Classification of Arrhythmia in Heartbeat Detection Using Deep Learning.
Classification of Arrhythmia in Heartbeat Detection Using Deep Learning.
复制标题
DOI：
10.1155/2021/2195922
复制
发表时间：
2021
影响因子：
--
通讯作者：
Raza UA
中科院分区：
文献类型：
--
作者：
Ullah W;Siddique I;Zulqarnain RM;Alam MM;Ahmad I;Raza UA
心电图（ECG）是医学和医疗保健中使用最广泛的诊断仪器之一。深度学习方法在涉及心电图数据的医疗预测挑战中显示出了希望。本文旨在在公开数据集上应用深度学习技术来对心律失常进行分类。我们在研究论文中使用了两种数据集。一个数据集是 MIT-BIH 心律失常数据库，采样频率为 125Hz，心电图心跳数为 1,09,446。第一个数据集中包含的类别是 N、S、V、F 和 Q。第二个数据库是 PTB 诊断心电图数据库。第二个数据库有两个类。这两个数据集中使用的技术是 CNN 模型、CNN + LSTM 和 CNN + LSTM + Attention 模型。 80%的数据用于训练，剩下的20%用于测试。使用这三种技术获得的结果显示，CNN 模型的准确率为 99.12%，CNN + LSTM 为 99.3%，CNN + LSTM + Attention 模型为 99.29%。
The electrocardiogram (ECG) is one of the most widely used diagnostic instruments in medicine and healthcare. Deep learning methods have shown promise in healthcare prediction challenges involving ECG data. This paper aims to apply deep learning techniques on the publicly available dataset to classify arrhythmia. We have used two kinds of the dataset in our research paper. One dataset is the MIT-BIH arrhythmia database, with a sampling frequency of 125 Hz with 1,09,446 ECG beats. The classes included in this first dataset are N, S, V, F, and Q. The second database is PTB Diagnostic ECG Database. The second database has two classes. The techniques used in these two datasets are the CNN model, CNN + LSTM, and CNN + LSTM + Attention Model. 80% of the data is used for the training, and the remaining 20% is used for testing. The result achieved by using these three techniques shows the accuracy of 99.12% for the CNN model, 99.3% for CNN + LSTM, and 99.29% for CNN + LSTM + Attention Model.
登录
查看更多内容
用于音乐分类的全局正则化联合神经架构
影响因子：
3.9
作者：
Ashraf, Mohsin;Geng, Guohua;Abid, Fazeel
通讯作者：
Abid, Fazeel
供体依赖性甲氧基对钙钛矿太阳能电池空穴传输材料性能的影响
影响因子：
13.1
作者：
Li, Mengyuan;Wu, Jinhua;Liang, Mao
通讯作者：
Liang, Mao
影响因子：
6.1
作者：
Dias, Felipe Meneguitti;Monteiro, Henrique L. M.;Luz, Eduardo Jose da S.
通讯作者：
Luz, Eduardo Jose da S.
DOI：
10.1007/s12652-020-02110-y
发表时间：
2020-05-19
影响因子：
--
作者：
Huang, Jing-Shan;Chen, Bin-Qiang;Li, Yang
通讯作者：
Li, Yang
用于从 12 导联心电图图像筛查心肌梗死的多分支融合网络
影响因子：
6.1
作者：
Hao, Pengyi;Gao, Xiang;Bai, Cong
通讯作者：
Bai, Cong