W tej pracy, przedstawiamy nasze badania, które potwierdzają przydatność zastosowania konwolucyjnych sieci neuronowych dla klasyfikacji zapisów jedno-odprowadzeniowego EKG. (tak brzmi ta nazwa). Proponowana metoda została zaprojektowana dla klasyfikowania prawidłowego rytmu zatokowego, migotania przedsionków (AF), poza-AF powiązanych z innymi nieprawidłowymi rytmami serca i zaszumionymi (głośnymi?) sygnałami. Ta metoda łączy cechy wyselekcjonowane ręcznie z cechami wyuczonymi przez głębokie sieci neuronowe. Zbiór danych Physionet Challenge 2017 zawierający ponad 8500 zapisów EKG został zastosowany dla modelu szkolenia oraz walidacji. Model nauczony (wyszkolony?) osiąga odpowiednio średni F1-wynik 0.71 w klasyfikowaniu prawidłowego rytmu zatokowego, rytmu AF oraz innych rytmów.
Bibliografia
AliveCor ECG recording device. https://www.alivecor.com
Clifford G, Liu C, Moody B, Silva I, Li Q, Johnson A, Mark. R.: AF classification from a short single lead ECG recording: the PhysioNet Computing in Cardiology challenge 2017. Computing in Cardiology 44, 2017, [DOI: 10.22489/CinC.2017.065-469].
Dilaveris P. E., Kennedy H. L.: Silent atrial fibrillation: epidemiology, diagnosis, and clinical impact. Clinical Cardiology 40(6), 413–418, 2017.
Hernandez J., Carrasco-Ochoa J. A., Martínez-Trinidad J. F.: An Empirical Study of Oversampling and Undersampling for Instance Selection Methods on Imbalance Datasets. In: Ruiz-Shulcloper J., Sanniti di Baja G. (eds): Progress in Pattern Recognition, Image Analysis, Computer Vision, and Applications. CIARP 2013. Lecture Notes in Computer Science, vol 8258. Springer, Berlin, Heidelberg 2013, [DOI: 10.1007/978-3-642-41822-8_33]
Himanshu S., Kumar J. S. J, Ashok V., Juliet A. V.: Advanced ECG Signal Processing using Virtual Instrument. International Journal on Recent Trends in Engineering & Technology 3(2), 2010, 111-114.
Huang J., Chen B., Yao B., He W. ECG Arrhythmia Classification Using STFT-based Spectrogram and Convolutional Neural Network. EEE Access 7, 2019, 92871-92880.
Kohler B.-U., Hennig C., Orglmeister R.: The principles of software QRS Detection. IEEE Engineering in Medicine and Biology Magazine 21(1), 2002, 42-57, [DOI: 10.1109/51.993193].
Mikhled A., Daqrouq K.: ECG Signal Denoising by Wavelet Transform Thresholding. American Journal of Applied Sciences 5(3), 2008. 276-281.
Park J., Lee S., Jeon M.: Atrial fibrillation detection by heart rate variability in Poincare plot. Biomed engineering online 8/38, 2009, 1-12.
Petrenas A., Marozas V.: Low-complexity detection of atrial fibrillation in continuous long-term monitoring. Comput in Biology and Medicine 65, 2015, 184-191.
Rodenas-Garcia J., Garica M., Alcaraz R., Rieta J.: Wavelet Entropy Automatically Detects Episodes of Atrial Fibrillation from Single-Lead Electrocardiograms. Entropy 17, 2015, 6179-6199, [DOI: 10.3390/e17096179].
Simonyan K., Zisserman A.: Very Deep Convolutional Networks for Large-Scale Image Recognition. Inter Conf on Learning Representations (ICLR), 2015. [arXiv preprint arXiv:1409.1556].
Tziakouri M., Pitris C., Orphanidou C.: Classification of AF and Other Arrhythmias from a Short Segment of ECG Using Dynamic Time Warping. Comp in Cardio, 2017, 1-4.
Velayudhan A., Peter S.: Noise Analysis and Different Denoising Techniques of ECG Signal – A Survey. IOSR Journal of Electronics and Communication Engineering, 2016, 40-44
Wang Z., Wan F., Wong C.M., Zhang L.: Adaptive Fourier decomposition based ECG denoising. Computers in Biology and Medicine 77, 2016, 195–205.
https://keras.io Keras documentation (available: 19.07.2019).
https://numpy.org NumPy official documentation (available 01.07.2019).
https://scikit-learn.org Scikit-Learn official website (available: 01.07.2019).
https://www.python.org Python programming language (available 30.06.2019).
https://www.scipy.org SciPy official documentation (available 01.07.2019).
https://www.tensorflow.org Tensorflow official page (available: 19.07.2019).
OMRON HCG801 HearnScan ECG recorder. https://www.omron-healthcare.com/en/products/electrocardiograph
WIWE ECG recording device. https://shop.mywiwe.com/en/ecg-recording-105