1.論文
Inter- and Intra-Patient ECG Heartbeat Classification For Arrhythmia Detection: A Sequence to Sequence Deep Learning Approach
2.github代碼
3.論文整理
方法
A.預處理
- 輸入爲一段ECG信號，輸入前先歸一化到0-1；
- 在MIT-BIH心律失常數據庫中根據ECG註釋文件的R峯找到相關的t波。
- 根據t波將整段的ECG信號切分，並根據標註文件給每個部分添加標註。
- 調整長度-將其固定爲280個點
B.網絡架構
如下圖Fig 1，跟機器翻譯的seq2seq差不多，這裏沒有詞嵌入，取而代之是一個用於提取特徵的CNN。
CNN
由三個連續的一維卷積層組成：
- 第一層：32個2x1，步長=1的卷積核+ReLU+max pooling 2x1，步長=1
- 第二層：64個2x1，步長=1的卷積核+ReLU+max pooling 2x1，步長=1
- 第二層：128個2x1，步長=1的卷積核+ReLU+max pooling 2x1，步長=1
![fig2]()
encoder和decoder
使用BiRNN單元搭建encoder；
LSTM單元搭建decoder。
目標輸入是一個有開頭爲偏移的特徵向量，它只用於訓練階段。
實驗驗證
使用SMOTE平衡數據；
對4個類別的心臟週期進行分類：
考慮兩個方案：
（1）不同個體的ECG
| 類別 | N | S | V | F | 總數 |
|---|---|---|---|---|---|
| 數量 | 90494 | 2777 | 7217 | 802 | 101290 |
（2）相同個體不同的時間錄的ECG
- 訓練集
| 類別 | N | S | V | 總數 |
|---|---|---|---|---|
| 數量 | 45796 | 941 | 3780 | - |
- 測試集
| 類別 | N | S | V | 總數 |
|---|---|---|---|---|
| 數量 | 44196 | 1836 | 3216 | - |
兩個案例中都使用SMOTE平衡類別少的數據。
評估標準：sensitivity (SEN), positive predictive value (PPV), specificity (SPEC) (1 - False Positive Rate (FPR)) and accuracy(Acc)
最終結果如下，幾乎各項指標都由於其他的論文。另外模型的最大也只有5MB。
個人觀點：
（1）STOME平衡數據集需要進一步瞭解。
（2）模型架構方面沒有原創的東西，但是在工程實踐中能取得很好效果並落地，是個不錯的選擇。
（3）在其他的數據集的效果不清楚怎麼樣。