用于体表心电图远程监测的卷积编解码器非线性回归
信号处理
2020-12-14 v1
摘要
我们提出了非线性回归卷积编解码器（NRCED），一种将多变量输入映射到多变量输出的新框架。特别地，我们在从心内电图（EGM）重建12导联体表心电图（ECG）及反之的范围内实现我们的算法。执行此任务的目的是为了改善对植入设备以治疗心脏疾病的患者的床旁监测。我们将通过12导联ECG重建并提供用于分类非典型心跳的新诊断工具来实现此目标。该算法在从14名患者回顾性收集的数据集上评估。在重建ECG与实际ECG之间计算的相关性系数表明，所提出的NRCED方法代表了一种高效、准确且优越的合成12导联ECG的方式。我们还可以仅以一条EGM导联作为输入实现相同的重建精度。我们还以非患者特定的方式测试了模型，并看到了合理的相关性系数。该模型还以反向执行以从12导联ECG生成EGM信号，发现相关性与正向方向相当。最后，我们分析了模型中学习的特征，并确定模型学习了我们12导联ECG空间的过完备基。然后我们利用该特征基创建用于识别非典型和病变心跳的新诊断工具。这产生了ROC曲线及其曲线下面积值为0.98，展示了对两类之间的极好区分。
引用
@article{arxiv.2012.06003,
title = {Nonlinear Regression with a Convolutional Encoder-Decoder for Remote Monitoring of Surface Electrocardiograms},
author = {Anton Banta and Romain Cosentino and Mathews M John and Allison Post and Skyler Buchan and Mehdi Razavi and Behnaam Aazhang},
journal= {arXiv preprint arXiv:2012.06003},
year = {2020}
}