科研之友
微信
新浪微博
Facebook
分享链接
摘要
房颤的早期发现与诊断是降低房颤以及并发症风险的关键。视频光电体积描记术(VPPG)技术为房颤筛查提供了新途径，但易受到现实场景中运动干扰。现有VPPG房颤检测方法存在运动干扰时会造成脉冲信号失真，从而发生误判。为解决以上问题，提出一种抗干扰视频房颤检测模型。该模型使用注意力编码器网络，从包含运动干扰的脉冲信号中提取鲁棒的脉冲潜在特征，径向基分类网络根据潜在特征实现房颤检测。注意力编码器将复杂脉冲信号映射到高维子空间，重点关注有效信息，提取稳健潜在特征。径向基分类网络在房颤标签监督下提高房颤识别能力，输出可靠结果。在200名测试者参与的自建数据集上进行实验，结果表明该模型在各类场景中均表现优异。在静态场景中，检测精度较最优对比算法提高了8.1%，敏感性提高了7.5%。在动态场景中，对比算法准确度均大幅下降，所提模型精度相比提升了16.5%，特异性提升了18.3%。模型具有良好的抗运动干扰能力，可有效地消除运动干扰影响，提高现实场景中视频房颤检测精度。
- 单位
