Новая модель классификации сердечных сокращений показала среднюю точность 97,93% в десяти запусках на базе MIT-BIH Arrhythmia Database. Алгоритм использовал 16 признаков формы электрокардиограммы и нейросетевую архитектуру с двунаправленной памятью и механизмом внимания.
Сначала метод находил пик R, затем определял начало и окончание волн P, Q, R, S и T. Сегментированный сигнал описывали пятью гауссовыми компонентами, из которых получали компактный набор признаков для классификации.
Чтобы уменьшить влияние неравного числа примеров разных типов сокращений, редкие классы дополнительно балансировали методом SMOTE. Средняя точность составила 97,93%, полнота — 97,92%, F1-мера — 97,99%, а площадь под ROC-кривой — 99,90%.
Авторы сравнили систему с базовой моделью при одинаковой схеме эксперимента и сообщили об улучшении показателей. Сопоставление с другими недавними методами показывает конкурентный результат только при близких протоколах оценки.
Работа проверяет алгоритм на открытом наборе ЭКГ и не описывает клиническое испытание на потоке пациентов. Для медицинского применения потребуются внешняя проверка на других устройствах и группах людей, оценка устойчивости к шуму и контроль врача.
Пока никто не ответил. Начните обсуждение.