MINA：用于心电信号建模的多级知识引导注意力网络
信号处理
2019-08-27 v3 机器学习
摘要
心电图（ECG）信号常用于诊断各种心脏异常。近来，深度学习模型在 ECG 数据建模上显示出初步成功，但它们大多是黑盒，因而缺乏临床使用所需的可解释性。在这项工作中，我们提出多级知识引导注意力网络（MINA），从 ECG 信号中预测心脏病，并提供与医学知识一致的直观解释。通过分别提取多级（搏动级、节律级和频率级）领域知识特征，MINA 通过多级注意力模型将医学知识与 ECG 数据结合，使所学模型具有高度可解释性。我们的实验表明，MINA 在真实世界 ECG 数据集中取得了 PR-AUC 0.9436（比最佳基线高出 5.51%）。最后，MINA 在信号失真和噪声污染下也表现出鲁棒性能和强可解释性。
引用
@article{arxiv.1905.11333,
title = {MINA: Multilevel Knowledge-Guided Attention for Modeling Electrocardiography Signals},
author = {Shenda Hong and Cao Xiao and Tengfei Ma and Hongyan Li and Jimeng Sun},
journal= {arXiv preprint arXiv:1905.11333},
year = {2019}
}
备注
Published in IJCAI 2019