典型文献
基于深度学习的心电图心律失常分类方法
文献摘要：
近些年来因心血管疾病导致的人类死亡人数不断增加,心律失常是心血管疾病发病前的常见症状.为了提高心电图对心律失常分类的效率和准确率,使医生能对心律失常及时地作出诊断和治疗,提出一种基于二维卷积神经网络模型的心律失常分类方法.该方法使用美国麻省理工学院提供的研究心律失常的MIT-BIH数据库来生成实验数据集对网络进行训练和测试,在心律失常分类测试中分类准确率达到了98.6％,实现了对心电图信号心律失常的高精度自动分类.
文献关键词：
心律失常;心电图信号;深度学习;卷积神经网络
中图分类号：
作者姓名：
张逸;周莉;陈杰
作者机构：
中国科学院微电子研究所,北京100029;中国科学院大学,北京100049
文献出处：
引用格式：
[1]张逸;周莉;陈杰-.基于深度学习的心电图心律失常分类方法)[J].电子设计工程,2022(07):6-9,14
A类：
B类：
心律失常分类,分类方法,心血管疾病,死亡人数,疾病发病,常见症状,出诊,诊断和治疗,二维卷积神经网络,卷积神经网络模型,美国麻省理工学院,MIT,BIH,来生,分类准确率,心电图信号,自动分类
AB值：
0.206182
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
