SACNN: ECG şəkil təsnifatı üçün dəqiqliyi və şərh edilə bilməsini artıran məkan diqqətli 2D CNN

Dərin öyrənmə modelləri EKG analizisində güclü performans göstərmişdir. Bununla birlikdə, mövcud olan bir çox modellər qara qutu sistemləri kimi fəaliyyət göstərir və ya şəffaflığı məhdudlaşdıraraq post-hoc izah edilə bilən texnikalara asılıdır. Bundan əlavə, diqqət əsaslı mexanizmlər EKG şəkillərinin məhdud araşdırılması ilə 1D EKG siqnallarına diqqət yetirmişdir. Bu araşdırmada, xüsusiyyət çıxarış zamanı vurğulanmış bölgələri vurğuladıqca model şəffaflığını artırmaq üçün daxili diqqət mexanizminə malik olan məkan diqqəti əsaslı 2D konvolyusiyalı sinir şəbəkəsi (SACNN) təklif edirik. 2D-CNN-ə məkan diqqətinin öyrənmə prosesində daxil edilməsi model tərəfindən vurğulanmış şəkil bölgələrinin post-hoc izah edilmə metodlarının tələb olunmadan təsvir edilməsinə kömək etdi. Təcrübə analizi, tək bölünmədə 0,98 ilə qədər dəqiqlik və qatlı k qatlı çapraz təsdiqləmədə orta dəqiqlik 0,93 ilə ardıcıl performans göstərdi. Statistika hipotez testləri SACNN- in qiymətləndirilmiş əsas CNN modellərindəki performans yaxşılaşdırmasının statistik cəhətdən əhəmiyyətli olduğunu (p< 0, 05) və böyük effekt ölçüləri ilə əlaqəli olduğunu təsdiqlədi. Bundan əlavə, model fon bölgələrində dalğa formaları üzərində üstünlük təşkil edən sahələrə diqqətini qoruyur və səs-küy pozuntuları altında möhkəmlik nümayiş etdirir. İstilik xəritələrində diqqət dağılmasının miqyaslı təhlili, mütəxəssislərin qiymətləndirilməsi ilə dəstəklənən, öyrənilmiş diqqət davranışının məkan baxımından məntiqli olduğunu göstərir. Bu iş EKG görüntü analizi üçün şəffaf dərin öyrənmə çərçivələrinə doğru əsas addımdır və şəffaflığı artırmaq və model diqqətinin vizual qiymətləndirilməsini asanlaşdırmaq üçün daxili diqqət istilik xəritələrinin potensialını vurğulayır.

Kompüter Elmləri Bölməsi, Mühəndislik və Texnologiya Məktəbi, Pondicherry Universitetinin Kalapet, 605014, Puducherry, Hindistan

Kardiologiya şöbəsi, Dhanvantari Nagar, Puduçeri, Jawaharlal Postgraduate Tibb Təhsil və Tədqiqat İnstitutu, 605006, Hindistan

Pillai Lekshmi Ashokan-a məktub.

Müəlliflər heç bir rəqabət maraqlarının olmadığını bəyan edirlər.

Springer Nature nəşr olunan xəritələrdə və qurumların əlaqələrində yurisdiksiya iddiaları ilə bağlı neytral olaraq qalır.