MLBF网络:一种用于12导联心电图多类别心律失常分类的多导联分支融合网络

MLBF-Net: A Multi-Lead-Branch Fusion Network for Multi-Class Arrhythmia Classification Using 12-Lead ECG
原文链接:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7963211/pdf/jtehm-liu-3064675.pdf
MLBF网络:一种用于12导联心电图多类别心律失常分类的多导联分支融合网络_第1张图片
摘要
利用12导联心电图(ECG)信号自动检测心律失常在心血管疾病的早期预防和诊断中起着至关重要的作用。
在以往的心律失常自动检测研究中,大多数方法都是将12导联的心电信号串联成一个矩阵,然后将该矩阵输入到各种特征抽取器或深层神经网络中提取有用信息。在这样的框架下,这些方法能够提取12导联心电图的综合特征(称为完整性),因为每个导联的信息在训练期间相互作用
然而,12导联中不同的导联特异性特征(称为多样性)被忽视,导致12导联心电图的信息学习不足。为了最大限度地实现多导联心电图的信息学习,需要考虑完整的综合特征和多样的导联特征的信息融合

你可能感兴趣的:(心脏疾病诊断,健康医疗,深度学习,神经网络)