使用解剖接地合成线索重建四电极心电图:一个生理测量框架与混合CNN-变压器映射

科学领域:

• 生物医学工程 生物医学工程
• 心脏病学 心脏病学
• 信号处理 信号处理

背景情况:

• 标准的12导电心电图 (ECG) 对于心脏诊断至关重要,但其多电极要求阻碍了可穿戴应用.
• 开发紧的心电图系统对于持续和门诊心脏监测至关重要.

研究的目的:

• 创建一个基于解剖学的框架,用四个合成电极重建一个12导电图.
• 通过使用更少的电极来实现生理上可解释和高准确性的心电图监测.

主要方法:

• 根据心脏脱极化向量,将12个线索划分为四个生理集群.
• 使用几何向量原理和心脏解剖学构建合成电极.
• 采用混合卷积神经网络-变压器架构用于波形重建.
• 在大型心电图数据集 (PTB-XL和Chapman-Shaoxing) 上培训和验证模型.

主要成果:

• 在内部数据上实现了高性能指标:R2 = 0.878,皮尔森相关性 ρ = 0.939,RMSE = 0.071 mV.
• 外部验证显示性能降低最小 (5%).
• 保存了超过94%的波形元件和88%的诊断信息,具有高的ST段相关性 (0.964).
• 经过证明的对噪声的强度 (SNR ≥10 dB).

结论:

• 拟议的框架允许对紧的四电极心电图系统进行算法可行性.
• 这种解剖学上可解释的方法为未来的可穿戴和门诊心电图设备提供了基础.
• 保持高诊断准确度,为硬件开发建立了一个基准.