Jul, 2024
利用自然语言处理技术增强心电图信号分析：一种包含嵌入和自注意力的新方法
Enhancing Electrocardiogram Signal Analysis Using NLP-Inspired
Techniques: A Novel Approach with Embedding and Self-Attention
TL;DR本研究提出了一种基于嵌入和自注意力的新型心电图(ECG)分析技术，以更高效地捕捉ECG数据的空间和时间依赖关系。通过使用编码器-解码器网络来生成嵌入，对ECG信号的时间依赖性进行捕获和数据压缩。将压缩和编码后的数据作为权重输入到嵌入层中，最终使用CNN-LSTM自注意力分类器在嵌入层上对信号进行分类，以判定其是否正常。该方法在严重不平衡的PTB-xl数据集上进行了测试，重点是适当识别少数病例中存在的疾病类别，以限制误判真阴性病例的检测。在所有疾病类别上获得了91%的准确率和良好的F1得分。此外，由于数据压缩，该模型的大小减少了34%，适用于实时应用部署。