要約
心臓の活動や個人差による心電図 (ECG) 信号の振幅と位相パターンの変動を考慮すると、既存のエントロピーに基づく研究ではこれら 2 つのパターンが十分に活用されておらず、統合が不足しています。
このギャップに対処するために、この論文では、振幅パターンと位相パターンの融合を包括的に説明するために、ECG形態に特化して設計された、新しい融合エントロピー測定基準である形態学的ECGエントロピー(MEE)を初めて提案します。
MEE は心拍レベルのサンプルに基づいて計算され、各心周期の詳細な分析が可能になります。
実験結果は、MEE が異常な ECG 不整脈領域の迅速、正確、ラベル不要の位置特定を達成することを示しています。
さらに、MEE は、サンプルの多様性を評価する方法を提供し、不均衡なトレーニング セットの圧縮を (代表的なサンプルの選択によって) 促進し、ランダムな枝刈りよりも優れたパフォーマンスを発揮します。
さらに、MEE は品質の悪い領域を記述する能力を示します。
議論することにより、ノイズ干渉に対する MEE 値計算の堅牢性と計算複雑性の低さを証明します。
最後に、この方法を臨床対話型インターフェイスに統合して、より便利で直感的なユーザー エクスペリエンスを提供します。
これらの所見は、MEE が ECG 特性評価の貴重な臨床記述子として機能することを示しています。
実装コードは、https://github.com/fdu-harry/ECG-MEE-metric のリンクで参照できます。
要約(オリジナル)
Considering the variability of amplitude and phase patterns in electrocardiogram (ECG) signals due to cardiac activity and individual differences, existing entropy-based studies have not fully utilized these two patterns and lack integration. To address this gap, this paper proposes a novel fusion entropy metric, morphological ECG entropy (MEE) for the first time, specifically designed for ECG morphology, to comprehensively describe the fusion of amplitude and phase patterns. MEE is computed based on beat-level samples, enabling detailed analysis of each cardiac cycle. Experimental results demonstrate that MEE achieves rapid, accurate, and label-free localization of abnormal ECG arrhythmia regions. Furthermore, MEE provides a method for assessing sample diversity, facilitating compression of imbalanced training sets (via representative sample selection), and outperforms random pruning. Additionally, MEE exhibits the ability to describe areas of poor quality. By discussing, it proves the robustness of MEE value calculation to noise interference and its low computational complexity. Finally, we integrate this method into a clinical interactive interface to provide a more convenient and intuitive user experience. These findings indicate that MEE serves as a valuable clinical descriptor for ECG characterization. The implementation code can be referenced at the following link: https://github.com/fdu-harry/ECG-MEE-metric.
arxiv情報
| 著者 | Shuaicong Hu,Yanan Wang,Jian Liu,Jingyu Lin,Shengmei Qin,Zhenning Nie,Zhifeng Yao,Wenjie Cai,Cuiwei Yang |
| 発行日 | 2024-04-15 12:29:16+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google