吴恩达新成果：可诊断14种类型的心律失常

由吴恩达领导的斯坦福大学机器学习小组，研发出一种新的深度学习算法，可以诊断14种类型的。吴恩达表示，模型可以比专家更精确的诊断心律失常。

这项研究可能是机器学习彻底改变行业的最新标志之一。近年来，研究人员已经表明，机器学习技术可用于从医学图像中发现各种疾病，包括例如乳腺癌，皮肤癌和眼病。

研究人员表示：“心律信号的差异可能非常微妙，但对于患者如何选择检测方式有巨大的影响。“例如，二度房室传导阻滞的两种形式的心律失常，看起来非常相似，但是一种不需要治疗，而另一种则需要立即治疗。

心律诊断

机器小组训练了一种深入学习算法，以识别ECG（心电图）数据中不同类型的不规则心跳。有些不正常现象可能导致严重的健康并发症，包括心源性猝死，但信号难以检测，因此患者经常被要求佩戴ECG传感器数周。

斯坦福大学的研究人员从ECG数据中，抽取识别约30000个30秒的样本……