¿Clasifica con precisión una red LSTM usando características del complejo QRS la fibrilación auricular a partir de señales ECG?
Una red LSTM ligera usando características del complejo QRS proporciona una solución precisa para clasificar la fibrilación auricular a partir de señales ECG.
La clasificación de la fibrilación auricular a partir de diversas señales electrocardiográficas (ECG) es el objetivo desafiante del Physionet Challenge de 2017. Sugerimos una red de Memoria a Largo y Corto Plazo (LSTM) que aprende patrones directamente de características precomputadas del complejo QRS que clasifica las señales ECG. Aunque nuestra arquitectura se considera profunda, solo consta de 1791 parámetros. El resultado es una solución precisa y ligera que clasifica los registros de ECG como Normal, Fibrilación auricular, Otro o Demasiado ruidoso con una puntuación final del desafío de 0.78.
Maknickas et al. (Thu,) estudiaron esta cuestión.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: