SRECG：面向便携式/可穿戴设备心律失常分类的 ECG 信号超分辨率框架
信号处理
2023-08-22 v2 机器学习
摘要
基于云端的深度学习（DL）算法与便携式/可穿戴（P/W）设备的结合已被开发为一种智能医疗系统，用于支持利用心电图（ECG）自动进行心律失常（CAs）分类。然而，由于 P/W 设备与消费电子（CE）结合时电池与传输带宽的限制，长期连续的 ECG 监测颇具挑战。应对该挑战的一个可行途径是降低采样率。但低采样率会导致低分辨率信号，从而阻碍 CAs 分类性能。在本研究中，我们提出一种基于 DL 的 ECG 信号超分辨率框架（称为 SRECG），通过联合考虑应用于基于 DL 的高分辨率多类分类器（HMC）时的准确率来增强低分辨率 ECG 信号。在我们的实验中，我们对来自 CPSC2018 数据集的 ECG 信号进行下采样，并评估使用与不使用 SRECG 时的 HMC 准确率。实验结果表明，与传统插值方法相比，SRECG 能很好地提升 HMC 准确率。此外，经 SRECG 增强的 ECG 信号中，HMC 的 CAs 分类准确率约有半数得以保持。有前景的结果证实，SRECG 可适用于增强来自带 CE 的 P/W 设备的低分辨率 ECG 信号，以改善其基于云端的 HMC 性能。
引用
@article{arxiv.2012.03803,
title = {SRECG: ECG Signal Super-resolution Framework for Portable/Wearable Devices in Cardiac Arrhythmias Classification},
author = {Tsai-Min Chen and Yuan-Hong Tsai and Huan-Hsin Tseng and Kai-Chun Liu and Jhih-Yu Chen and Chih-Han Huang and Guo-Yuan Li and Chun-Yen Shen and Yu Tsao},
journal= {arXiv preprint arXiv:2012.03803},
year = {2023}
}