ECGMamba: Towards Efficient ECG Classification with BiSSM

要約

心電図 (ECG) 信号分析は、心血管疾患の診断において極めて重要な技術です。
トランスベースのモデルは ECG 分類において大幅な進歩を遂げましたが、推論段階では非効率性が見られます。
この問題は主に、Transformer のセルフアテンション メカニズムの二次的な計算の複雑さに起因します。
特に長いシーケンスを処理する場合に有効です。
この問題に対処するために、我々は、双方向状態空間モデル (BiSSM) を採用して分類効率を向上させる新しいモデル ECGMamba を提案します。
ECGMamba は、革新的な Mamba ベースのブロックに基づいており、推論の効率を維持しながらパフォーマンスを向上させるためのさまざまな時系列モデリング手法が組み込まれています。
2 つの公的に利用可能な ECG データセットに関する実験結果は、ECGMamba が分類の有効性と効率のバランスを効果的に取り、競争力のあるパフォーマンスを達成していることを示しています。
この研究は、ECG 分類の分野における一連の知識に貢献するだけでなく、効率的かつ正確な ECG 信号分析のための新しい研究の道を提供します。
これは、心血管疾患の診断モデルの開発にとって重要な指針となります。

要約(オリジナル)

Electrocardiogram (ECG) signal analysis represents a pivotal technique in the diagnosis of cardiovascular diseases. Although transformer-based models have made significant progress in ECG classification, they exhibit inefficiencies in the inference phase. The issue is primarily attributable to the secondary computational complexity of Transformer’s self-attention mechanism. particularly when processing lengthy sequences. To address this issue, we propose a novel model, ECGMamba, which employs a bidirectional state-space model (BiSSM) to enhance classification efficiency. ECGMamba is based on the innovative Mamba-based block, which incorporates a range of time series modeling techniques to enhance performance while maintaining the efficiency of inference. The experimental results on two publicly available ECG datasets demonstrate that ECGMamba effectively balances the effectiveness and efficiency of classification, achieving competitive performance. This study not only contributes to the body of knowledge in the field of ECG classification but also provides a new research path for efficient and accurate ECG signal analysis. This is of guiding significance for the development of diagnostic models for cardiovascular diseases.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google