换一批基于对比学习和掩码重构的无监督心梗检测算法
Contrastive Learning and Masked Reconstruction-based Unsupervised Algorithm for Myocardial Infarction Anomaly Detection
摘要心肌梗死是全球最大的健康负担之一,基于心电图的心肌梗死检测深度学习模型在疾病早期诊断中起到了至关重要的作用.传统的心肌梗死检测方法依赖于大量标记的心梗心电图训练样本,而这些心梗样本在真实场景中是稀缺的数据.掩码重构技术通过学习未遮挡部分来重建遮挡部分,从而实现对模型的预训练.然而,随机遮挡部分时间点的方法可能破坏时间序列的时序变化信息,使得重建任务难以有效指导表示学习.针对上述问题,提出了一种基于对比学习和掩码重构的无监督心肌梗死检测算法(CLMR),将心肌梗死检测建模为异常检测问题,并仅利用正常心电图数据进行训练.通过引入导联分割和掩码学习方法,模型能够专注于识别心肌梗死心电图中的Q波、ST段以及T波段异常特征.此外,采用原始肢体6导联数据和原始胸前6导联间的对比学习,以及重构肢体6导联数据和重构胸前6导联间的对比学习方法,在同一个联合空间内有效学习跨导联特征,并通过多个掩码序列间的信息互补增强重构效果.实验结果表明,CLMR方法在公开数据集PTBXL和真实数据集EMI12上的AUC和AP效果分别比主流算法高出8.72百分点和6.05百分点、10.69百分点和3.55百分点.结果验证了模型在心梗异常检测任务中的有效性.
更多相关知识
关键词
心电图心肌梗死异常检测对比学习无监督学习掩码重构electrocardiogrammyocardial infarctionanomaly detectioncontrastive learningunsupervised learningmask reconstruction
栏目名称
DOI
10.20165/j.cnki.ISSN1673-629X.2025.0094
发布时间
2025-10-11（万方平台首次上网日期，不代表论文的发表时间）
基金项目
河南省重大科技专项项目（241100310200）
科技创新新一代人工智能重大项目（2030;2021ZD0111000）
- 浏览4
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
