Self-attention MHDNet: un novedoso modelo de aprendizaje profundo para la detección de picos R en las señales de electrocardiograma corruptas con efecto magnetohidrodinámico
Autores: Chowdhury, Moajjem Hossain; Chowdhury, Muhammad E. H.; Khan, Muhammad Salman; Ullah, Md Asad; Mahmud, Sakib; Khandakar, Amith; Hassan, Alvee; Tahir, Anas M.; Hasan, Anwarul
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Self-attention MHDNet: un novedoso modelo de aprendizaje profundo para la detección de picos R en las señales de electrocardiograma corruptas con efecto magnetohidrodinámico
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Imagen por resonancia magnética
Mri
Ecg
Efecto magnetohidrodinámico
Picos R
Mhdnet de autoatención
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
La resonancia magnética (RM) se utiliza comúnmente en el diagnóstico médico y en operaciones guiadas por imágenes mínimamente invasivas. Durante un escaneo de RM, puede ser necesario el electrocardiograma (ECG) del paciente para el gating o monitoreo del paciente. Sin embargo, el desafiante entorno de un escáner de RM, con sus varios tipos de campos magnéticos, crea distorsiones significativas en los datos del ECG recopilados debido al efecto Magnetohidrodinámico (MHD). Estos cambios pueden manifestarse como latidos cardíacos irregulares. Estas distorsiones y anomalías dificultan la detección de complejos QRS y un diagnóstico más profundo basado en el ECG. Este estudio tiene como objetivo detectar de manera confiable los picos R en las formas de onda del ECG en campos magnéticos de 3 Tesla (T) y 7T. Se propone un modelo novedoso, Self-Attention MHDNet, para detectar los picos R de la señal de ECG corrompida por MHD a través de la segmentación 1D. El modelo propuesto logra un recall y precisión del 99.83% y 99.68%, respectivamente, para los datos de ECG adquiridos en un entorno de 3T, mientras que del 99.87% y 99.78%, respectivamente, en un entorno de 7T. Este modelo puede utilizarse para el gating preciso del pulso de disparo para la RM funcional cardiovascular.
Descripción
La resonancia magnética (RM) se utiliza comúnmente en el diagnóstico médico y en operaciones guiadas por imágenes mínimamente invasivas. Durante un escaneo de RM, puede ser necesario el electrocardiograma (ECG) del paciente para el gating o monitoreo del paciente. Sin embargo, el desafiante entorno de un escáner de RM, con sus varios tipos de campos magnéticos, crea distorsiones significativas en los datos del ECG recopilados debido al efecto Magnetohidrodinámico (MHD). Estos cambios pueden manifestarse como latidos cardíacos irregulares. Estas distorsiones y anomalías dificultan la detección de complejos QRS y un diagnóstico más profundo basado en el ECG. Este estudio tiene como objetivo detectar de manera confiable los picos R en las formas de onda del ECG en campos magnéticos de 3 Tesla (T) y 7T. Se propone un modelo novedoso, Self-Attention MHDNet, para detectar los picos R de la señal de ECG corrompida por MHD a través de la segmentación 1D. El modelo propuesto logra un recall y precisión del 99.83% y 99.68%, respectivamente, para los datos de ECG adquiridos en un entorno de 3T, mientras que del 99.87% y 99.78%, respectivamente, en un entorno de 7T. Este modelo puede utilizarse para el gating preciso del pulso de disparo para la RM funcional cardiovascular.