Аналіз використання активаційних вейвлет - функцій у вейвлет - нейронних мережах категоризації серцевих скорочень ЕКГ

Анотація

Точна та автоматизована класифікація серцевих скорочень на електрокардіограмі (ЕКГ) є фундаментальною для діагностики та лікування серцево-судинних захворювань (ССЗ), однак вона залишається складним завданням через комплексність і варіабельність сигналів ЕКГ [1]. У цьому дослідженні розглядається ефективність використання різних вейвлет-функцій, зокрема Морле, мексиканського капелюха, Габора, Шеннона та Гаусса, як функцій активації в архітектурі вейвлет-нейронної мережі (WNN) для класифікації серцевих скорочень ЕКГ [3]. Використання загальнодоступного набору даних, отриманого з баз даних MIT-BIH Arhythmia та PTB Diagnostic ECG, зокрема зосередження на 5-класовій категоризації аритмії на основі стандарту Асоціації з удосконалення медичної апаратури (AAMI) [5]. Ключові висновки вказують на відмінності в продуктивності різних функцій вейвлет-активації, підкреслюючи потенційні переваги використання притаманних властивостей частотно-часової локалізації вейвлетів для фіксації дискримінаційних морфологічних особливостей у ритмах ЕКГ [7]. Дана робота підкреслює перспективність використання функцій активації на основі вейвлетів для підвищення точності та надійності моделей глибокого навчання в програмах обробки біомедичних сигналів, зокрема аналізі ЕКГ.