基于PTB-XL数据集在树莓派上使用TensorFlow Lite模型的深度学习ECG分类
信号处理
2022-12-09 v1 机器学习
摘要
自COVID-19大流行以来，由于需求增长，医疗物联网设备数量预计将急剧上升。深度学习与物联网设备正被用于临床与非临床环境中监测生命体征并自动检测异常。当前多数技术需要将原始数据传输至远程服务器，这对资源受限的物联网设备与嵌入式系统而言效率低下。此外，由于缺乏大型公开数据库，开发ECG分类的机器学习模型颇具挑战。为在一定程度上克服此困难，已采用PTB-XL数据集。本工作中，我们开发了部署于树莓派上的机器学习模型。我们给出了具有两个分类类别的TensorFlow模型的评估。我们还给出了相应TensorFlow Lite FlatBuffers的评估，以展示其在保持可接受准确率的同时极小的运行时需求。
引用
@article{arxiv.2209.00989,
title = {Deep Learning-based ECG Classification on Raspberry PI using a Tensorflow Lite Model based on PTB-XL Dataset},
author = {Kushagra Sharma and Rasit Eskicioglu},
journal= {arXiv preprint arXiv:2209.00989},
year = {2022}
}