论文笔记：使用基于Attention的卷积神经网络进行12导联的心电异常的多分类检测

论文地址：Multi-class Arrhythmia detection from 12-lead varied-length ECG using Attention-based Time-Incremental Convolutional Neural Network

---

一、背景

心电数据往往存在者个体差异和噪音，给心率识别与分析带来很大困难。现有深度学习算法虽多，却没有专门为生理信号设计的模型，生理信号有以下几个特点：1.周期性波动，2.存在异常信号，3.现有12导联的心电数据提供了丰富的信息，如何利用信息的空间分布是个需要考虑的问题。

本文亮点：

• 提出新颖的ATI-CNN模型，将心电数据处理分为两部分：用CNN捕捉空间信息，RNN捕捉时域信息，并基于Attention机制。
• 开发循环单元的unwrapping ability来处理不定长的输入信号，不像传统CNN需要实现对信号进行补全和或截断，模型具有较好的鲁棒性。
• 引入注意力机制，文章实验说明注意力在其中发挥的作用。

本文方法在第一届中国心电挑战赛的数据集上进行实验，对12导联心电数据进行9分类。

二、方法

模型结构如下：

每个CNN层下都接上BN和ReLU层。
所用Attention机制结构图如下：

这里文章没有给出计算公式，个人感觉不太好。
损失函数为：
l o s s ( X , r ) = − l o g