基于注意力卷积神经网络的心电图心律失常诊断
信号处理
2021-11-01 v2 人工智能
机器学习
摘要
心电图 (ECG) 信号是用于评估个体心脏状况的一种广泛应用测量方法，且已有大量努力致力于基于机器学习的自动心律失常诊断。然而，传统的机器学习模型需要在原始数据预处理和特征提取上投入大量时间与精力，且面临分类性能较差的挑战。在此，我们提出了一种名为基于注意力卷积神经网络 的新型深度学习模型，它利用 CNN 和多头注意力的优势，直接在原始 ECG 信号上工作，并自动提取信息依赖关系以进行准确的心律失常检测。为了评估所提出的方法，我们在基准 ECG 数据集上进行了大量实验。我们的主要任务是从正常心跳中发现心律失常，同时从五种心律失常类型中准确识别心脏疾病。我们还提供了 ABCNN 的收敛性分析，并通过可视化直观展示了所提取表示的意义。实验结果表明，所提出的 ABCNN 优于广泛使用的基线方法，这向智能心脏病诊断系统迈进了一步。
引用
@article{arxiv.2108.10226,
title = {ECG-Based Heart Arrhythmia Diagnosis Through Attentional Convolutional Neural Networks},
author = {Ziyu Liu and Xiang Zhang},
journal= {arXiv preprint arXiv:2108.10226},
year = {2021}
}
备注
7 pages, accepted by The 2021 IEEE International Conference on Internet of Things and Intelligence Systems (IoTaIS 2021)