Un Système de Surveillance des Arythmies ECG Personnalisé et à Zéro Tir : De l'Adaptation de Domaine Basée sur la Représentation Creuse à la Détection Économique en Énergie des Battements Anormaux pour une Surveillance ECG Pratique

Cet article propose un système de surveillance ECG à faible coût et d'une grande précision destiné à la détection précoce personnalisée des arythmies pour les capteurs mobiles portables. Les approches supervisées précédentes pour la surveillance ECG personnalisée nécessitent à la fois des battements cardiaques anormaux et normaux pour l'entraînement du classifieur dédié. Cependant, dans un scénario réel où l'algorithme personnalisé est intégré dans un dispositif portable, de telles données d'entraînement ne sont pas disponibles pour les personnes en bonne santé n'ayant pas d'historique de troubles cardiaques.Dans cette étude, (i) nous proposons une analyse de l'espace nul sur l'espace des signaux sains obtenu par apprentissage de dictionnaire parcimonieux, et nous examinons comment une simple projection dans l'espace nul ou, alternativement, des méthodes de classification basées sur les moindres carrés régularisés peuvent réduire la complexité computationnelle sans sacrifier la précision de détection, par rapport à la classification basée sur la représentation parcimonieuse. (ii) Ensuite, nous introduisons une technique d'adaptation de domaine basée sur la représentation parcimonieuse afin de projeter les signaux anormaux et normaux d'autres utilisateurs existants dans l'espace des signaux du nouvel utilisateur, ce qui nous permet d'entraîner le classifieur dédié sans disposer de battements cardiaques anormaux du nouvel utilisateur. Ainsi, l'apprentissage zéro-shot peut être réalisé sans avoir recours à la génération synthétique de battements cardiaques anormaux. Un ensemble étendu d'expériences menées sur le jeu de données ECG MIT-BIH benchmark montre que lorsque ce générateur de données d'entraînement basé sur l'adaptation de domaine est utilisé avec un classifieur CNN 1D simple, la méthode surpassera les travaux antérieurs avec une marge significative.(iii) Ensuite, en combinant (i) et (ii), nous proposons un classifieur par ensemble qui améliore encore davantage les performances. Cette approche pour la détection zéro-shot des arythmies atteint un niveau moyen de précision de 98,2 % et un score F1 de 92,8 %. Enfin, un schéma personnalisé et économe en énergie pour la surveillance ECG est proposé en utilisant les innovations mentionnées ci-dessus.