用于多类变长 ECG 早期分类的片段策略网络
机器学习
2021-07-29 v1 信号处理
摘要
从 ECG 中检测心律失常是预防与诊断心血管疾病的重要研究课题。主流研究将 ECG 心律失常检测表述为时间序列分类问题。同时，心律失常的早期检测对早期预防与诊断提出了现实需求。在本文中，我们解决一个心血管疾病早期分类问题，它同样是一个变长且长长度时间序列早期分类问题。为解决该问题，我们提出了一种基于深度强化学习的框架，即片段策略网络（SPN），由四个模块组成：片段生成器、骨干网络、控制智能体以及判别器。与现有方法相比，所提框架具有灵活的输入长度，解决了早期性与准确性目标的双优化求解。实验结果表明，SPN 在准确率方面取得了超过 80% 的优异性能。与最先进方法相比，所提 SPN 在包括精确率、召回率、F1 分数与调和平均数在内的不同指标上至少带来 7% 的提升。据我们所知，这是首个聚焦于基于变长 ECG 数据解决心血管早期分类问题的工作。基于 SPN 的这些优异特性，其为解决各类变长时间序列早期分类问题提供了良好范例。
引用
@article{arxiv.2107.13361,
title = {Snippet Policy Network for Multi-class Varied-length ECG Early Classification},
author = {Yu Huang and Gary G. Yen and Vincent S. Tseng},
journal= {arXiv preprint arXiv:2107.13361},
year = {2021}
}