Tıbbı sinyal sınıflandırması için seyrek temsil tabanlı çevrimsel sinir ağlarının kullanılması

Kardiyovasküler bozukluklar, elektrokardiyogram (EKG veya ECG) kullanılarak izlenebilir. Kalp rahatsızlıklarının yorumlanması insanlar için zor olduğundan, doktorların aritmi varyasyonlarını gerçek zamanlı ve doğru bir şekilde sınıflandırmalarına yardımcı olacak otomatik modeller geliştirmek büyük önem taşımaktadır. EKG cihazlarından ve ayarlarından kaynaklanan gürültüye ek olarak hasta kayıtlardaki EKG kalp atışları arasında benzerlikler olduğundan EKG sinyallerinin sınıflandırılması zordur. Bu çalışmada, tamamlanmış bir Gabor sözlüğü üzerinden EKG sinyallerinin seyrek temsilini kullanan ve bunları Evrişimli Sinir Ağı kullanarak sınıflandıran yeni bir model sunumaktadır. Aşırı tamamlanmış Gabor sözlüğü aracılığıyla uygun seyrek vektörler üretmek için Dik Eşleştirmeme Takip Algoritması kullanılır. Üretilen seyrek girdiler, 5 farklı EKG kalp atışı kategorisini otomatik olarak sınıflandırmak için, önerilen beş ardışık çift 1-D evrişimli katmandan oluşan ağı, beslemek için kullanılır. Geleneksel algoritmaların aksine, bu yöntem, özellik çıkarma veya seçme gibi ön işleme gerektirmez. Geliştirilen modelin performansını değerlendirmek için MITBIH Aritmi veritabanı kullanılmıştır. Önerilen model, hem seyrek hem de seyrek olmayan girdiler kullanılarak test edilmiştir. Model, dengesiz sınıfların etkisini azaltmak amacıyla sınıfları artırılmış ve dengelenmiş veriler üzerinde de test edilmiştir. Deneysel sonuçlar, dağıtılmış girdiler için model doğruluğunun dengesiz ve dengeli veriler için sırasıyla% 97.44 ve% 97.32'ye ulaştığını göstermektedir. Seyrek olmayanlar için ise bu performans dengesiz ve dengeli veriler için sırasıyla% 98,84 ve% 98,69 olarak gerçekleşmiştir.