题目：基于Transformer模型的心律失常心拍分类研究
报告人：孟令逍
近年来，心血管疾病已经成为全球第一大疾病，每年因为心血管疾病死亡人数的比例超过了30%。心律失常是一种较为复杂且难以治疗的疾病，对心律失常的预防和早期诊断显得尤为关键。
心电图的心拍分类对心律失常的诊断具有重要意义，截至目前为止，已经有大量的研究人员致力于心拍分类的研究工作，而目前的方法主要分为传统机器学习方法和基于深度学习的方法。
传统方法在可解释性上具有一定优势，且可以通过构造精巧的特征，使用简单的模型取得不错的效果，但是通常需要大量的人工干预和主观经验。
因此，基于深度学习的方法在一定程度上弥补了传统方法的不足，但同时由于自身模型的局限性，既有方法通常需要复杂的卷积和循环结构，并行程度比较差；此外，很多方法只运用了形态学信息，对于某些特定的心律失常不具备良好的区分性。
考虑到现有方法的不足，本文基于自然语言处理领域中Transformer 模型的基础架构，整合了一些手工构造的时序性特征，提出了一种应用于心电信号的新模型。
为了将Transformer 模型应用在心电时间序列上，本研究作出了以下改变：
1. 仅使用编码器部分，但同时将解码器部分的掩码技术应用在编码器部分。
2. 考虑到心电信号特征空间的维度较小，且病人间天然的差异性，使用批归一化处理中间层数据。
3. 尝试使用多个非形态学特征与模型提取的抽象特征结合进行分类。本研究在标准数据集MIT-BIH 上进行了多次实验，并使用不同的评价策略与多个方法进行比较，结果证明新模型在大多数情况下均能够取得更加优秀的结果。
老师意见要点：
① 引入心电监护，问题背景的讲述不错；
② 应该在讲述算法的时候加入一些实际的例子辅助理解。
方滨兴院士：
① 要在前因后果的细节处体现的更好；
② 应增加实际例子与图体现讲述的原因。
相关资料：
[1] Study on Heartbeat Classification of Arrhythmia, Gensheng Yan;
