用于心血管疾病诊断的混合深度学习模型以实现准确的心电图分类

心电图（ECG）对诊断心血管疾病（CVD）非常重要，因为它记录了有关心脏电活动的重要信息。由于心血管疾病非常普遍且致命，及时预测这些疾病至关重要。本研究提出了一种新的混合深度学习架构称为CRNN（卷积递归神经网络），结合了CNN提取空间特征的能力和LSTM建模时间特征的能力。使用MIT-BIH心律失常数据库来训练和测试该模型，以分类心电图节拍。提出的模型使用卷积操作、LSTM状态转移和softmax分类函数。CRNN在分类精度和低假阳性率上表现优于单独的CNN或LSTM模型。该研究表明，混合深度模型可用于强大的心电图分析和临床决策支持系统。