ECGtizer：一个全自动的心电图数字化与信号恢复流水线
信号处理
2024-12-18 v1 机器学习
摘要
心电图（ECG）对于诊断心脏病理至关重要，然而传统的纸质 ECG 存储给自动化分析带来了重大挑战。本研究介绍了 ECGtizer，这是一个开源的、全自动的工具，旨在将纸质 ECG 数字化并恢复存储期间丢失的信号。ECGtizer 促进了使用现代 AI 方法的自动化分析。它采用自动导联检测、三种基于像素的信号提取算法以及一个基于深度学习的信号重建模块。我们在两个数据集上评估了 ECGtizer：一个来自 COVID-19 大流行的真实队列（JOCOVID）和一个公开可用的数据集（PTB-XL）。性能与两种现有方法进行了比较：全自动的 ECGminer 和需要人工干预的半自动 PaperECG。ECGtizer 的性能从信号恢复和临床相关特征测量的保真度方面进行了评估。此外，我们在第三个数据集（GENEREPOL）上测试了这些工具用于下游 AI 任务。结果表明，ECGtizer 优于现有工具，其 ECGtizerFrag 算法提供了卓越的信号恢复。虽然 PaperECG 的结果优于 ECGminer，但它需要人工输入。ECGtizer 增强了历史 ECG 数据的可用性，并支持先进的基于 AI 的诊断方法，使其成为 ECG 分析 AI 领域的重要补充。
引用
@article{arxiv.2412.12139,
title = {ECGtizer: a fully automated digitizing and signal recovery pipeline for electrocardiograms},
author = {Alex Lence and Ahmad Fall and Samuel David Cohen and Federica Granese and Jean-Daniel Zucker and Joe-Elie Salem and Edi Prifti},
journal= {arXiv preprint arXiv:2412.12139},
year = {2024}
}