基于 LSTM 的 ECG 分类用于个人可穿戴设备的连续监测
信号处理
2020-01-22 v3 人机交互
神经与进化计算
摘要
目的：提出一种新颖的 ECG 分类算法，用于在处理能力受限的可穿戴设备上进行连续心脏监测。方法：所提出的解决方案采用一种由小波变换和多个 LSTM 循环神经网络组成的新颖架构。结果：实验评估显示，与以往工作相比，ECG 分类性能更优。在不同硬件平台上的测量表明，所提算法满足可穿戴设备上连续实时执行的时序要求。结论：与许多计算密集型的基于深度学习的方法不同，所提算法轻量，因此将基于 LSTM 的准确 ECG 分类的连续监测带入可穿戴设备。意义：所提算法既准确又轻量。源代码已在线提供 [1]。
引用
@article{arxiv.1812.04818,
title = {LSTM-Based ECG Classification for Continuous Monitoring on Personal Wearable Devices},
author = {Saeed Saadatnejad and Mohammadhosein Oveisi and Matin Hashemi},
journal= {arXiv preprint arXiv:1812.04818},
year = {2020}
}
备注
Accepted for publication in IEEE Journal of Biomedical and Health Informatics (J-BHI)