Aprendizaje profundo basado en apilamiento de denoising y autoencoder para clasificación de latidos cardíacos de ECG
Autores: Nurmaini, Siti; Darmawahyuni, Annisa; Sakti Mukti, Akhmad Noviar; Rachmatullah, Muhammad Naufal; Firdaus, Firdaus; Tutuko, Bambang
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Aprendizaje profundo basado en apilamiento de denoising y autoencoder para clasificación de latidos cardíacos de ECG
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Electrocardiogram
Ruido
Aprendizaje profundo
Aprendizaje automático
Arritmia
Representación de características
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
El electrocardiograma (ECG) es una prueba ampliamente utilizada y no invasiva para analizar arritmias. Sin embargo, la señal del ECG es propensa a la contaminación por diferentes tipos de ruido. Dicho ruido puede causar deformaciones en la forma de onda del latido del ECG, lo que lleva a que los cardiólogos etiqueten erróneamente o interpreten mal los latidos cardíacos debido a diversos tipos de artefactos e interferencias.
Descripción
El electrocardiograma (ECG) es una prueba ampliamente utilizada y no invasiva para analizar arritmias. Sin embargo, la señal del ECG es propensa a la contaminación por diferentes tipos de ruido. Dicho ruido puede causar deformaciones en la forma de onda del latido del ECG, lo que lleva a que los cardiólogos etiqueten erróneamente o interpreten mal los latidos cardíacos debido a diversos tipos de artefactos e interferencias.