通过心电图数字孪生生成实现个性化心脏病检测
机器学习
2024-05-14 v2 人工智能
信号处理
摘要
心脏病是全球主要死亡原因之一，凸显了早期诊断和干预的迫切需求。大多数传统基于心电图（ECG）的自动诊断方法是在群体水平上训练的，忽略了定制个性化心电图以增强个体健康管理。解决这一局限性的潜在方案是使用数字孪生模拟真实患者的疾病症状。在本文中，我们提出了一种创新的前瞻性学习方法用于个性化心脏病检测，该方法生成健康个体异常心电图的数字孪生，并增强模型对个性化症状的敏感性。在我们的方法中，提出了一种向量量化特征分离器，在心电图报告指导下定位并分离心电图信号中的疾病症状段和正常段。因此，心电图数字孪生可以模拟特定心脏病，用于训练个性化心脏病检测模型。实验表明，我们的方法不仅在生成高保真心电图信号方面表现出色，还改进了个性化心脏病检测。此外，我们的方法确保了强大的隐私保护，在模型开发中保护患者数据。
引用
@article{arxiv.2404.11171,
title = {Personalized Heart Disease Detection via ECG Digital Twin Generation},
author = {Yaojun Hu and Jintai Chen and Lianting Hu and Dantong Li and Jiahuan Yan and Haochao Ying and Huiying Liang and Jian Wu},
journal= {arXiv preprint arXiv:2404.11171},
year = {2024}
}