MambaCapsule：基于Mamba胶囊网络的心电图心脏病可解释诊断
机器学习
2024-07-31 v1 人工智能
信号处理
摘要
心律失常是一种以心跳不规则为特征的疾病，通常是各种心脏疾病的早期征兆。随着深度学习的发展，人们提出了许多基于心电图（ECG）信号诊断心律失常的创新模型。然而，现有研究往往只关注模型性能，而忽略了对其结果的解释。这导致模型的可解释性严重不足，在实际诊断中构成重大风险。为解决这一问题，本文介绍了MambaCapsule，一种用于ECG心律失常分类的深度神经网络，它在提高准确性的同时增强了模型的可解释性。该模型利用Mamba进行特征提取，并使用胶囊网络进行预测，不仅提供置信度分数，还提供信号特征。类似于人脑的处理机制，模型通过重构所选预测类别的ECG信号来学习信号特征及其相互关系。模型在MIT-BIH和PTB数据集上按照AAMI标准进行了评估。MambaCapsule在测试集上分别达到了99.54%和99.59%的总准确率。这些结果表明，该模型在标准测试协议下具有优越的性能。
引用
@article{arxiv.2407.20893,
title = {MambaCapsule: Towards Transparent Cardiac Disease Diagnosis with Electrocardiography Using Mamba Capsule Network},
author = {Yinlong Xu and Xiaoqiang Liu and Zitai Kong and Yixuan Wu and Yue Wang and Yingzhou Lu and Honghao Gao and Jian Wu and Hongxia Xu},
journal= {arXiv preprint arXiv:2407.20893},
year = {2024}
}