利用长短期记忆网络由左右与头脚方向分量重建三轴心震图
医学物理
2023-12-05 v2 机器学习
信号处理
摘要
本试点研究旨在开发一种深度学习模型，用于从左右与头脚方向（和）的心震图（SCG）信号预测背腹方向的SCG信号。用于模型训练与验证的数据集来自15名健康成年受试者。SCG信号使用放置在每位受试者胸部的三轴加速度计记录。随后利用心电图R波对信号进行分段，并将分段降采样、归一化并围绕零居中。所得数据集用于训练与验证一个具有两层和一个dropout层的长短期记忆（LSTM）网络以防止过拟合。该网络以代表一个心动周期的100个时间步的和作为输入，输出一个映射到待预测目标变量的向量。结果显示，LSTM模型在背腹方向预测与实际SCG分段间的均方误差为0.09。该研究展示了利用双轴加速度计数据重建三轴SCG信号的深度学习模型潜力。
引用
@article{arxiv.2307.07566,
title = {Reconstruction of 3-Axis Seismocardiogram from Right-to-left and Head-to-foot Components Using A Long Short-Term Memory Network},
author = {Mohammad Muntasir Rahman and Amirtahà Taebi},
journal= {arXiv preprint arXiv:2307.07566},
year = {2023}
}