用于 ECG 任务特定特征提取的 β-VAE 联合优化
信号处理
2023-06-16 v2 机器学习
摘要
心电图是通过观察心脏节律与电活动来调查心脏状况的最常用方法，用于诊断和监测目的。心电图（ECG）的分析通常通过研究特定模式进行，这些模式可由受过训练的医师视觉识别，并已知反映心脏（失）功能。本工作中，我们研究使用 β-变分自编码器（VAE）作为可解释特征提取器，并通过联合优化信号重建与心脏功能预测来提升其预测能力。提取的特征随后用于通过逻辑回归进行心脏功能预测。该方法在 7255 名患者的数据上训练与测试，这些患者于 2010 至 2021 年间在莱顿大学医学中心接受急性冠脉综合征治疗。结果显示，与原始 β-VAE 相比，我们的方法显著改善了预测与可解释性，同时仍产生相似的重建性能。
引用
@article{arxiv.2304.06476,
title = {Joint optimization of a $\beta$-VAE for ECG task-specific feature extraction},
author = {Viktor van der Valk and Douwe Atsma and Roderick Scherptong and Marius Staring},
journal= {arXiv preprint arXiv:2304.06476},
year = {2023}
}
备注
Conference paper, 10 pages, 3 figures, 1 table