基于生成对抗网络的分层深度学习用于 ECG 信号自动心脏诊断
信号处理
2022-10-21 v1 机器学习
摘要
心脏病是美国的主要死因。准确的心脏病检测对于及时医疗救治以挽救患者生命至关重要。常规使用心电图（ECG）是医生评估心脏电活动并检测可能异常心脏状况的最常见方法。充分利用 ECG 数据进行可靠心脏病检测取决于开发有效的分析模型。本文提出一种带生成对抗网络（GAN）的两级分层深度学习框架，用于 ECG 信号自动诊断。第一级模型由带 GAN 的记忆增强深度自编码器（MadeGAN）组成，旨在从正常 ECG 中区分异常信号以进行异常检测。第二级学习旨在对不同心律失常进行鲁棒多分类识别，通过集成迁移学习技术从第一级学习迁移知识，并采用多分支架构处理数据缺乏与不平衡数据问题来实现。我们使用来自 MIT-BIH 心律失常数据库的真实医疗数据评估所提框架性能。实验结果表明，我们所提模型优于当前实践中常用的现有方法。
引用
@article{arxiv.2210.11408,
title = {Hierarchical Deep Learning with Generative Adversarial Network for Automatic Cardiac Diagnosis from ECG Signals},
author = {Zekai Wang and Stavros Stavrakis and Bing Yao},
journal= {arXiv preprint arXiv:2210.11408},
year = {2022}
}