مولد يعتمد على CVAE لتوليد ECG اصطناعي بطول متغير

تؤدي أداء نماذج التعلم العميق (DL) التي تتطلب كميات كبيرة من البيانات في مجال الرعاية الصحية إلى قيود شديدة نتيجة نقص كميات كبيرة من البيانات ذات الجودة الجيدة. تؤدي تحديات توفر البيانات إلى مشاكل اختلال التوازن في الفئات التي تتفاقم في ظل الظروف الطبية النادرة. كما يؤدي ذلك أيضًا إلى مشاكل انحراف النموذج ونقص التعميم في تطوير نماذج الرعاية الصحية القابلة للنشر. تم اقتراح مولدات البيانات الاصطناعية للتخفيف من هذه التحديات كاستراتيجية لزيادة البيانات. ومع ذلك، فإن معظم الخوارزميات التوليدية تتطلب موارد كبيرة، وأداؤها مقيد، خاصة بالنسبة للإشارات المنظم. يعد تدريب الخوارزميات التوليدية الشائعة تحديًا من حيث الوصول إلى التوافق لتوليد محدد لمهمة واحدة، مما يؤدي غالبًا إلى انهيار الوضع ويتطلب بيانات كبيرة للتوليد من ضوضاء عشوائية. في هذا العمل، نقترح بنية تلقائية متغيرة شرطية قائمة على الالتفاف (CVAE) لتوليد إشارات تخطيط القلب الكهربائي بعدد متغير من النبضات لفئتين من خفقان القلب كصور. نقدم نتائج تجريبية باستخدام فئتين من اضطراب النظم، وهما، النظم الجيبي الطبيعي (NSR) والرجفان الأذيني (AFIB) للنبضات الفردية (200 نقطة بيانات) وإشارات النظم (3600 نقطة بيانات، 6-10 نبضات)، استنادًا إلى قيود مجموعة البيانات المتاحة لتدريب واختبار نموذجنا التوليدي المقترح. يتم تدريب نموذجنا التوليدي المقترح بمزيج من الإيقاعات والنبضات الفردية عبر فئات مختلفة من اضطرابات نظم القلب. نهجنا مستقل عن عدد الفئات ويمكن توسيعه لتوليد نبضات ECG مفردة أو إيقاعات ECG (أطوال متغيرة) لعدة فئات دون الحاجة إلى تدريب فردي لكل نوع من أنواع اضطرابات النظم أو لطول محدد. تعمل بياناتنا الاصطناعية المنتجة على تحسين أداء مصنفات الإيقاع بنسبة 32.74٪ من دقة الاختبار على بيانات الاختبار من العالم الحقيقي.