Détection de l'arythmie à l'aide de la méthode des réseaux adversoriels génératifs

Ce livre explique comment un réseau accusatoire génératif profond construit sur un grand ensemble de données peut détecter les arythmies avec plus de précision que les médecins. En outre, l'extraction de caractéristiques a toujours été considérée comme un élément essentiel de la classification des arythmies par électrocardiogramme. L'objectif de cette recherche est d'examiner la classification des arythmies par ECG à l'aide d'un réseau accusatoire génératif dense et profond. L'architecture GAN présentée dans ce livre peut être enseignée pour produire des signaux ECG comparables aux signaux ECG du monde réel. Les résultats indiquent que l'utilisation d'une stratégie basée sur les séquences pour tous les types de battements ECG améliore considérablement l'aire sous la courbe sur notre ensemble de tests. L'architecture traditionnelle ne prend pas naturellement en compte cette structure et souffre donc d'une baisse de performance lorsqu'une telle structure est informative. Cet ouvrage compare la technique proposée à l'analyse des composantes de principe du noyau avec régression incrémentielle du vecteur de support, aux transformées en ondelettes discrètes avec régression incrémentielle du vecteur de support et au réseau neuronal clairsemé général. Les résultats obtenus permettent de conclure que la technique GAN proposée est supérieure à ces trois méthodes, avec une précision globale de 97,44 %.