基于领域知识的时空图卷积网络用于心电图识别

arXiv:2607.01282v1 公告类型：新 摘要：鉴于人工智能 (AI) 的进步及其广泛应用，人工智能模型的可解释性仍然存在挑战，特别是在医疗保健等专业领域，例如心电图 (ECG) 识别。本文介绍了一种使用基于领域知识的图卷积网络进行心电图识别的新方法，而不是仅仅依赖于端到端的卷积神经网络。 PRQST 的关键标志点对于心电图解读至关重要，已作为领域知识纳入其中。双流有向图用于对 ECG 周期内和间进行建模。具体来说，空间有向图捕获关键点之间的位置关系，而时间有向图描绘扩展心电图序列中相邻周期之间的时间依赖性。在首个中国心电智能竞赛数据集上的实验结果证明了该模型的有效性，该数据集将心电图具体分为九类。总体平均F1得分为88.1%，稀有类别的平均F1得分为76.3%，均优于state-of-the-art模型。领域知识的引入确实提高了检测性能，特别是对于稀有类别。