Deep learning feature representation for electrocardiogram identification

Deep Learning on 1-D Biosignals: a Taxonomy-based Survey

“…In this group of 16 papers 19 23 45 46 47 48 49 58 59 60 62 65 67 73 78 81 , single-lead raw data is fed as input to the deep learning methods for applications that focus on detection; for instance, the paper of Acharya et al, 46 aimed at automated detection of abnormalities in ECG signals. The approach of Kiranyaz et al, 19 focused on a personalized monitoring system for arrhythmias.…”

“…The high number of research papers may come from the fact that single-channel biosignals are simple, easy to acquire, and effective in decision making system. Out of the 16 papers, 12 used 1-D CNN models 19 45 46 47 48 49 58 59 60 62 65 81 ; two were based on auto-encoders 23 73 ; one used an RNN model 67 ; and one used an RBM model 78 .…”

ECG based biometric identification method using QRS images and convolutional neural network

“…Özellikle aynı EKG veri tabanını kullanan [33] No.lu yöntem ile kıyaslandığında önerilen yöntemin yaklaşık %8 daha yüksek kişi tanıma oranı sağladığı görülmektedir. Tablo 4'te belirtilen diğer yöntemlerde [32], [36]- [40] ise farklı EKG veri kümeleri kullanılmıştır. Tablo 4'te görüldüğü gibi [36], [39], [40] No.lu çalışmalarda sunulan yöntemlere göre doğruluk ve kişi tanıma oranları bakımından önerilen yöntemin başarımı daha yüksektir.…”

“…Özellikle son yıllarda EKG tabanlı biyometrik tanıma için derin öğrenme yöntemlerinden biri olan ESA modelleri geliştirilmeye başlanmıştır[31]-[39].2016 yılında Lei ve diğ. tarafından[32] öznitelik çıkarımı için bir boyutlu ESA (1B-ESA) modeli ve sınıflandırma için doğrusal olmayan DVM yöntemi içeren bir model önerilmiştir. Önerilen model her birinin çıkışında ortalama ortaklama (average pooling) katmanı olan 3 adet evrişimsel katman (convolutional layer) ve tam bağlantılı katmandan (fully connected layer) oluşmaktadır.…”

“…Modelin çıkışında elde edilen 1x160 boyutunda öznitelik vektörleri doğrusal olmayan DVM modeli ile sınıflandırılmıştır. Önerilen yöntem, 100 kişiden oluşan bir veri tabanı için %99.33 oranında doğruluk oranı gerçeklemiştir[32]. 2017 yılında Zhang ve diğ.…”