ResNet-50 for 12-Lead Electrocardiogram Automated Diagnosis

残差神经网络 计算机科学 人工智能 深度学习 正常窦性心律 残余物 人工神经网络 领域(数学) 铅(地质) 窦性心律 机器学习 医学 心脏病学 心房颤动 数学 算法 地貌学 纯数学 地质学
作者
Nizar Sakli,Haifa Ghabri,Ben Othman Soufiene,Faris A. Almalki,Hèdi Sakli,Obaid Ali,Mustapha Najjari
出处
期刊:Computational Intelligence and Neuroscience [Hindawi Limited]
卷期号:2022: 1-16 被引量:45
标识
DOI:10.1155/2022/7617551
摘要

Nowadays, the implementation of Artificial Intelligence (AI) in medical diagnosis has attracted major attention within both the academic literature and industrial sector. AI would include deep learning (DL) models, where these models have been achieving a spectacular performance in healthcare applications. According to the World Health Organization (WHO), in 2020 there were around 25.6 million people who died from cardiovascular diseases (CVD). Thus, this paper aims to shad the light on cardiology since it is widely considered as one of the most important in medicine field. The paper develops an efficient DL model for automatic diagnosis of 12-lead electrocardiogram (ECG) signals with 27 classes, including 26 types of CVD and a normal sinus rhythm. The proposed model consists of Residual Neural Network (ResNet-50). An experimental work has been conducted using combined public databases from the USA, China, and Germany as a proof-of-concept. Simulation results of the proposed model have achieved an accuracy of 97.63% and a precision of 89.67%. The achieved results are validated against the actual values in the recent literature.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
李健应助朴实的剑通采纳,获得10
刚刚
jfaioe完成签到,获得积分10
刚刚
GBY完成签到,获得积分10
1秒前
huanglm完成签到,获得积分10
3秒前
万能图书馆应助鲁西西采纳,获得10
3秒前
le完成签到,获得积分10
4秒前
GBY发布了新的文献求助10
5秒前
SciGPT应助洁净的雪一采纳,获得10
5秒前
5秒前
6秒前
研友_VZG7GZ应助王仙人采纳,获得10
6秒前
6秒前
7秒前
jxp完成签到,获得积分10
8秒前
情怀应助2441922098采纳,获得10
8秒前
8秒前
8秒前
echo发布了新的文献求助10
9秒前
qiqi1111发布了新的文献求助10
9秒前
鑫叶完成签到,获得积分10
10秒前
Serena510完成签到 ,获得积分10
10秒前
12秒前
Owen应助熊11采纳,获得10
12秒前
汉堡包应助熊11采纳,获得10
12秒前
12秒前
QY11发布了新的文献求助10
12秒前
fifteen发布了新的文献求助10
13秒前
美好沛萍完成签到 ,获得积分10
13秒前
15秒前
1565028013完成签到,获得积分10
17秒前
18秒前
上官若男应助无敌最俊朗采纳,获得10
19秒前
星辰大海应助Wrong采纳,获得10
19秒前
幽默的冷之完成签到,获得积分10
20秒前
21秒前
22秒前
传奇3应助GBY采纳,获得10
23秒前
23秒前
汉堡包应助难摧采纳,获得10
24秒前
24秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
An Introduction to Geographical and Urban Economics: A Spiky World Book by Charles van Marrewijk, Harry Garretsen, and Steven Brakman 600
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3153407
求助须知:如何正确求助?哪些是违规求助? 2804624
关于积分的说明 7860589
捐赠科研通 2462588
什么是DOI,文献DOI怎么找? 1310818
科研通“疑难数据库(出版商)”最低求助积分说明 629396
版权声明 601794