通过自监督嵌入技术实现基于患者状况的心电图节律分类，以增强患者间心律失常检测的鲁棒性

《Expert Systems with Applications》：Patient-Conditioned ECG Beat Classification via Self-Supervised Embeddings for Robust Inter-Patient Arrhythmia Detection

　　

许俊英（Heo Junyeong）|车在彬（Cha Jaebin）|朴英哲（Park Youngcheol）|赵成弼（Cho Sung Pil）|金民宇（Kim Minwoo）

摘要

患者间的差异仍然是霍尔特监测（Holter monitoring）中可靠心电图（ECG）心跳分类的主要障碍，因为个体间的生理差异会扭曲心跳信号的表示。本研究的目的是减轻这种差异性，并提高对未见过患者的泛化能力，尤其是在处理形态学上模糊的心律失常（如室上性异位搏动，SVEB）时。我们提出了一种个性化的ECG心跳分类框架，通过利用短时、未标记的校准记录，弥合了患者间差异与完全基于患者个体特征的方法之间的差距。该方法采用了一种双路径架构，结合了基于残差U-Net（ResUNet）的形态学编码器和基于Mamba的状态空间模型（SSM），以捕捉细粒度的波形结构和长期的时间动态。为了在没有标记数据的情况下实现个性化，我们使用对比预测编码（CPC）从60秒的未标记数据段中提取患者特定的生理特征，并通过自适应实例归一化（AdaIN）将其融入模型。此外，还通过基于交叉注意力的融合机制整合了手工制作的临床描述符。在MIT-BIH心律失常数据库上进行的广泛实验（共30次独立运行，以确保统计显著性p?

相关新闻