心电全景：利用自监督合成新的 ECG 视图
信号处理
2022-04-05 v2
摘要
多导联心电图（ECG）从由导联位置决定的若干固定视角提供心跳的临床信息。然而，以这些固定且有限的视角可视化 ECG 信号常不能令人满意，因为某些临床有用信息仅从少数特定 ECG 视角呈现。我们首次提出一个新概念——心电全景（Electrocardio Panorama），其允许从任意查询视角可视化 ECG 信号。为构建心电全景，我们假设存在一个底层心电场，表示 ECG 信号的位置、幅值和方向。我们提出神经心电场网络（Nef-Net），它首先利用稀疏的一或多个输入 ECG 视图预测心电场表示，然后基于预测表示合成心电全景。特别地，为更好地从视角偏差中解耦心电场信息，提出一种新的角度编码（Angular Encoding）来处理视角角度。此外，我们提出一种称为 Standin Learning 的自监督学习方法，其在无直接监督下帮助建模心电场。进一步，仅需极少修改，Nef-Net 也可从零合成 ECG 信号。实验验证我们的 Nef-Net 在心电全景合成上表现良好，并在辅助任务（ECG 视图变换与从零 ECG 合成）上优于先前工作。在 Tianchi ECG 和 PTB 数据集上的心电周期与 ECG 偏转分割标签及代码见 https://github.com/WhatAShot/Electrocardio-Panorama。
引用
@article{arxiv.2105.06293,
title = {Electrocardio Panorama: Synthesizing New ECG Views with Self-supervision},
author = {Jintai Chen and Xiangshang Zheng and Hongyun Yu and Danny Z. Chen and Jian Wu},
journal= {arXiv preprint arXiv:2105.06293},
year = {2022}
}