心电图特征归因方法的评估
信号处理
2024-10-23 v2 人工智能
计算机视觉与模式识别
摘要
自深度学习模型引入以来，基于心电图(ECG)的心律失常检测性能已显著提升。在实践中，仅有高性能并不足够，还需恰当的解释。近来，研究者开始采用特征归因方法来满足该需求，但尚不清楚哪些方法适用于 ECG。本工作中，我们基于 ECG 的特性识别并定制了三项特征归因方法评估指标：定位分数、指向游戏与退化分数。利用这三项评估指标，我们对十一种广泛使用的特征归因方法进行了评估与分析。我们发现部分特征归因方法更适于解释 ECG，其中 Grad-CAM 大幅优于次优方法。
引用
@article{arxiv.2211.12702,
title = {Evaluating Feature Attribution Methods for Electrocardiogram},
author = {Jangwon Suh and Jimyeong Kim and Euna Jung and Wonjong Rhee},
journal= {arXiv preprint arXiv:2211.12702},
year = {2024}
}
备注
This is preliminary research related to https://www.sciencedirect.com/science/article/pii/S0010482524011739 . Code is available at https://github.com/SNU-DRL/Attribution-ECG