Извлечение ЭКГ-сигналов из 12-канальных изображений

Что умеет эта модель?

Модель является нейронной сетью U-Net, разработанной для извлечения ЭКГ-сигналов из 12-канальных ЭКГ-изображений (отсканированных графиков). Она обрабатывает ЭКГ-графики с сеткой для восстановления цифровых сигналов временных рядов для отведений I, II, III, aVR, aVL, aVF, V1-V6.

Как она работает?

Архитектура включает обнаружение сетки и адаптацию к ней для обработки артефактов бумаги/сетки на отсканированных изображениях. Ключевые инновации включают:

• Структура кодер-декодер: Backbone U-Net с остаточными связями, дополненный модулями обнаружения линий сетки.
• Многоголовочный вывод: Отдельные головки для каждого из 12 отведений, выдающие 10-секундные сигналы с частотой дискретизации 1000 Гц (10 000 отсчетов на отведение).
• Функция потерь: Комбинированная функция потерь (MSE + перцептивная потеря + потеря выравнивания сетки) для точности сигнала и синхронизации с сеткой.

Как обучена?

Модель была обучена на изображениях PhysioNet CG, сопоставленных с эталонными сигналами, с использованием примерно 10 000 обучающих образцов. Для пост-обработки применяется удаление дрейфа базовой линии, нормализация (масштаб MV: 1.5, смещение: 0.5) и интерполяция отведений с использованием SciPy.

Применение

Данная модель может использоваться в медицинских учреждениях для цифровизации старых записей ЭКГ, проведения автоматического анализа или создания баз данных цифровых ЭКГ на основе отсканированных изображений.

Ссылки