摘要

本研究旨在基于43,101份心电图（ECG）记录的数据集，对27种心脏异常进行分类。为此，我们开发了一种融合规则基础算法与多种深度学习架构的混合模型。我们对比了两种不同的卷积神经网络（Convolutional Neural Networks, CNN）：全卷积神经网络（Fully Convolutional Neural Network）与编码器网络（Encoder Network），并进一步探索了两者的组合模型，以及在其中引入一个以年龄和性别作为输入的附加神经网络的组合方案。上述两种组合模型最终与基于提取的心电图特征构建的规则基础模型相结合。在模型开发过程中，采用留出验证（hold-out validation）方法对各模型在验证数据集上的性能进行评估。随后，将表现最优的模型部署为Docker镜像，在提供的开发数据上进行训练，并在竞赛的验证集上进行测试。在竞赛验证集上表现最佳的模型进一步被部署并应用于完整的竞赛测试集进行最终评估。模型性能依据特定的竞赛评分标准进行衡量。我们团队（TeamUIO）在竞赛验证集上取得了0.377的评分，在完整测试集上取得了0.206的评分。该测试集得分在官方排名中位列41支参赛队伍中的第20名。