Arrhythmieerkennung mithilfe der Generative Adversarial Network-Methode [German]

By Sanjay Sanamdikar, Vinayak Asutkar, Satish Hamde

In diesem Buch wird erl utert, wie ein tiefes generatives adversarisches Netzwerk, das auf einem gro en Datensatz aufgebaut ist, Arrhythmien genauer erkennen kann als rzte. Dar ber hinaus wird die Merkmalsextraktion traditionell als wesentlicher Bestandteil der Elektrokardiogramm-Arrhythmie-Klassifizierung angesehen. Ziel dieser Forschungsarbeit ist die Untersuchung der EKG-Arrhythmie-Klassifizierung mithilfe eines tiefen, dichten generativen adversarischen Netzwerks. Der in diesem Buch vorgestellten GAN-Architektur kann beigebracht werden, EKG-Signale zu erzeugen, die mit realen EKG-Signalen vergleichbar sind. Die Ergebnisse zeigen, dass die Verwendung einer sequenzbasierten Strategie f r alle EKG-Schlagtypen die Fl che unter der Kurve auf unserem Testsatz erheblich verbessert. Die herk mmliche Architektur ber cksichtigt diese Struktur nicht und leidet daher unter einer geringeren Leistung, wenn eine solche Struktur informativ ist. In diesem Buch wird die vorgeschlagene Technik mit der Kernel-Prinzipal-Komponenten-Analyse mit inkrementeller Support-Vektor-Regression, diskreten Wavelet-Transformationen mit inkrementeller Support-Vektor-Regression und allgemeinen sp rlichen neuronalen Netzen verglichen. Aus den erzielten Ergebnissen wird geschlossen, dass die vorgeschlagene GAN-Technik diesen drei Methoden mit einer Gesamtgenauigkeit von 97,44 Prozent berlegen ist.

• Format: Paperback
• Language: German
• ISBN: 6206959805
• ISBN13: 9786206959809
• Release Date: December 2023
• Publisher: Verlag Unser Wissen
• Length: 148 Pages
• Weight: 0.50 lbs.
• Dimensions: 0.3" x 6.0" x 9.0"