用于心律失常检测的基于卷积神经网络的心电图心跳分类
医学物理
2020-11-19 v1 信号处理
摘要
心电图（ECG）信号分类对识别心脏相关疾病具有至关重要的影响。这能确保心脏疾病的早期发现以及为患者定制治疗方案的恰当选择。然而，手动检测心律失常是一项具有挑战性的任务。这证明了开发异常心脏信号自动检测技术的必要性。因此，我们的工作基于对 Physionet 的 MIT-BIH 心律失常数据集中五类 ECG 心律失常信号的分类。人工神经网络（ANN）在 ECG 信号分类中已展现出显著的成功。我们提出的模型是一个为 ECG 信号分类而定制的卷积神经网络（CNN）。我们的结果证明，所设计的 CNN 模型能够成功对心律失常进行分类，总体准确率达到 95.2%。所提出模型的平均精确率和召回率分别为 95.2% 和 95.4%。该模型可有效用于在早期阶段检测心律不齐。
引用
@article{arxiv.2010.04086,
title = {Electrocardiogram Heartbeat Classification Using Convolutional Neural Networks for the Detection of Cardiac Arrhythmia},
author = {Mohammad Mahmudur Rahman Khan and Md. Abu Bakr Siddique and Shadman Sakib and Anas Aziz and Abyaz Kader Tanzeem and Ziad Hossain},
journal= {arXiv preprint arXiv:2010.04086},
year = {2020}
}
备注
4th International conference on I-SMAC (IoT in Social, Mobile, Analytics and Cloud) (I-SMAC 2020), IEEE, 7-9 October 2020, TamilNadu, INDIA