Read more
Questo libro spiega come una rete avversaria generativa profonda costruita su un ampio set di dati possa rilevare le aritmie in modo più accurato rispetto ai medici. Inoltre, l'estrazione delle caratteristiche è stata tradizionalmente considerata una componente essenziale della classificazione delle aritmie da elettrocardiogramma. Lo scopo di questa ricerca è esaminare la classificazione delle aritmie da ECG utilizzando una rete generativa avversaria profonda e densa. L'architettura GAN illustrata in questo libro può essere insegnata a produrre segnali ECG paragonabili a quelli del mondo reale. I risultati indicano che l'utilizzo di una strategia basata sulla sequenza per tutti i tipi di battito ECG migliora sostanzialmente l'area sotto la curva sul nostro set di test. L'architettura tradizionale non affronta naturalmente questa struttura e quindi soffre di una diminuzione delle prestazioni quando tale struttura è informativa. Questo libro confronta la tecnica proposta con l'analisi dei componenti di principio kernel con regressione vettoriale di supporto incrementale, la trasformata wavelet discreta con regressione vettoriale di supporto incrementale e la rete neurale rada generale. Dai risultati ottenuti, si conclude che la tecnica GAN proposta è superiore a questi tre metodi con un'accuratezza complessiva del 97,44%.
About the author
Sanjay travaille actuellement comme professeur associé au PDEAs College of Engineering Manjari Pune, Maharashtra, Inde. Il a au total 21 ans d'expérience dans les domaines de l'enseignement et de la recherche. Son livre publié, Sewage Treatment using PLC and Arrhythmia Analysis and Interpretations ECG Signals (Traitement des eaux usées à l'aide d'un automate programmable et analyse et interprétation des signaux ECG), a été publié par Lambert Academic.
