[论文解读] Simultaneous 12-Lead Electrocardiogram Synthesis using a Single-Lead ECG Signal: Application to Handheld ECG Devices

Kahkashan Afrin, Parikshit Verma+2 more|arXiv (Cornell University)|Nov 20, 2018

ECG Monitoring and Analysis参考文献 15被引用 3

一句话总结

本文提出了一种基于随机森林的新方法，可从手持设备获取的单导联系用心电图记录中合成临床上准确的同步12导联系用心电图信号。通过预测导联间的时间延迟并利用个体特定的历史12导联数据，该方法在基准数据集上实现了R² > 90%，实现了接近临床级别的心电图合成，适用于即时诊疗。

ABSTRACT

Recent introduction of wearable single-lead ECG devices of diverse configurations has caught the intrigue of the medical community. While these devices provide a highly affordable support tool for the caregivers for continuous monitoring and to detect acute conditions, such as arrhythmia, their utility for cardiac diagnostics remains limited. This is because clinical diagnosis of many cardiac pathologies is rooted in gleaning patterns from synchronous 12-lead ECG. If synchronous 12-lead signals of clinical quality can be synthesized from these single-lead devices, it can transform cardiac care by substantially reducing the costs and enhancing access to cardiac diagnostics. However, prior attempts to synthesize synchronous 12-lead ECG have not been successful. Vectorcardiography (VCG) analysis suggests that cardiac axis synthesized from earlier attempts deviates significantly from that estimated from 12-lead and/or Frank lead measurements. This work is perhaps the first successful attempt to synthesize clinically equivalent synchronous 12-lead ECG from single-lead ECG. Our method employs a random forest machine learning model that uses a subject's historical 12-lead recordings to estimate the morphology including the actual timing of various ECG events (relative to the measured single-lead ECG) for all 11 missing leads of the subject. Our method was validated on two benchmark datasets as well as paper ECG and AliveCor-Kardia data obtained from the Heart, Artery, and Vein Center of Fresno, California. Results suggest that this approach can synthesize synchronous ECG with accuracies (R2) exceeding 90%. Accurate synthesis of 12-lead ECG from a single-lead device can ultimately enable its wider application and improved point-of-care (POC) diagnostics.

研究动机与目标

• 为克服单导联心电图设备在临床应用中的局限性，这些设备缺乏进行明确心脏诊断所必需的多导联同步性。
• 解决在顺序单导联记录中导联间时间异步这一关键挑战，该问题会降低12导联重建的准确性。
• 开发一种个性化、数据驱动的方法，利用个体特定的历史心电图数据，从单导联信号合成同步的12导联心电图。
• 通过生成临床等效的12导联心电图信号，实现实时、即时诊疗的心电图诊断，使用低成本手持设备。

提出的方法

• 使用个体的历史12导联心电图记录训练随机森林机器学习模型，以预测所有11个缺失导联的波形形态和相对时间。
• 通过学习个体特定的时间偏移，显式建模并校正导联间的时间延迟——即顺序单导联记录之间的时间延迟。
• 在单导联信号上执行R波峰特征点检测，以对齐时间参考，用于时间延迟预测和信号合成。
• 模型采用滑动窗口方法从单导联心电图中提取时间特征，用于预测每个缺失导联的波形形态和时间。
• 通过将预测的导联对齐至参考R波峰，将它们组合成一个同步的12导联信号，从而生成合成的12导联心电图。
• 该框架在两个基准数据集和来自弗雷斯诺心脏、动脉与静脉中心的真实世界数据上进行了验证，包括AliveCor-Kardia和纸质心电图记录。

实验结果

研究问题

• RQ1 是否可以使用单导联心电图信号，通过机器学习方法合成临床上准确的同步12导联心电图？
• RQ2 导联间时间异步如何影响从顺序单导联记录中重建12导联心电图的准确性？
• RQ3 个体特定的历史12导联数据是否能提高合成12导联心电图信号的保真度和时间准确性？
• RQ4 预测并校正导联间时间延迟在多大程度上提升了整体重建性能？

主要发现

• 所提出的方法在多个数据集上实现了R² > 90%，表明信号波形形态具有高保真度。
• 导联间时间延迟校正使所有数据集的平均R²提高了25%，相关系数（ρ）提高了13%，证明了时间对齐的重要性。
• 对于存在TWA（第三波异常）的受试者，经过时间间隙校正后，R²准确率提高了约50%，凸显了该方法在复杂病例中的有效性。
• 该方法显著优于假设同步采集的传统重建技术，尤其在时间异步记录场景下表现更优。
• 利用个体特定的历史数据实现了个性化建模，从而实现了更准确、更稳定的信号合成。
• 该框架适用于实时实现，可集成至基于云的即时诊疗系统中，实现持续心脏监测。