心房顫動偵測專案 (AFib binary classifier)

這個專案的目標在於實作一個簡易的、能夠自動偵測心房纖維性顫動(Atrial Fibrillation)的二元分類器，好協助居家照護者或病友能夠及早發現心律異常，在有限時間內做出正確的醫療決策。改進前的演算法請看下方文獻參考[1].

Description in english:

This project aims to implement a simple binary classifier (see reference [1]) that can automatically detect Atrial Fibrillation (AF), with the goal of assisting caregivers or patients in early identification of cardiac arrhythmias and making correct medical decisions within a limited time.

專案成就:

• 實作由ECG raw data 到 model的資料管線(data pipeline)，大幅提升計算效率。
• 實作一個輕量級的AFib偵測器，可用於穿戴式設備偵測心律異常，準確率達84%以上
• 根據現實應用場景，改進論文[1]方法，找出特徵提取替代方案，簡化處理過程，增加特徵提取時的穩健性、達到與原著論文相近的準確度。

上圖是本專案的Data Flow Diagram，建立好的DFD可協助其他開發相關人員容易理解和維護專案。

心率變異性分析(heart rate variability)近年來在生醫訊號領域是個越來越重要的研究主題，透過將HRV製成Poincaré plot可協助醫療從業人員辨識病患心電圖是否正常。上圖為心房顫動患者30分鐘的ECG Poincaré plot，利用DBSCAN辨識出不同分群再將它們上色，其優點是能夠自動辨認雜訊(深藍色點)。樣本資料來源 : PAF Prediction Challenge Database.

Code & implementation details on github : AFib binary classifier

Reference :

[1] Park, J., Lee, S. & Jeon, M. Atrial fibrillation detection by heart rate variability in Poincare plot. BioMed Eng OnLine 8, 38 (2009). https://doi.org/10.1186/1475-925X-8-38