ME-GAN: Learning Panoptic Electrocardio Representations for Multi-view ECG Synthesis Conditioned on Heart Diseases

要約

心電図 (ECG) は、心臓病の非侵襲的診断ツールとして広く使用されています。
多くの研究では、診断を支援するために ECG 分析モデル (分類器など) が考案されています。
上流のタスクとして、研究者は ECG データを合成するための生成モデルを構築しました。これは、トレーニング サンプルの提供、プライバシー保護、注釈の削減に有益です。
しかし、これまでの ECG の生成方法では、マルチビュー データが合成されず、心臓病の状態にも対処できなかったことがよくあります。
この論文では、ME-GANと呼ばれるマルチビューECG合成のための新しい疾患認識型敵対的生成ネットワークを提案します。このネットワークは、心臓病を条件としたパノプティック心電表現を実現し、その表現を複数の標準ビューに投影してECG信号を生成します。
心疾患の ECG 症状は特定の波形に局在化していることが多いため、疾患情報を適切な位置に正確に注入するための新しい「ミックスアップ正規化」を提案します。
さらに、正しいビュー特性を表す ECG を取得するようにジェネレーターを監視しながら、乱れた ECG ビューを所定の順序に戻すビュー弁別器を提案します。
さらに、合成された ECG 信号の品質を評価するための新しい指標である rFID が提供されます。
包括的な実験により、当社の ME-GAN が信頼できる病的症状を伴うマルチビュー ECG 信号合成で良好に機能することが検証されています。

要約(オリジナル)

Electrocardiogram (ECG) is a widely used non-invasive diagnostic tool for heart diseases. Many studies have devised ECG analysis models (e.g., classifiers) to assist diagnosis. As an upstream task, researches have built generative models to synthesize ECG data, which are beneficial to providing training samples, privacy protection, and annotation reduction. However, previous generative methods for ECG often neither synthesized multi-view data, nor dealt with heart disease conditions. In this paper, we propose a novel disease-aware generative adversarial network for multi-view ECG synthesis called ME-GAN, which attains panoptic electrocardio representations conditioned on heart diseases and projects the representations onto multiple standard views to yield ECG signals. Since ECG manifestations of heart diseases are often localized in specific waveforms, we propose a new ‘mixup normalization’ to inject disease information precisely into suitable locations. In addition, we propose a view discriminator to revert disordered ECG views into a pre-determined order, supervising the generator to obtain ECG representing correct view characteristics. Besides, a new metric, rFID, is presented to assess the quality of the synthesized ECG signals. Comprehensive experiments verify that our ME-GAN performs well on multi-view ECG signal synthesis with trusty morbid manifestations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google