Zgadzam się
Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.
This research aimed to develop a high accuracy machine learning algorithm that can diagnose cardiovascular diseases from the stream of data from multiple body surface potential mapping devices equipped with 102 textile electrodes. The algorithm is based on the 1D convolutional neural network, trained on the comparable real-life data gathered from the FLUKE ECG simulator connected to the resistance-based human phantom. The developed neural network achieved an accuracy of 99.91% on the test data. Additionally, an additional algorithm was developed that can use the neural network to analyse the data streamed from the medical device and notice the medical staff about dangerous heart rhythms detected by the system.
