Извлечение ЭКГ-сигналов из 12-канальных изображений
Извлекает цифровые ЭКГ-сигналы из отсканированных 12-канальных изображений с сеткой.
О сервисе
Что умеет эта модель? Модель является нейронной сетью U-Net, разработанной для извлечения ЭКГ-сигналов из 12-канальных ЭКГ-изображений (отсканированных графиков). Она обрабатывает ЭКГ-графики с сеткой для восстановления цифровых сигналов временных рядов для отведений I, II, III, aVR, aVL, aVF, V1-V6. Как она работает? Архитектура включает обнаружение сетки и адаптацию к ней для обработки артефактов бумаги/сетки на отсканированных изображениях. Ключевые инновации включают: Структура кодер-декодер: Backbone U-Net с остаточными связями, дополненный модулями обнаружения линий сетки. Многоголовочный вывод: Отдельные головки для каждого из 12 отведений, выдающие 10-секундные сигналы с частотой дискретизации 1000 Гц (10 000 отсчетов на отведение). Функция потерь: Комбинированная функция потерь (MSE + перцептивная потеря + потеря выравнивания сетки) для точности сигнала и синхронизации с сеткой. Как обучена? Модель была обучена на изображениях PhysioNet CG, сопоставленных с эталонными сигналами, с использованием примерно 10 000 обучающих образцов. Для пост-обработки применяется удаление дрейфа базовой линии, нормализация (масштаб MV: 1.5, смещение: 0.5) и интерполяция отведений с использованием SciPy. Применение Данная модель может использоваться в медицинских учреждениях для цифровизации старых записей ЭКГ, проведения автоматического анализа или создания баз данных цифровых ЭКГ на основе отсканированных изображений. Ссылки sheikhrehanaslam/ecgsiggaunetpyt на Kaggle Источник: https://qubu.ai/models/izvlechenie-ekg-signalov-iz-12-kanalnykh-izobrazhenii License: MIT
