基于可解释 Tsetlin 机的室性早搏识别
信号处理
2023-01-25 v1 机器学习
摘要
基于神经网络的模型在自动长时程心电图（ECG）分析中应用广泛。然而，此类黑箱模型不足以分析可信度与可解释性至关重要的生理信号。事实上，如何使 ECG 分析透明化仍是一个开放问题。本研究通过分析长时程 ECG 信号，开发了一种基于 Tsetlin 机（TM）的室性早搏（PVC）识别架构。该架构直接使用逻辑与（AND）规则描述模式，因而具有透明性。为验证方法的准确性，我们将 TM 的性能与卷积神经网络（CNNs）进行比较。数值结果表明，在 MIT-BIH 数据库上 TM 提供了与 CNNs 相当的性能。为验证可解释性，我们提供了说明图，展示 TM 如何利用确认与否定模式进行 PVC 识别。我们认为这些与医学知识相符，可被医生轻松理解并验证。据此，我们相信本研究为机器学习（ML）用于临床 ECG 分析铺平了道路。
引用
@article{arxiv.2301.10181,
title = {Interpretable Tsetlin Machine-based Premature Ventricular Contraction Identification},
author = {Jinbao Zhang and Xuan Zhang and Lei Jiao and Ole-Christoffer Granmo and Yongjun Qian and Fan Pan},
journal= {arXiv preprint arXiv:2301.10181},
year = {2023}
}