量化信号简化、数据量以及任务难度对心电图（ECG）节奏分类中视觉Transformer性能的影响 Jarod P. Hartley 和 W. Joseph MacInnes

《Computers》：Quantifying the Impact of Signal Simplification, Data Quantity, and Task Difficulty on Vision Transformer Performance for ECG Rhythm Classification Jarod P. Hartley and W. Joseph MacInnes

　　

摘要

视觉变换器（ViTs）在心电图（ECG）节律分类方面展现出相当大的潜力。然而，现有的大多数研究都是在高度控制、数据纯化的环境中进行的，这些环境无法反映现实世界中心电图信号的巨大变异性。本文旨在通过探讨信号简化、数据量以及任务难度对SwinV2 ViT模型在ECG节律分类中的性能影响来填补这一空白。通过系统分析，我们发现对高度抽象化的信号进行分类对模型性能的影响有限，所有模型的准确率都超过了95%；同时，训练数据量的影响至关重要，训练数据最多的模型与训练数据最少的模型之间准确率差异接近15%。最后，我们的分析表明该模型能够有效适应类别数量的增加，这一点由于ECG诊断的多样性而显得尤为重要。总之，这些结果强调了在设计ECG分类系统时仔细平衡数据清晰度、数据集规模和诊断多样性的重要性。实现这种平衡对于构建可靠且可扩展的心脏评估AI解决方案至关重要。