中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

論文題目：

Cardiologist-LevelArrhythmiaDetectionwithConvolutionalNeuralNetworks

推薦程度：* * * * *
推薦理由：來自andrew NG團隊

一句話總結

該論文主要做的事情建立了從單導聯的心電信號到14種心臟疾病的模型，模型是一個34層的CNN網絡。

文章細節(jié)描述

數據

訓練集：來自29163個人的64121個心電序列數據 ，每個心電數據為200HZ采樣率，時長為30秒
數據來源于Zio Patch(一個心臟貼片公司)
心電的標注來源于一個心電科的醫(yī)生

測試集為： 來自328個人的336個數據（相比于訓練集，感覺測試集有點太小了，每種類別的數量最少的只有17個，基本都是30多）

模型

34層的殘差CNN 將ECG序列映射到label序列

檢測label

定義了12種心臟異常狀態(tài)和竇性心率及噪聲，共14種

對照表：
AFIB
AFL

竇性心律 心房顫動

MIT-BIH 47個

結果

正確率從0.519到0.908不等，幾乎都是模型的效果要略好一點

總結

1. 論文聲稱自己的模型超過了心電科的醫(yī)生，不同于傳統的提取各種統計指標再訓練模型，是一種直接從sequnce訓練的模型，確實能夠減少很多工作量
   2.果然數據才是王道，幾萬個有標記的心電數據?。?！

疑問：

一個問題： 最后是檢測算法和醫(yī)生識別的平均值作對比 如果醫(yī)生識別率這么低，那training data的標簽可信嗎？？