改进心肌梗死检测：单类分类中一种新颖的多模态复合核策略
机器学习
2024-06-28 v3 人工智能
信号处理
摘要
心肌梗死是由冠状动脉疾病引起的一种严重疾病，其早期检测对于防止进一步的心肌损伤至关重要。本研究引入了一种在超声心动图中使用单类分类算法进行早期心肌梗死检测的新方法。我们的研究通过采用一种基于多模态子空间支持向量数据描述的新方法，克服了超声心动图数据可用性有限的挑战。所提出的技术涉及一个专门的 MI 检测框架，该框架采用多视角超声心动图，在非线性投影技巧中结合复合核，融合了高斯和拉普拉斯 sigmoid 函数。此外，我们在优化过程中通过针对其中一种或两种模态调整最大化策略，增强了投影矩阵的更新策略。我们的方法通过将超声心动图数据中提取的特征高效地转换为优化的低维子空间，提升了 MI 检测能力。专门在包含多个超声心动图视角的综合 HMC-QU 数据集的目标类实例上训练的 OCC 模型，显示出 MI 检测准确率的显著提升。我们的研究结果表明，我们提出的多视角方法达到了 71.24% 的几何平均值，标志着基于超声心动图的 MI 诊断取得了实质性进展，并提供了更精确高效的诊断工具。
引用
@article{arxiv.2402.06530,
title = {Refining Myocardial Infarction Detection: A Novel Multi-Modal Composite Kernel Strategy in One-Class Classification},
author = {Muhammad Uzair Zahid and Aysen Degerli and Fahad Sohrab and Serkan Kiranyaz and Tahir Hamid and Rashid Mazhar and Moncef Gabbouj},
journal= {arXiv preprint arXiv:2402.06530},
year = {2024}
}