AI医疗 机器学习 ECG 入门论文

1. Machine Learning in Medicine AI医疗概述，一些例子
2. A Survey On Various Data Mining Techniques for ECG Meta Analysis 基本方法，对比各种方法，这些方法通过特征提取和分割对ECG分析来找出各种心脏疾病。介绍了模糊技术、svm、神经网络、马尔可夫方法 给出发展和基本的论文。使用的数据集是MIT-BIH、NSR
3. A Survey on various Machine Learning Approaches for ECG Analysis 基本方法，在ECG上不同的数据挖掘方法对比，用来分类疾病
4. Screening_for_cardiac_contractile_dysfunction_usin 使用NN（没给出）判别ALVD
5. Cardiologist-level arrhythmia detection and classification in ambulatory electrocardiograms using a deep neural network 论文构建了一个深度神经网络，使用了 53549 名病人的单导联 ECG 数据来对 12 种节律类别进行分类。该 DNN 旨在对 10 种心律失常以及窦性心律和噪声进行分类，总共 12 种输出节律类别。其将原始的 ECG 数据（以 200 Hz 采样，或者每秒 200 个样本）作为输入，不考虑其他与患者或者 ECG 相关的特征。并且每 256 个样本（或者每 1.28 秒）输出一个预测，这样的输出被称之为 输出间隔。同时为了网络的优化及易于处理，采用了类似残差网络的快捷连接的结构。在实验过程中，他们发现，一旦模型的深度超过 8 层，残差连接就很有用。
6. A Deep Convolutional Neural Network Model to Classify Heartbeats 使用9层cnn来对5类非危及生命的心律失常分类
7. Automated Detection of Arrhythmias Using Different Intervals of Tachycardia ECG Segments with Convolutional Neural Network 使用11层CNN类来识别四类心率–正常（NSR）、房颤a-fib、心房扑动afl、室颤v-fib
8. Deep Convolutional Neural Networks and Learning
   ECG Features for Screening Paroxysmal
   Atrial Fibrillation Patients 鉴别患者是不是PAF。提出一个五层cn来判别是否是PAF；提出将CNN的前四层得到的作为特征之后连接其它方法，KNN，SVM等
9. Real-Time Patient-Specific ECG Classification by 1-D Convolutional Neural Networks 对特定的病人训练CNN，一旦一个专门的CNN被训练为一个特定的病人，它就可以单独用于快速和准确地分类可能很长的心电图数据流，这样的解决方案可以方便地用于实际-轻型可穿戴设备上的定时心电图监测和早期报警系统。
10. Robust ECG Signal Classification for Detection of Atrial Fibrillation Using a Novel Neural Network 16层1dcnn来识别AF（分成四个类别），使用skip connection残差网络来加速计算。
11. Region Aggregation Network: Improving Convolutional Neural Network for ECG Characteristic Detection 设计了一个叫做Region Aggregation Network（RAN）的网络来进行ECG8个特征点提取检测，RAN由一维卷积神经网络（CNN）和一个新的区域聚集模块RA组成，Region Aggregation代替CNN的全联接层.
12. Convolutional Recurrent Neural Networks for Electrocardiogram Classification 提出两个网络来进行AF分类。一个是24层cnn，一个是24层cnn+3层LSTM
13. Method to Annotate Arrhythmias by Deep Network 使用一个深度网络将ECG代表的arrhythmia分4类。深度网络综合了CNN，encoder-decoder和bidirectional RNN。
14. Using recurrent neural network models for early detection of heart failure onset 使用带有GRU的RNN来检测心力衰竭（HF）并与传统的方法对比，采用的数据是电子健康记录（EHR）。

一个关于入门实践的博主
https://blog.youkuaiyun.com/qq_15746879