接受论文阅读相关投稿
论文原文:https://arxiv.org/pdf/1707.01836.pdf
Stanford Machine Learning Group 2017年7月发表了一篇智能诊断领域的文章在arXiv,该文章属于Stanford University 和 iRhythm Technologies合作项目。
作者开发了一个以单导联心电图信号诊断心律失常的模型,并且称该模型的诊断能力比心律失常诊断领域的专家还要好。做得比专家好(诊断失误率低于人类专家的诊断失误率)的关键是他经过训练的深层卷积神经网络,他能把心电图的采样系列映射为一系列与心律失常有关的注释,还有一个关键是新数据集,比以往的同类数据集大500倍。
图1.经过训练的卷积神经网络通过可穿戴式心脏监护仪记录的结果正确检测窦性心律(SINUS)和心房纤颤(AFIB)。
作者训练了一个34层的卷积神经网络,使其在或长或短的心电图时序中发现可能存在的心律失常。该网络输入原始的心电图时序,输出一系列预测标签。模型也能输入一段以200Hz采样的长30秒的心电图信号,输出一系列预测标签, 其中每个输出的预测标签对应输入时序中的一秒。