Широкая и глубокая трансформерная нейронная сеть для классификации 12-канальной ЭКГ

Сердечно-сосудистые нарушения являются одной из ведущих причин смерти, поэтому их ранняя диагностика важна для своевременного проведения медицинских вмешательств. Целью конкурса PhysioNet/CinC 2020 года была разработка алгоритмов диагностики множественных сердечно-сосудистых нарушений по данным 12-канальной электрокардиограммы (ЭКГ). В данной работе разработана широкая и глубокая трансформерная нейронная сеть для классификации каждой последовательности 12-канальной ЭКГ по 27 классам сердечных нарушений. Наш подход объединяет сконструированные вручную признаки ЭКГ, признанные важными с помощью модели случайного леса, и дискриминативные представления признаков, автоматически извлекаемые трансформерной нейронной сетью. Наша заявка на конкурс PhysioNet/CinC 2020 года заняла первое место среди 41 команды, вошедшей в официальный рейтинг (название команды: prna). При оценке с использованием официальной метрики обобщённой взвешенной точности мы получили валидационный результат 0.587 и лучший результат 0.533 на полном отложенном тестовом наборе.