Класифікація низькоамплітудних компонент ЕКГ за допомогою адаптивних функцій активації нейронних мереж

Анотація

Перспективним напрямом розвитку нейронних мереж для аналізу та класифікації біомедичних сигналів є використання активаційних функцій, що навчаються. Внаслідок вибору цих функцій виконується адаптація до різнорідних даних, що призводить до підвищення точності класифікації. В статті розглядається застосування активаційних функцій, що навчаються, для класифікації низькоамплітудних компонент ЕКГ, зокрема пізніх потенціалів шлуночків (ППШ) і передсердь (ППП), важливих для раннього виявлення серцевих тахіаритмій. Для оцінювання впливу адаптивних активаційних функцій на якість виявлення ППП та ППШ розроблено дві повнозв'язні нейронні мережі з різною кількістю прихованих шарів. В процесі дослідження встановлено, що використання адаптивних активаційних функцій може підвищити точність класифікації ППШ та ППП, а також швидкість навчання моделей нейронних мереж в порівнянні із застосуванням неадаптивних функцій активації. З метою мінімізації проблем «згасання» або «вибуху» градієнтів функції втрат, а також ефекту «мертвих» нейронів, що виникають під час навчання нейронної мережі, розроблено нову активаційну функцію, яка нормує вагові коефіцієнти, запобігаючи виникненню надмірно високих чи низьких градієнтів. Застосування розробленої функції активації призводить до збільшення швидкості і стабільності навчання нейронної мережі, а також підвищення точності розпізнавання низькоамплітудних компонент ЕКГ в порівнянні з іншими функціями активації. Так, за допомогою розробленої адаптивної функції активації отримано найвищу точність класифікації для ППШ (94,7%) і ППП (91,4%). Для одночасного аналізу великої кількості активаційних функцій розроблено коефіцієнт, який дозволяє оцінювати надлишковість шарів мережі. Запропонований коефіцієнт для виявлення «вузьких місць» у нейромережевих архітектурах може суттєво спростити процес аналізу та вдосконалення нейронних мереж.