文本到 ECG：基于临床文本报告条件的 12 导联心电图合成
计算与语言
2023-03-17 v1 机器学习
信号处理
摘要
心电图 (ECG) 合成是一类专注于生成逼真合成 ECG 信号以供医学使用的研究领域，无需担忧标注成本或临床数据隐私限制。传统 ECG 生成模型考虑单一 ECG 导联并利用基于 GAN 的生成模型。这些模型只能生成单导联样本，且需针对每个诊断类别分别训练。ECG 的诊断类别不足以捕捉 ECG 因各种特征（如患者人口统计细节、共存诊断类别等）而产生的细微差异。为缓解这些挑战，我们提出文本到 ECG 任务，其中使用文本输入来产生 ECG 输出。然后我们提出 Auto-TTE，一种基于临床文本报告条件的自回归生成模型，据我们所知首次用于合成 12 导联 ECG。我们将模型性能与文本到语音和文本到图像中的其他代表性模型比较。实验结果显示我们的模型在各种定量评估与定性分析中均具优越性。最后，我们与三位获委员会认证的心 cardiologists 进行用户研究以确认生成样本的保真度与语义对齐。我们的代码将发布于 https://github.com/TClife/text_to_ecg
引用
@article{arxiv.2303.09395,
title = {Text-to-ECG: 12-Lead Electrocardiogram Synthesis conditioned on Clinical Text Reports},
author = {Hyunseung Chung and Jiho Kim and Joon-myoung Kwon and Ki-Hyun Jeon and Min Sung Lee and Edward Choi},
journal= {arXiv preprint arXiv:2303.09395},
year = {2023}
}
备注
Accepted to ICASSP 2023 (5 pages, 3 figures, 4 tables)