首页 > 其他分享> > 论文笔记:Real-Time Patient-Specific ECG Classification by 1-D Convolutional Neural Networks
论文笔记:Real-Time Patient-Specific ECG Classification by 1-D Convolutional Neural Networks
作者:互联网
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