Heart-Darts：使用可微架构搜索对心搏进行分类
信号处理
2021-05-04 v1 机器学习
摘要
心律失常是一种表现为心跳不规则的心血管疾病。在心律失常检测中，心电图 (ECG) 信号是一项重要的诊断技术。然而，人工评估 ECG 信号是一项复杂且耗时的任务。随着卷积神经网络 (CNNs) 的应用，评估过程得以加速且性能得到提升。值得注意的是，CNN 的性能严重依赖于其架构设计，这是一个基于专家经验与试错的复杂过程。在本文中，我们提出一种新方法 Heart-Darts，通过可微架构搜索（即 Darts，一种基于单元的神经架构搜索方法）自动设计 CNN 模型来高效分类 ECG 信号。具体而言，我们首先用 Darts 搜索一个单元架构，然后基于所获单元为 ECG 分类定制一种新颖的 CNN 模型。为研究所提方法的效率，我们在 MIT-BIH 心律失常数据库上评估所构建的模型。此外，所提 CNN 模型的扩展性在两个其他新数据库上得到验证。大量实验结果表明，所提方法在 ECG 分类的性能和泛化能力方面均优于若干 SOTA CNN 模型。
引用
@article{arxiv.2105.00693,
title = {Heart-Darts: Classification of Heartbeats Using Differentiable Architecture Search},
author = {Jindi Lv and Qing Ye and Yanan Sun and Juan Zhao and Jiancheng Lv},
journal= {arXiv preprint arXiv:2105.00693},
year = {2021}
}