基于格拉米角场的二维CNN从心电图II导联检测下壁心肌梗死
信号处理
2024-08-30 v3 信息论
math.IT
摘要
本文提出了一种利用心电图（ECG）II导联检测下壁心肌梗死（MI）的新方法。我们在公开数据集，即来自Physionet的Physikalisch Technische Bundesanstalt（PTB）心电图数据集上评估了所提方法。在该方法下，我们首先使用db4小波对含噪ECG信号进行清洗，随后采用R波峰检测算法将ECG信号分割为心拍。接着，我们利用格拉米角求和场（GASF）和格拉米角差分场（GADF）运算将ECG时间序列数据集转换为等效的灰度图像数据集。随后，这些灰度图像被输入一个定制的二维卷积神经网络（2D-CNN），该网络能有效区分健康受试者与MI受试者。我们所提方法在带有噪声和基线漂移的GASF数据集、带有噪声和基线漂移的GADF数据集、去除噪声和基线漂移的GASF数据集以及去除噪声和基线漂移的GADF数据集上分别取得了99.68%、99.80%、99.82%和99.84%的平均分类准确率。最为重要的是，本工作为可穿戴设备测量II导联ECG（例如，右腕佩戴智能手表配合左腿智能贴片）以进行准确、实时和早期的下壁MI检测开辟了创新空间。
引用
@article{arxiv.2302.13011,
title = {Inferior Myocardial Infarction Detection from lead II of ECG: A Gramian Angular Field-based 2D-CNN Approach},
author = {Asim Yousuf and Rehan Hafiz and Saqib Riaz and Muhammad Farooq and Kashif Riaz and Muhammad Mahboob Ur Rahman},
journal= {arXiv preprint arXiv:2302.13011},
year = {2024}
}
备注
8 pages, 15 figures, 3 tables