Rilevamento delle aritmie con il metodo delle reti avversarie generative
Analisi e interpretazione dell'aritmia
Versandkostenfrei!
Versandfertig in 6-10 Tagen
51,99 €
inkl. MwSt.
PAYBACK Punkte
26 °P sammeln!
Questo libro spiega come una rete avversaria generativa profonda costruita su un ampio set di dati possa rilevare le aritmie in modo più accurato rispetto ai medici. Inoltre, l'estrazione delle caratteristiche è stata tradizionalmente considerata una componente essenziale della classificazione delle aritmie da elettrocardiogramma. Lo scopo di questa ricerca è esaminare la classificazione delle aritmie da ECG utilizzando una rete generativa avversaria profonda e densa. L'architettura GAN illustrata in questo libro può essere insegnata a produrre segnali ECG paragonabili a quelli del mondo r...
Questo libro spiega come una rete avversaria generativa profonda costruita su un ampio set di dati possa rilevare le aritmie in modo più accurato rispetto ai medici. Inoltre, l'estrazione delle caratteristiche è stata tradizionalmente considerata una componente essenziale della classificazione delle aritmie da elettrocardiogramma. Lo scopo di questa ricerca è esaminare la classificazione delle aritmie da ECG utilizzando una rete generativa avversaria profonda e densa. L'architettura GAN illustrata in questo libro può essere insegnata a produrre segnali ECG paragonabili a quelli del mondo reale. I risultati indicano che l'utilizzo di una strategia basata sulla sequenza per tutti i tipi di battito ECG migliora sostanzialmente l'area sotto la curva sul nostro set di test. L'architettura tradizionale non affronta naturalmente questa struttura e quindi soffre di una diminuzione delle prestazioni quando tale struttura è informativa. Questo libro confronta la tecnica proposta con l'analisi dei componenti di principio kernel con regressione vettoriale di supporto incrementale, la trasformata wavelet discreta con regressione vettoriale di supporto incrementale e la rete neurale rada generale. Dai risultati ottenuti, si conclude che la tecnica GAN proposta è superiore a questi tre metodi con un'accuratezza complessiva del 97,44%.
Andere Kunden interessierten sich für
