Abstract: H. Zhang, C. Liu, F. Tang, M. Li, D. Zhang, L. Xia, S. Crozier, H. Gan, N. Zhao, W. Xu, F. Liu (2023)

Atrial fibrillation (AF) is the most common cardiac arrhythmia, and its early detection is critical for preventing complications and optimizing treatment. In this study, a novel AF prediction method is proposed, which is based on investigating a subset of the 12-lead ECG data using a recurrent plot and ParNet-adv model. The minimal subset of ECG leads (II & V1) is determined via a forward stepwise selection procedure, and the selected 1D ECG data is transformed into 2D recurrence plot (RP) images as an input to train a shallow ParNet-adv Network for AF prediction. In this study, the proposed method achieved F1 score of 0.9763, Precision of 0.9654, Recall of 0.9875, Specificity of 0.9646, and Accuracy of 0.9760, which significantly outperformed solutions based on single leads and complete 12 leads. When studying several ECG datasets, including the CPSC and Georgia ECG databases of the PhysioNet/Computing in Cardiology Challenge 2020, the new method achieved F1 score of 0.9693 and 0.8660, respectively. The results suggested a good generalization of the proposed method. Compared with several state-of-art frameworks, the proposed model with a shallow network of only 12 depths and asymmetric convolutions achieved the highest average F1 score. Extensive experimental studies proved that the proposed method has a high potential for AF prediction in clinical and particularly wearable applications.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Atrial fibrillation classification based on the 2D representation of minimal subset ECG and a non-deep neural network