文献分享 基于多模态融合的ecg信号beat分类

文章提出了一种利用多模态融合技术进行ECG心跳分类的方法,包括多模式图像融合(MIF)和多模式特征融合(MFF),在MIT-BIH和PTB数据集上取得99.7%和99.2%的高准确率。通过将ECG数据转化为GAF、RP和MTF图像,结合深度学习和SVM分类器,实现了高效的心电信息挖掘和识别。
摘要由CSDN通过智能技术生成

原文链接:ECG Heartbeat Classification Using Multimodal Fusion | IEEE Journals & Magazine | IEEE Xploreicon-default.png?t=LA92https://ieeexplore.ieee.org/document/9486862

这篇文章讲单个心拍经过处理之后变为三个模态的二维图像,作为图像的EGB图层输入。

如果有条件的话也可以换transformer。

个人理解就是把心电信息更好挖掘出来便于识别。

摘要:

心电图(ECG)是诊断和对抗心律失常和心肌梗死(MI)等严重心血管综合征的权威来源。当前的机器学习技术要么依赖于人工提取的特征,要么依赖于仅直接利用一维心电信号的大型复杂的深度学习网络。由于智能多模式融合可以通过高效的深度网络在最先进的水平上执行,因此,在本文中,我们提出了两种计

  • 4
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

执梦梦

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值