Проанализированы передовые подходы автоматизированной классификации ЭКГ. Исследование показало, что наибольшей эффективностью обладают системы, основанные на сверточных нейросетях. Такие нейросети в процессе обучения автоматически выявляют признаки, которые позволяют выполнять классификацию ЭКГ. Рассмотрена архитектура нейросети, классифицирующая 12-канальную ЭКГ на 5 классов. Архитектура реализована на языке Python.

There are analyzed state-of-the-art approaches in automatic ECG classification. The study showed that the most effective systems are based on convolutional neural networks. Such neural networks during the training process automatically identify the features that allow precisely classify ECG. A neural network architecture has been considered that classifies a 12-channel ECG into 5 classes. The architecture was implemented using the Python language.