基于双向LSTM网络的12导联ECG信号分类
计算机视觉与模式识别
2018-11-07 v1
摘要
我们提出一种循环神经网络分类器以检测12导联ECG信号中的病理，并使用中国生理信号挑战赛数据集（http://www.icbeb.org/Challenge.html）训练和验证该分类器。该循环神经网络由两层双向LSTM层组成，可对任意长度ECG信号进行训练。我们训练的最佳模型在验证集上取得了74.15%的平均F1分数。关键词：ECG分类，深度学习，RNN，双向LSTM，QRS检测。
引用
@article{arxiv.1811.02090,
title = {Classification of 12-Lead ECG Signals with Bi-directional LSTM Network},
author = {Ahmed Mostayed and Junye Luo and Xingliang Shu and William Wee},
journal= {arXiv preprint arXiv:1811.02090},
year = {2018}
}