机构名称：
¥ 1.0
当代医疗保健，心电图（ECG）中的摘要在诊断和监测心脏病中起着至关重要的作用。本文引入了一个自动化的系统，该系统精心处理的ECG记录，重点是提取基本参数。数据来自多个数据库，包括著名的MIT-BIH心律失常数据库和更多数据库。评估阶段涉及对机器学习模型的细致评估，特别是逻辑回归，随机森林，支持向量机（SVM）和K-Nearest Neighbors（KNN），目的是为了对ECG记录进行分类。这项研究的一个值得注意的方面在于其创新的方法来对数据集进行分类，从而可以发现广泛的心脏疾病，例如正常窦，心动过速，心动过缓，一级心脏块，一级心脏块，长QT综合征，ST升高和ST抑郁症。本文提出的自动化系统为有效的心脏健康评估提供了重大支持，这反过来又有助于及时干预措施和明智的决策，有可能减轻心脏病负担。这项研究为ECG记录的处理提供了一个全面而有价值的系统，该系统承诺
使用机器学习的ECG分类
主要关键词
相关文件推荐
