摘要针对可穿戴设备的长时间心电记录、实时分类及对心电数据的远程监测分析问题,开发了一个对接医疗级心电采集终端,并实现实时监测、实时分析,并通过深度学习模型自动对心律失常分类的通用系统.该系统中部署的深度学习模型是基于残差网络构建的,深度学习模型的训练和测试使用2017年心脏病学挑战赛(CinC2017)提供的数据集.训练和测试结果显示,模型具有较好的性能.系统通过反向代理服务器(Nginx)部署在阿里云服务器上,能够稳定运行;心电采集终端贴在患者身上,通过用户App端和医生后端实时反馈系统自动监测分析的数据,并且有较好的分类效果.该系统可用于有心血管疾病风险的人群,起到早发现、早预防的作用.
更多相关知识
- 浏览2
- 被引2
- 下载0

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文