论文笔记：Real-Time Patient-Specific ECG Classification by 1-D Convolutional Neural Networks

对特定的病人训练CNN，一旦一个专门的CNN被训练为一个特定的病人，它就可以单独用于快速和准确地分类可能很长的心电图数据流，这样的解决方案可以方便地用于实际-轻型可穿戴设备上的定时心电图监测和早期报警系统。

训练的数据有两部分：全局（每个患者通用）和局部（患者特定）培训模式。局部数据包含每个患者心电图记录的前5分钟片段，并作为培训数据的一部分用于执行患者适；全局数据集包含每个类的部分数据。
对于输入数据：为了学习beats的形态结构，从节拍的R（中心）点两边取等量的样本送入CNN输入层的神经元；为了学习每个beat的时间特征，从相邻的节拍形成一个节拍三重奏，并将其输入到另一个神经元中。如图上的两个输入。

论文实验使用的cnn层数少，有三个CNN层和两个MLP层，以达到最大的计算效率。为了证明，深度网络并不一定能达到更好的心电图分类性能。

标签：Real,ECG,Neural,心电图,患者,节拍,CNN,数据,输入
来源： https://blog.csdn.net/travalscx/article/details/99988593