Resumen

La arritmia es una de las enfermedades más amenazantes en todo tipo de enfermedades cardiovasculares. Es importante lograr una detección automática eficiente y precisa de las arritmias para el diagnóstico clínico y tratamiento de enfermedades cardiovasculares. Basándose en investigaciones previas sobre algoritmos de detección y clasificación automática de electrocardiogramas (ECG), este artículo utiliza la red ResNet34 para aprender las características morfológicas de las señales de ECG y obtener la información significativa de las señales, luego se pasa a una red de memoria a largo y corto plazo de tres capas apiladas para obtener la dependencia contextual de las características. Finalmente, se implementan cuatro tareas de clasificación en el conjunto de datos de prueba del PhysioNet Challenge 2017 utilizando la función softmax. La función de activación se cambia de la función ReLu a la función mish en este modelo. Se considera la información negativa de las señales de ECG en el proceso de entrenamiento, lo que hace que el modelo tenga una capacidad de clasificación más estable y precisa. Además, este artículo calcula

• Materias:Ecuaciones diferenciales parciales Ecuación de difusión Sistema de discriminación Singularidad Acoplamiento electromecánico
• Subjects:Partial differential equations Diffusion equation Discrimination system Singularity Electromechanical coupling
• Palabras claves:Arritmia; Enfermedades cardiovasculares; Señales de ECG; Clasificación; ResNet34; LSTM3
• Keywords:Arrhythmia; Cardiovascular diseases; ECG signals; Classification; ResNet34; LSTM3