机构名称：
¥ 1.0
本文提出了一种新的定制杂种方法，用于使用电力学（ECG）早期检测心脏异常。ECG是一种生物电信信号，有助于监测心脏的电活动。它可以提供有关心脏正常和异常生理的健康信息。心脏异常的早期诊断对于心脏患者避免中风或心脏猝死至关重要。本文的主要目的是检测可能损害心脏功能的关键节拍。最初，经过修改的pan – tompkins算法确定了特征点，以心跳分割为由。随后，提出了不同的混合深卷积神经网络（CNN）来实验标准和实时的长期ECG数据库。这项工作成功地分类了几种心脏搏动，例如上室室异位搏动（SVE），心室节拍（VE），室内室内传导障碍节拍（IVCD）和正常的节拍（n）。获得的分类结果显示，MIT – BIH数据库的F 1分数为99.28％，而F 1得分为99.24％，而实时获得的数据库的下降精度为99.12％。
实现深度学习技术的混合方法 -
主要关键词
相关文件推荐
