ГЛУБОКАЯ НЕЙРОННАЯ СЕТЬ НА ОСНОВЕ АРХИТЕКТУРЫ CONV-LSTM ДЛЯ ВЫЯВЛЕНИЯ СЕРДЕЧНЫХ ЗАБОЛЕВАНИЙ

Аннотация

В развивающейся области диагностики здоровья электрокардиограмма (ЭКГ) служит основополагающим инструментом оценки состояния сердца.

В данной статье представлена инновационная методология, использующая возможности архитектуры Deep Conv-LSTM для быстрого и точного выявления аритмии посредством измерений ЭКГ. Исторически аномалии сердца выявлялись с помощью эвристических методов, что требовало глубокого исследования и экспертных знаний. Модель Deep Conv-LSTM устраняет ограничения традиционных методологий, объединяя возможности извлечения пространственных признаков сверточных нейронных сетей (CNN) с возможностями распознавания временных образов LSTM-сетей. Первоначальные результаты, полученные на основе обширного набора данных, богатого аномалиями ЭКГ-сигналов, показали значительное повышение точности, снижение количества ложных срабатываний и ускорение выполнения основных действий.

Эта модель продемонстрировала способность обрабатывать неожиданные характеристики сигналов ЭКГ, отражающие широкий спектр сердечных ритмов и сложности, связанные с выявлением едва заметных аритмических событий. Более того, способность модели распознавать длительные и сложные последовательности в сочетании с кратковременными аномалиями указывает на её потенциальное применение в системах дистанционной диагностики и непрерывного мониторинга состояния пациентов. Интеграция архитектур CNN и LSTM положит начало эпохе преобразований в области автоматизированного обнаружения аритмии, создавая связь между техническими достижениями и сложными деталями сердечной деятельности, что потенциально может повысить качество лечения пациентов.