El objetivo de este estudio es diseñar la arquitectura de red neuronal profunda GoogLeNet ampliando el tamaño del núcleo de la capa de inicio y combinando las capas de convolución para clasificar los latidos del electrocardiograma (ECG) en ritmo sinusal normal, contracción ventricular prematura, contracción auricular prematura y arritmia por bloqueo de rama derecha/izquierda. Basándose en las bases de datos de referencia de arritmias MIT-BIH, el alcance de los datos de ECG de entrenamiento/prueba se configuró cubriendo al menos tres y siete características de pico R, y la arquitectura extendida-GoogLeNet propuesta puede clasificar cinco latidos distintos: ritmo sinusal normal (NSR), contracción ventricular prematura (PVC), contracción auricular prematura (APC), bloqueo de rama derecha del haz (RBBB) y bloqueo de rama izquierda del haz (LBBB), con una precisión del 95.En comparación con investigaciones anteriores, el índice de error para clasificar latidos normales o anormales teniendo en cuenta tres segmentos del ECG fue del 95,94%, la tasa de error del 4,06%, la sensibilidad máxima del 96,9% y el valor predictivo positivo máximo del 95,7; para clasificar la APC a partir de latidos de NSR, PVC y APC fue del 98,31%, la sensibilidad del 88,75%, la especificidad del 99,4% y el valor predictivo positivo del 94,4, mientras que la tasa de error para clasificar erróneamente latidos de APC fue relativamente baja, del 6,32%.

El objetivo de este estudio es diseñar la arquitectura de red neuronal profunda GoogLeNet ampliando el tamaño del núcleo de la capa de inicio y combinando las capas de convolución para clasificar los latidos del electrocardiograma (ECG) en ritmo sinusal normal, contracción ventricular prematura, contracción auricular prematura y arritmia por bloqueo de rama derecha/izquierda. Basándose en las bases de datos de referencia de arritmias MIT-BIH, el alcance de los datos de ECG de entrenamiento/prueba se configuró cubriendo al menos tres y siete características de pico R, y la arquitectura extendida-GoogLeNet propuesta puede clasificar cinco latidos distintos: ritmo sinusal normal (NSR), contracción ventricular prematura (PVC), contracción auricular prematura (APC), bloqueo de rama derecha del haz (RBBB) y bloqueo de rama izquierda del haz (LBBB), con una precisión del 95.En comparación con investigaciones anteriores, el índice de error para clasificar latidos normales o anormales teniendo en cuenta tres segmentos del ECG fue del 95,94%, la tasa de error del 4,06%, la sensibilidad máxima del 96,9% y el valor predictivo positivo máximo del 95,7; para clasificar la APC a partir de latidos de NSR, PVC y APC fue del 98,31%, la sensibilidad del 88,75%, la especificidad del 99,4% y el valor predictivo positivo del 94,4, mientras que la tasa de error para clasificar erróneamente latidos de APC fue relativamente baja, del 6,32%.