一个基于变压器的框架,具有动态的多层次注意力机制,用于12导电心电图合成

科学领域:

• 生物医学工程 生物医学工程
• 人工智能的人工智能
• 心脏病学 心脏病学

背景情况:

• 心血管疾病 (CVD) 是全球死亡的主要原因,需要改进诊断工具.
• 标准的12导电心电图是有效的,但需要专门的设备,限制了可访问性.
• 目前的可穿戴设备提供有限的心电图,限制了诊断范围.

研究的目的:

• 提出一种新的方法来从有限的三导输入 (导线I,III,V6) 中合成完整的12导电图.
• 引入动态多尺度时间序列变压器 (DMTT) 模型,用于准确的心电图合成.
• 提高可穿戴设备的诊断能力,以远程监测心血管健康.

主要方法:

• 开发了动态多尺度时间序列变压器 (DMTT) 模型,集成动态窗口和多尺度架构.
• 在动态窗口模块 (DWM) 中利用了基于突出性的注意力机制,用于自适应性功能聚合.
• 采用多尺度模块 (MSM) 来捕捉时空依赖性,以精确地合成心电图形态.
• 在PTB-XL数据集上训练模型,并使用规范化根平均平方误差 (NRMSE) 和平均绝对误差 (AAE) 进行评估.

主要成果:

• 在DMTT模型中,成功合成了心电图V1-V5线索,平均AAE为0.0777mV,NRMSE为0.0907.
• 定性分析证实了合成心电图中诊断特征的保留.
• 通过使用生成性人工智能模型,证明了从有限的领先集生成12导电图的可行性.

结论:

• 拟议的技术可以从有限的线索生成一个完整的12导电图,大大推进基于可穿戴设备的心脏监测.
• 这种方法扩大了人工智能驱动的自动分类的适用性,用于检测更广泛的心脏病状况.
• 便于在家进行可访问的心脏健康监测和早期发现心血管疾病.