机构名称：
¥ 1.0
摘要 - 心律失常是正常心律的不规则变化，有效的手动识别需要大量时间，并且取决于临床医生的经验。本文提出了基于深度学习的新型2D卷积神经网络（CNN）方法，以准确地分类五种不同的心律失常类型。在心电图（ECG）信号上测试了所提出的体系结构的性能，这些信号从MIT-BIH心律失常基准数据库中获取。ECG信号被分割为心跳，每个心跳转换为2D灰度图像，作为CNN结构的输入数据。发现训练结果的97.42％发现，提出的架构的准确性表明，具有转换后的2-D ECG图像的拟议的2-D CNN体系结构可以达到最高的精度，而无需进行任何预处理和特征提取和ECG信号的特征选择阶段。
使用深度学习技术从2D ECG图像中检测心律失常使用深度学习技术从2D ECG图像中检测心律失常
主要关键词
相关文件推荐
