MFConvTr：用于非侵入性胎儿心电图胎儿心律失常检测的多频率卷积Transformer
信号处理
2025-01-29 v1
摘要
非侵入性胎儿心电图（NI-fECG）已成为胎儿心律失常监测的替代方法。但由于其多信号波形，难以理解，且由于高度变化和复杂的性质，传统的基准点方法无法应用。此外，还观察到胎儿心律失常可以在频谱和时间尺度上与正常信号区分开来。为此，我们提出了多频率卷积Transformer（Multi-Frequency Convolutional Transformer），这是一种新颖的深度学习架构，能够在多频率上下文中学习信息，并可以建模长期依赖关系。所提出的模型利用了一个由多频率卷积（MF-Conv）和残差连接组成的卷积骨干网络。MF-Conv通过将输入通道分割，然后分别用不同卷积核大小对每个分割进行卷积，从而高效地捕获多频率上下文。由于这些特性，所提出的模型以极少的参数数量达到了最先进的结果。为了评估所提出的模型，我们还进行了广泛的消融研究。
引用
@article{arxiv.2501.16649,
title = {MFConvTr: Multi-Frequency Convolutional Transformer for Fetal Arrhythmia Detection in Non-Invasive fECG},
author = {Deva Satay Sriram Chintapenta and Aman Verma and Saikat Majumder},
journal= {arXiv preprint arXiv:2501.16649},
year = {2025}
}