用于心肌梗死检测与定位的端到端深度残差学习与膨胀卷积
图像与视频处理
2019-10-01 v1 计算机视觉与模式识别
摘要
在本报告中，我研究了使用端到端深度残差学习与膨胀卷积从心电图（ECG）信号中进行心肌梗死（MI）检测与定位。尽管深度残差学习已应用于 MI 检测与定位，但我提出了一种更精确的系统，可区分更多（即六种）MI 位置。受神经网络处理语音波形的启发，我发现了一个比直接将多导联 ECG 信号排列为输入矩阵更鲁棒的前端：对每导联 ECG 使用单个一维卷积层提取伪时频表示，并创建紧凑且具有判别力的输入特征体。最终，我在著名的 Physikalisch-Technische Bundesanstalt（PTB）数据库上实现了 99.99% 的 MI 检测与定位准确率。
引用
@article{arxiv.1909.12923,
title = {End-to-End Deep Residual Learning with Dilated Convolutions for Myocardial Infarction Detection and Localization},
author = {Iván López-Espejo},
journal= {arXiv preprint arXiv:1909.12923},
year = {2019}
}