基于参数化超复数神经网络的高效 ECG 房颤检测
信号处理
2023-09-12 v3 机器学习
摘要
心房颤动（AF）是最常见的心律失常，且与中风等严重疾病的高风险相关。嵌入基于心电图（ECGs）的自动、及时 AF 评估的可穿戴设备已显示出在预防危及生命的情况方面的前景。尽管深度神经网络在模型性能上表现出优越性，但其在可穿戴设备上的使用受到模型性能与复杂度之间权衡的限制。在这项工作中，我们提出使用带有参数化超复数（PH）层的轻量卷积神经网络（CNNs）基于 ECGs 进行 AF 检测。所提方法训练小规模 CNNs，从而克服了可穿戴设备上有限的计算资源问题。我们在两个公开可用的 ECG 数据集上以显著更少的模型参数展示了与相应实值 CNNs 相当的性能。PH 模型比其他超复数神经网络更灵活，并且可对任意数量的输入 ECG 导联进行操作。
引用
@article{arxiv.2211.02678,
title = {Efficient ECG-based Atrial Fibrillation Detection via Parameterised Hypercomplex Neural Networks},
author = {Leonie Basso and Zhao Ren and Wolfgang Nejdl},
journal= {arXiv preprint arXiv:2211.02678},
year = {2023}
}
备注
Published at EUSIPCO 2023