Jul, 2022

基于物联网的农村医疗心电图系统

PDF
TL;DR研究了基于物联网的心电监测系统，其中使用 ECG 传感器和机器学习算法来监测和预测 P，Q，R，S，T 等参数，并探讨了其在农村地区使用的潜力与优势。
bangladeshrural healthcareecg sensingiot monitoringmachine learning
发现论文，激发创造
  • 基于增强卷积神经网络的物联网心电图信号有效分类

    本文提出了一种基于物联网技术的新型心电监测方法，使用基于 DSR 和 REL 的路由系统，并测试了基于 ANN、SVM 和 CNN 的 ECG 信号分类方法。Deep-ECG 将采用深度 CNN 来提取重要特征，并使用简单且快速的距离函数进行分类，从而高效识别心脏问题。研究结果表明，所提出的策略在分类准确性方面优于其他方法。

    Feb, 2022

  • 基于佩戴式心电监测系统、ECG 有损压缩方案和基于 ResNet 的房颤检测器的个性化心脏人群医疗研究

    本研究设计了一个个性化健康诊断系统，包括一个可穿戴式心电图设备、移动应用程序和后端服务器，可以对用户的心电信息进行持续监测，以提供个性化的健康警告 / 反馈，通过远程诊断和干预等方式支持与健康顾问的沟通。在此系统中，提出了一种利用心电信号准周期特征的有损信号压缩方法，设计并训练了一个基于 ResNet 的 AF 诊断器，该诊断器在测试中取得了较好的效果，F1 得分最高可达 87.31%。

    Jul, 2022

  • 基于自旋电子学 IoT 传感器的磁心电图应用中的 AI 辅助噪声处理

    通过使用磁心电图技术和深度学习算法，我们为物联网 IoT 健康监测提出了一种低功耗、便携、非侵入式的解决方案，可以有效地处理生物磁信号中的低频噪声并检测心血管疾病。

    Nov, 2019

  • CardioLearn：基于云的心电图心脏疾病深度学习服务

    本研究呈现了我们在建立、训练和提供心脏疾病检测的深度学习云服务 CardioLearn 上的工作，该服务可提供公共服务方案，解决了传统 ECG 疾病检测模型存在的诊断率误差高的限制，我们也设计了一个便携式智能硬件设备及与之交互的移动程序，可以随时随地检测潜在的心脏疾病。

    Jul, 2020

  • 基于柔性摩擦电传感器的智能医疗物联网健康监测系统及其在虚拟现实中的应用

    通过灵活可穿戴摩擦电传感器和深度学习辅助数据分析的协同集成，我们设计了一个强大而智能的医疗物联网系统，实现了对帕金森病患者肢体运动的准确检测和细致分析，从而为患者的状况提供了有见地的反馈和综合评估。

    Sep, 2023

  • CarDS-Plus ECG 平台：便携和可穿戴设备心电图的多平台人工智能工具包的开发和可行性评估

    通过开发创新的多平台系统，实现基于人工智能的心电图解读解决方案的快速部署，并通过迅速的部署将人工智能的发现转化为对可穿戴式及便携式心电图设备的临床影响。

    Oct, 2023

  • 使用心电图图像进行心脏异常检测和筛查的人工智能系统

    本研究设计了一个 AI 系统，能够在 real-world ECG 图像中检测和筛选心脏异常。该系统的表现优于心脏病学家，在心脏异常筛查方面表现最好。该系统具有准确性，客观性，易于使用，快速，低成本等特点，适用于医护人员、护理者和普通用户评估基于 real-world ECG 图像的 CAs。

    Feb, 2023

  • 增强植入式心脏监护器数据的心电图分析：多标签分类的高效管道

    本研究介绍了分析可植入心脏监测 (ICM) 数据的挑战和解决方法，并介绍了在此类数据上表现优异的分类方法，以辅助医疗保健专业人员对来自 ICM 的心电图进行分析。

    Jul, 2023

  • 基于区块链的物联网与远程患者监测的神经刺激装置安全框架

    本研究基于生物医学工程的医疗互联网事物（IoMT）技术，提出了一种基于区块链的非侵入式远程神经刺激系统，通过可穿戴 IoMT 设备实时收集和分析患者的传感数据，并解决了集中式系统可能遇到的单点故障、数据操纵和隐私等问题。

    Aug, 2023

  • 安全和隐私保护的自动化端到端整合 IoT-Edge - 人工智能 - 区块链监测系统，用于糖尿病预测

    提出一种基于物联网边缘 - 人工智能 - 区块链系统的糖尿病预测模型，通过比较实验结果表明，与逻辑回归和支持向量机等现有机器学习方法相比，该模型使用随机森林算法平均预测精度提高了 4.57％，但执行时间较长。

    Nov, 2022