典型文献
基于GAN-CNN的心律失常识别
文献摘要：
心电图分析是医生诊断心律失常的重要依据.对心律失常的准确判断有助于患者及时了解身体状况并发现潜在疾病.然而,心电图分析不仅费时费力,而且还依赖于临床经验,因此心电图分析的效率一直受到医生数量和工作效率的限制.深度学习技术的发展为计算机辅助诊断系统的开发提供了基础.文中将一维心电信号转换为二维灰度图像,并采用一种GAN-CNN网络解决心电数据不平衡的问题,可同时实现7类心律失常类型和正常心搏的识别.实验使用MIT-BIH心律失常数据库进行验证,平均准确率达到了99.32％,敏感性和特异性分别为99.69％和98.91％.
文献关键词：
心电图;心律失常;深度学习;辅助诊断;心电信号;GAN-CNN;二维图像;心电数据不平衡
中图分类号：
作者姓名：
陈鹏;刘子龙
作者机构：
上海理工大学 光电信息与计算机工程学院,上海200093
文献出处：
引用格式：
[1]陈鹏;刘子龙-.基于GAN-CNN的心律失常识别)[J].电子科技,2022(03):45-50
A类：
心电数据不平衡
B类：
GAN,心律失常,常识,心电图分析,身体状况,费时费力,临床经验,深度学习技术,计算机辅助诊断系统,心电信号,信号转换,二维灰度图,灰度图像,决心,常心,心搏,MIT,BIH,平均准确率,二维图像
AB值：
0.241017
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。
