{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2023,12,15]]，“日期时间”：“2023-12-15T00:43:44Z”，“时间戳”：1702601024574}，“引用计数”：0，“发布者”：“IOS出版社”，“isbn-type”：[{“值”：“9781643684703”，“类型”：”打印“}，{“数值”：“97 81643684 710“，”type“：”electronic“}]，”license“：[{”start“用法：{“date-parts”：[[2023,12,12]]，“date-time”：“2023-12-12T00:00:00Z”，“timestamp”：1702339200000}，“content-version”：“unspecified”，“delay-in-days”：0，“URL”：“https:\\/creativecommons.org\/licenses\\by-nc\/4.0\/”}]，“content-domain”：{”domain“：[]，“crossmark-restriction”：false}，”short-container-title“:[]，”published-print“：{部分“：[[2023,12,12]]}，“摘要”：“随着智能医疗的发展，心电图监测已成为远程医疗的一个组成部分，在心律失常诊断中发挥着至关重要的作用。然而，目前主流的心电自动诊断模型缺乏对积累个人数据的增量学习的研究。因此，本文提出了一种用于心律失常诊断的个性化增量学习方法，以便于为个人用户开发个性化模型。最初，个人\u2019s ECG信号通过由ResBlock和Bi-LSTM组成的ECG特征提取器进行编码。随后，使用针对个人定制的个性化分类器执行ECG诊断。随着个人数据积累到足够的数量，通过将个人样本数据集与基于羊群的心律失常优先级示例结合，对个性化分类器进行微调，从而使模型能够适应个人领域。实验结果表明，该模型在CPSC2018数据集上的准确率达到87.08%。此外，在CPSC2020数据集上进行个性化增量微调后，与初始模型相比，模型\u2019的性能提高了13%以上。因此，所提出的个性化增量学习方法是有效的<\/jats:p>“，”DOI“：”10.3233\/faia231099“，”type“：”book-chapter“，”created“：{”date-parts“：[2023,12,14]]，”date-time“：”2023-12-14T15:10:27Z“，”timestamp“：1702566627000}，”source“：“Crossref”，“is-referenced-by-count”：0，”title“：[”一种新的个性化心电监测递增心律失常分类方法“]，”前缀“：”103233“，”作者“：[{“给定”：“致远”，“家庭”：“李”，“序列”：“第一”，“隶属关系”：[{“名称”：“上海交通大学机械工程学院机械系统与振动国家重点实验室，上海200240”}]}，{“给定”：“渊源”，“家族”：“田”，“顺序”：“附加”，“附属关系”：[{“姓名”：“上海交通大学机械工程学院机械系统与振动国家重点实验室，上海200240上海交通大学机械工程学院机械系统与振动国家重点实验室，上海200240上海交通大学机械工程学院机械系统与振动国家重点实验室，上海200240上海交通大学机械工程学院机械系统与振动国家重点实验室，上海200240上海交通大学机械工程学院机械系统与振动国家重点实验室，上海200240上海交通大学附属上海第一人民医院心内科，上海200080模糊系统和数据挖掘IX”，“人工智能和应用的前沿”]，“original-title”：[]，“link”：[{“URL”：“https:\/\/ebooks.iospress.nl\/pdf\/doi\/10.3233\/FAIA231099”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2023,12,14]]，“date-time”：2023-12-14T15:10:29Z“，”timestamp“：170256669000}，”score“：1，”resource“：{”primary”：{“URL”：“https:\/\/ebooks.iospress.nl\/doi\/10.3233\/FAIA231099”}}，“subtitle”：[]，“short title”：[]，“issued”：{“date-parts”：[2023,12,12]]}，《ISBN》：[“9781643684703”，“978164 3684710”]，“”references-count“：0，”URL“：”http://\/dx.doi.org\/10.3233\/FAIA231099“，”关系“：{}，”ISSN“：[”0922-6389“，”1879-8314“]，“ISSN-type”：[{“value”：“0922-6399”，“type”:“print”}，{“value”：“1879-83十四”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[2023,12,12]}}}}