Este libro explica cómo una red adversarial generativa profunda construida sobre un gran conjunto de datos puede detectar arritmias con más precisión que los médicos. Además, la extracción de características se ha considerado tradicionalmente un componente esencial de la clasificación de arritmias en electrocardiogramas El propósito de esta investigación es examinar la clasificación de arritmias en ECG utilizando una red adversarial generativa profunda y densa. La arquitectura GAN que se muestra en este libro puede enseñarse a producir señales de ECG comparables a las señales de ECG del mundo real. Los resultados indican que el uso de una estrategia basada en secuencias para todos los tipos de latidos de ECG mejora sustancialmente el área bajo la curva en nuestro conjunto de pruebas. La arquitectura tradicional no aborda de forma natural esta estructura y, por lo tanto, sufre una disminución del rendimiento cuando dicha estructura es informativa. En este libro se compara la técnica propuesta con el análisis de componentes principales de kernel con regresión de vectores de soporte incremental, las transformadas wavelet discretas con regresión de vectores de soporte incremental y la red neuronal dispersa general. A partir de los resultados obtenidos, se concluye que la técnica GAN propuesta es superior a estos tres métodos con una precisión global del 97,44 por ciento.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.