Тенденции в методах и применении извлечения признаков из сигналов ЭКГ

Анализ сигналов объединяет различные процессы в надёжные конвейеры автоматизированного анализа данных. В медицине для этого используют физиологические сигналы. В настоящее время всё чаще приходится работать с очень большими наборами данных, содержащими тысячи признаков. Это во многом связано с тем, что регистрацию биомедицинских сигналов можно проводить в течение многих часов, что само по себе создаёт дополнительные сложности. В настоящем обзоре рассматриваются электрокардиографический сигнал и распространённые методы извлечения признаков, применяемые в цифровом здравоохранении и задачах искусственного интеллекта. Извлечение признаков — важнейший этап анализа биомедицинских сигналов. Его основная цель — уменьшение размерности сигнала и уплотнение данных. Иными словами, данные представляют с помощью меньшего набора признаков, которые затем можно более эффективно использовать в моделях машинного и глубокого обучения для классификации, обнаружения и решения других автоматизированных задач. Кроме того, при уменьшении объёма данных в процессе извлечения признаков отфильтровывается избыточная информация исходного набора. В обзоре рассматриваются обработка сигналов ЭКГ и извлечение признаков во временной, частотной и время-частотной областях, а также методы на основе разложения и разреженного представления. Для обсуждаемых методов приведён псевдокод, что позволяет практикующим специалистам и исследователям воспроизводить их в конкретных направлениях биомедицинских исследований. Кроме того, рассмотрены глубинные признаки и интеграция с методами машинного обучения, что позволяет сформировать полный конвейер анализа сигналов. В заключение обсуждаются перспективные направления дальнейшего развития методов извлечения признаков при анализе сигналов ЭКГ.