通过同时对齐与重建实现多导联心电图信号的模态降维表示学习
信号处理
2024-05-31 v1 机器学习
摘要
心电图（ECG）信号用于诊断应用，但需要多个导联或信道才能捕捉心脏系统的完整视图，这限制了其在智能手表和可穿戴设备中的应用。本文提出一种用于ECG信号的模态降维表示学习方法，能够生成与信道无关的统一表示。通过对重建和对齐进行联合优化，我们确保不同信道的嵌入包含跨信道整体信息的融合，同时保留各自的特定信息。在独立测试数据集上，我们生成的不同ECG信道的高度相关嵌入，使得从单信道嵌入对12导联信号进行适度近似成为可能。我们的生成嵌入可作为ECG信号的有效特征，用于下游任务。
引用
@article{arxiv.2405.19359,
title = {Modally Reduced Representation Learning of Multi-Lead ECG Signals through Simultaneous Alignment and Reconstruction},
author = {Nabil Ibtehaz and Masood Mortazavi},
journal= {arXiv preprint arXiv:2405.19359},
year = {2024}
}
备注
Accepted as a Workshop Paper at TS4H@ICLR2024