FMM-Head：利用先验知识增强基于自编码器的心电图异常检测
机器学习
2023-10-10 v1 人工智能
信号处理
摘要
检测心电图数据中的异常对于识别正常心跳模式的偏离并及时干预高危患者至关重要。已有多种自编码器模型（AE）被提出以借助机器学习解决异常检测任务。然而，这些模型未考虑心电图导联的特定模式且为不可解释的黑箱。相反，我们用基于心电图形态先验知识的重建头（即 FMM-Head）替换 AE 的解码部分。我们的模型始终比最先进模型具有更高的异常检测能力，ROC 曲线下面积（AUROC）提升高达 0.31，且模型尺寸仅为原来的一半，并具备可解释的提取特征。我们模型的处理时间比求解优化问题以获得相同参数低四个数量级，从而使其适用于实时心电图参数提取与异常检测。
引用
@article{arxiv.2310.05848,
title = {FMM-Head: Enhancing Autoencoder-based ECG anomaly detection with prior knowledge},
author = {Giacomo Verardo and Magnus Boman and Samuel Bruchfeld and Marco Chiesa and Sabine Koch and Gerald Q. Maguire and Dejan Kostic},
journal= {arXiv preprint arXiv:2310.05848},
year = {2023}
}
备注
23 pages, 14 figures