ECG classification as a dynamic process based on a spiking neural network

2024

Полный текст Открытый доступ: Gold Метаданные (CSL-JSON)
DOI 10.31649/1681-7893-2024-48-2-68-77
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

The article analyzes the ECG classifying methods. A method of dynamic ECG classification using spiking neural networks is proposed. Dynamic parameters are selected, which are a representation of the ECG signal in a time series. These parameters are fed into the input of a spiking neural network, which outputs both a single heartbeat and a full ECG study. The developed spiking neural network has fast learning and uses large amounts of data for training.