MMA-RNN：一种用于房颤判别与定位的多层级多任务注意力循环神经网络
机器学习
2023-02-10 v2 定量方法
摘要
基于心电图（ECG）信号的房颤自动检测在临床与实践中均受到广泛关注。由于噪声与失真，处理具有周期模式、长度可变且质量不稳定的ECG信号颇具挑战。此外，关于将持续性房颤与阵发性房颤区分开来的研究尚不充分，对房颤发作起点与终点的定位也鲜有讨论。在避免分阶段方法固有错误的同时，在这两个不同但相互关联的任务上均表现良好则更为艰巨。本文提出多层级多任务注意力循环神经网络（MMA-RNN），用于对患者进行三分类判别并定位房颤发作的精确时刻。我们的模型基于分层架构利用双向长短期记忆网络（Bi-LSTM）与注意力层捕获三级序列特征，并通过多头分类器同时完成两项任务。该模型被设计为端到端框架，以增强信息交互并减少误差累积。最后，我们在CPSC 2021数据集上开展实验，结果表明了本方法的优越性能，显示出MMA-RNN应用于可穿戴移动设备进行常规房颤监测与早期诊断的潜力。
引用
@article{arxiv.2302.03731,
title = {MMA-RNN: A Multi-level Multi-task Attention-based Recurrent Neural Network for Discrimination and Localization of Atrial Fibrillation},
author = {Yifan Sun and Jingyan Shen and Yunfan Jiang and Zhaohui Huang and Minsheng Hao and Xuegong Zhang},
journal= {arXiv preprint arXiv:2302.03731},
year = {2023}
}
备注
9 pages, 5 figures