Guest
Automatic arrhythmia detection based on the analysis of electrocardiograms with deep learning E. Yu. Shchetinin Financial University under the Government of the Russian Federation, Moscow, Russia In this paper, we conducted research on the use of computer algorithms to detect violations of a person’s heart rhythm based on his electrocardiogram. For this purpose, the MIT-BIH Physionet database is used, which contains 5 classes of different types of heart rate. The paper proposes a model of the electrocardiogram classifier, which is an ensemble of convolutional (CNN) and recurrent (LSTM) deep neural networks. Analysis of the results of computer experiments showed that the proposed model successfully classifies cardiac arrhythmia with an overall accuracy of 99.8%. The developed computer system can be effectively used for the diagnosis of cardiac arrhythmia at an early stage. Обнаружение нарушений сердечного ритма на основе анализа электрокардиограмм методами глубокого обучения Е. Ю. Щетинин Финансовый университет при Правительстве РФ, Москва, Россия В работе проведены исследования по применению компьютерных алгоритмов для обнаружения нарушений сердечного ритма человека на основе его электрокардиограммы. Для этого использована база данных MIT-BIH Physionet, содержащая 5 классов различных типов сердечного ритма. В работе предложена модель классификатора электрокардиограмм, представляющая собой ансамбль сверточной (CNN) и рекуррентной (LSTM) глубоких нейронных сетей. Анализ результатов проведенных компьютерных экспериментов показал, что предложенная модель успешно классифицирует сердечную аритмию с общей точностью 99,37%. Разработанная компьютерная система может эффективно применяться для диагностики аритмии сердца на ранней стадии.
