Модель глубокой свёрточной нейронной сети для классификации сердечных сокращений

Электрокардиография (ЭКГ) — стандартный метод контроля деятельности сердца. На ЭКГ проявляются многие заболевания сердца, включая аритмию — общий термин для обозначения нарушений сердечного ритма. Основу диагностики аритмий составляет выявление нормальных и патологических отдельных сердечных сокращений и их правильная классификация по различным диагнозам на основании морфологии ЭКГ. Сердечные сокращения можно разделить на пять категорий: неэктопические, наджелудочковые эктопические, желудочковые эктопические, сливные и неопределённые. Различать эти типы сокращений на ЭКГ сложно и трудоёмко, поскольку такие сигналы обычно искажены шумом. Мы разработали 9-слойную глубокую свёрточную нейронную сеть для автоматического выявления пяти категорий сердечных сокращений на сигналах ЭКГ. Исследование проводили на исходных и очищенных от шума наборах сигналов ЭКГ, полученных из общедоступной базы данных. Для выравнивания числа наблюдений в пяти классах набор искусственно расширили и отфильтровали для удаления высокочастотного шума. При обучении на расширенных данных свёрточная нейронная сеть достигла точности 94,03% и 93,47% при диагностической классификации сердечных сокращений на исходных и очищенных от шума ЭКГ соответственно. При обучении на резко несбалансированных данных (исходном наборе) точность сети снизилась до 89,07% на зашумлённых и 89,3% на очищенных от шума ЭКГ. При надлежащем обучении предложенная модель может использоваться для скрининга ЭКГ и быстрого выявления различных типов и частоты аритмичных сердечных сокращений.