基于CNN的心血管疾病心电图图像检测
CNN Based Detection of Cardiovascular Diseases from ECG Images
AI总结：
本研究基于InceptionV3架构和迁移学习构建CNN模型，从ECG图像中检测心肌梗死及其他心血管疾病，准确率达93.27%，为临床早期检测与预防提供支持。
摘要：
本研究开发了一种卷积神经网络（CNN）模型，用于从心电图（ECG）图像中检测心肌梗死（MI）。该模型基于InceptionV3架构构建，并通过迁移学习进行优化，使用从巴基斯坦Ch. Pervaiz Elahi心脏病学研究所获取的心电图数据进行训练。数据集包含代表四种不同心脏状况的心电图图像：心肌梗死、异常心跳、心肌梗死病史和正常心脏活动。所开发的模型成功检测出心肌梗死及其他心血管疾病，准确率达到93.27%。本研究表明，基于深度学习的模型可以在心脏病发作的早期检测和预防方面为临床医生提供重要支持。
英文摘要：
This study develops a Convolutional Neural Network (CNN) model for detecting myocardial infarction (MI) from Electrocardiogram (ECG) images. The model, built using the InceptionV3 architecture and optimized through transfer learning, was trained using ECG data obtained from the Ch. Pervaiz Elahi Institute of Cardiology in Pakistan. The dataset includes ECG images representing four different cardiac conditions: myocardial infarction, abnormal heartbeat, history of myocardial infarction, and normal heart activity. The developed model successfully detects MI and other cardiovascular conditions with an accuracy of 93.27%. This study demonstrates that deep learning-based models can provide significant support to clinicians in the early detection and prevention of heart attacks.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
