与测试时，在准确率、灵敏度和特异度方面取得了与当前最先进(state-of-the-art)深度学习方法相当的结果。除基准数据库外，从另外四个开放数据库即 St-Petersburg Institute of Cardiological Technics 12-lead Arrhythmia Database、The MIT-BIH Normal Sinus Rhythm Database、The MIT-BIH Long Term Database 和 European ST-T Database 中提取 QRS 波群。所提取的 QRS 波群在五个数据库间长度和采样率均不同。还进行了跨数据库训练与测试实验。结果表明，网络在基准数据库上的性能有所提升，证明了使用多数据库训练相对于仅使用单一数据库的优势。该网络在其他四个数据库上也取得了令人满意的分数，显示出良好的泛化能力。
引用
@article{arxiv.1806.04564,
title = {Detection of Premature Ventricular Contractions Using Densely Connected Deep Convolutional Neural Network with Spatial Pyramid Pooling Layer},
author = {Jianning Li},
journal= {arXiv preprint arXiv:1806.04564},
year = {2019}
}
备注
10 pages