|
|
Analysis of ultra-high frequency ECG using deep learning
Koščová, Zuzana ; Antin, Christoph Hoog (referee) ; Plešinger, Filip (advisor)
Analýza ultravysokofrekvenčného EKG (UHF-ECG) poskytuje informácie o elektrickej komorovej dyssynchrónii. Okrem toho analýza UHF-ECG v reálnom čase umožňuje priamu optimalizáciu stimulačnej elektródy počas implantácie kardiostimulátora. V tejto diplomovej práci opisujeme poruchy komorového vedenia, súčasnú metódu analýzy UHF-ECG a hlavne predstavujeme niekoľko modelov hlbokého učenia na to, aby sme zistili, ktoré kroky UHF-ECG analýzy môžu byť hlbokým učením nahradené. Dáta použité na vývoj a validáciu modelov hlbokého učenia pochádzajú z 2 súkromných nemocníc (FNUSA-ICRC, Brno, Česko, FNKV Praha, Česko) a z 3 verejne dostupných databáz. Najprv boli predstavené dve metódy hlbokého učenia na detekciu QRS komplexu a odhad trvania QRS komplexu v jednom kroku inferencie. Pri úlohe detekcie sme získali celkové F1-skóre 98,84 ± 0,51 \% a pri úlohe odhadu trvania QRS komplexu strednú absolútnu chybu (MAE) 12,25 ± 2,16 ms. Táto metóda zvyšuje výkonnosť analýzy UHF-ECG a vďaka tomu môže výrazne skrátiť čas merania. Okrem toho bol vyvinutý regresný model na odstraňovanie stimulačných impulzov založený na tzv. conditional generative adversarial networks. Výsledky boli vyhodnotené na základe korelácie 15 priemerných vysokofrekvenčných obálok v oblasti QRS komplexu medzi výstupom modelu a cieľovým signálom. Výsledky ukazujú vyššiu koreláciu na spontánnych signáloch a pokles korelácie so zvyšujúcim sa frekvenčným pásmom. Napokon boli vytvorené dva modely konvolučených neurónových sietí (CNN) na odhad komorovej elektrickej dyssynchrónie (VED). Konkrétne CNN s vrstavmi v 1D a 2D. MAE medzi naším riešením a anotáciou je 12,61 ±18,95 ms a 12,27 ±17,73 ms pre 1D a 2D CNN. MAE na spontánnych signáloch je pre oba modely približne o 5 ms nižšia ako na stimulovaných údajoch, čo naznačuje potrebu odstrániť stimulačné impulzy. Tieto modely hlbokého učenia prinášajú redukciu pipeline predspracovania a zároveň poskytujú výstup v jednom kroku inferencie. V prípade modelu detekcie QRS a odhadu trvania QRS je zlepšenie výkonu oproti súčasnému riešeniu evidentné a tieto kroky súšasnej analýzy UHF-ECG by mohli byť hlbokým učením nahradené. Avšak pre odstránenie stimulačných impulzov a odhad parametrov VED je potrebné zlepšiť výkon pre reálne použitie.
|
guest ::
