TY -的A2 -汗,Sahfqat Ullah盟——Ullah Hadaate盟——本Heyat Md Belal盟——AlSalman Hussain盟——汗,海德尔穆罕默德AU -艾克塔,Faijan盟——Gumaei阿卜杜勒AU -迈赫迪,Aaman盟——Muaad阿卜杜拉y盟——伊斯兰教,Md Sajjatul AU -阿里,Arif AU -布鲁里溃疡,渝盟——汗,Dilpazir AU -潘,Taisong AU -高,分盟,林元盟——赖,Dakun PY - 2022 DA - 2022/04/12 TI -一个有效的和轻量级深心电描记法心律失常识别模型使用小说特殊的和原生结构正则化技术在心脏信号SP - 3408501六世- 2022 AB -最近,心律失常识别心电图(ECG)与深度学习方法越来越受欢迎的在临床诊断系统由于其预后良好的发现,那里的专家通常不需要工程数据预处理和特征。但是一个轻量级的和有效的深度模型是高度要求面临的挑战在现实生活中的应用和部署模型准确诊断。在这个工作中,两个有效和轻量级的深度学习模型命名Deep-SR和Deep-NSR提出识别心电节拍,基于二维卷积神经网络(2 d cnn),而使用不同的结构合法化。第一,97720年心电图节拍提取MIT-BIH心律失常基准数据集的所有记录转换为二维图像RGB(红、绿、蓝色)作为输入该2 d CNN模型。然后,提出的优化模型通过适当的初始化模型层,执行动态,正则化技术,亚当•优化器和加权随机取样器。最后,提出了模型的性能评价是一个分层5倍交叉验证策略以及回调功能。获得的整体识别精度正常节拍和三个心律失常(V-ventricular异位、S-supraventricular异位和F-fusion)的基础上,促进协会医疗仪器(AAMI)是99.93%,和99.96%的提议Deep-SR模型和Deep-NSR模型,证明该模型的有效性已经超过了最先进的模型和泛化也表达了更高的模型。接收到的结果与模型的大小表明该CNN模型尤其是Deep-NSR可以更有用的可穿戴设备(如医疗背心,手镯长期监测心脏的条件,在远程医疗自动准确诊断心律失常的心电图。因此,病人医疗费用和工作压力在医生和诊所的医生将会减少有效。SN - 2040 - 2295 UR - https://doi.org/10.1155/2022/3408501 - 10.1155 / 2022/3408501摩根富林明医疗工程PB - Hindawi KW - ER