We develop an algorithm which excee

We develop an algorithm which exceeds the performance of board certified cardiologists in detecting a wide range of heart arrhythmias from electrocardiograms recorded with a single-lead wearable monitor. We build a dataset with more than 500 times the number of unique patients than previously studied corpora. On this dataset, we train a 34-layer convolutional neural network which maps a sequence of ECG samples to a sequence of rhythm classes. Committees of board-certified cardiologists annotate a gold standard test set on which we compare the performance of our model to that of 6 other individual cardiologists. We exceed the average cardiologist performance in both recall (sensitivity) and precision (positive predictive value).

結果 (繁體中文) 1:

我們開發這超過在從記錄有一個單引線可佩戴監測心電圖檢測多種心臟心律失常的板認證心髒病專家的性能的算法。我們建立了一個數據集的獨特的病人比以前研究的語料超過500倍。在這個數據集，我們培養其中ECG樣本的序列映射到節奏類的序列的34層的卷積神經網絡。委員會認證的心髒病專家委員會的註解金標準測試集上，我們我們的模型的性能比較於其他6個人的心髒病專家。我們超過兩個召回（靈敏度）和精密（陽性預測值）的平均心髒病的表現。

結果 (繁體中文) 2:

格魯弗夫斯手套

結果 (繁體中文) 3:

我們開發了一種算灋，其效能超過了董事會認證的心臟病專家在檢測範圍廣泛的心律失常心電圖記錄與一個單一的鉛可穿戴顯示器。我們建立了一個數据集，其獨特的患者數量是之前研究的語料庫的500多倍。在這個數据集上，我們訓練了一個34層的卷積神經網路，它將一系列心電圖樣本映射到一系列心律類。經董事會認證的心臟病專家委員會注釋了一個金標準測試集，在這個測試集上，我們將我們的模型的效能與其他6比特心臟病專家的效能進行了比較。我們在回憶（敏感度）和準確度（陽性預測值）方面都超過了心臟病專家的平均表現。