Resumen

Las arritmias son un tipo relativamente frecuente de enfermedad cardiovascular. La mayoría de las enfermedades cardiovasculares suelen ir acompañadas de arritmias. En la práctica clínica, el electrocardiograma (ECG) puede utilizarse como principal herramienta de diagnóstico de la actividad cardiaca y suele emplearse para detectar arritmias. Basándose en la naturaleza oculta y repentina de la señal de la base de datos MIT-BIH ECG y la amplitud de señal pequeña, este trabajo construye un modelo híbrido para las características de correlación temporal de los datos de la base de datos MIT-BIH ECG, para aprender las características esenciales profundas de los datos objetivo, combinar las características del mecanismo de procesamiento de información del sistema de diagnóstico automático en línea de arritmias y extraer automáticamente las características espaciales y las características temporales de los datos de diagnóstico. En primer lugar, se utiliza una combinación de filtro mediano y filtro bandtop para preprocesar los datos de la base de datos de ECG con diferencias individuales en las formas de onda de ECG, y existen problemas de imprecisión de características y omisión de características útiles que no pueden extraer eficazmente las características implícitas tras las señales masivas de ECG. Su algoritmo de diagnóstico integra la extracción de características y la clasificación en uno, lo que evita algunos sesgos en el proceso de extracción de características y proporciona una nueva idea para el diagnóstico automático de enfermedades cardiovasculares. Para abordar el problema de la variabilidad de la importancia de las características en los datos temporales de la base de datos de ECG del MIT-BIH, se construye un modelo híbrido introduciendo algoritmos en redes neuronales profundas, que pueden mejorar su eficacia diagnóstica.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:MIT, modelo híbrido, datos de la base de datos de ECG de BIH, señal de la base de datos de ECG de BIH, base de datos de ECG de BIH, mayoría de las enfermedades cardiovasculares, sistema de diagnóstico automático, redes neuronales profundas, proceso de extracción de características, variabilidad de la importancia de las características.
• Keywords:MIT, hybrid model, BIH ECG database data, BIH ECG database signal, BIH ECG database, Most cardiovascular diseases, automatic diagnosis system, deep neural networks, feature extraction process, feature importance variability