Um transformer hierárquico para classificação e diagnóstico de eletrocardiograma
Year: 2024
Type: article
Abstract: Objetivo: O eletrocardiograma (ECG) é uma importante ferramenta utilizada para avaliar condições cardíacas, e o avanço da inteligência artificial permitiu progresso na análise automática de ECGs. Com o objetivo de melhorar o diagnóstico automático e suporte à decisão médica, este artigo apresenta um novo modelo de transformer hierárquico (HiT) para a classificação de ECGs de 12 derivações. Método: O modelo HiT integra blocos convolucionais e de transformers - especialmente projetados com mecanismos de atenção local - direcionando o aprendizado de características locais e globais dos sinais de ECG. Resultados: Utilizando um subconjunto do CODE, uma abrangente base de dados de ECG do Brasil, o modelo foi desenvolvido para reconhecer seis condições cardíacas e apresentou valor médio de f1-score acima de 0.84, superando o estado da arte para os mesmos dados. Conclusão: Assim, demonstra-se o potencial de um transformer hierárquico multinível para um diagnóstico automático mais acurado de doenças cardíacas.
Source: Journal of Health Informatics
Institution: Universidade Federal de Minas Gerais
Language: Portuguese
Topic: ECG Monitoring and Analysis
Subfield: Cardiology and Cardiovascular Medicine
Field: Medicine
Domain: Health Sciences
Open Access status: diamond
OpenAlex ID: W4404532152