抗噪的 Holter 心电图记录自动判读
信号处理
2020-11-19 v1 计算机视觉与模式识别
机器学习
摘要
Holter 监测是一种长期心电图记录（24 小时及以上），包含大量关于患者的有价值诊断信息。对其进行分析对医生而言是一项困难且耗时的任务，因为每一个心跳都需被分类，因而需要高精度的自动判读方法。本文提出一种对 Holter 记录进行分析且对噪声信号具有鲁棒性的三阶段流程。第一阶段为具有编码器-解码器架构的分割神经网络（NN），用于检测心跳位置。第二阶段为分类 NN，将心跳分类为宽或窄。第三阶段为基于 NN 特征之上的梯度提升决策树（GBDT），其融入患者级特征并进一步提升我们方法的性能。作为本工作的一部分，我们获取了由经验丰富的心脏病专家标注的 5095 份患者 Holter 记录。由三位心脏病专家组成的委员会作为测试集中 291 个样本的 ground truth 标注者。我们表明所提方法优于所选基线，包括两个商用级软件包及文献中已发表的一些方法。
引用
@article{arxiv.2011.09303,
title = {Noise-Resilient Automatic Interpretation of Holter ECG Recordings},
author = {Konstantin Egorov and Elena Sokolova and Manvel Avetisian and Alexander Tuzhilin},
journal= {arXiv preprint arXiv:2011.09303},
year = {2020}
}
备注
Accepted for publication on BIOSIGNALS 2021