基于有限通道 ECG 的心脏病检测神经网络模型泛化研究
信号处理
2019-01-11 v1 机器学习
机器学习
摘要
医疗领域机器学习研究的加速受限于缺乏大规模标注且平衡的数据集。此外，处理测量不准确性并利用无监督数据被视为改进现有方案的核心。特别地，预测建模的一个主要目标是针对观测类别内未见过的变化以及未见过类别均良好泛化。本工作中，我们考虑机器学习驱动诊断中的一个此类挑战性问题：从有限通道 ECG 测量中检测一系列心血管病症（如梗死、心律失常等）。尽管深度神经网络在预测建模中取得了空前成功，它们仅依赖判别模型，对未见过类别泛化能力差。我们认为无监督学习可用于构建促进更好泛化的有效潜空间。本工作广泛比较了我们所提方法的泛化性与最先进深度学习方案。我们的结果显示 F1 分数显著提升。
引用
@article{arxiv.1901.03295,
title = {Generalization Studies of Neural Network Models for Cardiac Disease Detection Using Limited Channel ECG},
author = {Deepta Rajan and David Beymer and Girish Narayan},
journal= {arXiv preprint arXiv:1901.03295},
year = {2019}
}
备注
IEEE Computing in Cardiology (CinC) 2018