基于密集预测与查询集预测的枕垫弹道心脏描记法中J波检测

《IEEE Transactions on Signal and Power Integrity》：Dense and Query-Set Prediction for J-Peak Detection in Pillow-Based Ballistocardiography

　　摘要：基于枕垫的弹道心图（BCG）能够实现无感心脏监测，但J波峰值检测通常作为密集序列标注任务进行训练，尽管期望的输出是一个稀疏事件集。本文提出一个更窄的问题：在数据、编码器、验证协议和事件评估器受控的情况下，密集输出和查询集输出有何不同？我们将一维点集预测形式化为使用64个学习查询和匈牙利匹配，并与共享主干的密集Transformer和U-Net-BiLSTM进行比较。评估采用五名受试者的留一法测试、三次独立种子运行、仅使用验证集的后处理选择，以及严格的峰一对一关联。密集Transformer达到了最高的受试者池化F1（0.786 ± 0.105）和精确率（0.817 ± 0.089），而U-Net-BiLSTM获得0.780 ± 0.094的F1。Set+DN达到0.764 ± 0.112的F1，但具有最低的计数误差（0.862 ± 0.584次/epoch），而密集Transformer的误差为2.790 ± 1.356。DN仅使集合模型的F1变化+0.004。结果确定了不同的事件准确度和计数保真度工作点；它们并未确立任何一种输出格式具有普遍优越性。