用于心律失常检测的跨域 ECG 信号测试时数据增强
信号处理
2025-03-19 v1
摘要
心律失常(AF)检测来自电体图(ECG)信号对于早期诊断和管理心血管疾病至关重要。然而，在不同数据集上部署稳健的AF检测模型仍然具有挑战，因为这些数据集存在显著的域差异。本文我们使用测试时数据增强(TTA)来解决跨域问题并提高AF检测性能。我们使用公开的数据集进行训练——来自Physionet计算生理学挑战2017的 dataset——同时收集独立的测试集，创建跨域情景。我们采用一种神经网络架构，将基于Transformer的ECG信号编码与卷积层集成，用于声谱特征提取。该模型将来自两种编码器获得的潜在表示组合，用于对输入信号进行分类。在推断时引入TTA，我们提高了模型的性能，在测试集上实现了76.6%的F1分数。此外，我们的实验表明，该模型对输入信号的扰动更具鲁棒性。我们表明TTA在训练和测试数据来自不同来源的跨域问题中是有效的。该工作推动了心律失常在现实世界场景中的检测。
引用
@article{arxiv.2503.13483,
title = {Using Test-Time Data Augmentation for Cross-Domain Atrial Fibrillation Detection from ECG Signals},
author = {Majid Soleimani and Maedeh H. Toosi and Siamak Mohammadi and Babak Hossein Khalaj},
journal= {arXiv preprint arXiv:2503.13483},
year = {2025}
}