通过相空间分析与卷积神经网络理解正常与异常心脏
图像与视频处理
2023-05-19 v1 计算与语言
计算机视觉与模式识别
机器学习
神经与进化计算
信号处理
摘要
心脏疾病是现代工业化社会的主要死亡因素之一，给公共卫生系统造成高额支出。由于成本高昂，开发分析方法以改进心脏诊断至关重要。心脏的电活动最初是用一组非线性微分方程建模的。此后，研究了源自确定性动力学的心脏谱的变化。分析正常人类心脏的功率谱可得到具有分形结构的His-Purkinje网络。相空间轨迹是从时间序列心电图（ECG）图通过三阶导数的泰勒级数提取的。在本研究中，将相空间分析和卷积神经网络（CNNs）方法应用于通过MLII记录的MIT-BIH数据库中的44条记录。为提高准确率，在记录的相空间图像中最高Q-R距离之间绘制一条直线。采用二分类CNN来确定心脏健康与否。该模型以90.90%的准确率根据心脏状态对记录进行分类。
引用
@article{arxiv.2305.10450,
title = {Understanding of Normal and Abnormal Hearts by Phase Space Analysis and Convolutional Neural Networks},
author = {Bekir Yavuz Koc and Taner Arsan and Onder Pekcan},
journal= {arXiv preprint arXiv:2305.10450},
year = {2023}
}
备注
18 pages, 12 figures, 2 tables