عدم التوازن في بيانات تشخيص صحة القلب باستخدام CECG-GAN

الملخص مرض القلب هو السبب الرئيسي للوفاة في العالم. غالبًا ما تكون النماذج التشخيصية المعتمدة على تخطيط القلب الكهربائي (ECGs) محدودة بسبب نقص البيانات عالية الجودة وقضايا عدم التوازن في البيانات. لمواجهة هذه التحديات، نقترح شبكة منافسة مولدة شرطية (CECG-GAN). تتيح هذه الاستراتيجية إنشاء عينات تقترب بشكل كبير من توزيع بيانات ECG. بالإضافة إلى ذلك، تعالج CECG-GAN اهتزاز الموجة، وسرعات المعالجة البطيئة، وقضايا عدم توازن مجموعة البيانات من خلال دمج بنية المحولات. قمنا بتقييم هذا النهج باستخدام مجموعتين من البيانات: MIT-BIH وCSPC2020. تظهر النتائج التجريبية أن CECG-GAN تحقق مقاييس أداء رائعة. من الجدير بالذكر أن الفرق الجذري المئوي (PRD) وصل إلى 55.048، مما يشير إلى درجة عالية من التشابه بين الموجات المولدة والفعلية لتخطيط القلب الكهربائي. بالإضافة إلى ذلك، كانت المسافة فريشيه (FD) حوالي 1.139، وسجل الخطأ الجذري التربيعي (RMSE) عند 0.232، وتم تسجيل متوسط الخطأ المطلق (MAE) عند 0.166.