用于基于深度学习实时心血管疾病检测的穿戴式ECG监测仪
信号处理
2022-01-26 v1
摘要
心血管疾病已成为危害人类生命与健康的最重要威胁之一。近来，心电图(ECG)监测已由Holter监护转为远程心脏监测。然而，广泛使用的Holter给佩戴者带来诸多不适与不便。我们在本工作中开发了一种新型无线ECG贴片，并应用了基于卷积神经网络(CNN)与长短期记忆(LSTM)模型的深度学习框架。但我们发现，使用现有技术的模型无法区分新获取数据集中两种主要心跳类型(室上性早搏与心房颤动)，导致准确率仅58.0%。我们提出一种半监督方法，利用基于置信度的训练处理标注不良的数据样本。实验结果表明，所提方法平均准确率可达90.2%，即比常规ECG分类方法高5.4%。
引用
@article{arxiv.2201.10083,
title = {A Wearable ECG Monitor for Deep Learning Based Real-Time Cardiovascular Disease Detection},
author = {Peng Wang and Zihuai Lin and Xucun Yan and Zijiao Chen and Ming Ding and Yang Song and Lu Meng},
journal= {arXiv preprint arXiv:2201.10083},
year = {2022}
}