基于LSTM的ECG分类用于个人可穿戴设备的连续监测

LSTM-Based ECG Classification for Continuous Monitoring on Personal Wearable Devices
原文地址：https://pubmed.ncbi.nlm.nih.gov/30990452/
代码地址：http://lis.ee.sharif.edu/pub/2020_jbhi_soh/

摘要：
提出了一种新的ECG分类算法，用于处理能力有限的可穿戴设备上的连续心脏监测。
方法：提出的解决方案采用了由小波变换和多个LSTM递归神经网络组成的新结构（图1）。
结果：实验评估显示，与以前的工作相比，ECG分类性能更好。在不同硬件平台上的测试表明，该算法满足可穿戴设备上连续实时执行的时序要求。
结论：与许多基于计算式深度学习的方法相比，本文提出的算法是轻量级的，因此，它为可穿戴设备带来了基于LSTM的准确ECG分类的连续监测。
意义：提出的算法既准确又轻量级。源代码可在线获取。

为什么要提出这种算法？