使用对抗过采样的心跳异常检测
机器学习
2019-10-07 v1 人工智能
计算机视觉与模式识别
神经与进化计算
机器学习
摘要
心血管疾病是世界上最常见的死因之一。预防、了解家族既往病例以及早期检测是减少这一事实的最佳策略。针对此任务,不同的机器学习自动诊断方法正被提出。如同大多数健康问题,样本与类别间的不平衡在此问题中占主导并影响自动化方案的性能。在本文中,我们处理将心跳图像分类为不同心血管疾病的问题。我们提出在使用 InfoGAN 架构为不平衡类别生成合成图像后,采用二维卷积神经网络进行分类。我们称此方案为对抗过采样(Adversarial Oversampling),并将其与经典过采样方法如 SMOTE、ADASYN 和 RandomOversampling 进行比较。结果显示,所提方法在不损害平衡类别性能的前提下,提升了分类器对少数类的性能。
引用
@article{arxiv.1901.09972,
title = {Heartbeat Anomaly Detection using Adversarial Oversampling},
author = {Jefferson L. P. Lima and David Macêdo and Cleber Zanchettin},
journal= {arXiv preprint arXiv:1901.09972},
year = {2019}
}