基于深度网络的心律失常标注方法
信号处理
2023-02-13 v1 计算机视觉与模式识别
信息检索
机器学习
摘要
本研究旨在利用深度网络对心律失常进行自动标注。所研究的类型包括窦性心律、心搏停止（Asys）、室上性心动过速（Tachy）、心室扑动或颤动（VF/VFL）、室性心动过速（VT）。方法：来自MIT恶性室性心律失常数据库（VFDB）和MIT正常窦性心律数据库的13秒肢体导联ECG片段被划分为子集用于5折交叉验证。这些信号被重采样至200Hz，滤波以消除基线漂移，投影至2D灰度谱，然后输入具有全新结构的深度网络。该网络中，单个时间点的特征向量由残差层提取，并通过变分自编码器（VAE）从中提取潜在表示。这些前端部分被训练至损失函数达到某一阈值，然后固定，同时训练过程切换至剩余的双向循环神经网络（RNN），即用于预测心律失常类别的部分。注意力窗口以多项式方式聚拢于RNN输出，以从细节到概要进行学习。并采用过采样处理不平衡数据。训练好的模型被封装为docker镜像以部署于边缘或云端。结论：在四种心律失常中取得了有前景的灵敏度，并在两种室性心律失常中观察到良好的精确率。此外，证明VAE的潜在表示能显著加快收敛速度并提高准确率。
引用
@article{arxiv.1806.07715,
title = {Method to Annotate Arrhythmias by Deep Network},
author = {Weijia Lu and Jie Shuai and Shuyan Gu and Joel Xue},
journal= {arXiv preprint arXiv:1806.07715},
year = {2023}
}