【论文阅读笔记】Cardiologistlevelarrhythmiadetectionwithconvolutionalneuralnetworks

毕设研究需要阅读文献&＃xff0c;在此记录部分阅读笔记&＃xff0c;只是记录了我关注的一些点

一、摘要

本文开发了一种能够检测多种心率不齐的算法&＃xff08;基于穿戴式心电图监测器采集的信号&＃xff09;&＃xff0c;该算法的性能超过了心脏病医师。我们构建的数据集比前人大500倍。在此数据集上&＃xff0c;我们训练了一个34层的卷积神经网络&＃xff0c;其以心电图&＃xff08;ECG&＃xff09;序列为输入&＃xff0c;输出类别&＃xff08;rhythm
classes&＃xff09;。顶级心脏病专家对测试集的标记为 ground truth&＃xff0c;在测试集上&＃xff0c;将本文算法与6个心脏病医师进行了性能比较。本文的算法在召回率&＃xff08;灵敏度&＃xff09;和准确率&＃xff08;预测正确的比例&＃xff09;上都超过了心脏病医师。

二、数据

从 29163 位病人收集、标记的 64121 个心电图信号构成了本文的数据集。心电图信号的采样频率为 200 Hz。训练集的每一个记录的长度都是 30 秒&＃xff0c;并且可能包含多个 rhythm 类。每一个记录都被“三个心脏病专家组成的委员会”进行了标记&＃xff1a;专家标记了信号中异常的段&＃xff0c;并将其标记为 14 个 rhythm 类别中的一个。

30 秒记录的标签制作使用了一个基于 web 的心电图标记工具&＃xff08;专门用来标记心电图&＃xff09;。制作标签的都是国际认证的专家。标签采用了 offset 的方式。从而将输入心电图信号完全分割。为了提高不同标记人员标签的一致性&＃xff0c;对每一个
rhythm 变化使用特定的规则。

我们将数据集分为一个训练集和验证集。训练集包含数据集 90% 的数据。数据集的划分过程中&＃xff0c;训练、验证、测试集中的病人不重叠。

收集了 328 个病人的 336 个心电图记录作为测试集。对于测试集&＃xff0c;每一个记录的 ground truth 标记由三位心脏病专家组成的委员会商议产生&＃xff1a;每个顶尖专家负责测试集不同的分割&＃xff08;意思应该是负责不同的种类的标签&＃xff09;。顶尖专家对每一个记录进行组讨论、产生一个一致的标签&＃xff08;意思是&＃xff0c;综合各位专家的意见&＃xff0c;为每一个记录产生一个合理的标签&＃xff09;。对于测试集中的每一个记录&＃xff0c;我们也额外收集 6 个专家的独立标记&＃xff08;这6个专家不在委员会里&＃xff09;。委员会产生的
ground truth 用于对于模型和心脏病医师的性能。

三、方法

在本文的序列到序列任务中&＃xff0c;使用卷积神经网络。模型总的架构如图 2 所示。网络以原始的心电图信号&＃xff08;时序&＃xff09;为输入&＃xff0c;输出预测的标签序列。心电图的长度为 30
秒&＃xff0c;采样率为 200 Hz&＃xff0c;模型每秒输出一个新的预测值。本文的模型包含 33 个卷积层、1 个全连接层、1 个 softmax 层。

为了使深度网络可训练&＃xff0c;本文的模型使用了类似 ResNet 的架构&＃xff1a;使用了 shortcut、BN。本文的网络包含16个残差块&＃xff0c;每个残差块包含 2 个卷积层。所有的卷积层的 filter size 为 16&＃xff0c;filter 数为 64k&＃xff0c;这里 k 从 1 开始&＃xff0c;每 4 个残差块增加1。每个残差块后都下采样一次&＃xff08;factor
为 2&＃xff09;&＃xff0c;因此原始的输入最后被下采样为原始大小的2^8分之一。当一个残差块进行下采样时,shortcut 也使用 max-pool 进行下采样。

在每一个卷积层之前&＃xff0c;使用pre-activation&＃xff08;BN &＃43; ReLU&＃xff09;。由于使用了预激活&＃xff0c;网络的第一层和最后一层变得不一样。也在卷积层的激活函数之后使用了 Dropout。最后的全连接层、softmax 激活对每一个时间步产生一个 14 类的概率分布。

从头开始训练了网络&＃xff0c;卷积层的参数初始化方式如 ResNet v1。使用默认参数的 Adam 优化器&＃xff0c;当验证集上的 loss 停止下降就将学习速率除以 10。将训练过程中在验证集上最好的模型保存下来用于测试。

四、结果

我们使用了两个指标来衡量模式的准确度&＃xff08;将专家委员会的标记作为 ground truth&＃xff09;。

序列级别的准确度&＃xff08;F1&＃xff09;&＃xff1a;

Sequence Level Accuracy (F1): 我们用预测值与 ground
truth 序列标签之间的平均重合度来衡量模型性能。对于每个记录&＃xff0c;一个模型被要求
要在约 1 秒内给出预测&＃xff08;原文为: For every record, a model is
required to make a prediction approximately once per second (every 256 samples)&＃xff09;。这些预测被用来和 ground truth 标记进行比较。

集合级别的准确度&＃xff08;F1&＃xff09;&＃xff1a;

Set Level Accuracy (F1): 不再将每一个记录的标签看做一个序列&＃xff0c;我们将每个 30 秒记录出现的异常作为该记录的 ground truth&＃xff08;去掉重复&＃xff09;。与序列级别的准确度不同&＃xff0c;集合级别的准确度不考虑记录内
心率异常出现的时间。我们用
预测类别 和 ground truth 的 F1 Score 衡量模型的性能。

在序列、集合两个级别的评价指标中&＃xff0c;我们单独为每一个类别计算了 F1 score。我们然后使用类别加权平均来计算 总的 F1 score&＃xff08;和 准确率、召回率&＃xff09;。

表 1 展示了心脏病专家、模型在不同 rhythm 类别上的性能。在绝大数 rhythm 上&＃xff0c;本文模型的性能超过了心脏病专家。尤其注意的是&＃xff1a;在 AV Block 心律不齐集&＃xff08;包括 Mobitz I (Wenckebach)、Mobitz II (AVB Type2)、complete heart block (CHB)&＃xff09;上超过了人类专家。Mobitz
II 和 CHB 是恶性的&＃xff0c;而 Wenckebach 被认为是良性的&＃xff0c;因此能够将恶性和良性分开是非常有用的。

表 1 也比较了总精度、总召回率、总 F1。心脏病专家的总分被定义为了各位独立的心脏病专家的得分的均值。模型的平均精度、平均召回率都超过了心脏病专家。