基于视觉 Transformer 模型从 ECG 图像检测心脏病
计算机视觉与模式识别
2023-10-20 v1 人工智能
摘要
心脏病，又称心血管疾病，是一种普遍且危急的医学状况，其特征是心脏和血管受损，导致冠心病、心力衰竭和心肌梗死等多种并发症。及时准确地检测心脏病在临床实践中至关重要。早期识别高危个体能够促成主动干预、预防措施和个性化治疗策略，以减缓疾病进展并减少不良后果。近年来，由于复杂技术与计算方法的交叉融合，心脏病检测领域取得了显著进展。这些包括机器学习算法、数据挖掘技术以及预测建模框架，它们利用大量临床与生理数据来提高诊断准确度和风险分层。在本工作中，我们提出使用前沿技术即视觉 Transformer 模型从 ECG 图像检测心脏病。这些模型为 Google-ViT、Microsoft-Beit 和 Swin-Tiny。据我们所知，这是首个专注于通过基于图像的 ECG 数据、采用 Transformer 模型等前沿技术来检测心脏病的尝试。为展示所提框架的贡献，我们将视觉 Transformer 模型的性能与 SOTA 研究进行了比较。实验结果表明，所提框架展现出卓越的分类结果。
引用
@article{arxiv.2310.12630,
title = {Heart Disease Detection using Vision-Based Transformer Models from ECG Images},
author = {Zeynep Hilal Kilimci and Mustafa Yalcin and Ayhan Kucukmanisa and Amit Kumar Mishra},
journal= {arXiv preprint arXiv:2310.12630},
year = {2023}
}