MVKT-ECG：基于多视图知识迁移的多标签心律失常单导联 ECG 高效分类
人工智能
2023-01-31 v1
摘要
基于 ECG 的智能设备广泛出现，激发了对基于单导联 ECG 的智能诊断系统的需求。然而，由于缺失部分关键疾病信息，开发基于单导联、可诊断多种疾病的 ECG 解读模型十分困难。本工作提出 ECG 的跨导联多视图知识迁移（MVKT-ECG），以提升单导联 ECG 对多标签疾病的诊断能力。该训练策略可将来自 ECG 多个不同视图（如 12 导联 ECG）的更优疾病知识迁移至基于单导联的 ECG 解读模型，以挖掘单导联 ECG 信号中被神经网络易忽视的细节。MVKT-ECG 将这种导联差异作为教师-学生范式中的监督信号，其中教师观测多导联 ECG 并教导仅观测单导联 ECG 的学生。由于单导联 ECG 与多导联 ECG 间的互疾病信息在知识迁移中起关键作用，我们提出一种新的疾病感知对比导联信息迁移（CLT）以增强二者间互疾病信息。此外，我们将传统知识蒸馏改进为多标签疾病知识蒸馏（MKD），使其适用于多标签疾病诊断。综合实验验证了 MVKT-ECG 在提升单导联 ECG 诊断效果方面具有优异性能。
引用
@article{arxiv.2301.12178,
title = {MVKT-ECG: Efficient Single-lead ECG Classification on Multi-Label Arrhythmia by Multi-View Knowledge Transferring},
author = {Yuzhen Qin and Li Sun and Hui Chen and Wei-qiang Zhang and Wenming Yang and Jintao Fei and Guijin Wang},
journal= {arXiv preprint arXiv:2301.12178},
year = {2023}
}