可解释性深度学习用于12导联心电图的自动诊断
该存储库包含用于可解释性深度学习的代码,用于自动诊断12导联心电图。 心电图(ECG)是广泛用于心血管疾病诊断的可靠,非侵入性方法。 随着心电图检查的Swift发展和心脏病医生的不足,准确地自动诊断心电图信号已成为研究的热点。 深度学习方法已在预测性医疗保健任务中显示出令人鼓舞的结果。 在这项工作中,我们开发了一种深度神经网络,用于12导联心电图记录中的心律不齐的多标签分类。 在公开的12导联ECG数据集上进行的实验表明了我们方法的有效性。 所提出的模型在接收器工作特性曲线(AUC)下获得的平均面积为0.970,平均F1得分为0.813。 使用单导联心电图作为模型输入所产生的性能低于使用所有12条导联。 表现最佳的潜在客户是12根潜在客户中的潜在客户I,aVR和V5。 最后,我们采用了SHapley Additive exPlanations(
2021-09-06 16:47:45
23KB
Python
1